基于卷积神经网络的RC框架通信机楼震后损伤评定方法

• Published in: 自然灾害学报 Vol. 33; no. 5; pp. 157 - 167
• Main Authors: 毛晨曦, 郭永超, 张昊宇, 张亮泉
• Format: Journal Article
• Language: Chinese
• Published: 中国地震局工程力学研究所,地震工程与工程振动重点实验室,黑龙江 哈尔滨 150080 30.10.2024; 地震灾害防治应急管理部重点实验室,黑龙江 哈尔滨 150080%东北林业大学 土木工程学院,黑龙江 哈尔滨 150040
• Subjects: 通信机楼; 卷积神经网络; communication building; 钢筋混凝土框架; post-earthquake survey; RC frame structure; convolutional neural networks; 损伤评定; 震害调查; damage assessment
• ISSN: 1004-4574
• DOI: 10.13577/j.jnd.2024.0515

TU375.4; 为解决震后大量钢筋混凝土框架通信机楼损伤评定需求,基于卷积神经网络研究从构件层次至整体结构的损伤评定方法.首先对汶川地震、鲁甸地震、芦山地震等多次地震后大量钢筋混凝土框架结构损伤调查图片筛选处理,建立了钢筋混凝土框架梁、柱损伤评定数据集.然后通过对 3个关键问题的研究建立了钢筋混凝土框架基于卷积神经网络的震损评定方法:训练和建立YOLOv5网络模型完成从结构震害照片中检测识别出梁、柱构件的任务,并改进优化了YOLOv5 网络模型的检测性能;优选比较 3 种网络模型(ResNet50、MobileNetV2 和AlexNet模型)对梁、柱构件损伤水平评定的精确性,最终建立了基于ResNet50 的梁、柱构件损伤评定模型;给出了从构件层次到整体结构的损伤水平确定方法,并通过对一栋实际震损框架进行损伤评定验证了文中方法的可用性.结果表明,文中方法与专家的损伤评定结论一致性高,优化后的卷积神经网络模型精确度和稳定性好,对震后钢筋混凝土框架结构损伤评定具有良好的适用性.