论文部分内容阅读
提出一种基于卷积神经网络(CNN)的稳定图自动分析方法。在获得不同结构的稳定图之后,按照各自的频率识别精度要求,将稳定图均分成若干个频带,得到单一模态稳定图作为CNN训练样本;通过平移、改变稳定点标记等技术手段对样本进行扩充,再将预处理好的训练样本代入CNN,通过跟踪损失函数在训练过程中变化规律,对如学习率等CNN参数进行调优,最终得到可自动判别稳定图中虚假模态的CNN;以3自由度弹簧质量数值模型、7自由度弹簧质量数值模型、以及一座钢筋混凝土框架结构大楼、瑞士Z24桥加速度实测数据验证了所搭建CNN