一种基于PGDNN在移动车辆荷载作用下的桥梁损伤识别方法技术

本发明专利技术公开了一种基于PGDNN在移动车辆荷载作用下的桥梁损伤识别方法，包括物理域(数值模型)和数据域(目标桥梁)、特征提取器(VGG16)、物理数据域损失函数、PGDNN模型；所述数值模型由车桥耦合振动理论、桥梁损伤和加速度物理关系建立；VGG16对不同域的损伤特征进行提取；物理数据域损失函数将不同域的损伤特征投影到同一特征空间(再生核希尔伯特空间)；未标记的数据域损伤特征获得标签，从而完成PGDNN模型的学习，并用于目标桥梁中的损伤识别。本发明专利技术结合了有限元模型和机器学习的优点，将数值模型的物理规律纳入神经网络，指导从稀缺测量数据中学习损伤特征，并对数据域未知损伤进行精确分类，实现桥梁结构在移动车辆荷载作用下的高精度损伤识。荷载作用下的高精度损伤识。荷载作用下的高精度损伤识。

【技术实现步骤摘要】
一种基于PGDNN在移动车辆荷载作用下的桥梁损伤识别方法


[0001]本专利技术属于结构健康监测
，特别涉及一种基于PGDNN在移动车辆荷载作用下的桥梁损伤识别方法。

技术介绍

[0002]桥梁损伤识别是桥梁健康监测领域一项十分重要的工作，桥梁损伤会引起桥梁动态特性的变化，例如刚度、质量和阻尼等，通过分析桥梁动态响应可以感知损伤的发生和位置，桥梁在各种激励下的动态响应已被用于检测和评估桥梁损伤，与环境激励相比，车辆荷载激励获得的振动响应信号具有更高的信噪比，对桥梁的局部损伤非常敏感。
[0003]基于有限元(FE)模型的模型方法和基于机器学习的非模型方法通常用于移动车辆荷载下桥梁的损伤识别。基于有限元模型的模型方法通过比较损伤前后有限元模型模态参数的变化来识别桥梁的损伤，如固有频率、模型阻尼和振型，该模型方法受建模误差的影响较大，如刚度误差、材料密度误差、环境噪声等，模型过于简单可能无法反映真实桥梁的动态特性，导致精度下降问题，而模型过于复杂可能需要大量计算时间和资源，导致效率低下问题。另一方面，基于机器学习的非模型方法虽没有建模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PGDNN在移动车辆荷载作用下的桥梁损伤识别方法，其特点在于，包括以下步骤：S1：根据车桥耦合振动理论和桥梁损伤和加速度之间的物理关系，建立了车桥耦合振动系统的数值模型；S2：采用VGG16网络来提取加速度信号的损伤特征，采用短时傅立叶变换来表示桥梁加速度信号的时频图像；S3：基于目标桥梁与数值模型之间的物理相似性，设计了跨物理数据域损失函数，该函数融合了数值模型和测量信号的损伤特征，用于评估数值模型和目标桥梁之间的差异；S4：物理数据域损失函数将不同域的受损特征投影到同一特征空间(再生核希尔伯特空间)，并对齐同一类别的受损特征；S5：未标记的数据域损伤特征从物理域损伤特征中获得标签，从而完成了PGDNN模型的学习，完成学习的PGDNN可用于诊断验证数据集中的损伤位置。2.根据权利要求1所述的一种基于PGDNN在移动车辆荷载作用下的桥梁损伤识别方法，其特征在于，所述物理域的数值模型包括车桥耦合振动系统、桥梁损伤与桥梁加速度信号之间的物理关系，车辆移动荷载作用下的桥梁损伤响应。3.根据权利要求2所述的一种基于PGDNN在移动车辆荷载作用下的桥梁损伤识别方法，其特征在于，所述车桥耦合振动系统包括车辆系统作为激励器，桥梁作为接收器，从过往车辆引起的桥梁响应中得出桥梁损伤与桥梁加速度之间的物理关系；所述桥梁损伤与桥梁加速度信号之间的物理关系包括桥梁的刚度变化将显著反映在桥梁的加速度响应中，把桥梁损坏模拟为材料杨氏模量的降低。4.根据权利要求1所述的一种基于PGDNN在移动车辆荷载作用下的桥梁损伤识别方法，其特征在于，所述VGG16网络由多层...

【专利技术属性】
技术研发人员：殷新锋，黄胄，刘扬，周勇，汪林，晏万里，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：