桥梁服役期间所承受的移动荷载,是其安全性能评估与使用状态评定的重要依据。由于移动荷载难以直接测量,利用结构动力响应与系统特性,反演出移动荷载的间接方法成为了现实的选择。基于稀疏正则化与字典的移动荷载识别方法,具有有效降低求解量,提高识别效率和抑制噪声等优点,得到了广泛的应用。该方法的精度由字典与移动荷载的匹配程度决定,通常采用的预设固定字典难以适应复杂未知形态的移动荷载。为提高移动荷载识别精度,本文引入根据响应数据构建学习字典的概念,提出了一种基于字典学习的移动荷载识别方法。主要工作如下:(1)提出了基于双稀疏字典模型与稀疏K-SVD字典学习算法的移动荷载识别方法。传统的基于字典的移动荷载识别方法,识别精度受制于字典对移动荷载的适应性,所提出的新方法则通过字典学习算法训练与数据相适应的字典。首先,在时域内将移动荷载离散化,建立移动荷载-响应矩阵方程;其次,将移动荷载分解为荷载字典与稀疏向量的积体现第一重稀疏性,将荷载字典分解为核心字典与稀疏矩阵的积体现第二重稀疏性;再次,利用稀疏K-SVD字典学习算法,交替更新双重稀疏性的坐标实现字典学习,更新荷载字典的原子形态。最后,利用更新后的荷载字典与稀疏向量重构移动荷载。(2)采用简支梁数值算例,考虑简单、复杂和非匹配形式的移动荷载,检验了所提出的识别方法的有效性。以级联三角函数字典作为核心荷载字典,以单位对角方阵作为初始稀疏矩阵,启动字典学习算法。比较初始字典与应用稀疏K-SVD字典学习算法训练出的字典的原子形态,和使用两种字典的荷载识别精度,验证了所提出方法的优越性。通过设计不同的动力响应噪声水平,分析所提出方法的鲁棒性。(3)在实验室的桥梁模型上,进行移动荷载试验,验证所提出的识别方法的正确性。在实验室内所搭建的桥梁模型上进行移动车载实验,采集不同车速条件下的桥梁模型应变响应和加速度响应数据,采用所提出的方法识别小车前轴和后轴的移动荷载时程曲线,并与小车前轴和后轴的轴重相比较。同时通过数值模型计算各测点在所识别的移动荷载作用下的理论响应,与实测响应数据相比较,验证所提出方法的正确性。