摘要： 針對深度學習模型在數(shù)據(jù)樣本不均衡和噪聲影響下的損傷識別精度下降這一問題，提出了基于卷積自編碼和相關函數(shù)相結合的結構損傷識別方法。以卡塔爾大學看臺縮尺試驗為例，將健康工況樣本數(shù)據(jù)輸入卷積自編碼模型進行學習，通過構建的卷積自編碼模型對健康結構數(shù)據(jù)樣本進行數(shù)據(jù)重構，以數(shù)據(jù)重構誤差最大值作為閾值判別結構是否發(fā)生損傷。然后，在包含健康工況樣本和損傷工況樣本的數(shù)據(jù)集中加入不同信噪比的高斯白... （共9頁）