《表1 损伤情况：一种基于卷积神经网络的结构损伤检测方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于卷积神经网络的结构损伤检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

板是工程中常见的一种结构，本文以一四边固定的方形薄板为例，进行损伤识别研究.薄板的几何尺寸和材料特性为：长×宽=10 m×10 m；材料弹性模量E=192 GPa；泊松比ν=0.3；密度ρ=7800 kg/m3.其有限元模型如图3工况1所示，将板划分为25×25个有限单元，通过降低薄板不同位置的弹性模量来模拟损伤工况，共有9种工况：包含8种损伤工况和1种无损工况，各工况的损伤情况如表1和图3所示，图3中加黑色圆圈的有限单元为损伤单元.各工况的加速度数据，采用有限元法模拟生成，在板的中心施加高斯白噪声荷载，以模拟外界环境激励.每种工况选择除了四边固定结点外的24×24=576个结点的加速度数据作为卷积神经网络的输入数据，加速度采样频率为200 Hz，采样时间为5 s.从而得到9×1000个样本，即每个时刻点上为一个样本，每个样本由24×24个结点上的加速度组成.