CN111337213A - 一种基于合成功率谱桥梁模态频率识别方法及系统 - Google Patents
一种基于合成功率谱桥梁模态频率识别方法及系统 Download PDFInfo
- Publication number
- CN111337213A CN111337213A CN202010107469.0A CN202010107469A CN111337213A CN 111337213 A CN111337213 A CN 111337213A CN 202010107469 A CN202010107469 A CN 202010107469A CN 111337213 A CN111337213 A CN 111337213A
- Authority
- CN
- China
- Prior art keywords
- power spectrum
- modal frequency
- bridge
- frequency
- module
- 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.)
- Pending
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
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
- G01M7/025—Measuring arrangements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于合成功率谱桥梁模态频率识别方法及系统,采用合成后的功率谱值向量识别主梁模态频率,避免了因某一阶模态频率功率谱能量较大而导致其他阶次模态频率功率谱峰值难以识别的问题,同时,合成后的功率谱由于桥梁结构模态频率区段能量较为集中,各阶模态频率功率谱峰值点较大,减小了因噪声对模态频率识别的影响,大大增强了桥梁模态频率识别精准,为后续桥梁结构数据分析及安全状态评估工作提供有力的技术支撑。
Description
技术领域
本发明涉及一种基于合成功率谱桥梁模态频率识别方法及系统,属于桥梁结构监测领域。
背景技术
以振动测试和模态分析为基础的结构整体状态监测技术近年来在机械工程与航空航天工程等领域得到了较为成熟的应用。它是指对整个结构施加某种激励,然后通过结构动力响应信息的有效采集与分析处理来建立对整个结构状态的了解,其核心是以模态参数识别为目标的实验模态分析技术。实验模态分析又称为模态分析的实验过程,它是指选择适当方式激励试验结构,通过拾振系统量测与记录激励和响应的时间历程,运用数字信号处理技术求得结构系统的频响函数(传递函数)或脉冲响应函数,得到系统的非参数模型,然后运用参数识别方法,求得结构系统的模态参数(模态频率和模态向量等)。在实验模态分析的基础上,结构整体状态监测技术根据结构模态参数和物理参数的变化来把握工程结构的实际性态,从而为结构的维护、维修与管理决策提供依据和指导。
尽管近些年在机械工程与航空航天工程等领域出现了一些整体状态监测技术较为成功的应用,但是研究表明,对于正常服役状态下的大跨桥结构而言,在温度和运营载荷(包括风速和车辆荷载)等持续环境荷载的变化影响下,桥梁实测模态频率会在一个较宽的范围内波动,这种波动将淹没或掩盖结构因局部损伤所造成的结构模态频率的真正改变,而且采用单一测点监测数据做频谱分析,由于受到噪声干扰,激振程度等因素的影响,功率谱峰值往往不明显,功率谱峰值对应模态频率较难识别。因此,以振动测试和模态分析为基础的整体状态监测技术识别准确度较差。
发明内容
本发明提供了一种基于合成功率谱桥梁模态频率识别方法及系统,解决了背景技术中披露的问题。
为了解决上述技术问题,本发明所采用的技术方案是:
一种基于合成功率谱桥梁模态频率识别方法,包括,
采集桥梁主梁各测点不同时刻的振动数据;
对同一测点的振动数据进行功率谱分析,获得对应的功率谱值向量;
将同一时刻的所有功率谱值向量进行合成;
根据合成后的功率谱值向量识别主梁模态频率。
对功率谱值向量进行归一化,将同一时刻的所有归一化后的功率谱值向量进行合成。
合成的过程为,将同一时刻的所有功率谱值向量累加,得到合成后的功率谱值向量。
识别主梁模态频率的过程为,
以测点振动数据的频率值向量为横坐标,合成后的功率谱值向量为纵坐标,构建频率-功率谱图;
将频率-功率谱图中各区间峰值点对应的频率值作为主梁模态频率。
一种基于合成功率谱桥梁模态频率识别系统,包括,
采集模块:采集桥梁主梁各测点不同时刻的振动数据;
功率谱分析模块:对同一测点的振动数据进行功率谱分析,获得对应的功率谱值向量;
功率谱值向量合成模块:将同一时刻的所有功率谱值向量进行合成;
模态频率识别模块:根据合成后的功率谱值向量识别主梁模态频率。
功率谱值向量合成模块包括归一化模块和合成模块;
归一化模块:对功率谱值向量进行归一化,
合成模块:将同一时刻的所有归一化后的功率谱值向量进行合成。
合成模块合成的过程为,将同一时刻的所有功率谱值向量累加,得到合成后的功率谱值向量。
模态频率识别模块包括图构建模块和识别模块;
图构建模块:以测点振动数据的频率值向量为横坐标,合成后的功率谱值向量为纵坐标,构建频率-功率谱图;
识别模块:将频率-功率谱图中各区间峰值点对应的频率值作为主梁模态频率。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行基于合成功率谱桥梁模态频率识别方法。
一种计算设备,包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行基于合成功率谱桥梁模态频率识别方法的指令。
本发明所达到的有益效果:本发明采用合成后的功率谱值向量识别主梁模态频率,避免了因某一阶模态频率功率谱能量较大而导致其他阶次模态频率功率谱峰值难以识别的问题,同时,合成后的功率谱由于桥梁结构模态频率区段能量较为集中,各阶模态频率功率谱峰值点较大,减小了因噪声对模态频率识别的影响,大大增强了桥梁模态频率识别精准,为后续桥梁结构数据分析及安全状态评估工作提供有力的技术支撑。
附图说明
图1为本发明的流程图;
图2为为普通功率谱图;
图3为频率-功率谱图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种基于合成功率谱桥梁模态频率识别方法,包括以下步骤:
步骤1,采集桥梁主梁各测点不同时刻的振动数据。
假设主梁有m个测点,所有测点在一时间段内周期性的采集若干组振动数据,每组振动数据采集的时间一致,为了保障主梁模态频率识别精度,各个测点的振动数据量的大小不低于5×103Fs,所有采集的振动数据可构成一个矩阵datai,j,其中,j=1,2,...,m为矩阵的列数,i=1,2,...,n,n为矩阵的行数,n表示时刻数量。
步骤2,对同一测点的振动数据进行功率谱分析,获得对应的功率谱值向量;即对每一列振动数据进行功率谱分析。
采用MATLAB功率谱函数pwelch对每一列振动数据进行功率谱分析,取窗口长度L等于每列数据个数n,则每一列振动数据的频率值向量为fk,j=0,1×Fs/(2n),2×Fs/(2n),...,k×Fs/(2n),...,Fs/2,k=0,1,...,n,Fs为采样频率,对应的功率谱值向量为PSDk,j,k=0,1,...,n,j=1,2,...,m。
步骤3,对功率谱值向量进行归一化。
查找测点振动数据的最大功率谱值向量,即PSDk,j中的最大值,记为PSDmax,j,将测点各振动数据的功率谱值向量除以对应的最大功率谱值向量,得到归一化的功率谱值向量PSDnorm,k,j=PSDk,j/PSDmax,j。
步骤5,根据合成后的功率谱值向量识别主梁模态频率。
以测点振动数据的频率值向量fk,j为横坐标,合成后的功率谱值向量PSDcom,k,j为纵坐标,构建频率-功率谱图;将频率-功率谱图中各区间峰值点对应的频率值作为主梁模态频率。
郑州黄河公铁两用大桥为石郑铁路客运专线及河南省规划的中原黄河公路大桥跨越黄河的共用桥梁,桥位距下游京珠高速公路黄河大桥约6km。规划的中原黄河公路大桥北起河南省新乡市境内原阳县原武镇阎庄,接现国道G107线,向南经原阳县原武镇,跨越黄河,与新建的G107辅道相接。郑州黄河公铁两用大桥主桥全长1684m,共两联,第一联为120+5*168+120m的六塔连续钢桁结合梁斜拉桥。上层公路桥面宽32.5m,下层铁路桥面为双线客运专线,线间距7m。主桁为三角形桁式,横向三片桁布置,中桁垂直,边桁倾斜。钢桁梁上弦杆与混凝土桥面板结合形成公路结合桥面,下层铁路桥面为正交异性整体钢桥面板。主塔为钢箱结构,纵桥向为“人”字形布置,设置在中桁。公路混凝土桥面板纵横向均为全预应力结构。郑州黄河公铁两用大桥结构健康监测内容主要包含以下两个部分内容:
(1)荷载源:主要监测桥址处对桥梁功能和安全性能有较大影响的各类荷载源,其中主要包括桥址处地震动、温湿度,风速、风向及列车车速等;
(2)结构响应:主要监测大桥关键部位、主要构件及大桥相对“薄弱”区域的力学性能、变形及振动响应,其中主要包括结构温度、支座位移、主梁挠度、结构应力、拉索索力及动力特性等。
以郑州黄河公铁两用大桥2019年07月01日主梁竖向振动数据为例,解析合成功率谱桥梁模态频率识别方法,振动测点采样频率100Hz,测点选择如表一所示:
表一测点位置
根据上述方法的步骤,得到如图3所示的频率-功率谱图,其中,图2为普通功率谱图,其识别对比结果如表2所示,可以看出,对于普通功率谱图中,由于测点单一,部分桥梁主振频率无法识别,精度上也没有合成功率谱计算结果高。
表2大桥自振频率识别结果
综上可以看出,上述方法采用合成后的功率谱值向量识别主梁模态频率,避免了因某一阶模态频率功率谱能量较大而导致其他阶次模态频率功率谱峰值难以识别的问题,同时,合成后的功率谱由于桥梁结构模态频率区段能量较为集中,各阶模态频率功率谱峰值点较大,减小了因噪声对模态频率识别的影响,大大增强了桥梁模态频率识别精准,为后续桥梁结构数据分析及安全状态评估工作提供有力的技术支撑。
一种基于合成功率谱桥梁模态频率识别系统,包括,
采集模块:采集桥梁主梁各测点不同时刻的振动数据;
功率谱分析模块:对同一测点的振动数据进行功率谱分析,获得对应的功率谱值向量;
功率谱值向量合成模块:将同一时刻的所有功率谱值向量进行合成;
模态频率识别模块:根据合成后的功率谱值向量识别主梁模态频率。
功率谱值向量合成模块包括归一化模块和合成模块;
归一化模块:对功率谱值向量进行归一化,
合成模块:将同一时刻的所有归一化后的功率谱值向量进行合成。
合成模块合成的过程为,将同一时刻的所有功率谱值向量累加,得到合成后的功率谱值向量。
模态频率识别模块包括图构建模块和识别模块;
图构建模块:以测点振动数据的频率值向量为横坐标,合成后的功率谱值向量为纵坐标,构建频率-功率谱图;
识别模块:将频率-功率谱图中各区间峰值点对应的频率值作为主梁模态频率。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行基于合成功率谱桥梁模态频率识别方法。
一种计算设备,包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行基于合成功率谱桥梁模态频率识别方法的指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种基于合成功率谱桥梁模态频率识别方法,其特征在于:包括,
采集桥梁主梁各测点不同时刻的振动数据;
对同一测点的振动数据进行功率谱分析,获得对应的功率谱值向量;
将同一时刻的所有功率谱值向量进行合成;
根据合成后的功率谱值向量识别主梁模态频率。
2.根据权利要求1所述的一种基于合成功率谱桥梁模态频率识别方法,其特征在于:对功率谱值向量进行归一化,将同一时刻的所有归一化后的功率谱值向量进行合成。
3.根据权利要求2所述的一种基于合成功率谱桥梁模态频率识别方法,其特征在于:合成的过程为,将同一时刻的所有功率谱值向量累加,得到合成后的功率谱值向量。
4.根据权利要求1所述的一种基于合成功率谱桥梁模态频率识别方法,其特征在于:识别主梁模态频率的过程为,
以测点振动数据的频率值向量为横坐标,合成后的功率谱值向量为纵坐标,构建频率-功率谱图;
将频率-功率谱图中各区间峰值点对应的频率值作为主梁模态频率。
5.一种基于合成功率谱桥梁模态频率识别系统,其特征在于:包括,
采集模块:采集桥梁主梁各测点不同时刻的振动数据;
功率谱分析模块:对同一测点的振动数据进行功率谱分析,获得对应的功率谱值向量;
功率谱值向量合成模块:将同一时刻的所有功率谱值向量进行合成;
模态频率识别模块:根据合成后的功率谱值向量识别主梁模态频率。
6.根据权利要求5所述的一种基于合成功率谱桥梁模态频率识别系统,其特征在于:功率谱值向量合成模块包括归一化模块和合成模块;
归一化模块:对功率谱值向量进行归一化,
合成模块:将同一时刻的所有归一化后的功率谱值向量进行合成。
7.根据权利要求6所述的一种基于合成功率谱桥梁模态频率识别系统,其特征在于:合成模块合成的过程为,将同一时刻的所有功率谱值向量累加,得到合成后的功率谱值向量。
8.根据权利要求5所述的种基于合成功率谱桥梁模态频率识别系统,其特征在于:模态频率识别模块包括图构建模块和识别模块;
图构建模块:以测点振动数据的频率值向量为横坐标,合成后的功率谱值向量为纵坐标,构建频率-功率谱图;
识别模块:将频率-功率谱图中各区间峰值点对应的频率值作为主梁模态频率。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至4所述的方法中的任一方法。
10.一种计算设备,其特征在于:包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至4所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010107469.0A CN111337213A (zh) | 2020-02-21 | 2020-02-21 | 一种基于合成功率谱桥梁模态频率识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010107469.0A CN111337213A (zh) | 2020-02-21 | 2020-02-21 | 一种基于合成功率谱桥梁模态频率识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111337213A true CN111337213A (zh) | 2020-06-26 |
Family
ID=71181655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010107469.0A Pending CN111337213A (zh) | 2020-02-21 | 2020-02-21 | 一种基于合成功率谱桥梁模态频率识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111337213A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288374A (zh) * | 2011-07-22 | 2011-12-21 | 哈尔滨工业大学 | 同时识别多点随机载荷的试验平台及试验方法 |
CN103718241A (zh) * | 2011-11-02 | 2014-04-09 | 三菱电机株式会社 | 噪音抑制装置 |
CN104981870A (zh) * | 2013-02-22 | 2015-10-14 | 三菱电机株式会社 | 声音增强装置 |
CN108318129A (zh) * | 2018-02-01 | 2018-07-24 | 石家庄铁道大学 | 桥梁结构模态参数真假甄别方法及终端设备 |
CN109029711A (zh) * | 2018-08-10 | 2018-12-18 | 中交基础设施养护集团有限公司 | 一种动态的桥梁结构多阶频率识别方法 |
US20190041365A1 (en) * | 2017-08-04 | 2019-02-07 | Crystal Instruments Corporation | Modal vibration analysis system |
-
2020
- 2020-02-21 CN CN202010107469.0A patent/CN111337213A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288374A (zh) * | 2011-07-22 | 2011-12-21 | 哈尔滨工业大学 | 同时识别多点随机载荷的试验平台及试验方法 |
CN103718241A (zh) * | 2011-11-02 | 2014-04-09 | 三菱电机株式会社 | 噪音抑制装置 |
CN104981870A (zh) * | 2013-02-22 | 2015-10-14 | 三菱电机株式会社 | 声音增强装置 |
US20190041365A1 (en) * | 2017-08-04 | 2019-02-07 | Crystal Instruments Corporation | Modal vibration analysis system |
CN108318129A (zh) * | 2018-02-01 | 2018-07-24 | 石家庄铁道大学 | 桥梁结构模态参数真假甄别方法及终端设备 |
CN109029711A (zh) * | 2018-08-10 | 2018-12-18 | 中交基础设施养护集团有限公司 | 一种动态的桥梁结构多阶频率识别方法 |
Non-Patent Citations (1)
Title |
---|
姜浩等: "预应力混凝土桥梁模态参数识别方法", 《沈阳建筑大学学报(自然科学版)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108226399B (zh) | 一种基于模态参数的张弦结构损伤组合识别方法 | |
CN105241660A (zh) | 基于健康监测数据的高铁大型桥梁性能评定方法 | |
CN103439070B (zh) | 一种桥梁长期挠度效应的分离方法 | |
CN112985671B (zh) | 基于全索系索力测试和误差自适应分析的损伤判定方法 | |
CN101532917A (zh) | 一种桥梁承载能力快速荷载试验方法 | |
CN102254068A (zh) | 大跨度桥梁抖振响应的多尺度分析方法 | |
CN110390146B (zh) | 基于扇区载荷的风电机组塔筒焊缝疲劳损伤计算方法及产品 | |
CN110502855A (zh) | 损伤状态支座反力影响线曲率的等截面连续梁损伤识别方法 | |
Ni et al. | Dynamic property evaluation of a long-span cable-stayed bridge (Sutong bridge) by a Bayesian method | |
Ni et al. | Strain-based condition assessment of a suspension bridge instrumented with structural health monitoring system | |
CN108280294A (zh) | 一种基于模态参数的索拱结构损伤组合识别方法 | |
CN110470422B (zh) | 一种基于拉索振动频谱分析的基频优化方法 | |
CN110008520B (zh) | 基于位移响应协方差参数和贝叶斯融合的结构损伤识别方法 | |
CN110688963A (zh) | 基于聚类算法的大跨度桥梁涡激振动自动识别方法 | |
Akintunde et al. | Singular value decomposition and unsupervised machine learning for virtual strain sensing: Application to an operational railway bridge | |
CN109406076A (zh) | 一种利用位移传感器列阵输出的移动主成分进行梁桥结构损伤定位的方法 | |
CN111337213A (zh) | 一种基于合成功率谱桥梁模态频率识别方法及系统 | |
CN110489919A (zh) | 索力影响线曲率的梁结构损伤识别方法 | |
CN114323512B (zh) | 一种重载车辆识别方法及系统 | |
CN110596242A (zh) | 一种桥式起重机主梁局部损伤定位方法 | |
Dascotte | Vibration monitoring of the Hong Kong stonecutters bridge | |
CN112763037B (zh) | 称重设备监测系统及其监测方法 | |
Zhang et al. | Reconstruction of the Regional Response of a Bridge Deck Based on Finite-Element Analysis | |
Huang et al. | One-stage extraction four-point algorithm for rainflow cycle counting in fatigue life estimation | |
CN110487579A (zh) | 一种基于倾角斜率的梁结构损伤识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200626 |