基于EWT-CNN 的结构损伤检测方法研究

打开文本图片集

中图分类号： TB9; TU317 文献标志码： A文章编号： 1674–5124（2025）05–0058–10

Abstract：  An  adaptive  structural  damage  detection  method  based  on  empirical  wavelet  transform  and convolutional neural network is proposed to solve the problem that the damage index of engineering structure is difficult to determine and the damage detection accuracy is insufficient when noise is included. This method can  decompose  the  vibration  response  signal  of  the  structure  into  modal  components  with  different  natural frequencies and extract damage characteristics， which has high damage detection accuracy and is conducive to online  real-time  detection.  Firstly，  the  acceleration  time  series  data  of  structural  vibration  response  are measured  and  the  empirical  wavelet  transform  is  carried  out  according  to  its  amplitude  frequency  diagram. Then， the mode functions are used as the input of the convolutional neural network to extract structural damage features  for  the  identification  of  different  damage  cases.  Numerical  tests  show  that  under  different  signal-tonoise ratio conditions， the damage detection accuracy of a single convolutional neural network is 80%-90% ， but the accuracy of the proposed method is 100% ， and it has stronger anti-noise capability. Shaking table test further verifies the feasibility and effectiveness of the method.

Keywords：  empirical  wavelet  transform;  convolutional  neural  network;  structural  damage  detection;  natural frequency; anti-noise capability

0 引 言

工程结构在环境侵蚀、材料老化、疲劳效应和自然灾害等因素作用下，不可避免地将产生各种损伤，这些损伤累积至一定程度将导致结构破坏。（剩余11024字）