Moving force identification based on sparse representation and weighted total variational regularization

doi:10.1016/j.istruc.2025.110478

Moving force identification based on sparse representation and weighted total variational regularization

2025-10-21

0

PRE

AI

DOI：10.1016/j.istruc.2025.110478

原文链接

原文求助

摘要

En 中文

准确识别移动荷载对于确保桥梁结构的安全性和耐久性至关重要，尤其是在车辆超载的威胁下。然而，移动荷载识别（MFI）问题本身是病态的，并且对测量噪声敏感。因此，本研究提出了一种新颖的MFI方法，将稀疏表示与加权全变分（WTV）正则化相结合，以提高识别精度和鲁棒性。首先采用冗余字典对移动荷载进行稀疏表示，然后将MFI问题表述为一个包含WTV惩罚的凸优化问题。通过为全变分项的各分量分配不同系数采用加权策略，在抑制噪声的同时保留移动荷载的关键特征。最优正则化参数通过L曲线分析确定，解则通过快速迭代收缩阈值算法高效获得。数值模拟和实验验证表明，所提出的方法在采样频率、传感器配置和车辆速度变化时均优于传统的Tikhonov、标准l1范数及无加权全变分正则化等方法。该方法实现了高识别精度，凸显了其对噪声的鲁棒性以及在真实桥梁健康监测中的实际适用性。

Moving force identification based on sparse representation and weighted total variational regularization

摘要

期刊

机构

引用论文