一种基于FRFT-DL的桥梁结构荷载识别方法

本发明公开了一种基于分数阶傅里叶变换结合深度学习(Fractional Fourier transform combinedwith deep learning,FRFT‑DL)的桥梁结构荷载识别方法，涉及桥梁加速度响应信号深度学习模型，通过分数阶傅里叶变换(Fractional Fourier transform,FRFT)提取桥梁振动信号的时频域特征，能够更全面地捕捉车辆荷载对桥梁的动态影响，提升特征表达能力。利用Wasserstein Generative Adversarial(WGAN)网络生成多样化的FRFT系数数据，扩增训练集，覆盖更多车辆工况，增强模型对未知数据的泛化能力。模型能够同时识别车辆荷载、速度和车道位置等多维度信息，为桥梁健康监测提供更全面的数据支持。通过长期监测荷载变化，识别桥梁结构的异常响应，为损伤检测提供数据支持。结合荷载识别结果，建立桥梁健康预警系统，及时发现潜在安全隐患，保障桥梁运营安全。