基于傅里叶神经网络的桥梁监测信号分解

摘要

针对桥梁监测信号复杂且易受噪声影响，而现有信号分解方法难以提取结构有效信息的问题，在傅里叶理论的基础上，提出了一种神经网络模态分解方法（Neural Mode Decomposition,NMD）。相比于传统方法，该方法以傅里叶理论为基础且完全自适应，能够有效避免模态混叠问题。此外，NMD方法通过网络训练实现，采用梯度下降算法进行信号分解，突破了传统方法依赖迭代过程的限制。通过某大跨度悬索桥监测信号，以模态百分比能量和相关系数作为评价指标，验证了该方法的有效性。结果表明，NMD方法能够正确提取结构各阶次模态信号，无模态混叠现象，适用于实际监测信号分析处理。

关键词

监测信号 / 神经网络 / 傅里叶理论 / 模态分解