杨少冲1, 2, 3, 4, 高宇天1, 2, 3, 4, 姜博雄1, 2, 3, 4, 张超5, 方有亮1, 2, 3, 4
振动与冲击. 2026, 45(12): 138-148.
桥梁结构健康监测数据中往往夹杂着大量的复杂噪声,如不对数据进行降阶处理仅凭神经网络不能有效地识别结构损伤。为此,提出了一种协同模型降阶与全卷积神经网络的结构损伤识别方法,利用本征正交分解技术提取结构动响应数据特征,构建能够反映结构损伤状态的降阶模型(ROM);采用全卷积神经网络(FCN)对降阶后的数据进行深度学习,通过优化网络结构与超参数配置以提升其对不同损伤状态的识别精度和泛化能力;开展数值模拟实验及车过桥模型试验验证所提方法的有效性。研究结果表明:模型降阶可降低复杂噪声的干扰,提升数据质量及数据集构建速度,同时可跟踪结构损伤演化,有效提高模型的泛化能力;全卷积神经网络可保留多测点的结构动力学响应数据的结构特征,完成训练后可精准识别结构损伤状态,对结构损伤识别准确率达到98.67%,该项研究对桥梁结构健康监测有一定的参考价值。