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

发布时间：2017-06-17 05:05

  本文关键词：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，，由笔耕文化传播整理发布。

【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。
【关键词】：结构健康监测 振动数据分离 盲源分离 独立成分分析 深度神经网络
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U446
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-13
• 1.1 课题背景及研究的目的和意义8-12
• 1.1.1 大跨度桥梁的风致振动8-9
• 1.1.2 盲源分离在结构健康监测中的应用9-11
• 1.1.3 深度学习在结构健康监测中的应用11-12
• 1.2 本文的研究方法及内容12-13
• 第2章 基于独立成分分析的桥梁风致/车致振动信号分离方法13-25
• 2.1 独立成分分析的数学原理13-16
• 2.1.1 FastICA算法的数学原理15-16
• 2.2 独立成分分析对于桥梁振动信号的适用性16-20
• 2.2.1 独立性16-17
• 2.2.2 概率分布17-20
• 2.3 独立子空间分析的基本思想20-21
• 2.3.1 独立成分之间的相似度衡量20-21
• 2.3.2 NCut聚类的基本思想21
• 2.4 桥梁振动信号的盲源分离算法流程设计21-24
• 2.4.1 带通滤波22-23
• 2.4.2 加窗23
• 2.4.3 降噪23-24
• 2.4.4 独立成分分析24
• 2.4.5 聚类24
• 2.5 本章小结24-25
• 第3章 基于深度神经网络的风致/车致振动识别与评价方法25-38
• 3.1 神经网络模型的基本思想25-28
• 3.2 分类模型的数学原理28-30
• 3.2.1 Logistic回归28-29
• 3.2.2 Softmax回归29-30
• 3.3 深度神经网络模型的构建原理30-33
• 3.3.1 自编码算法31-32
• 3.3.2 栈式自编码算法32-33
• 3.4 适用于风/车振动识别的深度神经网络构建33-37
• 3.4.1 训练集样本34
• 3.4.2 栈式自编码神经网络的逐层贪婪训练34-37
• 3.5 本章小结37-38
• 第4章 苏通大桥振动响应全过程分析与算法验证38-63
• 4.1 苏通大桥概况38-42
• 4.1.1 地理与结构信息38-40
• 4.1.2 结构健康监测系统概况40-42
• 4.2 算法流程全过程分析与评价42-61
• 4.2.1 样本选取及特性分析43-47
• 4.2.2 带通滤波器组滤波47-52
• 4.2.3 信号去噪52
• 4.2.4 FastICA盲源分离52-53
• 4.2.5 NCut聚类创建独立子空间53-57
• 4.2.6 风致/车致振动的识别与分类57-61
• 4.3 本章小结61-63
• 结论63-64
• 参考文献64-69
• 致谢69

【相似文献】

中国期刊全文数据库 前10条

1 林秋华,殷福亮;盲源分离自适应算法的统一形式[J];大连理工大学学报;2002年04期

2 李广彪;张剑云;;基于变步长等变化自适应盲源分离算法[J];电子信息对抗技术;2006年01期

3 苏中元;贾民平;;周期平稳信号盲源分离算法及其应用[J];机械工程学报;2007年10期

4 陈锡明;黄硕翼;;盲源分离综述——问题、原理和方法[J];电子信息对抗技术;2008年02期

5 刘秀芳;艾延廷;张[

本文编号：457403