一种基于神经网络的Legendre方法,用于在整个时空域中识别交通负载的多参数识别

科学领域:

• 土木工程 土木工程是指土木工程.
• 结构健康监测 结构健康监测
• 在工程领域的人工智能.

背景情况:

• 准确地识别交通负载对于管理和运营正在使用的桥梁至关重要.
• 传统方法往往面临着错误的问题,缺乏物理解释的模型.
• 现有的神经网络方法可能无法为负载识别提供可解释的模型.

研究的目的:

• 提出一种高效的多参数识别方法,使用Legendre神经网络 (LNN) 进行全面的交通负载监控.
• 提高在整个时空空间域内识别交通负载的准确性和效率.
• 解决传统方法的局限性,包括错误设置的问题和缺乏模型可解释性.

主要方法:

• 开发一种高效的多参数识别策略,采用莱根德神经网络 (LNN).
• 同时获取明确的负载表达式和时间历史.
• 使用LNN来克服桥梁支上的不准确负载识别问题,是与错误设置的问题固有的.

主要成果:

• 拟议的LNN方法实现了对交通负载速度 (98.6%) 和力大小 (98.3%) 的高识别精度.
• 该方法成功地获得了明确负载表达式和时间历史.
• 基于LNN的识别过程消除了桥梁支架上的不准确性.
• 经过良好训练的LNN在识别过程中表现出对噪音的不敏感.

结论:

• 莱根德神经网络提供了一种高效和准确的方法,用于在桥上识别多参数的交通负载.
• 该LNN方法提供了一个物理可解释的模型,克服了以前技术的局限性.
• 该策略对噪声具有强大防护,确保在现实世界的桥梁监控应用中可靠的性能.