本文關(guān)鍵詞：基于盲源分離的大跨度橋梁多源激勵振動原型監(jiān)測數(shù)據(jù)分析，，由筆耕文化傳播整理發(fā)布。

【摘要】：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(yīng)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(jié)構(gòu)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(yīng),傳感器接收到的振動信號成分復(fù)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(yīng),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(jié)構(gòu)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(nèi)容包括: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(gòu)出兩條振動信號。提出基于深度神經(jīng)網(wǎng)絡(luò)(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(jīng)網(wǎng)絡(luò)算法原理;然后針對橋梁振動信號特點構(gòu)建棧式自編碼深度神經(jīng)網(wǎng)絡(luò),并采用蘇通長江公路大橋監(jiān)測數(shù)據(jù)進行訓(xùn)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(jīng)網(wǎng)絡(luò),構(gòu)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(jié)構(gòu)健康監(jiān)測系統(tǒng)數(shù)據(jù)為例,進行橋梁風致振動與車致振動的分離,驗證分離算法的有效性。
【關(guān)鍵詞】：結(jié)構(gòu)健康監(jiān)測 振動數(shù)據(jù)分離 盲源分離 獨立成分分析 深度神經(jīng)網(wǎng)絡(luò)
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U446
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-13
• 1.1 課題背景及研究的目的和意義8-12
• 1.1.1 大跨度橋梁的風致振動8-9
• 1.1.2 盲源分離在結(jié)構(gòu)健康監(jiān)測中的應(yīng)用9-11
• 1.1.3 深度學習在結(jié)構(gòu)健康監(jiān)測中的應(yīng)用11-12
• 1.2 本文的研究方法及內(nèi)容12-13
• 第2章 基于獨立成分分析的橋梁風致/車致振動信號分離方法13-25
• 2.1 獨立成分分析的數(shù)學原理13-16
• 2.1.1 FastICA算法的數(shù)學原理15-16
• 2.2 獨立成分分析對于橋梁振動信號的適用性16-20
• 2.2.1 獨立性16-17
• 2.2.2 概率分布17-20
• 2.3 獨立子空間分析的基本思想20-21
• 2.3.1 獨立成分之間的相似度衡量20-21
• 2.3.2 NCut聚類的基本思想21
• 2.4 橋梁振動信號的盲源分離算法流程設(shè)計21-24
• 2.4.1 帶通濾波22-23
• 2.4.2 加窗23
• 2.4.3 降噪23-24
• 2.4.4 獨立成分分析24
• 2.4.5 聚類24
• 2.5 本章小結(jié)24-25
• 第3章 基于深度神經(jīng)網(wǎng)絡(luò)的風致/車致振動識別與評價方法25-38
• 3.1 神經(jīng)網(wǎng)絡(luò)模型的基本思想25-28
• 3.2 分類模型的數(shù)學原理28-30
• 3.2.1 Logistic回歸28-29
• 3.2.2 Softmax回歸29-30
• 3.3 深度神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建原理30-33
• 3.3.1 自編碼算法31-32
• 3.3.2 棧式自編碼算法32-33
• 3.4 適用于風/車振動識別的深度神經(jīng)網(wǎng)絡(luò)構(gòu)建33-37
• 3.4.1 訓(xùn)練集樣本34
• 3.4.2 棧式自編碼神經(jīng)網(wǎng)絡(luò)的逐層貪婪訓(xùn)練34-37
• 3.5 本章小結(jié)37-38
• 第4章 蘇通大橋振動響應(yīng)全過程分析與算法驗證38-63
• 4.1 蘇通大橋概況38-42
• 4.1.1 地理與結(jié)構(gòu)信息38-40
• 4.1.2 結(jié)構(gòu)健康監(jiān)測系統(tǒng)概況40-42
• 4.2 算法流程全過程分析與評價42-61
• 4.2.1 樣本選取及特性分析43-47
• 4.2.2 帶通濾波器組濾波47-52
• 4.2.3 信號去噪52
• 4.2.4 FastICA盲源分離52-53
• 4.2.5 NCut聚類創(chuàng)建獨立子空間53-57
• 4.2.6 風致/車致振動的識別與分類57-61
• 4.3 本章小結(jié)61-63
• 結(jié)論63-64
• 參考文獻64-69
• 致謝69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 林秋華,殷福亮;盲源分離自適應(yīng)算法的統(tǒng)一形式[J];大連理工大學學報;2002年04期

2 李廣彪;張劍云;;基于變步長等變化自適應(yīng)盲源分離算法[J];電子信息對抗技術(shù);2006年01期

3 蘇中元;賈民平;;周期平穩(wěn)信號盲源分離算法及其應(yīng)用[J];機械工程學報;2007年10期

4 陳錫明;黃碩翼;;盲源分離綜述——問題、原理和方法[J];電子信息對抗技術(shù);2008年02期

5 劉秀芳;艾延廷;張[

本文編號：457403