基于VMD-WT-CNN的结构损伤识别研究

摘要

现有的结构损伤识别研究多是以振动响应信号作为深度学习网络模型的输入进行损伤识别,而振动响应信号中不可避免地含有噪声和与结构损伤无关的成分,并且含有的可提取特征较少。为提高深度学习网络模型的损伤识别精度,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)-小波变换(Wavelet transform,WT)-卷积神经网络(Convolutional Neural Network,CNN)的损伤识别方法,先利用VMD对加速度信号进行分解重构,剔除信号中的噪声和与结构损伤无关的成分,然后利用WT对重构信号进行时频变换,得到WT时频图,并按8∶1∶1的比例分为训练集、验证集和测试集输入到CNN模型中进行结构损伤识别研究。IASC-ASCE SHM Benchmark第二阶段结构试验数据证明了所提方法的有效性。