文章标题：基于CNN-LSTM的船体板架损伤位置检测研究
文章作者：王文婷1,2, 叶星宏3, 夏利娟1,2关 键 字：卷积神经网络;长短期记忆;结构损伤检测;动力学响应
文章摘要：船舶结构庞大且复杂，简单的分类模型难以满足船体损伤检测的全面需求。本文提出一种基于卷积神经网络和长短期记忆网络的船体板架损伤位置检测方法。通过Abaqus脚本对带有裂纹的船体板架进行参数化建模和响应计算，建立不同损伤位置板架的加速度响应数据集。然后，构建CNN-LSTM神经网络代理模型，直接以多通道加速度响应作为输入，避免了传统机器学习方法需要人工设计损伤敏感特征的问题，以裂纹中心坐标作为输出，避免了分类方法对损伤位置覆盖不充分的问题。结果显示，预测裂纹位置与实际位置的误差不超过板架尺寸的5%，噪声水平越低、裂纹越严重，此方法的预测精度越高，为船舶结构健康监测提供了较好的思路和方案。