基于数字孪生和深度学习的结构损伤识别

土木工程实际结构损伤状态的时间跨度通常只占总生命周期的一小部分。为解决传统基于数据驱动的结构损伤识别方法缺乏足够多的损伤训练数据的问题，提出结合数字孪生和深度学习的结构损伤识别方法，并应用于实际工程。该方法利用数值仿真模型和在线监测数据构建结构的数字孪生，以获得不同损伤工况下结构动力响应的“大数据”；为了摆脱对外激励信息的依赖，应用经验模态分解法和传递率函数对得到的数据进行预处理；将预处理后的固有模态传递率函数数据作为深度学习的输入进行训练，实现结构的损伤识别。为验证方法的有效性，对实际结构未经训练的监测数据进行分析，结果表明，该方法泛化能力良好，能够有效识别结构损伤状况。通过数字孪生技术解决了传统方法数据匮乏的问题，不需要任何地震信息，利用固有模态传递率函数数据训练的深度神经网络仍能保持较高的损伤识别准确率，二者结合可以使工程结构健康监测更为主动、可靠、高效。