1、抖振是大跨度橋梁的風(fēng)致振動(dòng)形式之一，雖然抖振引起的橋梁振動(dòng)響應(yīng)相對(duì)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(dòng)響應(yīng)，傳感器接收到的振動(dòng)信號(hào)成分復(fù)雜，受多種荷載影響，其中風(fēng)荷載和車輛荷載起到主要控制作用。為了單純研究風(fēng)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(jī)器學(xué)習(xí)方法，開展結(jié)構(gòu)健康監(jiān)測振動(dòng)信號(hào)中風(fēng)致振動(dòng)與車致振動(dòng)的分離研究。
　　主要研究內(nèi)容包

2、括：
　　研究基于獨(dú)立成分分析（Independent Component Analysis,ICA）的橋梁風(fēng)致振動(dòng)、車致振動(dòng)的信號(hào)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(dòng)信號(hào)特點(diǎn)，利用帶通濾波器組對(duì)單通道信號(hào)進(jìn)行濾波，得到頻率獨(dú)立的偽多通道信號(hào)，進(jìn)而采用ICA進(jìn)行盲源分離，并利用NCut聚類算法對(duì)相似的獨(dú)立成分進(jìn)行聚類，得到風(fēng)致振動(dòng)子空間與車致振動(dòng)子空間，重構(gòu)出兩條振動(dòng)信號(hào)。
　　提出基于深度神經(jīng)

3、網(wǎng)絡(luò)（Deep Neural Network,DNN）的分離信號(hào)評(píng)價(jià)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(duì)橋梁振動(dòng)信號(hào)特點(diǎn)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(jìn)行訓(xùn)練，研究基于樣本分類的分離效果評(píng)價(jià)標(biāo)準(zhǔn)。
　　最后融合獨(dú)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(dòng)信號(hào)的分離及效果評(píng)價(jià)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(jìn)行橋梁風(fēng)致振動(dòng)與車致振動(dòng)的分離，驗(yàn)證分離算法的有