基于自注意力机制的实桥车辆荷载识别方法研究
叶以挺1，2，应柳祺2，张文达2，胡洁亮2，张一名2，应国刚2，3*
(1. 浙江未来交通产业发展有限公司，浙江 杭州 310000; 2. 宁波朗达科技有限公司，浙江 宁波 315100;3. 浙大宁波理工学院，浙江 宁波 315100)
摘 要： 针对实际运营桥梁中车辆荷载识别易受温度效应、测量噪声和复杂工况干扰的问题，提出了一种融合数字图像相关(DIC)机器视觉监测、变分模态分解(VMD)与Transformer自注意力机制的桥梁车辆荷载识别方法。首先，利用DIC系统获取了桥梁跨中多测点竖向动挠度响应，并采用VMD分离原始挠度信号中的低频趋势项与温度效应，提取了车致挠度响应;其次，通过峰值筛选、定长切片与时间匹配，构建了桥梁车致挠度-车辆荷载数据集;最后，建立了基于Transformer的车辆荷载识别模型，并与CNN、BiLSTM、BiLSTM-Transformer模型进行了对比分析。依托1座30 m预应力混凝土简支空心板梁桥的实桥监测数据，共构建了2 931个有效样本。结果表明，所提出的车辆荷载识别方法能够有效提取车致挠度并建立可靠的数据集，深度学习方法整体识别精度较高。其中，Transformer模型表现最优，其测试集RMSE为0.609、R2为0.997、5%相对误差范围内的总体识别准确率达99.66%，验证了自注意力机制能够更有效地挖掘多通道车致挠度序列中的全局关联特征。该研究成果可为实桥车辆荷载精准识别与桥梁健康监测工程应用提供参考。
关键词： 桥梁车辆荷载识别; 深度学习; 自注意力机制
基金项目： “科技甬江2035”重大应用示范项目(宁波市重大科技任务攻关项目)(2024Z016)
引文格式： 叶以挺，应柳祺，张文达，等. 基于自注意力机制的实桥车辆荷载识别方法研究[J]. 市政技术，2026，44(9)：45-57，65. (Ye Yiting，Ying Liuqi，Zhang Wenda，et al. Research on a self-attention-based vehicle load identification method for solid bridges[J]. Journal of Municipal Technology，2026，44(9)：45-57，65.)