CN112069577B - 桥梁形变周期振幅确定方法、装置、电子设备和存储介质 - Google Patents

桥梁形变周期振幅确定方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112069577B
CN112069577B CN202010896279.1A CN202010896279A CN112069577B CN 112069577 B CN112069577 B CN 112069577B CN 202010896279 A CN202010896279 A CN 202010896279A CN 112069577 B CN112069577 B CN 112069577B
Authority
CN
China
Prior art keywords
deformation
sequence
determining
bridge
monitoring station
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
Application number
CN202010896279.1A
Other languages
English (en)
Other versions
CN112069577A (zh
Inventor
马俊
曹成度
夏艳军
滕焕乐
闵阳
刘善勇
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.)
China Railway Siyuan Survey and Design Group Co Ltd
Original Assignee
China Railway Siyuan Survey and Design Group Co Ltd
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 China Railway Siyuan Survey and Design Group Co Ltd filed Critical China Railway Siyuan Survey and Design Group Co Ltd
Priority to CN202010896279.1A priority Critical patent/CN112069577B/zh
Publication of CN112069577A publication Critical patent/CN112069577A/zh
Application granted granted Critical
Publication of CN112069577B publication Critical patent/CN112069577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
    • G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Architecture (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种桥梁形变周期振幅确定方法、装置、电子设备和存储介质。其中，方法包括：根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声；基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。

Description

桥梁形变周期振幅确定方法、装置、电子设备和存储介质
技术领域
本发明涉及变形监测技术领域，尤其涉及一种桥梁形变周期振幅确定方法、装置、电子设备和存储介质。
背景技术
高速铁路作为国家重要基础设施、国民经济大动脉和大众化交通工具，在我国经济建设、加强区域联系和拉升区域经济发展竞争力等方面起到了至关重要的作用，因此，保证高速铁路的安全运行至关重要。在高速铁路的日常运行过程中，常利用全球导航卫星系统(GNSS)对高速铁路的桥梁变形进行监测，以确保铁路安全。
当铁路轨道设置在桥梁上时，由于风力、温度、日照等自然环境的影响，桥梁会发生周期性的变形，但由于利用GNSS技术对桥梁周期形变过程中的振幅进行计算时，GNSS监测的原始观测数据会存在虚假的周期信号，因此，导致利用GNSS技术计算的桥梁的周期形变振幅并不准确。
因此，相关技术中桥梁周期形变振幅的计算过程尚需优化。
发明内容
为解决相关技术问题，本发明实施例提供一种桥梁形变周期振幅确定方法、装置、电子设备和存储介质。
本发明实施例的技术方案是这样实现的：
本发明实施例提供了一种桥梁形变周期振幅确定方法，包括：
根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；
根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；所述误差序列表征变形序列中误差所产生的序列；
将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声；
基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。
上述方案中，所述根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列，包括：
根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中周期形变所对应的第一运动序列；
基于每个方向的变形序列及对应的第一运动序列，确定每个方向变形序列中去除第一运动序列后的误差序列。
上述方案中，所述根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中周期形变所对应的第一运动序列，包括：
根据每个方向的变形序列、对应的形变周期和预设运动模型，确定每个方向所述预设运动模型中的第一变形参数；
根据所述第一变形参数、对应的形变周期和预设运动模型，确定每个方向变形序列中的第一运动序列。
上述方案中，所述将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声，包括：
将三个方向的误差序列组合成矩阵，并对得到的矩阵进行主成分分解处理，得到有色噪声主成分；其中，所述有色噪声主成分包括主成分分解后得到的多个主成分中具有预设特征的主成分；所述预设特征表征虚假周期信号的特征；
对所述有色噪声主成分进行主成分逆变换处理，获得有色噪声矩阵；
根据所述有色噪声矩阵，获得三个方向分别对应的误差序列中的有色噪声。
上述方案中，所述根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅，包括：
根据每个方向去除有色噪声后的变形序列、对应的形变周期和预设运动模型，确定每个方向预设运动模型中的第二变形参数及对应的不确定度；
根据每个方向的第二变形参数及对应的不确定度，确定监测站每个方向周期形变所对应的振幅。
上述方案中，所述每个方向的预设运动模型通过以下公式表达：
Figure BDA0002658507600000031
其中，y(ti)为变形序列中的ti时刻的变形量，q为形变周期的个数，x2*k-1和x2*k为变形参数，ωk＝2π/Tk，其中Tk为第k个形变周期的周期，1≤K≤q，v(ti)为误差，V＝[v(t1),v(t2),v(t3),…,v(tn)]T为误差序列，n为误差序列的个数，T为矩阵的转置符号。
上述方案中，所述监测站的个数为多个，多个监测站设置于桥梁的索塔端和与索塔通过拉索连接的桥梁端；所述根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期，包括：
对于多个监测站中的每个监测站，获取至少一种全球导航卫星系统的观测数据；
基于每种全球导航卫星系统的观测数据，获取每种全球导航卫星系统对应的三个方向的变形序列；
对于每个监测站的每个方向，根据每个方向至少一种全球导航卫星系统的对应的变形序列，确定每个监测站每个方向的第一形变周期；
根据多个监测站中三个方向的第一形变周期，确定多个监测站中每个监测站每个方向的形变周期。
本发明实施例还提供了一种桥梁形变周期振幅确定装置，包括：
形变周期确定模块，用于根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；
误差序列确定模块，用于根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；所述误差序列表征变形序列中误差所产生的序列；
有色噪声获得模块，用于将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声；
振幅确定模块，基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。
本发明实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
所述处理器用于运行所述计算机程序时，执行上述任一方法的步骤。
本发明实施例还提供了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现上述任一方法的步骤。
本发明实施例提供的桥梁形变周期振幅确定方法、装置、电子设备和存储介质，根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；所述误差序列表征变形序列中误差所产生的序列；将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声；基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。本发明实施例的方案，先根据监测站的变形序列，确定监测站周期形变的形变周期，再基于确定的形变周期，获得变形序列中因误差所导致的误差序列，然后从误差序列中获得由于虚假周期信号所导致的有色噪声，将有色噪声从变形序列中去除，再利用去除有色噪声后变形序列确定监测站周期形变的振幅，由于去除了有色噪声后的变形序列，消除了虚假周期信号的影响，因此更能反映监测站所处桥梁位置的周期变形，因此，基于去除有色噪声后变形序列确定的桥梁周期变形的振幅更加精确。
附图说明
图1为本发明实施例桥梁形变周期振幅确定方法的流程示意图；
图2为本发明应用实施例斜拉桥的振幅计算过程的流程示意图；
图3为本发明应用实施例斜拉桥GNSS监测站布设位置示意图；
图4为本发明应用实施例斜拉桥桥中跨横断面GNSS监测站布设位置示意图；
图5为本发明应用实施例桥梁GNSS监测站的GPS变形序列示意图；
图6为本发明应用实施例桥梁GNSS监测站的BDS变形序列示意图；
图7为本发明应用实施例桥梁GNSS监测站的GPS+BDS变形序列示意图；
图8为本发明应用实施例桥梁GNSS监测站的GPS、BDS以及GPS+BDS变形序列的功率谱示意图；
图9为本发明应用实施例桥梁中跨一GNSS监测站削弱有色噪声前后三方向变形序列示意图；
图10为本发明应用实施例桥梁中跨另一GNSS监测站削弱有色噪声前后三方向变形序列示意图；
图11为本发明应用实施例桥塔一GNSS监测站削弱有色噪声前后三方向变形序列示意图；
图12为本发明应用实施例桥塔另一GNSS监测站削弱有色噪声前后三方向变形序列示意图；
图13为本发明实施例桥梁形变周期振幅确定装置结构示意图；
图14为本发明实施例电子设备硬件结构示意图。
具体实施方式
下面将结合附图及实施例对本发明作进一步详细的描述。
高速铁路是国家经济社会长远发展的重要基础设施。高速铁路大跨度桥梁不仅解决了高铁跨越大江、大河和跨深谷的需要，而且为列车提供稳定、平顺的线路，是保证高速铁路工程取得良好的技术、经济和社会效益的关键。
大型斜拉桥是近代发展起来的新型桥梁，这种桥梁的结构特点是跨度大、塔柱高，斜拉段具有柔性特性。在风力、温度变化、日照、制动、混凝土徐变等因素作用下梁体会产生各种变形，致使桥上线路的平顺性受到影响。高速列车对桥梁结构的动力作用远大于普通铁路桥梁，桥梁结构在列车活载通过时产生变形和振动，严重时产生横向晃动，轨道状态不能保持稳定。此外，环境侵蚀、材料老化以及列车荷载的疲劳效应均会对桥梁结构的安全性和使用功能造成影响，在极端条件下会引发灾难性的突发事故。基于以上分析，有必要对高速铁路桥梁的振动频率、振动水平以及竖向挠度进行监测，在此基础上进行较为精确的变形分析。这对于桥梁的安全控制，确保高速铁路行车安全，避免意外交通事故的发生具有及其重要的现实意义。并且，通过长期的桥梁健康监测能够及时发现桥梁服役全过程中的受力与损伤演化规律，避免频繁大修关闭交通所引起的重大损失，实现节约桥梁的维护费用以及延长桥梁使用寿命的作用。
但在桥梁形变实际监测过程中，由于铁路桥梁监测站的环境复杂，致使卫星信号的多路径效应较为严重，这导致获得的桥梁变形序列中存在虚假的周期信号，一方面这会导致对桥梁周期运动的错误分析；另一方面，这些虚假的周期信号将被认为是变形时间序列中噪声的一部分，表现为有色噪声，如果忽略这些周期信号，即忽略了有色噪声的存在，将不利于桥梁周期振幅的计算精度，导致计算结果中的误差估计值较小(实际上计算结果存在很大误差)，从而导致对计算结果有一个错误的判断。由于铁路桥梁的变形控制较为严格，因此虚假的周期信号对铁路桥梁的安全评估与维护的影响更为严重。
基于此，在本发明的各种实施例中，通过获得桥梁周期运动的变形序列，再确定变形序列中的形变周期，最后在顾及并削弱变形序列中有色噪声存在的情况下，计算桥梁的周期变形振幅。由于在振幅的计算过程中，消除了变形序列中因为虚假周期信号所引起的误差，因此，振幅的计算结果更加精确。
本发明实施例提供了一种桥梁形变周期振幅确定方法，应用于电子设备，如图1所示，该方法包括：
步骤101：根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；
其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；
步骤102：根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；
所述误差序列表征变形序列中误差所产生的序列；
步骤103：将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声；
步骤104：基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。
实际应用时，在步骤101中，桥梁的类型可以包括斜拉桥、悬索桥或拱桥等。
在步骤101中，可以基于桥梁类型的不同，将桥梁监测站设置于桥梁的不同部位处。同时，监测站的个数也可以基于桥梁变形监测的需要而设置多个。例如，当桥梁为斜拉桥时，监测站的个数可以为多个，多个监测站设置于桥梁的索塔端和与索塔通过拉索连接的桥梁端。
示例性地，当斜拉桥为独塔式斜拉桥时，监测站的个数可以为两个，一个设置于独塔式斜拉桥索塔的顶端，另外一个设置于独塔式斜拉桥边跨处。
示例性地，当斜拉桥为双塔式斜拉桥时，监测站的个数可以四个，两个分别设置在两个双塔式斜拉桥索塔的顶端，另外两个设置于双塔式斜拉桥中跨处的两侧。
在桥梁上设置多个监测站，同时将监测站设置于桥梁的不同部位处，可以更全面的对桥梁变形进行监测，进行更准确的桥梁变形分析。
实际应用时，监测站的三个方向也可以基于桥梁的结构而进行设置，例如可以设置为桥梁主梁的轴线方向和与轴线垂直的两个方向。
实际应用时，监测站设置于桥梁的不同部位处，每个监测站反映桥梁相应部位处的周期变形情况。
实际应用时，监测站设置于桥梁不同部位处，当桥梁发生周期形变时，桥梁不同部位处的部分方向的形变周期可能存在关联，具有一致性，因此，可基于桥梁周期形变时不同部位处监测站相关方向的一致性，确定监测站之间相关联方向的形变周期。
基于此，在一实施例中，所述根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期，包括：
对于多个监测站中的每个监测站，获取至少一种GNSS的观测数据；
基于每种GNSS的观测数据，获取每种GNSS对应的三个方向的变形序列；
对于每个监测站的每个方向，根据每个方向至少一种GNSS的对应的变形序列，确定每个监测站每个方向的第一形变周期；
根据多个监测站中三个方向的第一形变周期，确定多个监测站中每个监测站每个方向的形变周期。
实际应用时，利用广播星历或者精密星历对观测数据进行解算处理后获得变形序列。其中，对变形序列利用广播星历或者精密星历进行解算处理可采用相关处理，本申请实施例对此不作限定。
实际应用时，GNSS类型包括全球定位系统(GPS)、北斗卫星导航系统(BDS)或联合GPS以及BDS定位技术(即GPS+BDS组合定位技术)。相应地，基于GNSS类型的不同，观测数据包括GPS观测数据、BDS观测数据或GPS+BDS观测数据，变形序列包括GPS变形序列、BDS变形序列或GPS+BDS变形序列。
这里，GPS+BDS为GPS和BDS的组合监测技术。GPS+BDS组合监测技术可选择接收机所跟踪的同步卫星作为解算参考卫星，降低了软件解算时更换参考卫星带来的误差；同时增加了可跟踪卫星数，使卫星分布更合理，弥补了高轨道卫星数据较少的问题，监测解算精度较高。
实际应用时，利用广播星历或者精密星历对观测数据进行解算处理时，可以采用动态后处理的方式，即在假定监测点处于运动的情况下，利用后处理软件对采集的观测数据进行处理，获得监测站的三维坐标，将一段时间长度内监测站的三维坐标转换为对应的一段时间长度内桥梁坐标系横向、纵向以及竖直方向三个方向的坐标，一段时间长度内桥梁三个方向的坐标即为监测站三个方向的变形序列。
实际应用时，对于每个监测站每个方向的形变周期，先根据每个监测站在每个方向上的多种GNSS的变形序列，初步确定每个监测站在该方向上的形变周期，即第一形变周期。第一形变周期为形变周期的初步判断结果，即第一形变周期可能是桥梁周期运动对应的形变周期，也可以是虚假的形变周期。因此，在获得第一形变周期后，再基于桥梁发生周期形变时，不同部位处监测站在相关方向上形变周期的关联性，进一步确定每个监测站在每个方向上的形变周期，确定后的形变周期为桥梁周期运动对应的形变周期。
实际应用时，对于每个监测站的每个方向，可以先将每个监测站每个方向上的多种GNSS的变形序列先转换为多种GNSS功率谱，然后根据转换后的多种GNSS功率谱，确定每个监测站每个方向上的形变周期。
具体地，在初步确定第一形变周期时，可以根据每个监测站在每个方向上的多种GNSS功率谱对应的功率曲线是否都存在波峰，以及波峰幅度是否相近，来初步确定第一形变周期。若每个监测站在每个方向上的多种GNSS功率谱都存在波峰，且波峰幅度相近，则将该波峰对应的周期确定为第一形变周期。
在根据第一形变周期确定每个监测站每个方向的形变周期时，可以根据监测站位于桥梁的不同部位处周期运动时形变周期的关联性，确定每个监测站每个方向的形变周期。
示例性地，当桥梁为斜拉桥时，由于受拉索拉力的影响，与斜拉桥索塔顶部连接的斜拉桥主梁的部位处在竖直和纵向上的周期运动，与斜拉桥索塔顶部在竖直和纵向上的周期运动应该一致，因此，可以根据拉桥索塔顶部监测站在竖直和纵向上的形变周期，与斜拉桥主梁上监测站在竖直和纵向上的形变周期，来确定索塔顶部监测站在竖直和纵向上的形变周期和斜拉桥主梁上监测站在竖直和纵向上的形变周期。
实际应用时，由于变形序列中的位移，不仅包含有桥梁发生周期变形所导致的位移变化，还包含有误差所导致的位移变化。而虚假周期信号为误差所导致的位移变化的一种，因此，要消除虚假周期信号对变形监测的影响，需要先获取变形序列中的误差序列。
基于此，在一实施例中，所述根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列，包括：
根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中周期形变所对应的第一运动序列；
基于每个方向的变形序列及对应的第一运动序列，确定每个方向变形序列中去除第一运动序列后的误差序列。
实际应用时，在多种变形序列中，采用GPS+BDS变形序列确定误差序列。
有关技术中，虽然GPS定位技术以其高精度、高频率、全天候以及实时等特点被广泛应用于公路大跨度桥梁的变形监测。然而由于GPS受美国控制，一旦GPS卫星信号被关闭，桥梁GPS变形监测系统将无法工作。因此仅依赖GPS变形监测系统使我国桥梁的健康监测存在巨大的安全风险。此外，GPS定位技术多用于公路桥梁的变形监测，但在高速铁路桥梁的健康监测中应用较少。
因此，在本申请的各个实施例中，采用GPS+BDS组合定位技术进行变形监测，获取误差序列，避免了仅使用GPS定位技术对铁路斜拉桥进行监测，消除了铁路桥梁仅利用GPS变形监测系统存在的安全风险。
实际应用时，所述根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列，包括：
根据每个方向的变形序列、对应的形变周期和预设运动模型，确定每个方向所述预设运动模型中的第一变形参数；
根据所述第一变形参数、对应的形变周期和预设运动模型，确定每个方向变形序列中的第一运动序列。
实际应用时，所述每个方向的预设运动模型通过以下公式表达：
Figure BDA0002658507600000111
其中，y(ti)为变形序列中的ti时刻的变形量，q为已确定的形变周期的个数，即为已知数，x2*k-1和x2*k为变形参数，ωk＝2π/Tk，其中Tk为第k个形变周期的周期，1≤K≤q，v(ti)为误差，V＝[v(t1),v(t2),v(t3),…,v(tn)]T为误差序列，n为误差序列的个数，T表示矩阵的转置符号。
实际应用时，基于预设运行模型和变形序列得到第一变形参数，由于变形序列中包含有误差序列，因此基于变形序列得到的第一变形参数并不精确，误差较大，所以可以称为变形参数近似值。相应地，基于第一变形参数得到的第一运动序列也不精确，误差较大。
实际应用时，由于误差序列是由多种误差原因所造成的，而虚假的周期信号仅为误差序列中的一部分，为有色噪声，即有色噪声表征误差序列中因虚假周期信号所产生的序列，因此，为了消除虚假的周期信号的影响，需获取误差序列中的有色噪声。
实际应用时，在一实施例中，所述将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声，包括：
将三个方向的误差序列组合成矩阵，并对得到的矩阵进行主成分分解处理，得到有色噪声主成分；
其中，所述有色噪声主成分包括主成分分解后得到的多个主成分中具有预设特征的主成分；所述预设特征表征虚假周期信号的特征；
对所述有色噪声主成分进行主成分逆变换处理，获得噪声矩阵；
根据所述有色噪声矩阵，获得三个方向分别对应的误差序列中的有色噪声序列。
实际应用时，获取有色噪声后，就可以基于有色噪声，确定监测站每个方向周期形变所对应的振幅。
具体地，在一实施例中，所述根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅，包括：
根据每个方向去除有色噪声后的变形序列、对应的形变周期和预设运动模型，确定每个方向预设运动模型中的第二变形参数及对应的不确定度；
根据每个方向的第二变形参数及对应的不确定度，确定监测站每个方向周期形变所对应的振幅。
实际应用时，根据第二变形参数，可以计算监测站每个方向周期形变所对应的振幅，监测站每个方向周期形变所对应的振幅包括：Amp和不确定度。其中，Amp利用如下公式计算：
Figure BDA0002658507600000121
其中，x2*k-1和x2*k为变形参数。
实际应用时，所述每个方向的预设运动模型通过公式(1)表达。
实际应用时，第二变形参数是根据去除有色噪声后的变形序列利用预设运动模型得到。由于变形序列中去除了有色噪声，因此基于去除有色噪声后的变形序列得到的第二变形参数较为精确，误差较小，所以可以称为变形参数精确值。相应地，基于第二变形参数及对应的不确定度得到的周期形变所对应的振幅也较为精确，误差较小。
本发明实施例提供的桥梁形变周期振幅确定方法，根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；所述误差序列表征变形序列中误差所产生的序列；将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声；基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。本发明实施例的方案，先根据监测站的变形序列，确定监测站周期形变的形变周期，再基于确定的形变周期，获得变形序列中因误差所导致的误差序列，然后从误差序列中获得由于虚假周期信号所导致的有色噪声，将有色噪声从变形序列中去除，再利用去除有色噪声后变形序列确定监测站周期形变的振幅，由于去除了有色噪声后的变形序列，消除了虚假周期信号的影响，因此更能反映监测站所处桥梁位置的周期变形，因此，基于去除有色噪声后变形序列确定的桥梁周期变形的振幅更加精确。
下面结合应用实施例对本发明再作进一步详细的描述。
本应用实施例将以昌赣高铁赣江特大斜拉桥为例进行斜拉桥的周期变形分析。本发明实施例的技术方案主要分为两个部分，分别为确定桥梁真正的形变周期，以及计算精确的周期变形振幅。具体地，参见图2，下面将以昌赣高铁赣江特大斜拉桥为例，进行说明：
(1)确定桥梁真正的形变周期
步骤201：在桥塔顶部和桥梁中跨布设GNSS监测站；
赣江特大桥设计为双塔式斜拉桥，主跨300米，最大钻孔桩径2.2米，桩长56米，塔底以上索塔高均为120.6米。
在布设监测站时，在斜拉桥的塔顶(即索塔顶部)以及桥梁中跨的两侧各布设一个GNSS监测站，并在监测区域附近的稳定点布设GNSS参考站。
具体地，参见图3和图4，在两个索塔的顶部分别布设一个GNSS监测站；在桥梁的中跨两侧分别布设一个GNSS监测站；在距监测区域2公里内的稳定点布设GNSS参考站(图中未示出)，共布设五个监测站。
步骤202：GNSS观测数据动态后处理；
对各监测站以及参考站采集的长期(这里可以设置为N天，N＞0)的GNSS观测数据，利用广播星历或者精密星历进行动态后处理。由于桥梁变形的周期较大，因此将处理过程中的解算间隔设为大于一分钟。分别解算出BDS坐标、GPS坐标，以及同时采用BDS和GPS的卫星观测数据，利用相同的GNSS数据处理策略解算出GPS+BDS坐标。
具体地，采集昌赣高铁赣江特大斜拉桥时间段为从2020年5月11日13：00至14日24：00，即采用3.5天的观测数据。利用广播星历进行解算，解算间隔1分钟，分别计算出所有监测站在GPS、BDS以及GPS+BDS技术下的坐标。
步骤203：获得监测站长期低频的GPS、BDS以及GPS+BDS变形序列；
将计算的坐标转换至桥梁坐标系(相当于上述实施例中三个相互垂直的方向构成的坐标系)，获得斜拉桥各监测站在桥梁横向、纵向以及竖直方向长期的BDS、GPS、GPS+BDS变形序列。
具体地，参见图5至图7，将昌赣高铁赣江特大斜拉桥所有监测站在GPS、BDS以及GPS+BDS技术下的坐标转换至桥梁坐标系，获得监测站的GPS、BDS以及GPS+BDS的变形序列。
步骤204：获得监测站GPS、BDS以及GPS+BDS变形序列的功率谱；
获得变形序列后，对这些变形序列做相同长度的傅里叶变换处理，在此基础上获得所有监测站三方向BDS、GPS、GPS+BDS变形序列的相同长度的功率谱。为防止由频谱泄漏导致的虚假的周期信号，在利用傅里叶变换获得功率谱之前，对变形序列做加窗处理。考虑到振动序列中存在较强的干扰噪声，窗函数采用汉明窗或者汉宁窗。
具体地，参见图8，将昌赣高铁赣江特大斜拉桥的所有变形序列乘以窗函数，然后做相同长度的傅里叶变换处理，在此基础上获得所有监测站三方向BDS、GPS、GPS/BDS变形序列的相同长度的功率谱。
步骤205：比较不同GNSS技术下变形序列功率谱，初步确定形变周期；
初步确定桥梁真实的形变周期。对于同一监测站，比较其相同方向的BDS、GPS、GPS+BDS的功率谱。如果同一方向三种功率谱中较为显著的周期信号所对应的频率并不相同，则该周期信号为误差导致的虚假信号。如果对应的频率相同，则比较周期信号的功率差异。当差异较为显著时，则该频率对应的信号为虚假的周期信号；当差异较小时，则该频率对应的信号很可能为真实的周期信号，则将该频率对应的信号的周期初步确定形变周期。
具体地，参见图8，通过分析1号和2号GNSS监测站的功率谱可以看出，在纵向上周期小于1天的范围内，存在一些运动幅值随时间重复变化的信号，即周期信号，然而GPS、BDS和GPS+BDS的周期信号的功率和频率都有较大的差异；并且在周期1.59天处，竖直方向上三种GNSS技术下信号的功率有显著的差距，因此这些信号皆为虚假的周期信号。此外，还可以看出在周期1.065天处，竖直方向上的存在明显的周期信号，且三个技术下信号的功率差距较小。因此初步确定1号和2号GNSS监测站竖直方向很可能存在周期为1.065天的变形信号。
同样，通过分析3和4号GNSS监测站的功率谱可以看出，在纵向功率谱的1.065天处存在显著的周期信号，且三种技术的功率较为接近，因此将1.065天初步确定为桥塔监测站纵向的运动周期。
此外，在功率谱水平方向的横向上1.59天周期处，GPS变形序列的功率与其他两种技术下的变形序列功率有显著差距；在横向上BDS功率谱在0.3天处存在周期信号，但明显大于其他两种GNSS技术的功率，因此这两个周期信号都为虚假信号，即监测站在横向上不存在周期变形信号。
步骤206：比较中跨和塔顶监测站初步确定的周期变形信号，最终确定真实的变形周期；
确定桥梁真实的形变周期。桥梁中跨以及塔顶的监测站皆受拉索张力变化的影响，分别在竖直方向以及纵向变形最大，且周期相同。因此可比较桥梁中跨以及塔顶的监测站分别在竖向以及纵向初步确定的周期形变信号，当这些信号的周期或者频率相同时，则该信号为桥梁真实的形变周期。
具体地，参见图8，根据中跨监测站初步确定的在竖直方向的1.065天周期信号和桥塔监测站初步确定的纵向方向的1.065天周期信号，最终确定所有监测站的变形序列在纵向以及竖直方向都存在周期为1.065天的变形信号。
桥塔监测站在纵向以及竖直方向存在周期为1.065天的变形信号，而在横向上不存在周期变形信号，是由于不同的桥塔在纵向的索力并不完全相同，因此桥中跨的监测站在竖向周期变形时，其在纵向也存在相同周期的变形。并且，桥塔在纵向周期性的偏移时，在桥塔结构长度不变的情况下，塔顶监测站的竖直方向也存在相同周期的变形信号。
下一步仅对监测站纵向与竖直方向进行周期振幅的计算。
(2)计算精确的周期变形振幅
步骤207：建立监测站周期运动模型；
确定桥梁结构真实的变形周期后，采用变形序列计算变形振幅。由于GPS或者BDS变形序列中的噪声强度均大于GPS+BDS变形序列，因此为减小噪声的影响，本实施例采用GPS+BDS变形序列。由于桥梁GNSS监测站的变形序列中不仅包含有桥梁的周期变形所导致的运动序列，还包含监测站在某一方向的线性运动以及由定位误差导致的误差序列。虽然在短期的变形时间序列中这种线性运动并不明显，但是仍不可忽略。因此，在本实施例中，先在GPS+BDS变形序列中剔除线性趋势，获得剔除了线性趋势的GPS+BDS变形序列。这里，线性趋势指监测站在某一方向的线性运动所产生的线性序列。
依据剔除了线性趋势的GPS+BDS变形序列，结合变形序列的产生原因，根据变形周期利用公式(1)建立周期运动模型(相当于上述实施例中的预设运动模型)。
对于监测站在纵向与竖直方向的周期变形，利用上述模型进行监测站纵向与竖直方向周期振幅的计算，而对于监测站在横向的周期变形，由于该方向无周期变形信号，则将该方向的变形序列视为监测站在该方向的线性趋势与误差序列的组合。不计算监测站在横向的周期振幅。
步骤208：剔除有色噪声，估计周期振幅。
建立周期运动模型后，先削弱变形序列中的有色噪声。由于虚假的周期信号在误差序列中表现为有色噪声，影响周期振幅的估计，因此须采取有效的措施削弱变形序列中的有色噪声，然后计算出周期变形的振幅。本实施例采用主成分分析法削弱GPS+BDS变形序列中的有色噪声。首先根据周期运动模型利用最小二乘法和变形序列初步计算监测站周期运动模型中的变形参数x2*k-1和x2*k。然后将变形参数代入周期运动模型中，得到监测站的粗略的周期变形轨迹(即上述实施例中的运动序列)。将监测站GPS+BDS变形序列与周期变形轨迹相减，获得监测站某一方向的误差序列。利用相同的方式对其他两个方向的GPS+BDS变形序列进行处理，获得监测站三个方向的误差序列；然后对三个方向的误差序列进行主成分分解，取前两个主成分进行主成分逆变换，再根据逆变换结果分别获得三方向的有色噪声，并将其从GPS+BDS变形序列中扣除，以此削弱变形序列中的有色噪声。
削弱有色噪声后，再计算周期变形振幅。研究表明GNSS坐标时间序列中的有色噪声为闪烁噪声。根据监测站的周期运动模型，在白噪声+闪烁噪声的组合模型下，利用有色噪声的估计方法如最小二乘方差分量估计法或最小范数二次无偏估计法等计算周期函数系数x2*k-1和x2*k的估值及其准确不确定度，并根据
Figure BDA0002658507600000171
计算周期振幅。
具体地，基于监测站的形变周期，和剔除线性趋势后的监测站三方向GPS+BDS变形序列，建立监测站在纵向和竖直方向的周期运动模型，在此基础上通过最小二乘拟合监测站的变形曲线。据此获得监测站三方向变形序列中的误差序列；然后对三方向的误差序列进行主成分分解，取前两个主成分进行主成分逆变换，根据逆变换结果分别获得三方向的有色噪声，并将其与线性趋势同时从变形序列中剔除；出如图9至图12所示。
从图9至图12中可以看出，利用主成分对削弱有色噪声后的变形序列进行滤波后，削弱有色噪声后的变形序列的波动范围大幅度减小。最后，根据监测站的周期运动模型，利用最小二乘方差分量估计法获得周期运动模型的系数估值及其不确定度，并据此计算周期振幅。表1为顾及闪烁噪声影响下监测站的变形参数，列出了利用主成分削弱有色噪声之前，再顾及有色噪声影响下，监测站在变形较大的方向的周期变形估值以及精度。表2为仅考虑白噪声的情况下监测站的变形参数估值，列出了不考虑有色噪声影响下监测站的周期变形估值以及精度，表3为滤波后变形参数的估值，列出了削弱有色噪声之后监测站的周期变形估值以及精度。表中下标E、U分别表示相应测站在E、U方向的变形参数估计结果。
Figure BDA0002658507600000181
表1
Figure BDA0002658507600000182
表2
Figure BDA0002658507600000191
表3
对比表1与表2可以看出，在仅考虑白噪声情况下，表2中变形参数估值的不确定度减小了约百分之八十。这说明，忽略了有色噪声的影响将会严重影响变形参数估计结果的精度，致使对变形分析结果的精度过于乐观。因此，有必要采取措施削弱变形时间序列中有色噪声。对比分析表1与表3可知，表3中变形参数估值的不确定度减小比重的均值是73％。这说明利用主成分分析可以显著削弱有色噪声的影响，进而减小变形参数估值的不确定度，提高变形时间序列的精度。
本发明实施例提出了基于GPS+BDS技术的铁路大跨度斜拉桥周期变形的分析方法。首先分别利用GPS、BDS以及GPS+BDS技术获得各监测站三个方向低频长期的变形序列，然后通过对比分析监测站不同GNSS技术下的功率谱，确定监测站真实的周期变形信号，然后在白噪声+闪烁噪声的组合模型下计算桥梁周期变形的振幅。
与以往的桥梁GNSS变形分析方法相比，该方法具有以下优点：
第一，该方法中，通过比较桥梁结构GPS、BDS以及GPS+BDS变形序列的功率谱，剔除受多路径效应导致的桥梁结构虚假的周期变形信号，确定了桥梁结构真实的周期变形信号。
第二，该方法中，不是对桥塔与桥中跨的周期变形进行单独分析，而是先分别对两类监测站的变形周期进行初步分析，然后再将初步确定的变形周期进行相互比较，最终确定结构真实的形变周期。
第三，该方法同时利用GPS和BDS的卫星信号，增加了可见卫星数，优化了卫星分布的几何图形，提高了坐标的精度，降低了变形时间序列中噪声的影响。第四，该方法在计算铁路桥梁变形周期振幅的时候，除了考虑变形序列中的白噪声，还顾及并削弱了有色噪声，因此桥梁变形分析结果更加可靠。
为了实现本发明实施例的方法，本发明实施例还提供了一种桥梁形变周期振幅确定装置，设置电子设备上，如图13所示，桥梁形变周期振幅确定装置1300包括：形变周期确定模块1310、误差序列确定模块1320、有色噪声获得模块1330和振幅确定模块1340；其中，
所述形变周期确定模块，用于根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；
所述误差序列确定模块，用于根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；所述误差序列表征变形序列中误差所产生的序列；
所述有色噪声获得模块，用于将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声；
所述振幅确定模块，基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。
在一实施例中，所述误差序列确定模块1320，具体用于：
根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中周期形变所对应的第一运动序列；
基于每个方向的变形序列及对应的第一运动序列，确定每个方向变形序列中去除第一运动序列后的误差序列。
在一实施例中，所述误差序列确定模块1320，具体用于：
根据每个方向的变形序列、对应的形变周期和预设运动模型，确定每个方向所述预设运动模型中的第一变形参数；
根据所述第一变形参数、对应的形变周期和预设运动模型，确定每个方向变形序列中的第一运动序列。
在一实施例中，所述有色噪声获得模块1330，具体用于：
将三个方向的误差序列组合成矩阵，并对得到的矩阵进行主成分分解处理，得到有色噪声主成分；其中，所述有色噪声主成分包括主成分分解后得到的多个主成分中具有预设特征的主成分；所述预设特征表征虚假周期信号的特征；
对所述有色噪声主成分进行主成分逆变换处理，获得有色噪声矩阵；
根据所述有色噪声矩阵，获得三个方向分别对应的误差序列中的有色噪声。
在一实施例中，所述振幅确定模块1340，具体用于：
根据每个方向去除有色噪声后的变形序列、对应的形变周期和预设运动模型，确定每个方向预设运动模型中的第二变形参数及对应的不确定度；
根据每个方向的第二变形参数及对应的不确定度，确定监测站每个方向周期形变所对应的振幅。
在一实施例中，所述误差序列确定模块1320和振幅确定模块1340中每个方向的预设运动模型通过以下公式表达：
Figure BDA0002658507600000211
其中，y(ti)为变形序列中的ti时刻的变形量，q为形变周期的个数，x2*k-1和x2*k为变形参数，ωk＝2π/Tk，其中Tk为第k个形变周期的周期，1≤K≤q，v(ti)为误差，V＝[v(t1),v(t2),v(t3),…,v(tn)]T为误差序列，n为误差序列的个数，T为矩阵的转置符号。
在一实施例中，所述监测站的个数为多个，多个监测站设置于桥梁的索塔端和与索塔通过拉索连接的桥梁端；所述形变周期确定模块1310，具体用于：
对于多个监测站中的每个监测站，获取至少一种GNSS的观测数据；
基于每种GNSS的观测数据，获取每种GNSS对应的三个方向的变形序列；
对于每个监测站的每个方向，根据每个方向至少一种GNSS的对应的变形序列，确定每个监测站每个方向的第一形变周期；
根据多个监测站中三个方向的第一形变周期，确定多个监测站中每个监测站每个方向的形变周期。
实际应用时，所述形变周期确定模块1310、误差序列确定模块1320、有色噪声获得模块1330和振幅确定模块1340可由桥梁形变周期振幅确定装置中的处理器实现。
需要说明的是：上述实施例提供的桥梁形变周期振幅确定装置在确定桥梁形变周期振幅时，仅以上述各程序模块的划分进行举例说明，实际应用时，可以根据需要而将上述处理分配由不同的程序模块完成，即将终端的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的桥梁形变周期振幅确定装置与桥梁形变周期振幅确定方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本发明实施例的方法，本发明实施例还提供了一种电子设备，如图14所示，所述电子设备140包括：
通信接口141，能够与其他设备(比如网络设备、终端等)进行信息交互；
处理器142，与所述通信接口141连接，以实现与其他设备进行信息交互，用于运行计算机程序时，执行上述一个或多个技术方案提供的方法；
存储器143，用于存储能够在所述处理器142上运行的计算机程序。
具体地，所述处理器142用于执行以下操作：
根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；
根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；所述误差序列表征变形序列中误差所产生的序列；
将三个方向的误差序列进行组合，并根据组合后的误差序列，获得三个方向分别对应的有色噪声；
基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。
在一实施例中，所述处理器142，还用于执行以下操作：
根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中周期形变所对应的第一运动序列；
基于每个方向的变形序列及对应的第一运动序列，确定每个方向变形序列中去除第一运动序列后的误差序列。
在一实施例中，所述处理器142，还用于执行以下操作：
根据每个方向的变形序列、对应的形变周期和预设运动模型，确定每个方向所述预设运动模型中的第一变形参数；
根据所述第一变形参数、对应的形变周期和预设运动模型，确定每个方向变形序列中的第一运动序列。
在一实施例中，所述处理器142，还用于执行以下操作：
将三个方向的误差序列组合成矩阵，并对得到的矩阵进行主成分分解处理，得到有色噪声主成分；其中，所述有色噪声主成分包括主成分分解后得到的多个主成分中具有预设特征的主成分；所述预设特征表征虚假周期信号的特征；
对所述有色噪声主成分进行主成分逆变换处理，获得有色噪声矩阵；
根据所述有色噪声矩阵，获得三个方向分别对应的误差序列中的有色噪声。
在一实施例中，所述处理器142，还用于执行以下操作：
根据每个方向去除有色噪声后的变形序列、对应的形变周期和预设运动模型，确定每个方向预设运动模型中的第二变形参数及对应的不确定度；
根据每个方向的第二变形参数及对应的不确定度，确定监测站每个方向周期形变所对应的振幅。
在一实施例中，所述处理器142，还用于执行以下操作：
所述每个方向的预设运动模型通过以下公式表达：
Figure BDA0002658507600000241
其中，y(ti)为变形序列中的ti时刻的变形量，q为形变周期的个数，x2*k-1和x2*k为变形参数，ωk＝2π/Tk，其中Tk为第k个形变周期的周期，1≤K≤q，v(ti)为误差，V＝[v(t1),v(t2),v(t3),…,v(tn)]T为误差序列，n为误差序列的个数，T为矩阵的转置符号。
在一实施例中，所述监测站的个数为多个，多个监测站设置于桥梁的索塔端和与索塔通过拉索连接的桥梁端；所述处理器142，还用于执行以下操作：
对于多个监测站中的每个监测站，获取至少一种GNSS的观测数据；
基于每种GNSS的观测数据，获取每种GNSS对应的三个方向的变形序列；
对于每个监测站的每个方向，根据每个方向至少一种GNSS的对应的变形序列，确定每个监测站每个方向的第一形变周期；
根据多个监测站中三个方向的第一形变周期，确定多个监测站中每个监测站每个方向的形变周期。
需要说明的是：所述处理器142具体执行上述操作的过程详见方法实施例，这里不再赘述。
当然，实际应用时，电子设备140中的各个组件通过总线系统144耦合在一起。可理解，总线系统144用于实现这些组件之间的连接通信。总线系统144除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图14中将各种总线都标为总线系统144。
本发明实施例中的存储器143用于存储各种类型的数据以支持电子设备140的操作。这些数据的示例包括：用于在电子设备140上操作的任何计算机程序。
上述本发明实施例揭示的方法可以应用于处理器142中，或者由处理器142实现。处理器142可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器142中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器142可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器142可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器143，处理器142读取存储器143中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，电子设备140可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。
可以理解，本发明实施例的存储器143可以是易失性存储器或者非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(FlashMemory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random AccessMemory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random AccessMemory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在示例性实施例中，本发明实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的存储器143，上述计算机程序可由电子设备140的处理器142执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是：第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
另外，本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (9)

1.一种桥梁形变周期振幅确定方法，其特征在于，包括：
根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；
根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；所述误差序列表征变形序列中误差所产生的序列；
将三个方向的误差序列组合成矩阵，并对得到的矩阵进行主成分分解处理，得到有色噪声主成分；其中，所述有色噪声主成分包括主成分分解后得到的多个主成分中具有预设特征的主成分；所述预设特征表征虚假周期信号的特征；对所述有色噪声主成分进行主成分逆变换处理，获得有色噪声矩阵；根据所述有色噪声矩阵，获得三个方向分别对应的误差序列中的有色噪声；
基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。
2.根据权利要求1所述的方法，其特征在于，所述根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列，包括：
根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中周期形变所对应的第一运动序列；
基于每个方向的变形序列及对应的第一运动序列，确定每个方向变形序列中去除第一运动序列后的误差序列。
3.根据权利要求2所述的方法，其特征在于，所述根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中周期形变所对应的第一运动序列，包括：
根据每个方向的变形序列、对应的形变周期和预设运动模型，确定每个方向所述预设运动模型中的第一变形参数；
根据所述第一变形参数、对应的形变周期和预设运动模型，确定每个方向变形序列中的第一运动序列。
4.根据权利要求1所述的方法，其特征在于，所述根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅，包括：
根据每个方向去除有色噪声后的变形序列、对应的形变周期和预设运动模型，确定每个方向预设运动模型中的第二变形参数及对应的不确定度；
根据每个方向的第二变形参数及对应的不确定度，确定监测站每个方向周期形变所对应的振幅。
5.根据权利要求3至4任一项所述的方法，其特征在于，所述每个方向的预设运动模型通过以下公式表达：
Figure FDA0003488786780000021
其中，y(ti)为变形序列中的ti时刻的变形量，q为形变周期的个数，x2*k-1和x2*k为变形参数，ωk＝2π/Tk，其中Tk为第k个形变周期的周期，1≤K≤q，v(ti)为误差，V＝[v(t1),v(t2),v(t3),…,v(tn)]T为误差序列，n为误差序列的个数，T为矩阵的转置符号。
6.根据权利要求1至4任一项所述的方法，其特征在于，所述监测站的个数为多个，多个监测站设置于桥梁的索塔端和与索塔通过拉索连接的桥梁端；所述根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期，包括：
对于多个监测站中的每个监测站，获取至少一种全球导航卫星系统的观测数据；
基于每种全球导航卫星系统的观测数据，获取每种全球导航卫星系统对应的三个方向的变形序列；
对于每个监测站的每个方向，根据每个方向至少一种全球导航卫星系统的对应的变形序列，确定每个监测站每个方向的第一形变周期；
根据多个监测站中三个方向的第一形变周期，确定多个监测站中每个监测站每个方向的形变周期。
7.一种桥梁形变周期振幅确定装置，其特征在于，包括：
形变周期确定模块，用于根据桥梁监测站三个方向中每个方向的变形序列，确定桥梁监测站每个方向周期形变所对应的形变周期；其中，三个方向相互垂直，变形序列表征一预设时长内，每个单位时长监测站在相应方向的位移值；
误差序列确定模块，用于根据每个方向的变形序列及对应的形变周期，确定每个方向变形序列中的误差序列；所述误差序列表征变形序列中误差所产生的序列；
有色噪声获得模块，用于将三个方向的误差序列组合成矩阵，并对得到的矩阵进行主成分分解处理，得到有色噪声主成分；其中，所述有色噪声主成分包括主成分分解后得到的多个主成分中具有预设特征的主成分；所述预设特征表征虚假周期信号的特征；对所述有色噪声主成分进行主成分逆变换处理，获得有色噪声矩阵；根据所述有色噪声矩阵，获得三个方向分别对应的误差序列中的有色噪声；
振幅确定模块，基于每个方向的有色噪声及对应的变形序列，确定每个方向去除有色噪声后的变形序列；并根据所述去除有色噪声后的变形序列及对应的形变周期，确定监测站每个方向周期形变所对应的振幅。
8.一种电子设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
所述处理器用于运行所述计算机程序时，执行权利要求1至6 任一项所述方法的步骤。
9.一种存储介质，所述存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至6任一项所述方法的步骤。
CN202010896279.1A 2020-08-31 2020-08-31 桥梁形变周期振幅确定方法、装置、电子设备和存储介质 Active CN112069577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010896279.1A CN112069577B (zh) 2020-08-31 2020-08-31 桥梁形变周期振幅确定方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010896279.1A CN112069577B (zh) 2020-08-31 2020-08-31 桥梁形变周期振幅确定方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112069577A CN112069577A (zh) 2020-12-11
CN112069577B true CN112069577B (zh) 2022-05-13

Family

ID=73664809

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010896279.1A Active CN112069577B (zh) 2020-08-31 2020-08-31 桥梁形变周期振幅确定方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112069577B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881567A (zh) * 2015-04-24 2015-09-02 浙江工业大学 一种基于统计模型的桥梁健康监测数据小波降噪方法
CN107907043A (zh) * 2017-10-20 2018-04-13 中国矿业大学 一种基于中长基线gnss监测网的特大型桥梁变形监测方法
CN107990821A (zh) * 2017-11-17 2018-05-04 深圳大学 一种桥梁形变监测方法、存储介质及桥梁形变监测接收机
CN109709585A (zh) * 2018-12-04 2019-05-03 中铁第四勘察设计院集团有限公司 去除gps坐标时间序列中有色噪声的方法
CN111307030A (zh) * 2020-03-25 2020-06-19 桂林理工大学 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1406752B1 (it) * 2010-06-14 2014-03-07 Univ Roma Sistema di misura di movimenti in tempo reale, in particolare di movimenti cosismici e di vibrazioni di strutture
US10108325B2 (en) * 2014-12-11 2018-10-23 Rdi Technologies, Inc. Method of analyzing, displaying, organizing and responding to vital signals

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881567A (zh) * 2015-04-24 2015-09-02 浙江工业大学 一种基于统计模型的桥梁健康监测数据小波降噪方法
CN107907043A (zh) * 2017-10-20 2018-04-13 中国矿业大学 一种基于中长基线gnss监测网的特大型桥梁变形监测方法
CN107990821A (zh) * 2017-11-17 2018-05-04 深圳大学 一种桥梁形变监测方法、存储介质及桥梁形变监测接收机
CN109709585A (zh) * 2018-12-04 2019-05-03 中铁第四勘察设计院集团有限公司 去除gps坐标时间序列中有色噪声的方法
CN111307030A (zh) * 2020-03-25 2020-06-19 桂林理工大学 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ＧＰＳ坐标序列ＡＲＭＡ模型在桥梁索塔形变监测中的应用研究;余加学;《甘肃科学学报》;20200630;第22-28页 *

Also Published As

Publication number Publication date
CN112069577A (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
Jayawardena et al. Noise reduction and prediction of hydrometeorological time series: dynamical systems approach vs. stochastic approach
Xia et al. Long‐term performance monitoring and assessment of concrete beam bridges using neutral axis indicator
CN102288843B (zh) 一种电能质量扰动信号检测方法
CN104881567A (zh) 一种基于统计模型的桥梁健康监测数据小波降噪方法
CN103197663B (zh) 一种故障预测方法及系统
CN106021842A (zh) 一种基于小波低频子带与相关性分析的桥梁监测异常趋势数据识别方法
CN104915534A (zh) 基于序列学习的电力铁塔变形分析与决策方法
CN114912551A (zh) 面向桥梁变形监测的gnss和加速度计实时融合算法
CN112987067B (zh) 组合导航的洋流速度估计方法、装置和一种处理器
CN112580239A (zh) 一种子结构响应重构方法及系统、存储介质
CN107895014A (zh) 一种基于MapReduce框架的时间序列桥梁监测数据分析方法
CN113536223A (zh) 一种基于频域分解法的欠采样下结构模态识别方法及系统
CN112069577B (zh) 桥梁形变周期振幅确定方法、装置、电子设备和存储介质
Zhang et al. Improved Continuous Wavelet Transform for Modal Parameter Identification of Long‐Span Bridges
CN112556563B (zh) 一种北斗定位长期监测数据的处理方法及系统
CN104753075A (zh) 互联电力系统的主导振荡模态的辨识方法及装置
Ma BDS/GPS deformation analysis of a long-span cable-stayed bridge based on colored noise filtering
Liu et al. A Morphology Filter‐Assisted Extreme‐Point Symmetric Mode Decomposition (MF‐ESMD) Denoising Method for Bridge Dynamic Deflection Based on Ground‐Based Microwave Interferometry
Xia SHM-based condition assessment of in-service bridge structures using strain measurement
Qu et al. Outlier Detection and Forecasting for Bridge Health Monitoring Based on Time Series Intervention Analysis.
CN106153046A (zh) 一种基于自适应Kalman滤波的陀螺随机噪声AR建模方法
CN112131722B (zh) 一种基于服役环境及任务时间的舰载机备件预测方法
CN111310307B (zh) 一种基于关联性健康监测数据基准值设置方法
Sun et al. Modeling and prediction of Great Salt Lake elevation time series based on ARFIMA
CN111274544A (zh) 一种基于移动区间关联性趋势的预警阈值设置方法

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
GR01 Patent grant
GR01 Patent grant