CN109522639A - 一种便携式混凝土坝材料动力参数测试系统与测试方法 - Google Patents

一种便携式混凝土坝材料动力参数测试系统与测试方法 Download PDF

Info

Publication number
CN109522639A
CN109522639A CN201811344905.5A CN201811344905A CN109522639A CN 109522639 A CN109522639 A CN 109522639A CN 201811344905 A CN201811344905 A CN 201811344905A CN 109522639 A CN109522639 A CN 109522639A
Authority
CN
China
Prior art keywords
parameter
dam
data
module
modal
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
CN201811344905.5A
Other languages
English (en)
Other versions
CN109522639B (zh
Inventor
苏怀智
周仁练
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201811344905.5A priority Critical patent/CN109522639B/zh
Publication of CN109522639A publication Critical patent/CN109522639A/zh
Application granted granted Critical
Publication of CN109522639B publication Critical patent/CN109522639B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Civil Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Architecture (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种便携式混凝土坝材料动力参数测试系统与测试方法，测试系统包括数据采集模块、数据分析模块和可视化操控模块。测试方法为：现场采集测试对象的振动响应数据；识别测试对象的实测运行模态参数；导入测试对象的有限元模型；生成材料动力参数组合，调用有限元软件模块计算各组合方案对应的大坝结构各阶模态参数；将所得结果与对应参数组合组成训练集，训练支持向量机；生成初始参数种群，利用训练好的支持向量机模型，算得各种群个体对应的各阶模态计算值；计算目标函数值，根据目标函数值保留最佳个体，引导量子旋转门更新，生成新种群，逼近最佳参数；当目标函数值取得最优或迭代次数达到最大时，输出最佳个体(材料动力参数)。

Description

一种便携式混凝土坝材料动力参数测试系统与测试方法
技术领域
本发明涉及大坝安全监控领域，尤其涉及一种混凝土坝材料动力参数测试系统，同时还涉及基于该动力参数测试系统的测试方法。
背景技术
弹性模量、变形模量等材料参数作为影响大坝结构性态的核心内因，是表征大坝安全状况的重要指标，其值的准确确定以及演化特征的深入剖析，对合理评价大坝材料性能、结构性态，科学诊断大坝服役安全状况等具有重要的支持意义。传统常采用现场钻孔取样再经实验室测试的方式得到混凝土坝的材料参数，然而，该方式所取的混凝土试块具有随机性，加之尺寸效应，试块材料参数与大坝真实的材料参数大多存在差异，使得该方法所得参数结果实质上仅仅是局部试块的参数，而非大坝(或坝段)作为一个整体结构的材料性能参数；另外，此方式也难以了解材料参数在大坝漫长服役期间的演化特征。
伴随传感技术的快速发展以及高新仪器、装置的涌现，依据大坝原型监测资料，采用反演分析方法，已成为获取和辨识混凝土坝材料动力参数及其演化特征的重要方式。特别是“汶川地震”后，工程界加强了结构动力监测，为许多重要大型水利水电工程建设了地震监测系统，为实时获取大坝振动响应数据提供了强力支撑。然而也不容忽视的是，更多的中小型工程，仍然未建设地震监测系统，如何准确有效地获取这些大坝的材料动力参数、诊断其服役工作状况，仍然是待解决的工程难题。
发明内容
发明目的：针对目前混凝土坝动力参数测试方法和测试工具不足等问题，本发明提供了一种便携式混凝土坝材料动力参数测试系统与方法，以期为科学分析混凝土坝材料性能、结构性态以及科学诊断大坝服役安全状况提供及时的数据支持。
技术方案：一种便携式混凝土坝材料动力参数测试系统，包含数据采集模块、数据分析模块和可视化操控模块，所述采集模块采集大坝的振动响应数据，识别大坝模态参数，并基于此反演大坝材料的动力参数。
具体的，所述数据采集模块包括振动传感器、信号调理器和数据采集器，用于现场采集大坝的振动数据，其中，所述振动传感器可用于水下环境。
所述数据分析模块集成于工控机中，包含数据存储模块和计算模块；其中计算模块包括用于识别大坝模态参数的模态参数识别子模块和用于计算混凝土坝材料动力参数的反演计算模型。
所述数据存储模块用于存储大坝的基本信息、数据采集模块采集的振动响应数据、可视化操控模块发送的系统管理数据和大坝材料动力参数计算过程和结果。
优选的，所述反演计算模型包括调用有限元软件模块建立的数值模型和多输出支持向量机建立的数据关系模型。
进一步优选的，所述信号调理器、数据采集器和工控机内嵌于便携式手提箱内。
一种采用所述混凝土坝材料动力参数测试系统的测试方法，包括以下步骤：
步骤一：现场采集测试对象的振动响应数据；所述测试对象为大坝和/或坝段；
步骤二：识别测试对象的实测运行模态参数；
步骤三：导入测试对象的有限元模型；
步骤四：生成材料动力参数组合，调用有限元软件模块计算各组合方案对应的大坝结构各阶模态参数；
步骤五：将步骤四所得结果与对应参数组合组成训练集，训练支持向量机；
步骤六：调用量子遗传算法，生成初始参数种群，利用训练好的支持向量机模型，算得各种群个体对应的各阶模态计算值；
步骤七：根据步骤六得到的各阶模态计算值与步骤二所得模态参数识别值，计算目标函数值；
步骤八：根据目标函数值，保留最佳个体，引导量子旋转门更新，不断生成新种群，逐渐逼近最佳参数；当目标函数值取得最优或迭代次数达到最大时，输出最佳个体，即材料动力参数。
所述步骤二具体包括：
(1)根据观测样本生成Hankel矩阵；
(2)对Hankel矩阵进行正交三角分解，得到投影矩阵；
(3)对投影矩阵进行奇异值分解得到可观测矩阵；
(4)将可观测矩阵带入随机状态模型，得到系统矩阵和输出矩阵；
(5)对系统状态矩阵进行特征值分解，得到混凝土坝结构体系的频率、振型和阻尼比等模态参数；
(6)鉴别模态真假，剔除虚假模态；
(7)输出混凝土坝真实模态参数。
所述步骤(6)中，模态真假的鉴别方法为改进模态置信因子法和稳态图法
有益效果：和现有技术相比，本发明具有如下显著进步：1、本发明的测试系统通过现场测取大坝振动响应数据，可快速得到混凝土坝的材料动力参数，为评价大坝材料性能、结构性态，诊断大坝安全状况提供及时的数据支持；通过构建数据库，可以为研究大坝结构在其漫长服役期间的性能演化特征提供数据支持；可用于已建有大坝地震监测系统的混凝土大坝，使资源得以充分利用。并且该测试系统也可以应用于未建有地震监测系统的混凝土大坝材料动力参数的测试，适用范围较广，具有良好的工程应用价值和经济价值。2、本发明的测试方法，无需采用昂贵的大型人工激励设备，不会影响大坝的正常运行，也不会造成大坝结构损伤，并且对噪音污染和测值误差具有较强的抵抗能力。
附图说明
图1是本发明的测试系统概念图；
图2是本发明的数据采集模块结构示意图；
图3是本发明的数据采集模块原理示意图；
图4是本发明实施例中的测试系统可视化界面；
图5是本发明的混凝土坝材料动力参数测试方法流程图；
图6是采用数据驱动的随机子空间法识别大坝模态参数流程图；
图7是本发明实施例中的模型坝段振动传感器布置示意图；
图8是本发明实施例中的模型坝段模态参数的稳态图。
图中：1-振动传感器；11-水密接头；2-信号调理器；3-数据采集器；4-工控机；5-便携式手提箱。
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案作进一步详细说明。
如图1所示，本发明的混凝土坝材料动力参数的测试系统由数据采集模块、数据分析模块和可视化操控模块组成。
如图2和图3所示，数据采集模块包含振动传感器1、信号调理器2和数据采集器3，用于现场采集大坝的振动数据。
其中，振动传感器1用于现场感测大坝在环境激励(如水库泄洪时的水流激振作用)下的振动响应，并以模拟信号形式传输至信号调理器2。为适应不同工作环境下的作业需求，对振动传感器1进行防水封装设计，并且振动传感器1与其连接线之间的接头采用水密接头11。振动传感器1可永久布置在大坝特征高程点，长期采集大坝的振动响应数据，也可以当大坝产生振动响应(例如：大坝在泄洪水流激振作用下产生振动)时，临时布置到待测试大坝(或坝段)的特征高程点上，临时采集大坝振动数据。信号调理器2主要包含用于模拟信号放大的前级运算放大器、后级运算放大器和降噪低通滤波器。数据采集器3用于触发、控制和采集振动传感器感知的信号，并通过模数转换，将模拟信号转换为数字信号，再将数字信号传输至工控机4。信号调理器2和数据采集器3含有多个采集通道，可同时开展多个测点的振动数据采集。
优选的，信号调理器2、数据采集器3和工控机4内嵌于便携式手提箱5中，以便携带和存放。
如图4所示，数据分析模块包含数据存储模块和计算模块，并集成于工控机4中。其中，数据存储模块用于存储大坝的基本信息数据、数据采集模块采集的大坝振动数据、可视化操控模块发送的系统管理数据和其他输入数据以及大坝材料动力参数计算过程和结果。数据存储模块一方面作用是储存每次大坝动力参数测试必要数据，另一方面可为研究大坝结构在大坝漫长服役期间的性能演化特征提供数据支持。
可视化操控模块包括系统管理接口模块、数据可视化模块、数据查询模块、数据输入模块和数据导出模块。系统管理接口模块用于向用户提供系统管理的人机交互接口；数据可视化模块用于显示大坝基本信息数据、大坝振动数据、系统管理信息数据以及必要的计算过程和计算结果；数据查询模块用于向用户提供数据查询的人机交互接口；数据输入模块用于向用户提供数据输入的人机交互接口，支持键盘输入、鼠标输入及CAD图形、有限元模型文件、EXCEL文件以及文本文件的导入；数据导出模块用于向用户提供数据导出的人机交互接口，支持几何模型、静态图形的拷贝和打印，支持动画转换为AVI文件，支持所有数据文件的保存、打印，支持整型数据文件、长整型数据文件、单精度型数据文件和双精度型数据文件导出为文本文件。
计算模块包含用于识别大坝模态参数的模态参数识别子模块和用于计算混凝土坝材料动力参数的反演计算模块。模态参数识别子模块集成了数据驱动的随机子空间法(Data-SSI)、协方差驱动的随机子空间方法(Cov-SSI)、自回归滑动平均模型方法(ARMA)、ITD法、STD法和正交多项式拟合法等6种模态参数识别算法，用户可根据大坝振动数据的采样方式通过人机交互界面进行选择。并且可通过选择不同识别方法对模态参数识别结果进行相互校核。反演计算模型包括有限元软件模块建立的数值模型和利用多输出支持向量机建立的数据关系模型。
本发明还提供了运用上述测试系统获取混凝土坝材料动力参数的方法。如图5所示，该方法主要包括以下步骤：
步骤S1：现场采集测试对象(大坝或坝段)的振动响应数据；
步骤S2：识别测试对象的实测运行模态参数；
步骤S3：导入测试对象的有限元模型；
步骤S4：生成材料动力参数组合，调用有限元软件模块计算各组合方案对应的大坝结构各阶模态参数；
步骤S5：将步骤S4所得结果与对应参数组合组成训练集，训练支持向量机；
步骤S6：调用量子遗传算法，生成初始参数种群，利用训练好的支持向量机模型，算得各种群个体对应的各阶模态计算值；
步骤S7：根据步骤S6得到的各阶模态计算值与步骤S2所得模态参数识别值，计算目标函数值；
步骤S8：根据目标函数值，保留最佳个体，引导量子旋转门更新，不断生成新种群，逐渐逼近最佳参数。当目标函数值取得最优或迭代次数达到最大时，输出最佳个体(材料动力参数)。
所述操作步骤S1：现场采集测试对象(大坝或坝段)的振动响应数据，包含的操作内容主要有振动传感器的布设、系统调试和数据采集等。在一种可能的情形下，待测试大坝(或坝段)已安装地震监测系统，所述步骤S1也可以替换为：“导入测试对象的振动响应数据”，即通过拷贝或传输等方式，直接利用地震监系统所获取的测试对象的振动响应数据，而无需再利用本发明所提供的测试系统进行数据采集。
所述步骤S2：识别测试对象的实测运行模态参数中，用户可选择本系统提供的6种方法中的任意一种或几种。在一种可能的实施例中，用户可以选择数据驱动的随机子空间法(Data-SSI)识别大坝模态参数，其实现过程如图6所示，具体原理和实现步骤如下：
(1)根据观测样本生成Hankel矩阵；
(2)对Hankel矩阵进行正交三角分解，得到投影矩阵；
(3)对投影矩阵进行奇异值分解得到可观测矩阵；
(4)将可观测矩阵带入随机状态模型，得到系统矩阵和输出矩阵；
(5)对系统状态矩阵进行特征值分解，得到混凝土坝结构体系的频率、振型和阻尼比等模态参数；
(6)鉴别模态真假，剔除虚假模态；
(7)输出混凝土坝真实模态参数。
由于实测振动响应数据大多伴随着噪声干扰，因此进行模态真假识别并去除虚假模态是有必要的。本发明所述系统所提供的模态真假的鉴别方法为改进模态置信因子法和稳态图法。稳态图法的具体实现过程如下：
(1)假设模型系统的阶数为n。由于系统阶数是模态阶数的两倍，因此n为偶数。
(2)设定需要计算的系统阶数的下限nmin与上限nmax，同理nmin与nmax均取偶数，选取nmin与nmax之间的所有偶数作为系统阶数，计算模态参数。
(3)以各模态参数为横坐标，不同系统阶数的假设值为纵坐标，将计算的模态参数绘制于同一幅图中，如果系统不同假定阶数计算的模态参数分布成一列，未随着系统阶数的变化而离散，则认为这一列表示的模态参数为真实的模态；那些离散分布的模态参数值则认为是虚假模态。
模态置信因子法可以作为稳态图法的补充，进一步鉴别模态的真实性，其基本原理和操作方式如下：
对于结构上任一测点，其在t时刻第r阶模态位移为对于同一测点，在延时Δt时间后，在t+Δt时刻可测得其模态位移为两者关系在理论上应为：式中：λr为混凝土坝振动系统的特征值。由于系统采集的大坝振动数据中往往存在噪声影响和测值误差，故实际关系式为：式中：ar为噪声影响的系数。模态置信因子
当(MCF)r接近于1时，表明噪声水平较小，被识别的模态即为真实模态；当(MCF)r与1的偏差较大时，则为虚假模态，应该剔除。本系统定义偏差系数br越接近于0表明模态越真实。系统默认br阙值为0.02，当br大于0.02则将该模态剔除，并反馈剩余模态的置信因子的值。
所述步骤S5中，支持向量机建模过程涉及到核函数的选取。本发明的计算模块所提供的支持向量机核函数有高斯径向基函数、多项式核函数和Sigmoid核函数等常用核函数，系统默认选择高斯径向基函数。并且，用户也可通过用户自定义功能自行构造一种具有任意局部性和可微性的尺度函数φ(ω)。构造过程如下：
1)选取满足条件2π＜b-a≤8π/3,b/2-a≤2π,b-a/2≤2π且a≤0,b≥0的实数a和b，其中，a,b∈R是尺度函数中的两个参数；
2)选取一个函数h(t)，其满足h(t)＝h(-t)，h(t)＞0，
3)令
4)令sinq(t)＝s(t)，cosq(t)＝c(t)；
5)令则用傅立叶逆变换可由得到紧支尺度函数φ(ω)。
所述步骤S6～S8中，系统引入了量子遗传算法用于所述支持向量机的惩罚因子C等参数的优化确定。具体实现步骤为：
步骤S61：根据混凝土坝材料动力参数取值范围，生成材料动力参数取值的初始随机种群；
步骤S62：根据目标函数变化趋势，保留最佳个体，产生更靠近满足收敛条件的新种群；
步骤S63：适时进行材料动力参数种群变异，以提高算法的全局收敛性；
步骤S64：搜索到满足收敛条件的最佳个体参数，即为混凝土坝的材料动力参数。
所述步骤S7中，目标函数的构建可以基于所测试混凝土大坝的固有频率、阻尼比、振型等模态参数。在一种可能的实施例中，用户可选择本系统基于混凝土坝多阶固有频率构建的目标函数：其约束条件为：式中：m为计算的固有频率阶数；n为实测数据的个数；表示由实测振动数据识别得到的第j个典型日第i阶频率值(即实测频率值)；表示经多输出支持向量机输出的第j个典型日第i阶频率值(即计算频率值)；[K]为大坝的刚度矩阵；[M]为质量矩阵；[φ]为振型；ω为混凝土坝固有频率；β为正则化参数；Ω(x)为稳定函数。
实施例：
为使本发明所述混凝土坝材料动力参数测试方法更加清晰地得到解释，此处提供一种具体实施例。
应用本发明的测试系统及方法，对一混凝土模型坝段的坝体动弹性模量Ec0和坝基动变形模量Er0进行测试。首先通过振动台试验，采集模型坝段的振动响应数据。测点布置如图7所示。
基于所测振动数据，调用模态参数识别子模块，识别模型坝段的振动模态参数。设定初始系统阶次n为80，选择Data-SSI法识别得到的该坝段固有频率并生成如图8所示的稳态图。由图可见，模态1、模态3、模态5、模态7的极点值随阶数的扩大呈逐渐离散趋势，表明其为虚假模态，故应予以剔除。
分别对剩余模态2、模态4和模态6计算并显示其MCF值，进一步验证模态的真实性。系统默认偏差系数br的阙值为0.02，计算结果如表1所示。
表1 MCF值计算结果
该模型坝段的前三阶固有频率识别结果如表2所示。
表2频率识别结果(Hz)
本实施例中，根据模型试验设计资料，材料动力参数采用如下初始值取值范围：Ec0＝10～30GPa，Er0＝15～30Gpa，坝体泊松比取μ＝0.167，坝基取μ1＝0.24。本系统基于均匀设计生成的材料动力参数组合方案如表3所示。
表3参数组合方案表
为使支持向量机得到更好的训练，指定系统在表3的基础上，细化参数组合方案，系统将在每两种方案之间再嵌套一次均匀设计表。例如方案1与方案2之间生成的6个新方案如表4所示。
表4细化参数组合方案表
调用有限元软件模块，将组合方案输入有限元模型中，计算得到材料动力参数理论频率值，再将输入输出组合作为多输出支持向量机的训练样本，对支持向量机进行训练。经计算得到训练样本数据如表5所示。
表5训练样本方案表
本实施例中，除采用系统默认的高斯径向基函数外，通过用户自定义功能，自定义一种紧支尺度函数，其参数取值为：取自定义尺度函数φ(x)为：相应的核函数为：
RBF核函数的惩罚因子C1、核宽度σ、不敏感参数ε1以及自定义核函数的惩罚因子C2、核参数ai、不敏感参数ε2等参数由量子遗传算法自行搜索确定。本实施例中，设定量子遗传算法初始种群个数为20，最大进化代数为100，变异概率为0.05，初始目标函数阈值为1×10-4，计算结果如表6所示。
表6核参数寻优结果
材料动力参数测试结果见表7。
表7材料动力参数测试结果
最终，本测试系统对该模型坝段材料动力参数测试结果为：Ec0＝25.82Gpa，Er0＝26.85GPa。通过压缩试验，确定该模型坝段坝体静弹性模量为18.95GPa，坝基静变形模量为20.58GPa。可见动力参数为静力参数的1.3倍左右，表明本测试系统和方法具有一定的有效性。

Claims (10)

1.一种便携式混凝土坝材料动力参数测试系统，其特征在于：包含数据采集模块、数据分析模块和可视化操控模块，所述采集模块采集大坝的振动响应数据，识别大坝模态参数，并基于此反演大坝材料的动力参数。
2.根据权利要求1所述的动力参数测试系统，其特征在于：所述数据采集模块包括振动传感器、信号调理器和数据采集器，用于现场采集大坝的振动数据。
3.根据权利要求2所述的动力参数测试系统，其特征在于：所述信号调理器和数据采集器内嵌于便携式手提箱内。
4.根据权利要求1所述的动力参数测试系统，其特征在于：所述数据分析模块集成于工控机中，包含数据存储模块和计算模块；其中计算模块包括用于识别大坝模态参数的模态参数识别子模块和用于计算混凝土坝材料动力参数的反演计算模型。
5.根据权利要求4所述的动力参数测试系统，其特征在于：所述数据存储模块用于存储大坝的基本信息、数据采集模块采集的振动响应数据、可视化操控模块发送的系统管理数据和大坝材料动力参数计算过程和结果。
6.根据权利要求4所述的动力参数测试系统，其特征在于：所述反演计算模型包括调用有限元软件模块建立的数值模型和多输出支持向量机建立的数据关系模型。
7.根据权利要求4所述的动力参数测试系统，其特征在于：所述工控机内嵌于便携式手提箱内。
8.一种采用如权利要求1～7所述混凝土坝材料动力参数测试系统的测试方法，其特征在于，包括以下步骤：
步骤一：现场采集测试对象的振动响应数据；所述测试对象为大坝和/或坝段；
步骤二：识别测试对象的实测运行模态参数；
步骤三：导入测试对象的有限元模型；
步骤四：生成材料动力参数组合，调用有限元软件模块计算各组合方案对应的大坝结构各阶模态参数；
步骤五：将步骤四所得结果与对应参数组合组成训练集，训练支持向量机；
步骤六：调用量子遗传算法，生成初始参数种群，利用训练好的支持向量机模型，算得各种群个体对应的各阶模态计算值；
步骤七：根据步骤六得到的各阶模态计算值与步骤二所得模态参数识别值，计算目标函数值；
步骤八：根据目标函数值，保留最佳个体，引导量子旋转门更新，不断生成新种群，逐渐逼近最佳参数；当目标函数值取得最优或迭代次数达到最大时，输出最佳个体，即材料动力参数。
9.根据权利要求8所述的测试方法，其特征在于，所述步骤二具体包括：
(1)根据观测样本生成Hankel矩阵；
(2)对Hankel矩阵进行正交三角分解，得到投影矩阵；
(3)对投影矩阵进行奇异值分解得到可观测矩阵；
(4)将可观测矩阵带入随机状态模型，得到系统矩阵和输出矩阵；
(5)对系统状态矩阵进行特征值分解，得到混凝土坝结构体系的频率、振型和阻尼比等模态参数；
(6)鉴别模态真假，剔除虚假模态；
(7)输出混凝土坝真实模态参数。
10.根据权利要求9所述的测试方法，其特征在于：所述步骤(6)中，模态真假的鉴别方法为改进模态置信因子法和稳态图法。
CN201811344905.5A 2018-11-13 2018-11-13 一种便携式混凝土坝材料动力参数测试系统与测试方法 Active CN109522639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811344905.5A CN109522639B (zh) 2018-11-13 2018-11-13 一种便携式混凝土坝材料动力参数测试系统与测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811344905.5A CN109522639B (zh) 2018-11-13 2018-11-13 一种便携式混凝土坝材料动力参数测试系统与测试方法

Publications (2)

Publication Number Publication Date
CN109522639A true CN109522639A (zh) 2019-03-26
CN109522639B CN109522639B (zh) 2023-06-23

Family

ID=65776487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811344905.5A Active CN109522639B (zh) 2018-11-13 2018-11-13 一种便携式混凝土坝材料动力参数测试系统与测试方法

Country Status (1)

Country Link
CN (1) CN109522639B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112835944A (zh) * 2021-02-20 2021-05-25 浙江三方控制阀股份有限公司 一种控制阀产品查询配置系统及查询配置方法
CN113128098A (zh) * 2021-04-30 2021-07-16 国网陕西省电力公司电力科学研究院 基于de-lof的混凝土坝奇异值检测方法和设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301282A (zh) * 2017-06-12 2017-10-27 天津大学 基于多源监测时序数据的混凝土坝力学参数反演方法
CN107958309A (zh) * 2017-12-07 2018-04-24 河海大学 一种高坝多点变形性态联合预报方法
CN108549770A (zh) * 2018-04-13 2018-09-18 西安理工大学 基于qga-mmrvm的堆石坝材料参数自适应反演方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301282A (zh) * 2017-06-12 2017-10-27 天津大学 基于多源监测时序数据的混凝土坝力学参数反演方法
CN107958309A (zh) * 2017-12-07 2018-04-24 河海大学 一种高坝多点变形性态联合预报方法
CN108549770A (zh) * 2018-04-13 2018-09-18 西安理工大学 基于qga-mmrvm的堆石坝材料参数自适应反演方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
付素芳等: "洗衣机悬挂系统动态特性的实验研究", 《实验力学》 *
李团结等: "一种改进的识别结构模态参数的随机子空间法", 《西安电子科技大学学报》 *
李玉刚等: "基于模态参数识别的ITD算法改进", 《计算机工程》 *
王冬冬: "基于强震观测的混凝土重力坝动力有限元模型修正方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
程琳 等: "基于强震观测和多输出支持向量机的混凝土坝材料动参数反演", 《振动工程学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112835944A (zh) * 2021-02-20 2021-05-25 浙江三方控制阀股份有限公司 一种控制阀产品查询配置系统及查询配置方法
CN113128098A (zh) * 2021-04-30 2021-07-16 国网陕西省电力公司电力科学研究院 基于de-lof的混凝土坝奇异值检测方法和设备
CN113128098B (zh) * 2021-04-30 2024-05-17 国网陕西省电力公司电力科学研究院 基于de-lof的混凝土坝奇异值检测方法和设备

Also Published As

Publication number Publication date
CN109522639B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
Hua et al. Modeling of temperature–frequency correlation using combined principal component analysis and support vector regression technique
CN109035730A (zh) 一种考虑服役环境影响的混凝土坝损伤动力预警方法
Georgiou et al. Learning fluid flows
CN108959794A (zh) 一种基于深度学习的结构频响动力学模型修正方法
CN112001110A (zh) 一种基于振动信号空间时时递归图卷积神经网络的结构损伤识别监测方法
CN107301282A (zh) 基于多源监测时序数据的混凝土坝力学参数反演方法
CN109522639A (zh) 一种便携式混凝土坝材料动力参数测试系统与测试方法
Das et al. Social group optimization algorithm for civil engineering structural health monitoring
Liu Stability analysis of geotechnical slope based on strength reduction method
KR102480382B1 (ko) 인공지능 기반 풍하중 산정 시스템
Schröder et al. A two-step approach to damage localization at supporting structures of offshore wind turbines
Li et al. Prediction of long-term maximum settlement deformation of concrete face rockfill dams using hybrid support vector regression optimized with HHO algorithm
CN117910120A (zh) 基于轻量化Transformer的风-桥系统抖振响应预测方法
CN114580162A (zh) 一种面向装备的数字孪生动态可信度计算方法和系统
Wu et al. Navier–stokes Generative Adversarial Network: a physics-informed deep learning model for fluid flow generation
Liu et al. Beat vibration analysis model of overflow dam pier under discharge excitation based on adaptive VMD and automatic operational modal analysis
CN112433952B (zh) 深度神经网络模型公平性测试方法、系统、设备及介质
CN116227045B (zh) 一种结构试件的局部应力应变场构造方法及系统
CN117287646A (zh) 一种基于人工智能模型的管网数据分析和处理方法和系统
KR20210059365A (ko) 3차원모델의 간섭검사방법 및 이를 실행할 수 있는 프로그램이 저장된 기록매체
Zhang Data-driven and model-based methods with physics-guided machine learning for damage identification
CN116222755A (zh) 故障检测方法、装置、计算机设备和存储介质
Liang et al. Indirect Prediction of Spindle Rotation Error Through Vibration Signal Based on Supervised Local Mean Decomposition Filter Fusion and Bi-LSTM Classification Network
Liao et al. A frequency-based ground motion clustering approach for data-driven surrogate modeling of bridges
CN114841077A (zh) 一种风电功率预测方法、装置、介质

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