一种基于多输入卷积神经网络的隔震支座损伤识别方法

本发明涉及一种基于多输入卷积神经网络的隔震支座损伤识别方法，本发明针对隔震支座损伤识别方法进行研究，提出一种以隔震支座振动信号为输入的基于多输入卷积神经网络模型。首先采集隔震支座水平方向加速度和位移信号，采用标准化预处理方法和数据增强扩充样本，然后将样本输入到所建立的网络模型并训练，最后利用训练好的网络模型进行损伤识别。结果表明：相较于传统单输入CNN模型，基于MI‑CNN模型易于训练，可最大地发挥CNN对损伤信号特征的提取能力，且具有更好的损伤位置识别准确率和更小的损伤程度识别误差，以及针对不均衡数据集更稳定的识别效果，可为隔震支座损伤识别提供新思路。