1. MATLAB桥梁振动信号分析概述
桥梁健康监测是现代交通基础设施管理的重要组成部分。通过分析桥梁振动信号来识别过往车辆参数，是一种非侵入式的监测方法，相比传统摄像头或地磅检测具有隐蔽性强、维护成本低的优势。MATLAB作为工程计算领域的标杆工具，其强大的信号处理和数值计算能力非常适合这类分析任务。
我在实际项目中发现，桥梁振动信号分析主要面临三大挑战：首先是环境噪声干扰，包括风载、温度变化等背景振动；其次是多车同时过桥时的信号混叠问题；最后是算法实时性要求与计算精度的平衡。针对这些问题，我们需要建立一套完整的处理流程：
- 信号预处理（去噪、滤波）
- 特征提取（时域/频域分析）
- 车辆参数反演（质量、速度识别）
- 结果验证与可视化
提示：实际工程中建议采样率至少设为桥梁一阶固有频率的10倍以上，通常不低于200Hz
2. 振动信号预处理关键技术
2.1 信号采集与去噪处理
桥梁振动信号采集通常采用高精度加速度传感器，布置位置首选跨中部位。原始信号往往包含多种噪声，需要先进行预处理：
% 小波阈值去噪示例 [cleanSignal,~,~] = wden(rawSignal,'rigrsure','s','mln',5,'sym4'); % 带通滤波（保留0.5-50Hz典型车辆振动频段） [b,a] = butter(4,[0.5 50]/(fs/2),'bandpass'); filteredSignal = filtfilt(b,a,cleanSignal);实测中发现，sym4小波基对冲击型振动信号去噪效果最佳。filtfilt函数实现零相位滤波，避免信号时移影响后续分析。
2.2 背景振动分离技术
背景振动主要来自环境激励，其幅值通常小于车辆引起的振动。我们采用移动百分位数法进行分离：
windowSize = 1000; % 滑动窗口长度 background = movprctile(filteredSignal,10,windowSize); vehicleSignal = filteredSignal - background;这种方法相比简单的阈值法，能更好适应振动基线的缓慢变化。窗口大小建议包含至少3个桥梁基频周期。
3. 车辆参数识别算法实现
3.1 车辆到达时间检测
采用改进的Teager-Kaiser能量算子(TKEO)检测振动信号突变点：
% TKEO计算 tkeo = vehicleSignal(2:end-1).^2 - vehicleSignal(1:end-2).*vehicleSignal(3:end); % 峰值检测 [peaks,locs] = findpeaks(tkeo,'MinPeakHeight',std(tkeo)*3);实测表明，TKEO对瞬态冲击的敏感度比常规微分法高30%，特别适合重型车辆检测。MinPeakHeight参数需要根据现场实测数据校准。
3.2 车速估计的多传感器融合
当桥梁安装多个传感器时，可采用互相关-粒子滤波联合算法：
% 多传感器互相关 [corrSeq,lags] = xcorr(sensor1,sensor2,'normalized'); [~,idx] = max(corrSeq); timeDelay = lags(idx)/fs; % 粒子滤波优化 particles = timeDelay + randn(1,1000)*0.001; weights = exp(-(particles-timeDelay).^2/(2*0.001^2)); estDelay = sum(particles.*weights)/sum(weights); speed = sensorDistance/estDelay;这种方法将传统互相关与概率优化结合，在实测中将车速误差控制在±5%以内。
3.3 车辆质量识别算法
基于频响函数的质量识别模型：
% 获取桥梁频响函数 [frf,freq] = tfestimate(forceSignal,responseSignal,[],[],[],fs); % 识别峰值频率 [~,fundIdx] = max(abs(frf)); deltaFreq = freq(fundIdx) - originalFreq; % 质量估算 effectiveMass = bridgeMass * (originalFreq^2/freq(fundIdx)^2 - 1);需要注意，实际应用中需考虑桥梁模态振型的影响，建议配合有限元模型进行修正。
4. 系统验证与性能优化
4.1 仿真验证平台搭建
建立车辆-桥梁耦合动力学模型进行算法验证：
% 桥梁模型参数 EI = 3e10; % 抗弯刚度 massPerLength = 2000; % 线密度 bridgeLength = 30; % 跨度 % 车辆模型 vehicleMass = 15000; % kg speed = 60/3.6; % km/h转m/s % 数值求解 [t,y] = ode45(@bridgeVehicleODE,[0 10],...);这个仿真平台可以生成带已知参数的测试数据，用于评估算法精度。
4.2 实测数据标定技巧
现场标定时需要注意：
- 使用已知重量的标定车多次往返测试
- 记录不同车速下的振动响应
- 采集无车时的环境振动作为基线
- 标记多车并行工况测试算法鲁棒性
建议标定数据量不少于50组有效过车记录，覆盖20-80km/h典型车速范围。
5. 工程应用中的注意事项
- 传感器安装位置应避开桥梁伸缩缝和支座位置
- 定期检查传感器灵敏度，建议每季度校准一次
- 算法需要适应季节温度变化导致的桥梁频率漂移
- 多车道桥梁需考虑车辆横向位置的影响
- 极端天气条件下数据可信度会下降
我在某长江大桥项目中实测发现，冬季和夏季桥梁基频变化可达8%，必须建立温度补偿模型：
% 温度补偿模型 compensatedFreq = measuredFreq * (1 + 0.0005*(temp - 20));这套系统经过2年优化，最终实现单车参数识别准确率：质量±8%，车速±5%，满足工程监测需求。未来可结合深度学习技术进一步提升多车混行场景下的识别精度。
