科研之友
微信
新浪微博
Facebook
分享链接
摘要
振动识别对于实现结构振动控制、性态监测评估具有重要作用。“智慧城市”背景下的高层建筑结构对其振动响应识别提出了更高的要求，传统基于时频域转换与图神经网络的振动识别方法在计算成本和工程适用性上的局限性愈发显著。本文提出了一种基于振动信号深度表征学习的振动识别方法，在该方法中通过搭建自编码网络对一维频域信号进行自监督学习用以获取振动表征信息。然后基于原始信号和重构信号进行振动敏感参数定义和计算，其结果作为特征工程输入到线性分类器模型中进行训练，进而实现对振动的快速识别。本文以某超高层建筑在不同环境激励下的振动响应识别为例，验证了所提出方法的可靠性。同时为证明提出方法的优越性，引入了目前普遍认为最优的MFCC+CNN振动识别方法进行对比，结果表明，本文提出的方法在计算时间上节省了近20倍，并且整体识别精度从0.74提高到0.95以上。
-
单位土木工程防灾国家重点实验室; 同济大学
