拉索模态参数全过程自动化识别方法

模态参数广泛应用于拉索索力识别与状态评估,其自动化识别是拉索实时健康监测的关键技术之一。贝叶斯FFT算法和深度神经网络可实现拉索模态参数识别的自动化和不确定性分析,其中,贝叶斯FFT算法可快速识别拉索模态参数且定量其不确定性,但需人工输入结构自振频带信息。为此,基于Retinanet模型和一维卷积神经网络,设计提出一种轻量化频带选择网络,使之能自动检测拉索的振动频带,进而提出一种拉索模态参数全过程自动化识别方法。提出的频带选择网络模拟人工频带选择过程,融合多频率分辨率下功率谱曲线估计信息,通过检测功率谱曲线峰值确定拉索振动频带。为验证所提算法的有效性,利用沪苏通长江大桥拉索施工阶段实测加速度数据构建训练集和测试集,完成拉索模态参数的连续自动识别。试验证明,频带自动选择网络准确性超过95%,单样本平均推理时间达到毫秒级,与贝叶斯FFT相结合可实现拉索模态参数的自动化实时识别。另外,通过拉索频率的连续识别成功检测到拉索张拉事件,验证了基于频率对拉索损伤识别的潜在可能性。