基于HHT的结构模态参数自动化识别方法和试验验证

摘要：

建筑结构的模态参数识别是健康监测系统中的核心算法.模态参数识别经过多年的发展已经非常成熟,种类繁多.但是基于Hilbert-Huang变换(Hilbert-Huang transform,HHT)的结构模态参数识别中多个步骤均需要研究人员对参数进行主观判断与筛选,不能直接用于长期的结构健康自动监测.该文提出了一种基于HHT的结构模态自动识别方法,利用深度神经网络(Deep neural network,DNN)结合K-L散度实现了 EMD(Empirical mode decomposition)虚假分量的识别与剔除,利用奇异谱分析(Singular spectrum analysis,SSA)结合 Butterworth滤波器对EMD产生的模态混叠现象进行分离,对只包含单一模态信息的固有模态函数(Intrinsic mode function,IMF)进行Hilbert变换后通过最小二乘法拟合实现模态参数识别.将上述方法应用于一 3层混凝土结构振动台试验的监测数据分析,结果表明:该方法可以在不依赖研究人员的主观参数选择前提下,有效实现结构模态参数的自动化识别.

关键词：结构健康监测、自动化模态参数识别、深度神经网络、奇异谱分析、K-L散度

所属期刊栏目：39

分类号：TU311.3(建筑结构)

资助基金：国家重点研发计划2017YFC1500606-01

在线出版日期：2022-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：109-122