基于二维卷积神经网络的结构加速度数据异常检测研究

作     者：麻胜兰 钟建坤 刘昱昊 郑翔 MA Shenglan;ZHONG Jiankun;LIU Yuhao;ZHENG Xiang

作者机构：福建理工大学福建省土木工程新技术与信息化重点实验室福建福州350118 厦门第一建筑工程集团有限公司福建厦门361004 

出 版 物：《建筑科学与工程学报》 (Journal of Architecture and Civil Engineering)

年 卷 期：2025年第42卷第1期

页      面：112-120页

学科分类：08[工学] 081402[工学-结构工程] 081304[工学-建筑技术科学] 0813[工学-建筑学] 0814[工学-土木工程] 

基　　金：国家自然科学基金项目(51808119) 

主　　题：结构健康监测 二维卷积神经网络 桁架结构 深度学习 加速度 数据异常检测 

摘      要：为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果表明:提出的结构加速度数据异常检测方法能快速准确区分加速度数据异常类型,异常检测的准确率可达97%以上;对于包含信息复杂、数据规模大的样本,采用4层以上的2D-CNN有助于提高加速度数据异常检测的准确率,采用5层卷积层的2D-CNN对数据异常辨识精度可达98%;当加速度信噪比大于1时,数据异常检测准确率均在90%以上,当加速度信噪比为10时,准确率在97%以上,所提方法具有良好的容噪性和鲁棒性;采用2D-CNN的数据异常检测方法可为传感器网络的有效运行提供技术支持。