一种基于深度循环神经网络光流估计模型的结构振动位移识别方法及系统

摘要

本发明提出了一种基于深度循环神经网络光流估计模型的结构振动位移识别方法及系统，所述方法包括基于土木工程结构振动数据集的深度循环神经网络光流估计模型学习、结构振动位移识别过程、结合降噪自编码器对识别结果的校正以及结构振动位移识别全过程系统化的封装。该方法能够有效解决传统位移传感器在应用背景下的稀疏布置、质量负载、人为参与以及成本昂贵等实际问题。相比于其他应用深度神经网络的结构振动位移识别方法，通过共享权重和GRU迭代更新器的网络架构设计，本发明能实现更有效率且更精准的识别效果，且具有模型参数轻量，泛化能力强的优势。系统化的流程封装也使得本发明在土木工程结构振动领域的实际应用场景下更加便捷。