融合注意力機制和Bi?LSTM網(wǎng)絡的車輛輔助橋梁損傷評估

打開文本圖片集

摘要： 基于車輛輔助的橋梁損傷識別具有巨大應用潛力，但仍難以從多源監(jiān)測數(shù)據(jù)中提取損傷敏感特征，進而準確評估橋梁損傷狀態(tài)。為此，提出了基于長短時記憶網(wǎng)絡的注意力加權(quán)特征融合模型（ALFF?Net）。該模型通過預置數(shù)據(jù)重構(gòu)層，提高了Bi?LSTM單元對時間序列多尺度特征信息的感知能力。同時結(jié)合注意力機制和特征融合策略，降低了深度神經(jīng)網(wǎng)絡下游分支的預測難度，進一步提升了模型對序列數(shù)據(jù)重要依賴關(guān)系的建模能力。（剩余14824字）