封面论文 | 基于 FOA-VMD-KPCA 的混凝土桥梁表观 多病害智能诊断方法研究
封面论文 | 基于 FOA-VMD-KPCA 的混凝土桥梁表观 多病害智能诊断方法研究
摘要:针对混凝土桥梁结构健康监测系统中存在的振动信号噪声干扰严重、特征提取困难及诊断精度不足等问题,提出一种基于多域特征融合与核学习的智能诊断方法,为该类系统的设计和工程应用提供参考。根据集成时域、频域及时频域特征,结合优化的信号降噪与非线性特征提取技术,构建智能化桥梁病害诊断方法。首先,提出基于果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)的变分模态分解(Variational Mode Decomposition,VMD)自适应降噪方法,有效抑制信号的模态混叠现象;其次,采用核主成分分析(Kernel Principal Component Analysis,KPCA)方法对多域特征进行非线性降维,消除高维特征冗余,增强特征可分性。结果表明,所提方法在噪声抑制和特征提取方面均效果良好,显著提升了桥梁病害诊断的准确性与鲁棒性,丰富了桥梁结构健康监测系统技术。本文采用基于FOA的VMD自适应降噪方法与KPCA非线性降维技术,能够显著提升混凝土桥梁结构健康监测系统的噪声抑制、特征提取质量与诊断准确率。