基于盲源分離的大跨度橋梁多源激勵振動原型監(jiān)測數據分析.pdf

1、抖振是大跨度橋梁的風致振動形式之一，雖然抖振引起的橋梁振動響應相對較小，但發(fā)生頻度高，因此密切影響著橋梁的疲勞性能和行車安全性。
　　結構健康監(jiān)測系統(tǒng)利用加速度傳感器測量橋梁的振動響應，傳感器接收到的振動信號成分復雜，受多種荷載影響，其中風荷載和車輛荷載起到主要控制作用。為了單純研究風振響應，需要消除或削弱車輛荷載的干擾。為此，本文采用機器學習方法，開展結構健康監(jiān)測振動信號中風致振動與車致振動的分離研究。
　　主要研究內容包

2、括：
　　研究基于獨立成分分析（Independent Component Analysis,ICA）的橋梁風致振動、車致振動的信號分離方法。首先介紹盲源分離算法中的ICA算法原理；然后分析橋梁振動信號特點，利用帶通濾波器組對單通道信號進行濾波，得到頻率獨立的偽多通道信號，進而采用ICA進行盲源分離，并利用NCut聚類算法對相似的獨立成分進行聚類，得到風致振動子空間與車致振動子空間，重構出兩條振動信號。
　　提出基于深度神經

3、網絡（Deep Neural Network,DNN）的分離信號評價方法。首先介紹自編碼算法原理與深度神經網絡算法原理；然后針對橋梁振動信號特點構建棧式自編碼深度神經網絡，并采用蘇通長江公路大橋監(jiān)測數據進行訓練，研究基于樣本分類的分離效果評價標準。
　　最后融合獨立成分分析和深度神經網絡，構建單通道橋梁振動信號的分離及效果評價算法流程，并以蘇通長江公路大橋結構健康監(jiān)測系統(tǒng)數據為例，進行橋梁風致振動與車致振動的分離，驗證分離算法的有