Para resolver o problema da dificuldade e baixa precisão no teste da força do cabo atirantado com amortecedor em projetos de engenharia reais, é proposto um método inteligente de reconhecimento da força do cabo atirantado com amortecedor baseado em IWPA-LKCNN-LSTM. Foram realizados testes de resposta dinâmica nos cabos atirantados com amortecedor em projetos reais, e com base nos dados experimentais foi desenvolvido um modelo de aprendizado profundo que pode reconhecer inteligentemente a força do cabo com amortecedor. O modelo usa força do cabo, comprimento, densidade linear, frequência e ordem como características de entrada; primeiramente, o algoritmo melhorado do enxame de lobos (improved solf pack algorithm, IWPA) é usado para otimizar adaptativamente os hiperparâmetros da rede LSTM, e então é treinado com LKCNN-LSTM (large convolutional kernel convolutional neural network-long and short-term memory), alcançando assim o reconhecimento inteligente da força do cabo atirantado com amortecedor. O erro médio entre os valores da força reconhecidos pela rede treinada e os valores reais no conjunto de teste foi de 2,024%, o erro quadrático médio de 0,0994%, o coeficiente de determinação de 0,9806, e todos os erros de força foram inferiores a 5%. Comparado com a fórmula de cálculo de força e outros algoritmos de aprendizado de máquina, os resultados mostram que este método pode realizar o reconhecimento inteligente e preciso da força do cabo atirantado com amortecedor, com amplas perspectivas de aplicação.

cabo atirantado; reconhecimento de força; amortecedor; aprendizado profundo; algoritmo melhorado do enxame de lobos