7.2　时变结构振动场递推重建方法

结构振动信号测量是结构振动监测、辨识和控制的基础。在实际工程结构的振动测量任务中，受位置、成本、质量以及可靠性等因素的影响，物理传感器的布置受到很大限制，这使得关于结构振动的空间分布信息不足，对重建结构振动场产生不利影响。而模态参数作为结构动力学整体特征的反映，在缺乏空间分布信息的情况下，势必影响其辨识精度。这时通过有限的物理测量振动信息，并结合结构的先验知识来对关心的未测量的自由度进行估计（即构建虚拟传感器），成为一种重要方法。在结构振动测量领域，现有的基于模型的结构振动场重建方法主要应用在时不变结构的振动信号估计中，其基本原理是：首先，根据有限的物理测量结果，并结合结构的先验知识来估计结构振动的“状态变量”（例如，采用结构模态振型作为结构先验知识时，其需要估计的“状态变量”为结构振动相应的模态坐标）；之后，根据估计得到的“状态变量”对关心的未测量自由度振动响应进行估计。这类方法需要精确已知结构的先验知识（结构动力学特性）。对于时不变结构，这些固定不变的知识可以通过实验来一次性获得；而对于时变结构，这些基于模型的方法需要时刻精确已知结构当前的信息（如精确地获得当前结构模态振型信息），在现有基于模型的方法拓展到时变结构振动估计任务中将遇到明显的障碍。(https://www.daowen.com)

近年来，深度学习取得了重要进展，深度学习模型可以高效、准确地对难以显式量化的知识进行表征，这使得需要时刻已知结构当前信息的时变结构振动信号估计任务成为可能。针对连续变构型结构，本章提出一种基于深度学习的时变结构振动场重建方法，用于对时变结构振动场的递推重建［228，311］。该方法通过深度学习模型建立时变结构构型参数与结构当前动力学特性之间的关系，可解决如何描述时变结构的时变动力学特性这一关键问题，从而实现对时变结构的关心而未测量自由度的振动响应进行估计。本章方法对时变结构振动信号的准确估计可以有效提升时变结构模态参数辨识结果的空间分辨率，实现对模态参数辨识的增强。