-
题名基于VMD-CAE的无监督结构损伤识别研究
- 1
-
-
作者
王梦倩
康帅
李传飞
董正方
-
机构
河南大学建筑工程学院
河南碧桂园建设工程有限公司
-
出处
《振动与冲击》
北大核心
2025年第11期309-320,共12页
-
基金
河南省自然科学基金项目(222300420415)。
-
文摘
为了进一步扩展深度学习方法在基于振动信号的结构损伤识别中的应用,提出了一种基于变分模态分解(variational mode decomposition,VMD)和卷积自编码(convolutional auto-encoder,CAE)相结合的无监督结构损伤识别方法。首先,利用VMD对振动信号进行分解,去除噪声和一些无关成分的影响,选取与结构自振特性相关的成分作为有效分量;然后通过叠加有效分量作为CAE模型的输入,进而重构信号,通过学习健康样本数据的特征,得到最大重构误差作为判断结构是否损坏的阈值。最后将该方法应用到IASC-ASCE SHM Benchmark结构试验数据和卡塔尔大学看台试验数据,并将结果与其他模型进行了对比,结果表明该方法在两个数据集上的识别结果都更加准确。即使当样本中含有噪声时,也能显著提高噪声样本的识别精度,具有较强的抗噪能力。
-
关键词
深度学习
结构损伤识别
无监督
变分模态分解(VMD)
卷积自编码(CAE)
-
Keywords
deep learning
structural damage identification
unsupervised
variational mode decomposition(VMD)
convolutional auto-encoder(CAE)
-
分类号
TU375
[建筑科学—结构工程]
-
