基于一种高精度卷积神经网络的框架结构模型故障诊断研究

摘要

框架结构健康检测和故障诊断是机械工程和土木工程等学科中十分重要的科学问题,能够准确诊断出框架结构的故障是保证框架结构健康工作的基本前提。为了提高噪声条件下的框架结构故障诊断精度,对现有的TICNN(convolution neural networks with training interference)模型进行了改进,得到了一种抗噪声能力极强的新型卷积神经网络模型。为了验证提出的改进型TICNN在抗噪声方面的优越性,将它和TICNN、1DCNN(dimensional convolution neural network)、WDCNN(first layer wide convolution kernel deep convolution neural network)进行对比实验研究,结果表明提出的改进型TICNN效果最优。在此基础上,运用改进的TICNN使用二分类的方式对一种4层钢结构模型进行故障诊断实验研究,结果表明:提出的改进型TICNN在噪声条件下仍能得到较高的诊断精度,从而验证了改进的TICNN的优越性。