一种基于多模态参数深度学习的混凝土坝损伤辨识方法

本发明公开了一种基于多模态参数深度学习的混凝土坝损伤辨识方法，利用分布式光纤振动传感数据提取混凝土坝的实测模态参数，基于有限元仿真建立高精度的坝体动力学模型，随机生成不同材料参数组合，获取相应的模态参数，以优化和修正仿真模型，使其更符合实际坝体动力特性。在修正后的仿真模型中，随机生成不同损伤位置、范围和程度，构建涵盖多种损伤模式的训练样本集。建立一维卷积神经网络，并利用训练样本进行深度学习模型训练，代入实测分布式振动数据，实现对混凝土坝损伤位置、范围和程度的智能识别。本发明提高了混凝土坝损伤辨识的精度和适应性，可广泛应用于水工结构的长期健康监测，为大坝安全评估提供高效、精准的技术支持。