목적 이 연구는 이동 하중 하에서 소형 및 중형 경간 교량의 신속하고 경제적인 손상 진단을 달성하는 것을 목표로 한다. 이를 위해 동기 압축 웨이렛 변환(SWT) 및 다중 라벨 합성곱 신경망(CNN)을 기반으로 한 새로운 방법이 제안되었다. 설계/방법론/접근법 손상 식별을 위해 단일 라벨 CNN(SL-CNN) 및 다중 라벨 CNN(ML-CNN) 모델이 개발되었다. 손상 샘플을 많이 확보하기 위해 차량이 통과할 때의 교량 진동 응답을 다양한 손상 사례에서 유한 요소 해석을 통해 시뮬레이션하였다. 이후 시간 영역 응답 신호는 SWT에 의해 시각-주파수 웨이렛 스칼로그램으로 변환되어 구축된 CNN 모델에 입력되어 구조적 손상을 식별하는 능력을 훈련하고 테스트하였다. 결과는 제안된 방법의 효율성과 정확성이 수치적 및 실험적 연구를 통해 검증되었음을 보여주었다. 결과는 ML-CNN의 훈련이 SL-CNN 모델보다 더 효율적이며, ML-CNN 모델이 우수한 식별 정확도와 일반화 성능을 보였음을 나타냈다. 독창성/가치 제안된 SWT 및 ML-CNN 기반 방법은 복잡한 다중 손상 사례에서 손식별에 더 적합하다. 다양한 구조적 시나리오 및 진단 요구에 적응하는 데 몇 개의 센서만 필요하므로 공학적 응용에 매우 실용적이다.
Wang et al. (수요일)은 이 질문을 연구하였다.