摘要
钢筋混凝土结构是现代基础设施的重要组成部分，这些结构内部损伤的检测长期以来一直是一个重要的研究课题。这些损伤可以利用结构的振动响应进行检测，而移动平台上的激光多普勒测振仪（LDV）为结构振动监测提供了一种高效、远距离的感知方法。然而，将基于 LDV 的损伤检测从静态扩展到移动测量，需要解决测量信号频移、平台振动和散斑噪声的影响。为了解决这些问题，本文提出了一种将多源信息与人工智能算法相结合的移动测量损伤检测框架。首先，理论推导和数值模拟表明，由移动速度引起的振动频移可以忽略不计，证明了移动和静态测量信号在时域和频域上都是相似的。然后，使用多传感器数据处理框架来解耦平台振动并抑制散斑噪声。最后，采用一种空间感知卷积神经网络（CNN）来实现移动测量下的损伤检测。结果表明，大规模空洞的振动信号被有效恢复，而小规模空洞和健康区域的信号仅部分恢复。在实验条件下，成功识别出测试尺寸达到 0.4 米及更大的空洞。结果证明了将静态基于 LDV 的空洞检测扩展到移动测量的可行性，为基础设施的高效、非接触移动检查提供了理论和技术基础。
