季节性环境影响下基于VMD-PCA-GPR方法的桥梁损伤识别

来源：振动与冲击杂志2024年第24期北京时间：

作者：黄杰忠,，元思杰，李东升,

单位：1.汕头大学土木与智慧建设工程系，广东汕头515063；2.汕头大学智能制造技术教育部重点实验室广东省结构安全与监测工程技术研究中心，广东汕头515063

摘要：环境因素变化可能会掩盖损伤引起的结构动力特性变化，导致传统基于振动的损伤识别方法失效。为解决这一问题，本文提出了一种将变分模态分解（Variational Mode Decomposition，VMD）、主成分分析（Principal Component Analysis，PCA）和高斯过程回归（Gaussian Process Regression，GPR）相融合的结构损伤识别方法。首先，利用VMD算法对频率数据进行预处理，得到分离季节性环境模式后的第1本征模态数据（IMF1）；其次，采用PCA方法对IMF1数据进行分析，计算PCA残差的欧式距离；然后，以IMF1数据和相对应的PCA残差欧式距离为输入和输出，采用GPR模型学习输入-输出之间的计算规则；最后，利用训练好的GPR模型来预测剩余部分IMF1数据的PCA欧式距离，计算预测值与真实值之间的预测残差，并采用统计控制图进行损伤预警。实验室木桥和Z24桥的监测数据验证了该方法的有效性。<br>

关键词：损伤识别；环境变化；变分模态分解；主成分分析；高斯过程回归