CN106845429A - 振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法 - Google Patents

振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法 Download PDF

Info

Publication number
CN106845429A
CN106845429A CN201710065939.XA CN201710065939A CN106845429A CN 106845429 A CN106845429 A CN 106845429A CN 201710065939 A CN201710065939 A CN 201710065939A CN 106845429 A CN106845429 A CN 106845429A
Authority
CN
China
Prior art keywords
signal
energy
intended vibratory
amplitude
vibration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710065939.XA
Other languages
English (en)
Other versions
CN106845429B (zh
Inventor
苏志满
严炎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Institute of Mountain Hazards and Environment IMHE of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Mountain Hazards and Environment IMHE of CAS filed Critical Institute of Mountain Hazards and Environment IMHE of CAS
Priority to CN201710065939.XA priority Critical patent/CN106845429B/zh
Publication of CN106845429A publication Critical patent/CN106845429A/zh
Application granted granted Critical
Publication of CN106845429B publication Critical patent/CN106845429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Abstract

本发明公开了一种振动信号分级判断识别方法。针对现有技术中缺乏将多种分析方法结合使用且旨在提高振动信号分析精度的缺陷，本发明提供了一种将振幅分析、能量分析、频率分析结合一体，并通过在不同判识级别层面上采用不用的信号分析指标与分析方法，实现提高判识准确度的振动信号的多级判识方法。本方法的运算中心将原始时间‑振幅信号后依照去噪处理、振幅指标的信号I级判识、基于FFT变换的信号II级判识、基于STFT变换的信号Ⅲ级判识的步骤实施，最终判断目标振动是否发生。本发明还公开了落石能量规模计算方法以及落石预警监测方法。本发明方法原理可靠，计算过程科学简便，实施仪器简单，安装方便，测算结果精度高，特别适用于工程领域的需要。

Description

振动信号分级判断识别方法、落石能量规模计算方法、落石危 险预警方法
技术领域
本发明涉及一种振动信号分级判断识别方法，以及落石能量规模计算方法与落石危险预警方法，属于振动信号监测测量技术领域、灾害监测预警技术领域、土木工程技术领域。
背景技术
振动信号是指由非静止物体所产生的信号，而由于非静止状态是物体的绝对状态，因而振动特性及产生的振动信号成为物体的固有特性。在受激发状态下，若振动源的激励与物体的固有特性参数相同或接近时，会产生共振响应。物体的振动响应是各个频率特征信息的叠加。振动信号的时域特征主要体现在振幅、周期、相位等特性上，其频域特征则主要表现在频率、能量信息中。
振动信号处理技术通过提取并分析振动信号中原始或经由变换产生的各种特征信息，反向演算掌握振动本身的特性。在此基础上，进一步通过对振动原因进行朔源分析或者对振动结果进行预测分析，可以将振动信号处理技术应用于参数检测、质量评价、状态监测和故障诊断等诸多领域。
现有技术中，振动信号的处理方法大致可分为2类：一类是传统方法，典型的有幅值域分析法、傅里叶变换和相关分析等。另一类是现代方法，典型的有Wigner-Ville分布、谱分析、小波分析、盲源分离、Hilbert-Huang变换和高阶统计量分析等。尽管这些分析方法各有其优劣及适用性，也曾在某些技术领域被加以结合使用，但现有技术中还没出现将多种分析方法结合使用且旨在提高振动信号分析精度，尤其是通过将技术流程不同阶段使用不同分析方法，以实现对振动信息的分级判识，综合提高振动信息分析精度的技术方案。
在地质环境灾害监测领域中，目标灾害发生所产生的振动信号的分析技术的有效性更是关涉重大。漏识漏报可能出现响应迟缓，造成人身财产损失，误识误报又可能出现响应无功，造成不必要的紧急状态投入，特别是造成人员的心理疲劳、警惕性降低。在地质灾害监测领域中，由于需监测的目标振动随时处于复杂环境中，各类干扰性振动信号交错叠加，更需提高目标振动信号的判断识别精度。
发明内容
本发明的目的就是针对现有技术的不足，首先提供一种对目标振动信号进行分级分析，以实现对目标振动进行分级判识的方法。其技术方案如下：
一种振动信号分级判断识别方法，用于在振动监测工程中判断识别目标振动信号，所述目标振动是阻尼类振动；方法是在目标振动潜在发生位点布置振动传感器实时采集、传输原始信号至运算中心，运算中心获得原始时间-振幅信号；运算中心依如下步骤判断识别目标振动信号；
步骤S1、去噪处理
滤除原始信号中的直流成分、长周期偏移、低频异常，得到滤波后信号，进入步骤S2；
步骤S2、目标振动信号I级判识
设置振幅阈值As，当滤波后信号振幅≥As时，判识为I级目标振动信号，记录该点时刻值T1，进入步骤S3；所述振幅阈值As通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动振幅变化特征确定；
其特征在于：
步骤S3、目标振动信号II级判识
步骤S31、FFT变换
将滤波后信号进行FFT变换，得到自时刻值T1起的频率-振幅信号，进入步骤S32；
步骤S32、信号判识
由步骤S31所得频率-振幅信号计算得到频率-能量信号，计算能量比值，若能量比值≥能量比值阈值RE，判识为II级目标振动信号，记录时间刻值T2，退出步骤S32进入步骤S4；否则进入步骤S1；
所述能量比值是频率-能量信号中目标振动频率范围内信号能量值与全部信号能量值的比值；所述能量比值阈值RE通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定；
步骤S4、目标振动信号Ⅲ级判识
步骤S41、STFT变换
将滤波后信号进行STFT变换，得到自时刻值T2起的时间-频率-能量信号，进入步骤S42；
步骤S42、信号判识
自时间刻值T2起沿时间轴向右选取时间-频率点，并计算已选取的时刻-频率点的能量值均值，当能量值均值≥能量均值阈值A0时判定为振动发生，继续沿时间轴向右选取时间-频率点，当连续2s内的能量值均值＜A0时，判断为振动结束；所述能量均值阈值A0通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定；
对振动起止时间内的时间-频率点的能量值进行最小二乘拟合，得到该次振动期间的拟合系数集合；若拟合系数集合满足能量拟合阈值时，判识为Ⅲ级目标振动信号，目标振动发生在时刻值T3，T3是当能量值均值≥能量均值阈值A0的时刻值，否则进入步骤S1；所述能量拟合阈值通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定；
根据Ⅲ级目标振动信号判识结果判断目标振动是否发生。
上述振动信号分级判断识别方法中，作为监测对象的目标振动是随机阻尼类型振动，具有随机性、撞击过程引起的震动初次最明显，慢慢减小直到最终停止特征。其振动信号具有阻尼震动特征，信号先呈最大，然后逐渐震荡减小，直至为0特征，属于阻尼类型振动信号。例如落石振动、高空坠物引起的振动、蹦极运动引起绳索的振动、自由落体过程中的振动等都属于这类振动。
上述方法是综合运用多种分析方法，对振动信号中时域内的振幅信息与频域内的频率、能量信息进行分步分析识别，以实现对振动信号分级判识确认、提高识别准确性的目的。技术方案对滤波去噪后的滤波后振动信号采用三级判断识别：(1)I级判识是振动幅值判识。振幅是振动信号在时域中最基本的振动特征参数，采用振动判识，可以初步判识该状态下是否有高量级震动事件引起信号的突变，排除基本的背景噪声。但振幅判识方法过于粗略，仅能定性判识事件的大概可能性，因而采用振幅判识振动信号存在将背景噪声、仪器本身误差误判为有效事件的缺点，为克服此缺陷，需要信号处理进一步定量判识。(2)II级判识是基于FFT变换的频域频率-能量判识。FFT变换的典型用途是将信号分解成频率-幅度谱，这样我们就可以知道震动信号的各个频率成分及其振幅，进而获取信号在各个频率范围内的能量分布情况。II级判识能够通过FFT变换可以在得到震动信号的频率分布，能够定量获取事件信号主要成分集中的频率范围，但该方法缺失了信号的时间信息，存在仅保留信号的频率-能量信息的缺陷，因此需要进一步的Ⅲ级判识。(3)Ⅲ级判识是基于STFT变换的频率-能量判识。STFT变换是一种二维时频变换，可以得到震动信号在时间-频率域的能量分布，不同事件的震动信号在时间-频率域有明显区别，可以通过定量计算震动信号在时间-频率域能量的分布范围和强度进行判识。通过Ⅲ级判识能够定量计算震动事件在时间-频率域能量的分布范围和强度，最终确定震动事件的类型和发生时间。本技术方案在对振动信号的逐级判断识别中，每一级的判识都采用阈值比对的基本方法。I级判识依据振幅阈值As，II级判识依据能量比值阈值RE，Ⅲ级判识依据能量均值阈值A0、能量拟合阈值。这些阈值都可以通过前期的目标振动试验结果分析得出的，或者根据目标振动历史资料记录统计分析得出的。例如落石振动试验或相应的历史数据，列车行车时车轮与轨道间的振动试验或相应的历史数据，复合材料材料抗阻特性实验或相应的历史振动数据，地震波衰减特性实验或相应的历史数据，岩石力学中弹性波传播实验或相应的历史数据等等。
本发明上述振动信号分级判断识别方法的技术方案中，目标振动可以具体确定为落石振动，进而，技术方案可以针对性用于落石发生的振相分析方法，用于落石振动信号的分级判断识别，并进一步用于对落石能量进行评估预测。因而，以上述技术方案为基础，本发明进一步提供一种落石能量规模计算方法，用于计算落石规模。其技术方案是：
一种利用上述监测目标振动信号分级判断识别方法实现的监测目标振动冲击能量规模计算方法，其特征在于：
在所述步骤S42中，判识为Ⅲ级目标振动信号后，记录时间刻值T3，退出步骤S42进入步骤S5；
步骤S5、目标振动能量规模计算
步骤S51、模拟计算起止时间判识；
采用STA/LTA方法对T3时间起滤波后信号进行振动识别；当STA/LTA比值≥STA/LTA比值阈值RSL时确定为目标振动能量规模模拟计算起始时间t1，当振幅≤振幅下限阈值Amin时确定为目标振动能量规模模拟计算结束时间t2，进入步骤S52；
所述STA/LTA比值阈值RSL通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定，振幅下限阈值Amin通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定；
步骤S52、计算落石规模
依式5.1计算落石滚落释放能量规模AE；
式中，E(t)——时刻t1～时刻t的均方根振幅的平方，
E0——噪声水平，依式5.2计算确定，
式中，A1——时间t1处振幅，
A2——时间t2处振幅。
上述监测目标能量模拟方法是在振动信号分级判断识别的结果上，采用STA/LTA方法进一步振相分析，确定目标振动能量模拟计算的起止时间。采用STA/LTA方法可以识别出落石信号的起始点及其包络能量，对其进行能量积分，即可定量评估落石规模。在STA/LTA分析中涉及的STA/LTA比值阈值RSL、振幅下限阈值Amin同样可以通过前期目标振动的试验和/或历史数据分析的结果得出确定。
目标振动是落石振动时，各阈值可以具体为：步骤S32中，能量比值阈值RE＝80％～90％，目标振动频率范围是0Hz～500Hz。步骤S42中，能量均值阈值A0＝(1.5As)2，能量拟合阈值是拟合系数集合内60％～75％以上的拟合系数＜-3。
在确定落石滚落起止时间时，STA/LTA方法中，设置短周期tS＝0.05s、长周期tL＝1s，STA/LTA比值阈值RSL＝3～3.8，窗函数ω[n]是长度为128的汉宁窗，依式5.3、5.4计算。振幅下限阈值Amin＝10％Amax～15％Amax，Amax是t1～时刻t区间内振幅的最大值。
在安装有落石防护工程场地，发生落石会对防护结构体产生冲击。当冲击能量达到甚至大于防护结构体设计时的抗冲击阈值时，则造成防护结构体损坏甚至损毁，不能继续提供对落石滚落的防护，甚至产生新的次生危害。因此，本发明上述落石能量规模计算方法可进一步应用于落石防护结构体的稳固安全性监测中。同时也可以实现一种落石危险预警方法。其技术方案是：
一种利用上述监测目标振动冲击能量模拟计算方法实现的落石危险预警方法，其特征在于：所述目标振动是落石振动；在步骤S5完成后进入步骤S6、落石危险预警，包括：将落石滚落释放能量规模AE与落石防护结构体抗冲击能量阈值相比较，根据比较结果发出落石防护结构体受损程度预警信号。
落石防护网、棚洞是最为常见的落石防护工结构体。一般地，以落石防护结构是落石防护网为例，振动传感器可以埋置在潜在落石振动位点地面下，或者安装在防护网立柱上。一般地，对于确定的落石防护结构体，振幅阈值As可以选择落石防护结构体抗冲击能量阈值对应振幅的1/10～1/8。
与现有技术相比，本发明的有益效果是：(1)本发明提供了一种阻尼类振动信号的多级判识方法，该方法将振幅分析、能量分析、频率分析结合一体，并通过在不同判识级别层面上采用不用的信号分析指标与分析方法，实现提高判识准确度的目的。这种将多种分析方法结合使用且旨在提高振动信号分析精度，尤其是通过在技术流程不同阶段使用不同分析方法，以实现对振动信息的分级判识，综合提高振动信息分析精度的技术构思在现有技术中未曾出现过。(2)基于本发明方法建立的信号分析技术原理，本发明信号分析判识方法可以适用于阻尼类振动信号的识别，适用范围广。(3)本发明提供了针对落石振动的振动信号判识方法，提供了基于前期试验和/或历史资料统计得出的各级信号判别条件，能够解决落石振动信号判识的问题，可应用于地质灾害的相关研究领域。(4)本发明提供了利用前述方法实现的落石能量规模计算方法以及落石预警监测方法，能够解决测算落石冲击能量规模以及评估落石防护结构体安全性的问题。
附图说明
图1是防护网及振动传感器安装位置示意图。
图2是运算中心算法流程图。
图3是信号滤波效果图。
图4是信号振幅判识示意图。
图5是落石震动信号FFT频谱图。
图6是落石震动信号STFT频谱图。
图7是落石震动信号STA/LTA算法计算示意图。
具体实施方式
下面结合附图，对本发明的优选实施例作进一步的描述。
实施例一
如图1～图7所示，用本发明方法对一组SNS防护网实现落石危险预警。
SNS防护网安装在某危岩体下方，防止危岩落石滚落对下方区域造成危害。本实施方式选用加速度振动传感器，安装在SNS防护网立柱顶端，如图1所示(图中五星示传感器)。传感器实时采集、传输原始信号至运算中心，运算中心获得原始时间-振幅信号后依图2所示技术方案流程实施。
以下实施方式演示以一只传感器的数据处理为例。
步骤S1、去噪处理
原始信号滤除原始信号中的直流成分、长周期偏移、低频异常，得到滤波后信号。滤波可同时滤除低频异常，避免引起虚警以及对后续处理的干扰。滤波处理采用100阶的FIR对原始时间-振幅信号去噪。
图3第1幅为原始信号(图中方框y1、y2、y3内示异常信号)，第3幅为滤波除去的噪声信号(图中方框l1、l2、l3内示滤除的异常信号)，第2幅为滤波后信号。通过滤波去除了时间轴上三处异常点(见图中虚线框标示)。
进入步骤S2。
步骤S2、目标振动信号I级判识
由于SNS防护网抗冲击能量阈值＝1500J，根据设置振幅阈值As＝40。
通过实时判断传感器输出信号的幅值，确认在2498s幅值大于预设振幅阈值As(图4)，判识为I级落石振动信号，记录该点时刻值T1＝2498s，进入步骤S3。
步骤S3、目标振动信号II级判识
步骤S31、FFT变换
将滤波后信号进行FFT变换，得到自时刻值T1起的频率-振幅信号，进入步骤S32；
步骤S32、信号判识
由步骤S31所得频率-振幅信号计算得到频率-能量信号，见图5(图中方框内示能量集中区)，设置能量比值阈值RE＝80％。
计算得到振动频率范围0Hz～500Hz的能量＝51626、全部信号能量值＝60030，能量比值＝86％>RE，判识为II级落石振动信号，记录时间刻值T2＝2499s，退出步骤S32进入步骤S4。
步骤S4、目标振动信号Ⅲ级判识
步骤S41、STFT变换
将滤波后信号进行STFT变换，得到自时刻值T2起的时间-频率-能量信号，如图6(图中可见低频强高频弱的脉冲型分布)。STFT变换是一种二维时频变换，通过变换得到振动信号在时间-频率域的能量分布。由于落石振动和其他振动在时间-频率域有明显区别，因而可以通过计算二者在时间-频率域能量的分布范围和强度对落石振动信号加以识别。
进入步骤S42。
步骤S42、信号判识
设置能量均值阈值A0＝(1.5As)2＝360，设置能量拟合阈值为拟合系数集合内60％的拟合系数＜-3。
自时间刻值T2起沿时间轴向右选取时间-频率点，并计算已选取的时刻-频率点的能量值均值，进行信号判识。结果如图6显示，时间2498.2～2500.5s是振动起止时间。对该区间的时间-频率点的能量值进行最小二乘拟合，并比较拟合系数集合与能量拟合阈值的关系。结果显示，该拟合系数集合内69％的拟合系数<-3，判识为Ⅲ级落石振动信号，并确认发生了落石滚落，落石发生在T3＝2498.5s。
进入步骤S5。
步骤S5、落石能量规模计算
步骤S51、落石能量规模模拟计算起止时间判识
设置振幅下限阈值Amin＝10％Amax，Amax是t1～时刻t时间区间内振幅的最大值(本实施例中为PGV)；，设置短周期tS＝0.05s、长周期tL＝1s，STA/LTA比值阈值RSL＝3，窗函数ω[n]是长度为128的汉宁窗。计算结果显示(图7)，模拟计算起始时间t1＝2498.7s、对应振幅A1＝0.3，模拟计算结束时间t2＝2501.5s，对应振幅A2＝0.13，落石能量规模模拟计算周期DUR＝2.8s。
步骤S52、计算落石规模
计算得到时刻t1～时刻t的均方根振幅E(t)＝443.2、噪声水平E0＝0.046，落石滚落释放能量规模AE＝1240.7J。
由于SNS防护网安全的抗冲击能量阈值是1500J。因此，经此次落石冲击后防护网处于安全范围之内。

Claims (9)

1.振动信号分级判断识别方法，用于在振动监测工程中判断识别目标振动信号，所述目标振动是阻尼类振动；方法是在目标振动潜在发生位点布置振动传感器实时采集、传输原始信号至运算中心，运算中心获得原始时间-振幅信号；运算中心依如下步骤判断识别目标振动信号；
步骤S1、去噪处理
滤除原始信号中的直流成分、长周期偏移、低频异常，得到滤波后信号，进入步骤S2；
步骤S2、目标振动信号I级判识
设置振幅阈值As，当滤波后信号振幅≥As时，判识为I级目标振动信号，记录该点时刻值T1，进入步骤S3；所述振幅阈值As通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动振幅变化特征确定；
其特征在于：
步骤S3、目标振动信号II级判识
步骤S31、FFT变换
将滤波后信号进行FFT变换，得到自时刻值T1起的频率-振幅信号，进入步骤S32；
步骤S32、信号判识
由步骤S31所得频率-振幅信号计算得到频率-能量信号，计算能量比值，若能量比值≥能量比值阈值RE，判识为II级目标振动信号，记录时间刻值T2，退出步骤S32进入步骤S4；否则进入步骤S1；
所述能量比值是频率-能量信号中目标振动频率范围内信号能量值与全部信号能量值的比值；所述能量比值阈值RE通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定；
步骤S4、目标振动信号Ⅲ级判识
步骤S41、STFT变换
将滤波后信号进行STFT变换，得到自时刻值T2起的时间-频率-能量信号，进入步骤S42；
步骤S42、信号判识
自时间刻值T2起沿时间轴向右选取时间-频率点，并计算已选取的时刻-频率点的能量值均值，当能量值均值≥能量均值阈值A0时判定为振动发生，继续沿时间轴向右选取时间-频率点，当连续2s内的能量值均值＜A0时，判断为振动结束；所述能量均值阈值A0通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定，
对振动起止时间内的时间-频率点的能量值进行最小二乘拟合，
得到该次振动期间的拟合系数集合；若拟合系数集合满足能量拟合阈值时，判识为Ⅲ级目标振动信号，目标振动发生在时刻值T3，T3是当能量值均值≥能量均值阈值A0的时刻值，否则进入步骤S1；所述能量拟合阈值通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定；
根据Ⅲ级目标振动信号判识结果判断目标振动是否发生。
2.利用权利要求1所述的监测目标振动信号分级判断识别方法实现的监测目标振动能量规模计算方法方法，其特征在于：
在所述步骤S42中，判识为Ⅲ级目标振动信号后，记录时间刻值T3，退出步骤S42进入步骤S5，
步骤S5、目标振动能量规模计算
步骤S51、能量模拟计算起止时间判识；
采用STA/LTA方法对T3时间起滤波后信号进行振动识别；当STA/LTA比值≥STA/LTA比值阈值RSL时确定为目标振动能量模拟计算起始时间t1，当振幅≤振幅下限阈值Amin时确定为目标振动能量模拟计算结束时间t2，进入步骤S52；
所述STA/LTA比值阈值RSL通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定，振幅下限阈值Amin通过目标振动试验结果和/或历史资料数据统计结果得出的目标振动能量变化特征确定；
步骤S52、计算目标振动能量规模
依式5.1计算落石滑落释放能量规模AE；
式中，E(t)——时刻t1～时刻t的均方根振幅的平方，
E0——噪声水平，依式5.2计算确定，
式中，A1——时间t1处振幅，
A2——时间t2处振幅。
3.根据权利要求1或2所述的方法，其特征在于：所述目标振动是落石振动；所述步骤S1中，采用6阶～10阶的FIR对原始时间-振幅信号去噪。
4.根据权利要求1或2所述的方法，其特征在于：所述目标振动是落石振动；所述步骤S32中，能量比值阈值RE＝80％～90％，目标振动频率范围是0Hz～500Hz。
5.根据权利要求1或2所述的方法，其特征在于：所述目标振动是落石振动；所述步骤S42中，能量均值阈值A0＝(1.5As)2，能量拟合阈值是拟合系数集合内60％～75％的拟合系数＜-3。
6.根据权利要求2所述的方法，其特征在于：
所述目标振动是落石振动；
所述STA/LTA方法，设置短周期tS＝0.05s、长周期tL＝1s，STA/LTA比值阈值RSL＝3～3.8，窗函数ω[n]是长度为128的汉宁窗，依式5.3、5.4计算：
所述振幅下限阈值Amin＝10％Amax～15％Amax，所述Amax是t1～时刻t时间区间内振幅的最大值。
7.利用权利要求2或6所述的目标振动能量规模计算方法实现的落石危险预警方法，其特征在于：所述目标振动是落石振动；在步骤S5完成后进入步骤S6、落石危险预警，包括：将落石滑落释放能量规模AE与落石防护结构体抗冲击能量阈值相比较，根据比较结果发出落石防护结构体受损程度预警信号。
8.根据权利要求7所述的落石危险预警方法，其特征在于：所述落石防护结构体是落石防护网，所述振动传感器埋置在潜在落石振动位点地面下，或者安装在防护网立柱上。
9.根据权利要求7所述的落石危险预警方法，其特征在于：所述步骤S2中，振幅阈值As是落石防护结构体抗冲击能量阈值对应振幅的1/10～1/8。
CN201710065939.XA 2017-02-06 2017-02-06 振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法 Active CN106845429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710065939.XA CN106845429B (zh) 2017-02-06 2017-02-06 振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710065939.XA CN106845429B (zh) 2017-02-06 2017-02-06 振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法

Publications (2)

Publication Number Publication Date
CN106845429A true CN106845429A (zh) 2017-06-13
CN106845429B CN106845429B (zh) 2020-05-19

Family

ID=59123006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710065939.XA Active CN106845429B (zh) 2017-02-06 2017-02-06 振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法

Country Status (1)

Country Link
CN (1) CN106845429B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109682460A (zh) * 2018-09-19 2019-04-26 广西交通科学研究院有限公司 基于振动信号的拉索断丝识别方法
CN110470465A (zh) * 2019-09-19 2019-11-19 武汉市华英电力科技有限公司 一种基于振动信号分析的断路器测试方法及系统
CN111605633A (zh) * 2019-02-22 2020-09-01 现代自动车株式会社 用于检测车辆的碰撞部位的装置和方法
CN112560135A (zh) * 2020-11-30 2021-03-26 北京中关村智连安全科学研究院有限公司 一种基于冲击能量指标的岩体崩塌早期预警方法
CN112698405A (zh) * 2020-12-11 2021-04-23 西南交通大学 基于地震动信号的滑坡事件识别、预警、评估方法
CN113017335A (zh) * 2018-12-27 2021-06-25 艾感科技(广东)有限公司 一种集成于床垫的预警系统
CN113804166A (zh) * 2021-11-19 2021-12-17 西南交通大学 一种基于无人机视觉的落石运动参数数字化还原方法
CN113959553A (zh) * 2021-10-29 2022-01-21 中大检测(湖南)股份有限公司 一种基于cpld的智能低频振动传感器

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6702405B1 (ja) 2018-12-27 2020-06-03 Ｊｆｅスチール株式会社 冷間圧延機のチャタリング検出方法、冷間圧延機のチャタリング検出装置、冷間圧延方法、及び冷間圧延機

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101294891A (zh) * 2008-05-15 2008-10-29 中国建筑材料科学研究总院 一种检测玻璃幕墙松动和预测坠落风险的方法
CN102563360A (zh) * 2012-01-16 2012-07-11 北方工业大学 基于序贯概率比检测的管道安全预警系统的振动事件检测方法
CN104655380A (zh) * 2015-03-16 2015-05-27 北京六合智汇技术有限责任公司 一种旋转机械设备故障特征提取方法
CN105204436A (zh) * 2015-08-26 2015-12-30 山东省计算中心（国家超级计算济南中心） 基于分级预警的数控机床故障诊断方法
WO2016130571A1 (en) * 2015-02-09 2016-08-18 Carnegie Mellon University Indoor identification of individuals through footstep induced structural vibration
US9509894B1 (en) * 2015-06-02 2016-11-29 Google Inc. Capturing images using controlled vibration

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101294891A (zh) * 2008-05-15 2008-10-29 中国建筑材料科学研究总院 一种检测玻璃幕墙松动和预测坠落风险的方法
CN102563360A (zh) * 2012-01-16 2012-07-11 北方工业大学 基于序贯概率比检测的管道安全预警系统的振动事件检测方法
WO2016130571A1 (en) * 2015-02-09 2016-08-18 Carnegie Mellon University Indoor identification of individuals through footstep induced structural vibration
CN104655380A (zh) * 2015-03-16 2015-05-27 北京六合智汇技术有限责任公司 一种旋转机械设备故障特征提取方法
US9509894B1 (en) * 2015-06-02 2016-11-29 Google Inc. Capturing images using controlled vibration
CN105204436A (zh) * 2015-08-26 2015-12-30 山东省计算中心（国家超级计算济南中心） 基于分级预警的数控机床故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WANG HEPING，LI RONGLI，XUE HAI: ""The Vibration Identification of Military Vehicle Seat Based on Wavelet-scale Energy Coefficients"", 《ICSP2010 PROCEEDINGS》 *
范锋，夏燕: ""风电机组振动在线监测分析与远程故障"", 《中国风电生产运营管理》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109682460A (zh) * 2018-09-19 2019-04-26 广西交通科学研究院有限公司 基于振动信号的拉索断丝识别方法
CN113017335A (zh) * 2018-12-27 2021-06-25 艾感科技(广东)有限公司 一种集成于床垫的预警系统
CN111605633A (zh) * 2019-02-22 2020-09-01 现代自动车株式会社 用于检测车辆的碰撞部位的装置和方法
CN111605633B (zh) * 2019-02-22 2023-03-10 现代自动车株式会社 用于检测车辆的碰撞部位的装置和方法
CN110470465A (zh) * 2019-09-19 2019-11-19 武汉市华英电力科技有限公司 一种基于振动信号分析的断路器测试方法及系统
CN112560135A (zh) * 2020-11-30 2021-03-26 北京中关村智连安全科学研究院有限公司 一种基于冲击能量指标的岩体崩塌早期预警方法
CN112698405A (zh) * 2020-12-11 2021-04-23 西南交通大学 基于地震动信号的滑坡事件识别、预警、评估方法
CN113959553A (zh) * 2021-10-29 2022-01-21 中大检测(湖南)股份有限公司 一种基于cpld的智能低频振动传感器
CN113804166A (zh) * 2021-11-19 2021-12-17 西南交通大学 一种基于无人机视觉的落石运动参数数字化还原方法
CN113804166B (zh) * 2021-11-19 2022-02-08 西南交通大学 一种基于无人机视觉的落石运动参数数字化还原方法

Also Published As

Publication number Publication date
CN106845429B (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN106845429A (zh) 振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法
EP1817760B1 (en) Occupant detection system for vehicle
KR101688246B1 (ko) 지하 침투 탐지 시스템
CN107063339B (zh) 铁道沿线落石与行车信号分类分级判断识别方法
CN100464328C (zh) 改进希-黄变换的结构响应分析方法
CN103384817A (zh) 用于使用转矩振荡数据来探测传动系中的故障状态的系统及方法
CN206583854U (zh) 一种钢轨扣件松紧状态的监测装置
CN107044883B (zh) 堰塞湖溃决监测预警方法
Ni et al. Rolling element bearings fault diagnosis based on a novel optimal frequency band selection scheme
CN105424366A (zh) 基于eemd自适应消噪的轴承故障诊断方法
KR20150035633A (ko) 지진측정장치 및 지진측정방법
CN104316167B (zh) 一种低信噪比下结构响应异常检测方法
CN104458173B (zh) 钢框架结构突变损伤的识别方法及系统
CN103175897B (zh) 一种基于振动信号端点检测的高速道岔伤损识别方法
CN110823356A (zh) 基于梅尔频谱的分布式光纤入侵检测方法
CN105467428A (zh) 一种基于短时能量检测和频谱特征分析的地震波预警方法
CN106759538A (zh) 一种基于频域分析的低应变检测方法
CN105862935A (zh) 一种用于挡土墙结构系统的损伤识别方法
CN107436451A (zh) 一种自动计算地震数据光缆耦合噪声强弱程度的振幅谱方法
CN102998133A (zh) 一种基于准分布式加速度数据的能量损伤识别方法
CN103983692A (zh) 一种用于挡土墙结构系统的损伤预警方法
CN104949848A (zh) 基于频域峭度的蛇行失稳检测算法
Hayden et al. Selection of near-fault pulse motions for use in design
CN105258791A (zh) 应用于atm机的被砸检测方法及系统
CN105469798B (zh) 基于声信号统计特征的挖掘器械识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190118

Address after: 610041 No. 9, 4th Section of Renmin South Road, Wuhou District, Chengdu City, Sichuan Province

Applicant after: Chengdu Mountainous Disasters and Environment Inst., Chinese Academy of Sciences

Applicant after: Southwest Jiaotong University

Address before: 610041 No. 9, 4th Section of Renmin South Road, Wuhou District, Chengdu City, Sichuan Province

Applicant before: Chengdu Mountainous Disasters and Environment Inst., Chinese Academy of Sciences

GR01 Patent grant
GR01 Patent grant