基于LSTM模型的桥梁振动信号降噪研究OA

公路桥梁的运营条件较为复杂,实际桥梁健康监测系统的监测数据中往往包含大量噪声,严重干扰桥梁结构状态评估结果的准确性。本文提出一种基于长短期记忆(LSTM)模型的降噪方法,用于滤除实测桥梁振动加速度信号中的噪声分量。首先,对桥梁振动加速度数据的构成进行数值模拟,并在其基础上建立LSTM模型的训练集。其次,根据实际工程应用需求设计LSTM降噪模型架构,将含噪信号输入LSTM模型后得到噪声分量,通过训练使LSTM模型能够有效去除噪声分量、提高信号质量。最后,以某大跨度双塔斜拉桥和某预应力混凝土连续梁桥为例对所提方法进行验证,使用互补集合经验模态分解(CEEMD)对原始信号、小波变换(WT)降噪信号、LSTM降噪信号分别开展评估,基于相关系数及正交指数分析了降噪效果,并分别在时域和频域评估了特征分量识别的准确性。结果表明,使用LSTM模型降噪后的加速度数据在时域和频域均能更加精确地识别特征信号分量,所提方法能够实现桥梁健康监测系统加速度数据的自适应降噪,进一步提升了桥梁结构状态评估的准确性。