原文传递
基于盲源分离的大跨度桥梁多源激励振动原型监测数据分析
| 论文题名： | 基于盲源分离的大跨度桥梁多源激励振动原型监测数据分析 |
| 关键词： | 大跨度桥梁;风致振动;车致振动;盲源分离 |
| 摘要： | 抖振是大跨度桥梁的风致振动形式之一，虽然抖振引起的桥梁振动响应相对较小，但发生频度高，因此密切影响着桥梁的疲劳性能和行车安全性。 结构健康监测系统利用加速度传感器测量桥梁的振动响应，传感器接收到的振动信号成分复杂，受多种荷载影响，其中风荷载和车辆荷载起到主要控制作用。为了单纯研究风振响应，需要消除或削弱车辆荷载的干扰。为此，本文采用机器学习方法，开展结构健康监测振动信号中风致振动与车致振动的分离研究。 主要研究内容包括： 研究基于独立成分分析（Independent Component Analysis,ICA）的桥梁风致振动、车致振动的信号分离方法。首先介绍盲源分离算法中的ICA算法原理；然后分析桥梁振动信号特点，利用带通滤波器组对单通道信号进行滤波，得到频率独立的伪多通道信号，进而采用ICA进行盲源分离，并利用NCut聚类算法对相似的独立成分进行聚类，得到风致振动子空间与车致振动子空间，重构出两条振动信号。 提出基于深度神经网络（Deep Neural Network,DNN）的分离信号评价方法。首先介绍自编码算法原理与深度神经网络算法原理；然后针对桥梁振动信号特点构建栈式自编码深度神经网络，并采用苏通长江公路大桥监测数据进行训练，研究基于样本分类的分离效果评价标准。 最后融合独立成分分析和深度神经网络，构建单通道桥梁振动信号的分离及效果评价算法流程，并以苏通长江公路大桥结构健康监测系统数据为例，进行桥梁风致振动与车致振动的分离，验证分离算法的有效性。 |
| 作者： | 唐志一 |
| 专业： | 防灾减灾工程与防护工程 |
| 导师： | 李惠;鲍跃全 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
