%0 Journal Article
%A 王梦倩1
%A 康帅1
%A 李传飞2
%A 董正方1
%T 基于VMD-CAE的无监督结构损伤识别研究
%D 2025
%R 
%J 振动与冲击
%P 309-320
%V 44
%N 11
%X 为了进一步扩展深度学习方法在基于振动信号的结构损伤识别中的应用，提出了一种基于变分模态分解(Variational Modal Decomposition,VMD)和卷积自编码(Convolutional Auto-encoder,CAE)相结合的无监督结构损伤识别方法。首先，利用VMD对振动信号进行分解，去除噪声和一些无关成分的影响，选取与结构自振特性相关的成分作为有效分量；然后通过叠加有效分量作为CAE模型的输入，进而重构信号，通过学习健康样本数据的特征，得到最大重构误差作为判断结构是否损坏的阈值。最后将该方法应用到IASC-ASCE SHM Benchmark结构试验数据和卡塔尔大学看台试验数据，并将结果与其他模型进行了对比，结果表明该方法在两个数据集上的识别结果都更加准确。即使当样本中含有噪声时，也能显著提高噪声样本的识别精度，具有较强的抗噪能力。<br>
%U https://jvs.sjtu.edu.cn/CN/abstract/article_14257.shtml