CN109100165B - 桥梁运营模态分析方法、装置、终端与计算机可读存储介质 - Google Patents
桥梁运营模态分析方法、装置、终端与计算机可读存储介质 Download PDFInfo
- Publication number
- CN109100165B CN109100165B CN201810737283.6A CN201810737283A CN109100165B CN 109100165 B CN109100165 B CN 109100165B CN 201810737283 A CN201810737283 A CN 201810737283A CN 109100165 B CN109100165 B CN 109100165B
- Authority
- CN
- China
- Prior art keywords
- bridge
- steady
- strain
- response signal
- intrinsic mode
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种桥梁运营模态分析方法,包括:获取桥梁的应变响应信号;对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数;对每一本征模态函数进行变换以得到与之对应的瞬时频率,根据所述每一本征模态函数的瞬时频率确定目标本征模态函数;识别所述目标本征模态函数对应的频率并建立稳态图;聚类分析过滤所述稳态图中的虚假极点。本发明提供的桥梁运营模态分析方法、装置、终端与计算机可读存储介质基于应变片的应变响应信号进行筛分处理而得到精确的稳态图,具有显著的经济优势与分析精度优势,性价比十分突出。
Description
技术领域
本发明属于桥梁工程技术领域,具体地来说,是一种桥梁运营模态分析方法、装置、终端与计算机可读存储介质。
背景技术
随着基础设施建设的快速发展,在役桥梁数量迅速增加。随着使用年限的增加,桥梁的承载能力逐渐下降,使安全威胁与日俱增。尤其是物流运输量的爆炸式增长,更使桥梁负载大幅上升,桥梁结构健康问题更形突出。
为了保证桥梁的结构安全,在桥梁的长期运营中,需要进行持续的连续监测与模态分析。目前的桥梁多采用位移传感器而搭建复杂的监测系统,造价十分高昂。随着桥梁数量的迅速增加,高昂的成本给运营方带来很大的经济负担。
发明内容
为了克服现有技术的不足,本发明提供了一种桥梁运营模态分析方法、装置、终端与计算机可读存储介质,通过对应变响应信号进行筛分处理而得到精确的稳态图,具有显著的经济优势与分析精度优势。
本发明的目的通过以下技术方案来实现:
一种桥梁运营模态分析方法,包括:
获取桥梁的应变响应信号;
对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数;
对每一本征模态函数进行变换以得到与之对应的瞬时频率,根据所述每一本征模态函数的瞬时频率确定目标本征模态函数;
识别所述目标本征模态函数对应的频率并建立稳态图;
聚类分析过滤所述稳态图中的虚假极点。
作为上述技术方案的改进,“对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数”包括:
对所述桥梁的应变响应信号正负成对地添加预设数量的辅助白噪声,得到应变信号集合;
对所述应变信号集合中的全部信号进行分解,得到每一信号对应的一组本征模态函数分量;
对各组本征模态函数分量进行多组组合计算得到所述若干本征模态函数。
作为上述技术方案的进一步改进,“对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数”还包括:
对所述若干本征模态函数进行聚类分析;
根据聚类分析结果判断是否存在模态混叠,若是则重新执行“对所述桥梁的应变响应信号正负成对地添加预设数量的辅助白噪声”。
作为上述技术方案的进一步改进,“识别所述目标本征模态函数对应的频率并建立稳态图”包括:
建立离散状态空间方程;
根据所述离散状态空间方程与所述桥梁的应变响应信号计算桥梁的频率、阻尼比与模态振型;
根据所述桥梁的频率与模态振型建立稳态图。
作为上述技术方案的进一步改进,“聚类分析过滤所述稳态图中的虚假极点”包括:
获取所述稳态图中的极点;
根据预设邻域半径与预设密度阈值确定所述极点中的虚假极点;
于所述稳态图中去除所述虚假极点而得到有效稳态图。
一种桥梁运营模态分析装置,包括:
获取模块,用于获取桥梁的应变响应信号;
分解模块,用于对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数;
变换模块,用于对每一本征模态函数进行变换以得到与之对应的瞬时频率,根据所述每一本征模态函数的瞬时频率确定目标本征模态函数;
识别模块,用于识别所述目标本征模态函数对应的频率并建立稳态图;
降噪模块,用于聚类分析过滤所述稳态图中的虚假极点。
作为上述技术方案的改进,所述分解模块包括:
修正子模块,用于对所述桥梁的应变响应信号正负成对地添加预设数量的辅助白噪声,得到应变信号集合;
分解子模块,用于对所述应变信号集合中的全部信号进行分解,得到每一信号对应的一组本征模态函数分量;
组合子模块,用于对各组本征模态函数分量进行多组组合计算得到所述若干本征模态函数。
作为上述技术方案的进一步改进,所述降噪模块包括:
获取子模块,用于获取所述稳态图中的极点;
寻噪子模块,用于根据预设邻域半径与预设密度阈值确定所述极点中的虚假极点;
滤噪子模块,用于在所述稳态图中去除所述虚假极点而得到有效稳态图。
一种终端,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器执行所述计算机程序以使所述终端实现以上任一项所述的桥梁运营模态分析方法。
一种计算机可读存储介质,其存储有所述终端所执行的所述计算机程序。
本发明的有益效果是:
通过应变片获取桥梁的应变响应信号,随即对桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数,并对每一本征模态函数进行变换以得到与之对应的瞬时频率,进而得到目标本征模态函数而予以识别与过滤,最终建立精确的稳态图,基于应变片而获得精确的分析结果,具有显著的经济优势与分析精度优势,性价比十分突出。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例1提供的桥梁运营模态分析方法的流程图;
图2是本发明实施例1提供的桥梁运营模态分析方法的步骤B的流程图;
图3是本发明实施例1提供的桥梁运营模态分析方法的步骤C的流程图;
图4是非平稳动态应变响应原始信号的时域分布图;
图5是本发明实施例1提供的桥梁运营模态分析方法的步骤C得到的目标本征函数的重构应变响应信号的时域分布图;
图6是本发明实施例1提供的桥梁运营模态分析方法的步骤D的流程图;
图7是基于传统方法对应变响应信号进行模态分析得到的稳态图;
图8是本发明实施例1提供的桥梁运营模态分析方法的步骤D得到的稳态图;
图9是本发明实施例1提供的桥梁运营模态分析方法的步骤E的流程图;
图10是本发明实施例1提供的桥梁运营模态分析方法的步骤E得到的稳态图;
图11是应用本发明实施例1提供的桥梁运营模态分析方法长期监测得到的桥梁结构模态参数的动态变化图;
图12是本发明实施例2提供的桥梁运营模态分析装置的结构示意图;
图13是本发明实施例2提供的桥梁运营模态分析装置的分解模块的结构示意图;
图14是本发明实施例2提供的桥梁运营模态分析装置的变换模块的结构示意图;
图15是本发明实施例2提供的桥梁运营模态分析装置的识别模块的结构示意图;
图16是本发明实施例2提供的桥梁运营模态分析装置的降噪模块的结构示意图;
图17是本发明实施例3提供的终端的结构示意图。
主要元件符号说明:
100-桥梁运营模态分析装置,110-获取模块,120-分解模块,121-修正子模块,122-分解子模块,123-组合子模块,130-变换模块,131-变换子模块,132-选定子模块,140-识别模块,141-建模子模块,142-识别子模块,143-稳态图子模块,150-降噪模块,151-获取子模块,152-筛假子模块,153-滤噪子模块,200-终端,210-存储器,220-处理器,230-输入单元,240-显示单元。
具体实施方式
为了便于理解本发明,下面将参照相关附图对桥梁运营模态分析方法、装置、终端与计算机可读存储介质进行更全面的描述。附图中给出了桥梁运营模态分析方法、装置、终端与计算机可读存储介质的优选实施例。但是,桥梁运营模态分析方法、装置、终端与计算机可读存储介质可以通过许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对桥梁运营模态分析方法、装置、终端与计算机可读存储介质的公开内容更加透彻全面。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。相反,当元件被称作“直接在”另一元件“上”时,不存在中间元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在桥梁运营模态分析方法、装置、终端与计算机可读存储介质的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例1
请参阅图1,本实施例提供一种桥梁运营模态分析方法,该方法包括以下步骤A~E:
步骤A:获取桥梁的应变响应信号。桥梁的应变响应信号为由应变片采集的结构动力响应,反映桥梁在动力荷载作用下产生的变化(如速度、加速度、位移等)。相较于其他类型的传感器,应变片价格十分低廉(仅为几十分之一),具有显著的经济优势。
步骤B:对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数。添加的辅助白噪声用于使应变响应信号在不同时间尺度上具有连续性,以避免在后续的分解过程中出现模态混叠。模态混叠,是指信号经筛分得到的本征模态函数中,同一本征模态函数包含不同的时间尺度组分或者是相似的时间尺度组分存在于不同的本征模态函数的现象。
请参阅图2,示范性地,步骤B包括步骤B1~3:
步骤B1:对所述桥梁的应变响应信号正负成对地添加预设数量的辅助白噪声,得到应变信号集合。添加的辅助白噪声正负成对(互为相反数),以消除筛分得到的重构信号中的残余辅助噪声,并降低添加噪声的集合次数,提供运算效率。添加的辅助白噪声的数量预先设定,一般而言,量值越大精度越高,而运算量同步增加。当在应变响应信号中添加n组辅助白噪声(正负成对)后,将得到2n个集合信号,从而形成应变信号集合。
步骤B2:对所述应变信号集合中的全部信号进行分解,得到每一信号对应的一组本征模态函数分量。对应变信号集合中的2n个集合信号分别进行分解(例如经验模态分解),每一集合信号分解后均得到一组本征模态函数分量,第i个集合信号的第j个本征模态函数分量记为Cij。
步骤B3:对各组本征模态函数分量进行多组组合计算得到所述若干本征模态函数。所谓多组组合计算,即对各组本征模态函数分量进行组合平均,以消除残余辅助噪声,得到各阶对应的本征模态函数。例如,应变响应信号的第j个本征模态函数为此即前述的若干本征模态函数,从而完成信号分解。在此得到的本征模态函数,有效消除模态混叠现象,具有较高的分解精度。
特别地,由于应变片易受电磁干扰等因素影响,而桥梁动态干扰多,信号采集精确性较低。通过步骤B,可有效地消除应变片采集的应变响应信号的噪声干扰,使成本低廉的应变片可应用于桥梁的连续监测,无需采用价格昂贵的位移传感器或光纤光栅传感器,取得经济效益与模态分析精度的共容效果。
补充说明,本征模态函数即Intrinsic Mode Function(imf),应当满足以下条件:(1)在整个信号长度上,函数的极值点与过零点数目相等或至多相差一个;(2)在任意时刻,由函数极大值定义的上包络线与由极小值定义的下包络线的平均值为零,即上下包络线对称于时间轴。
示范性地,步骤B还包括步骤B4~5:
步骤B4:对所述若干本征模态函数进行聚类分析。即对前述若干本征模态函数进行模态变换,得到相关的模态参数,并对模态参数进行聚类分析,获取发生混叠的模态参数点的数量。其中,聚类分析,是将模态参数分组为由类似的对象组成的多个类的分析过程。
步骤B5:根据聚类分析结果判断是否存在模态混叠,若是则重新执行步骤B1~3。若发生混叠的模态参数点的数量若超过阈值,则表明模态混叠仍未有效消除,需要重新进行步骤B1~3。例如,改变步骤B1中添加的辅助白噪声及其预设数量,并重新执行步骤B2~3,直至模态混叠有效消除为止。步骤B4~5并非必要,旨在进一步检验步骤B1~3的消除模态混叠作用的有效性。
步骤C:对每一本征模态函数进行变换以得到与之对应的瞬时频率,根据所述每一本征模态函数的瞬时频率确定目标本征模态函数。示范性地,所述变换为希尔伯特变换,变换得到希尔伯特谱。希尔伯特谱用于显示本征模态函数之幅值的频率-时间分布,可以理解,不同的本征模态函数对应于不同的希尔伯特谱。
基于希尔伯特谱,将每一本征模态函数的瞬时频率与预设频率范围进行比较,瞬时频率位于预设频率范围内的本征模态函数即为目标本征模态函数。应当理解,每一本征模态函数经过希尔伯特变换后,将得到一系列的瞬时频率,形成希尔伯特谱。通常而言,本征模态函数的能量集中于其主导的瞬时频率处。
请参阅图3,示范性地,步骤C包括步骤C1~2:
步骤C1:变换得到与所述本征模态函数对应的希尔伯特谱;
步骤C2:根据所述希尔伯特谱,选取瞬时频率位于预设频率范围内的本征模态函数作为目标本征模态函数。
示范性地,步骤C选定目标本征模态函数后,可对目标本征模态函数进行信号重构。图4示出了应变片采集的非平稳动态应变响应的原始信号的示例时域分布图,图5示出了对目标本征模态函数重构得到的应变响应信号的示例时域分布图。可见地,重构得到的应变响应信号有效地去除了环境噪声影响,避免模态混叠,提高模态分析的精度。
步骤D:识别所述目标本征模态函数对应的频率并建立稳态图。其中,稳态图用于指明系统极点的位置。由于极点是系统的全局特征(在此表现为桥梁的频率),随着模型阶数的增加,由阶数增加的数学模型提取到的系统极点将重复出现,并于同一图上表征,以便通过观察极点分布而找出结构的物理极点。进而,对稳态图进行特征提取,即可得到各阶频率。
请参阅图6,示范性地,步骤D包括步骤D1~3:
步骤D1:建立离散状态空间方程。离散状态空间方程基于离散化的应变响应而建立,于桥梁的应变响应与频率、阻尼比、模态振型之间建立数学联系。其中,根据不同的结构动力响应(例如是加速度信号或应变响应),离散状态空间方程具有不同的形式。
在前述结构动力响应为应变响应的实施例中,离散状态空间方程为离散应变状态空间方程,其具体为:
式中,xk为离散状态向量,yk为离散输出向量,wk、νk为白噪声项,ε为桥梁的应变,Aε为离散状态矩阵,Cε为离散输出矩阵。
步骤D2:根据所述离散状态空间方程与所述桥梁的应变响应信号计算桥梁的频率、阻尼比与模态振型。
步骤D3:根据所述桥梁的频率与模态振型建立稳态图。
图7示出了基于传统方法对应变响应信号进行模态分析得到的稳态图。可见地,该稳态图在多数频域均缺乏明显的极值点分布,难以进行特征提取以得到各阶频率。
图8示出了对应变响应信号执行本实施例的步骤A~D后得到的稳态图。可见地,该稳态图的极值点分布明显集中,可轻易地进行特征提取,从而得到各阶频率,具有显著的模态观测分析优势。
步骤E:聚类分析过滤所述稳态图中的虚假极点。经步骤B的处理,稳态图中的模态混叠现象已得到有效消除。然而,稳态图中存在低阶虚假模态混入的现象,形成虚假极点而造成另一种噪声干扰。通过聚类分析,进一步过滤虚假极点,从而保证模态分析的精度。示范性地,聚类分析方法为密度聚类算法。
请参阅图9,示范性地,步骤E包括步骤E1~3:
步骤E1:获取所述稳态图中的极点。示范性地,计算每个极点的各维度信息(包括频率、阻尼比、模态振型等)的二范数,得到各个极点的直线距离。二范数指矩阵A的转置共轭矩阵与矩阵A的积的最大特征根的平方根值,即空间上两个向量矩阵的直线距离。
步骤E2:根据预设邻域半径与预设密度阈值确定所述极点中的虚假极点。根据预设邻域半径与预设密度阈值,利用各个极点的二范数,前述各个极点实现分组而形成不同的聚类簇。计算每一聚类簇的极点数量并与数量阈值比较,极点数量低于数量阈值的聚类簇即为虚假模态,其中的所有极点均认为是虚假极点。
可以理解,预设邻域半径与预设密度阈值均为系统预设,随其数值变化,聚类簇的区分结果相应变动。示范性地,以误差率2%作为预设领域半径。
步骤E3:于所述稳态图中去除所述虚假极点而得到有效稳态图。示范性地,去除所述虚假极点而得到有效极点,根据有效极点重新建立模态图,此即为有效稳态图。
步骤D得到的稳态图(如图8)虽然极值点分布集中,但存在明显的虚假极点分布,容易对特征提取造成干扰。图10示出了执行步骤E得到的稳态图,相较于图8,虚假极点有效消除,模态分析的精度有效提高,特征提取与各阶频率的获取更为轻易而精确。
根据上述步骤可获取桥梁结构基于动应变重构得到的模态参数变化,从而监测桥梁结构的动态变化。图11示出了由此得到的桥梁结构模态参数的长期变化情况,根据该图可以观察由于施工阶段的支座调整(A区域)与成桥试验(B区域)引起的结构频率突变,为桥梁结构的长期监测提供了有效的方法和手段。
实施例2
请参阅图12,本实施例提供一种桥梁运营模态分析装置100,该装置包括:
获取模块110,用于获取桥梁的应变响应信号;
分解模块120,用于对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数;
变换模块130,用于对每一本征模态函数进行变换以得到与之对应的瞬时频率,根据所述每一本征模态函数的瞬时频率确定目标本征模态函数;
识别模块140,用于识别所述目标本征模态函数对应的频率并建立稳态图;
降噪模块150,用于聚类分析过滤所述稳态图中的虚假极点。
请参阅图13,示范性地,分解模块120包括:
修正子模块121,用于对所述桥梁的应变响应信号正负成对地添加预设数量的辅助白噪声,得到应变信号集合;
分解子模块122,用于对所述应变信号集合中的全部信号进行分解,得到每一信号对应的一组本征模态函数分量;
组合子模块123,用于对各组本征模态函数分量进行多组组合计算得到所述若干本征模态函数。
请参阅图14,示范性地,变换模块130包括:
变换子模块131:变换得到与所述本征模态函数对应的希尔伯特谱;
选定子模块132:根据所述希尔伯特谱,选取瞬时频率位于预设频率范围内的本征模态函数作为目标本征模态函数。
请参阅图15,示范性地,识别模块140包括:
建模子模块141,用于建立离散状态空间方程;
识别子模块142,用于根据所述离散状态空间方程与所述桥梁的应变响应信号计算桥梁的频率、阻尼比与模态振型;
稳态图子模块143,用于根据所述桥梁的频率与模态振型建立稳态图。
请参阅图16,示范性地,降噪模块150包括:
获取子模块151,用于获取所述稳态图中的极点;
筛假子模块152,用于根据预设邻域半径与预设密度阈值确定所述极点中的虚假极点;
滤噪子模块153,用于在所述稳态图中去除所述虚假极点而得到有效稳态图。
实施例3
请参阅图17,本实施例提供一种终端200,该终端200包括存储器210以及处理器220,存储器210用于存储计算机程序,处理器220执行计算机程序以使终端200实现以上所述的桥梁运营模态分析方法。
其中,终端200包括不具备移动通信能力的终端设备(比如计算机、服务器等),亦包括移动终端(比如智能电话、平板电脑、车载电脑、智能穿戴设备等)。
存储器210可包括存储程序区和存储数据区。其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端200的使用所创建的数据(比如音频数据、备份文件等)等。此外,存储器210可以包括高速随机存取存储器,还可以包括非易失性存储器(例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件)。
优选地,终端200还包括输入单元230与显示单元240。其中,输入单元230用于接收用户输入的各项指令或参数(包括预设滚动方式、预设时间间隔与预设滚动次数),包括鼠标、键盘、触控面板及其他输入设备。显示单元240用于显示终端200的各种输出信息(包括网页页面、参数配置界面等),包括显示面板。
在此一并提供一种计算机可读存储介质,其存储有终端200所执行的所述计算机程序。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明的保护范围应以所附权利要求为准。
Claims (5)
1.一种桥梁运营模态分析方法,其特征在于,包括:
通过应变片获取桥梁的应变响应信号,所述应变响应信号为由应变片采集的结构动力响应;
对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数;
对每一本征模态函数进行变换以得到与之对应的瞬时频率,根据所述每一本征模态函数的瞬时频率确定目标本征模态函数;
识别所述目标本征模态函数对应的频率并建立稳态图;
聚类分析过滤所述稳态图中的虚假极点;
“对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数”包括:
对所述桥梁的应变响应信号正负成对地添加预设数量的辅助白噪声,得到应变信号集合;
对所述应变信号集合中的全部信号进行分解,得到每一信号对应的一组本征模态函数分量;
对各组本征模态函数分量进行多组组合平均计算得到所述若干本征模态函数;
“识别所述目标本征模态函数对应的频率并建立稳态图”包括:
建立离散状态空间方程;
根据所述离散状态空间方程与所述桥梁的应变响应信号计算桥梁的频率、阻尼比与模态振型;
根据所述桥梁的频率与模态振型建立稳态图;
“聚类分析过滤所述稳态图中的虚假极点”包括:
获取所述稳态图中的极点的二范数;
根据预设邻域半径、各个极点的二范数与预设密度阈值确定所述极点中的虚假极点;
于所述稳态图中去除所述虚假极点而得到有效稳态图。
2.根据权利要求1所述的桥梁运营模态分析方法,其特征在于,“对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数”还包括:
对所述若干本征模态函数进行聚类分析;
根据聚类分析结果判断是否存在模态混叠,若是则重新执行“对所述桥梁的应变响应信号正负成对地添加预设数量的辅助白噪声”。
3.一种桥梁运营模态分析装置,其特征在于,包括:
获取模块,用于通过应变片获取桥梁的应变响应信号,所述应变响应信号为由应变片采集的结构动力响应;
分解模块,用于对所述桥梁的应变响应信号添加辅助白噪声后分解为若干本征模态函数;
变换模块,用于对每一本征模态函数进行变换以得到与之对应的瞬时频率,根据所述每一本征模态函数的瞬时频率确定目标本征模态函数;
识别模块,用于识别所述目标本征模态函数对应的频率并建立稳态图;
降噪模块,用于聚类分析过滤所述稳态图中的虚假极点;
所述分解模块包括:
修正子模块,用于对所述桥梁的应变响应信号正负成对地添加预设数量的辅助白噪声,得到应变信号集合;
分解子模块,用于对所述应变信号集合中的全部信号进行分解,得到每一信号对应的一组本征模态函数分量;
组合子模块,用于对各组本征模态函数分量进行多组组合平均计算得到所述若干本征模态函数;所述多组组合平均计算算式包括:Cj为应变响应信号的第j个本征模态函数,第i个集合信号的第j个本征模态函数分量记为Cij,n为添加的辅助白噪声的组数;
所述降噪模块包括:
获取子模块,用于获取所述稳态图中的极点;
寻噪子模块,用于根据预设邻域半径与预设密度阈值确定所述极点中的虚假极点;
滤噪子模块,用于在所述稳态图中去除所述虚假极点而得到有效稳态图;
“聚类分析过滤所述稳态图中的虚假极点”包括:获取所述稳态图中的极点的二范数;根据预设邻域半径、各个极点的二范数与预设密度阈值确定所述极点中的虚假极点;于所述稳态图中去除所述虚假极点而得到有效稳态图。
4.一种终端,其特征在于,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器执行所述计算机程序以使所述终端实现权利要求1~2中任一项所述的桥梁运营模态分析方法。
5.一种计算机可读存储介质,其特征在于,其存储有权利要求4所述的终端所执行的所述计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810737283.6A CN109100165B (zh) | 2018-07-06 | 2018-07-06 | 桥梁运营模态分析方法、装置、终端与计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810737283.6A CN109100165B (zh) | 2018-07-06 | 2018-07-06 | 桥梁运营模态分析方法、装置、终端与计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109100165A CN109100165A (zh) | 2018-12-28 |
CN109100165B true CN109100165B (zh) | 2021-01-01 |
Family
ID=64845661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810737283.6A Active CN109100165B (zh) | 2018-07-06 | 2018-07-06 | 桥梁运营模态分析方法、装置、终端与计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109100165B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110736985B (zh) * | 2019-09-27 | 2021-05-14 | 山西省交通科技研发有限公司 | 极点特征聚类的公路隐藏病害识别系统及其实施方法 |
CN116070105A (zh) * | 2023-03-17 | 2023-05-05 | 湖北工业大学 | 基于小波变换及残差网络的组合梁损伤识别方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102520071B (zh) * | 2011-12-20 | 2014-10-15 | 江苏方天电力技术有限公司 | 基于改进子空间算法的输电塔模态参数识别方法 |
CN103344448A (zh) * | 2013-06-26 | 2013-10-09 | 中国路桥工程有限责任公司 | 一种桥梁结构损伤识别方法和系统 |
CN105046062A (zh) * | 2015-06-30 | 2015-11-11 | 广东工业大学 | 一种改进的自适应噪声集合经验模态分解处理方法 |
CN106769052B (zh) * | 2017-03-21 | 2018-12-21 | 桂林电子科技大学 | 一种基于聚类分析的机械系统滚动轴承智能故障诊断方法 |
-
2018
- 2018-07-06 CN CN201810737283.6A patent/CN109100165B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109100165A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ni et al. | Deep learning for data anomaly detection and data compression of a long‐span suspension bridge | |
Mainardi et al. | The M‐Wright Function in Time‐Fractional Diffusion Processes: A Tutorial Survey | |
Al-Ghraibah et al. | An automated classification approach to ranking photospheric proxies of magnetic energy build-up | |
CN109100165B (zh) | 桥梁运营模态分析方法、装置、终端与计算机可读存储介质 | |
CN101916241A (zh) | 一种基于时频分布图的时变结构模态频率辨识方法 | |
Quqa et al. | Seismic structural health monitoring using the modal assurance distribution | |
CN109765055A (zh) | 基于ewt、谱有效值和knn的滚动轴承故障检测方法及系统 | |
Heidari et al. | Investigating the effect of soil type on non-linear response spectrum using wavelet theory | |
CN108776818A (zh) | 轴承特征提取方法、轴承剩余寿命预测方法和装置 | |
CN117290679A (zh) | 电流互感器的运行状态检测方法、装置及电子设备 | |
CN104428662B (zh) | 用于确定地质地层中的分子结构的系统和方法 | |
Hino | Measurable Riemannian structures associated with strong local Dirichlet forms | |
Dong et al. | Rolling bearing performance degradation assessment based on singular value decomposition-sliding window linear regression and improved deep learning network in noisy environment | |
Holland et al. | Measurement point selection and modal damping identification for bladed disks | |
Guo et al. | Deep learning-based adaptive mode decomposition and instantaneous frequency estimation for vibration signal | |
CN111008740B (zh) | 数据传播趋势的预测方法、设备、存储介质及装置 | |
CN114065458A (zh) | 基于emd的时域直接疲劳分析方法、装置、终端和介质 | |
CN112434930A (zh) | 钻进过程故障诊断方法、系统及设备 | |
CN116304735A (zh) | 基于相依性度量的钢轨表面损伤诊断方法、系统及设备 | |
CN106643902B (zh) | 一种舒适度评价方法及装置 | |
CN109100103B (zh) | 基于连续监测的风机1p信号识别方法、装置、终端与计算机可读存储介质 | |
CN115496993A (zh) | 基于频域融合的目标检测方法、装置、设备及存储介质 | |
Bisht | Methods for structural health monitoring and damage detection of civil and mechanical systems | |
Nuhn et al. | Preparation of complex landslide simulation results with clustering approaches for decision support and early warning | |
CN114707884B (zh) | 银行用户忠诚度数据分析方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |