基于VMD和DBN的非线性结构模型参数识别

为解决现有的非线性结构模型参数识别方法面临优化过程复杂的问题，提出一种基于变分模态分解(variational mode decomposition, VMD)和深度置信网络(deep belief network, DBN)的非线性结构模型参数识别方法。首先，利用VMD和希尔伯特变换(Hilbert transform, HT)识别振动响应的瞬时参数；将瞬时参数进行主成分分析后作为输入，非线性模型参数作为输出；然后，利用DBN拟合两者之间的非线性映射关系；最后，将实测振动响应的瞬时参数进行主成分分析，输入训练好的DBN可直接识别修正后的非线性模型参数。通过对两个不同非线性类型的双自由度模型和一个复杂框架模型在地震作用下的数值模拟，与高压输电结构的振动台试验，验证了该方法的有效性。数值与试验结果表明，所提方法具有较高的计算效率和良好的抗噪性。