A physics-guided multi-sensor modal decomposition network for bridge frequency tracking

doi:10.1016/j.aei.2026.105387

A physics-guided multi-sensor modal decomposition network for bridge frequency tracking

2026-10-17

0

PRE

AI

DOI：10.1016/j.aei.2026.105387

原文链接

原文求助

摘要

En 中文

桥梁结构在运行期间表现出时变动态行为。瞬时频率(IFs)是桥梁结构健康监测的重要指标，但它们从测量的振动响应中跟踪仍然具有挑战性，因为模态分量通常混合、弱激励，并受到环境和运行扰动的影响。本文提出了一种基于物理指导的多传感器模态分解网络(MMDN)用于桥梁IF跟踪。该框架包含两个方法上不同的组成部分。首先，一个基于物理指导的空间模态分解滤波器在重构一致性、模态正交性和带限能量集中约束下学习传感器通道投影，从而将混合的多传感器响应转换为主导模态的分量。其次，一个自适应神经网络IF跟踪器(ANIF-Tracker)利用波形和局部能量通道以及强调快速频率变化的加权峰损失来估计每个分解分量的IF。

Keyword:

Structural health monitoring

Bridge instantaneous frequency

Engineering knowledge embedding

Deep learning

Modal decomposition

Physics-guided learning

A physics-guided multi-sensor modal decomposition network for bridge frequency tracking

摘要

期刊

机构

引用论文