CN112446329A - 一种时变结构瞬时频率确定方法、系统、装置及存储介质 - Google Patents
一种时变结构瞬时频率确定方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN112446329A CN112446329A CN202011369167.7A CN202011369167A CN112446329A CN 112446329 A CN112446329 A CN 112446329A CN 202011369167 A CN202011369167 A CN 202011369167A CN 112446329 A CN112446329 A CN 112446329A
- Authority
- CN
- China
- Prior art keywords
- time
- frequency
- spectrum
- signal
- filtering boundary
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001228 spectrum Methods 0.000 claims abstract description 148
- 238000001914 filtration Methods 0.000 claims abstract description 71
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 230000001360 synchronised effect Effects 0.000 claims abstract description 32
- 230000009466 transformation Effects 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 68
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种时变结构瞬时频率确定方法、系统、装置及存储介质,方法包括:采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据所述第一时频谱确定第一过滤边界;对所述第一时程信号进行傅里叶谱分析得到第一信号频谱,并根据所述第一过滤边界对所述第一信号频谱进行划分得到若干个频谱片段;根据所述频谱片段和所述第一过滤边界对所述第一时程信号进行经验小波变换,得到若干个固有模态分量;对所述固有模态分量进行解调,确定各所述固有模态分量的第一瞬时频率。本发明相较现有技术而言,提高了时变结构瞬时频率的辨识精度,进而提高了时变结构损伤识别的准确度,可广泛应用于土木工程结构损伤检测技术领域。
Description
技术领域
本发明涉及土木工程结构损伤检测技术领域,尤其是一种时变结构瞬时频率确定方法、系统、装置及存储介质。
背景技术
土木工程结构损伤检测及识别是保证结构正常运营的必要手段之一,通过对结构的损伤检测,及时找出结构损伤位置及判断损伤程度并进行必要的管养,基于测得的振动响应(即加速度、位移响应等)对结构进行损伤识别是近几十年来重要研究方向。但在结构实际运营过程中,由于材料的损耗或强度退化,质量和刚度等会发生变化,从而产生极端的影响加载。实际检测过程中,面对的往往是材料属性(刚度、质量等)有所变化的结构,会表现出随时间变化的振动特性,即时变结构,这是由于结构的非线性以及刚度和边界条件的变化所导致的,其信号表现为非平稳。如何通过测得的非平稳振动响应信号,识别出时变系统的振动特性,是进行结构损伤识别必须解决的问题。相关研究中,可采用希尔伯特—黄变换(HHT)或经验模态分解(EMD)处理信号从而进行结构损伤的检测,然而这两种方法都存在模态混叠现象及端点效应;而为了解决模态混叠现象所提出的EEMD法,虽然抑制了模态混叠现象,但端点效应问题依然未能得到有效解决。
现有技术中公开了利用经验小波变换进行时变结构瞬时频率识别的方法,然而一方面经验小波变换在处理长周期信号分量时,频率精度会有所不足,表现在时频谱上则是信号分布较宽、较模糊;另一方面经验小波变换在处理有噪声干扰的信号时,信号频谱会出现原始信号中不存在的频率分量,导致“过划分”,即过滤边界确定数目过多,经过经验小波变换之后会获得原始信号不存在的分量,若以瞬时频率作为损伤识别的指标时,单纯的经验小波变换受噪声影响较大。因此,为了能通过瞬时频率进行损伤识别,首先得提取较为精确的时频曲线,一旦频率精度不足,则无法构造合适的滤波器分离多分量信号,从而导致结构损伤检测结果并不准确。
名词解释:
经验小波变换(Empirical wavelet transform,EWT):将信号分解为多个分量,通过瞬时频率的辨识进行损伤识别的一种方法。
短时傅里叶变换(Short Time Fourier Transform,STFT):和傅里叶变换相关的一种数学变换,用以确定时变信号其局部区域正弦波的频率与相位。
同步提取变换(Synchro Extracting Transform,SET):对短时傅里叶变换进行改进的一种时频分析方法。
时频谱:时间-频率的二维函数,能够将一维时序信号扩展到二维平面中,其时变特征也会被清晰地展现出来。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此,本发明实施例的一个目的在于提供一种时变结构瞬时频率确定方法,该方法利用同步提取变换获取精度更高、能量更为集中的时频谱,并根据该时频谱准确地获取过滤边界,进而根据该过滤边界构造滤波器进行经验小波变换,得到时变结构各固有模态分量的瞬时频率,从而可以对时变结构进行后续的损伤识别。本发明实施例相对现有技术而言,提高了时变结构瞬时频率的辨识精度,进而提高了时变结构损伤识别的准确度。
本发明实施例的另一个目的在于提供一种时变结构瞬时频率确定系统。
为了达到上述技术目的,本发明实施例所采取的技术方案包括:
第一方面,本发明实施例提供了一种时变结构瞬时频率确定方法,包括以下步骤:
采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据所述第一时频谱确定第一过滤边界;
对所述第一时程信号进行傅里叶谱分析得到第一信号频谱,并根据所述第一过滤边界对所述第一信号频谱进行划分得到若干个频谱片段;
根据所述频谱片段和所述第一过滤边界对所述第一时程信号进行经验小波变换,得到若干个固有模态分量;
对所述固有模态分量进行解调,确定各所述固有模态分量的第一瞬时频率。
进一步地,在本发明的一个实施例中,所述采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据所述第一时频谱确定第一过滤边界这一步骤,其具体包括:
对所述第一时程信号进行短时傅里叶变换,得到第二时频谱;
根据所述第二时频谱估计得到所述第一时程信号的第二瞬时频率;
将所述第二瞬时频率与delta函数结合,构造同步提取算子SEO,并将所述同步提取算子SEO与所述第二时频谱结合,得到所述第一时频谱;
根据所述第一时频谱中相邻分量的频率值进行计算,确定所述第一过滤边界。
进一步地,在本发明的一个实施例中,所述第一过滤边界为:
其中,[ωn(t)]max表示第一时频谱中第n个分量的最大频率值,[ωn+1(t)]min表示第一时频谱中第n+1个分量的最小频率值,ωn表示第一过滤边界。
进一步地,在本发明的一个实施例中,所述根据所述频谱片段和所述第一过滤边界对所述第一时程信号进行经验小波变换,得到若干个固有模态分量这一步骤,其具体包括:
根据所述频谱片段和所述第一过滤边界构造经验小波函数和经验尺度函数;
根据所述经验小波函数和所述经验尺度函数确定细节系数和近似系数;
根据所述经验小波函数、所述经验尺度函数、所述细节系数以及所述近似系数对所述第一时程信号进行经验小波变换,从而对所述第一时程信号进行信号分解得到若干个固有模态分量。
进一步地,在本发明的一个实施例中,所述时变结构瞬时频率确定方法还包括以下步骤:
根据所述经验小波函数、所述经验尺度函数、所述细节系数以及所述近似系数对所述第一时程信号进行信号重构,得到重构信号并输出。
进一步地,在本发明的一个实施例中,所述对所述固有模态分量进行解调,确定各所述固有模态分量的第一瞬时频率这一步骤,其具体为:
采用希尔伯特变换对所述固有模态分量进行解调,得到各所述固有模态分量的瞬时频率函数,进而根据所述瞬时频率函数确定各所述固有模态分量的第一瞬时频率。
进一步地,在本发明的一个实施例中,所述时变结构瞬时频率确定方法还包括以下步骤:
根据所述瞬时频率函数确定所述第一瞬时频率发生改变的第一时刻,并将所述第一时刻作为结构损伤时刻输出。
第二方面,本发明实施例提出了一种时变结构瞬时频率确定系统,包括:
过滤边界确定模块,用于采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据所述第一时频谱确定第一过滤边界;
频谱划分模块,用于对所述第一时程信号进行傅里叶谱分析得到第一信号频谱,并根据所述第一过滤边界对所述第一信号频谱进行划分得到若干个频谱片段;
固有模态分量确定模块,用于根据所述频谱片段和所述第一过滤边界对所述第一时程信号进行经验小波变换,得到若干个固有模态分量;
瞬时频率确定模块,用于对所述固有模态分量进行解调,确定各所述固有模态分量的第一瞬时频率。
第三方面,本发明实施例提供了一种时变结构瞬时频率确定装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现上述的一种时变结构瞬时频率确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行上述的一种时变结构瞬时频率确定方法。
本发明的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到:
本发明实施例利用同步提取变换获取精度更高、能量更为集中的时频谱,并根据该时频谱准确地获取过滤边界,进而根据该过滤边界构造滤波器进行经验小波变换,得到时变结构各固有模态分量的瞬时频率,从而可以对时变结构进行后续的损伤识别。本发明实施例采用同步提取变换获取时频谱,避免了噪声的干扰,从而能够获取更为准确的过滤边界,使得后续固有模态分量的过滤更为准确可靠,相对现有技术而言,改善了在确定宽频带、高噪声信号过滤边界时定位不准确的情况,提高了时变结构瞬时频率的辨识精度,进而提高了时变结构损伤识别的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面对本发明实施例中所需要使用的附图作以下介绍,应当理解的是,下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例,对于本领域的技术人员来说,在无需付出创造性劳动的前提下,还可以根据这些附图获取到其他附图。
图1为本发明实施例提供的一种时变结构瞬时频率确定方法的步骤流程图;
图2为本发明实施例提供的一种时变结构瞬时频率确定方法的具体实施流程示意图;
图3为本发明实施例提供的一种时变结构瞬时频率确定系统的结构框图;
图4为本发明实施例提供的一种时变结构瞬时频率确定装置的结构框图;
图5为本发明实施例提供的第一时频谱与第二时频谱的对比图;
图6为本发明实施例提供的第一时频谱的时频脊线示意图;
图7为本发明实施例提供的第一信号频谱与重构信号频谱的对比图;
图8为本发明实施例提供的第一信号频谱的频谱划分示意图;
图9为本发明实施例提供的三个固有模态分量的示意图;
图10为本发明实施例提供的初始信号经滤波后的时频谱示意图;
图11为本发明实施例提供的第一信号频谱与经滤波后的信号频谱的对比图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中,多个的含义是两个或两个以上,如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
首先对本发明实施例中的相关描述进行说明下:
第一时程信号——原始时程信号;
第一时频谱——原始时程信号经过SET后获得的时频谱,简称SET时频谱;
第一过滤边界——即通过第一时频谱各分量计算所得的、用于EWT中的过滤边界;
第一信号频谱——原始信号通过傅里叶变换后得到的频谱;
第一瞬时频率——指固有模态分量经过解调后获得的瞬时频率;
第二时频谱——原始时程信号通过短时傅里叶变换后获得的时频谱;
第二瞬时频率——指通过第二时频谱估算的原始时程信号瞬时频率;
第一时刻——第一瞬时频率发生突变的时刻。
参照图1,本发明实施例提供了一种时变结构瞬时频率确定方法,具体包括以下步骤:
S101、采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据第一时频谱确定第一过滤边界;
具体地,本发明实施例采用同步提取变换对初始信号(即第一时程信号)进行时频分析,仅提取时频谱在瞬时频率位置处的时频系数,从而能提取出能量更为集中的时频谱。采用同步提取变换处理信号的步骤为:首先,通过短时傅里叶变换获得信号的时频谱;然后利用该时频谱上的信息得到瞬时频率,接着结合Delta函数构造同步提取算子;最后将SEO算子作用于通过短时傅里叶变换获得的时频谱上,提取能量更为集中的信号时频谱。步骤S101具体包括以下步骤:
S1011、对第一时程信号进行短时傅里叶变换,得到第二时频谱;
S1012、根据第二时频谱估计得到第一时程信号的第二瞬时频率;
S1013、将第二瞬时频率与delta函数结合,构造同步提取算子SEO,并将同步提取算子SEO与第二时频谱结合,得到第一时频谱;
S1014、根据第一时频谱中相邻分量的频率值进行计算,确定第一过滤边界。
具体地,本发明实施例以时程信号x(t)为例进行说明如下:
首先,对时程信号x(t)进行短时傅里叶变换获得第二时频谱Ge(t,ω);
然后根据第二时频谱的相位信息得到瞬时频率的估计值ω0(t,ω)(即第二瞬时频率),该瞬时频率可以通过下式求偏导得到的:
其中,i表示虚数单位。
通过结合Delta函数构造同步提取算子SEO,将第二时频谱中瞬时频率附近的发散能量去除,得到同步提取变换后的第一时频谱。具体公式如下:
Te(t,ω)=Ge(t,ω)·δ(ω-ω0(t,ω))
其中,Te(t,ω)表示第一时频谱,δ(ω-ω0(t,ω))即为构造的同步提取算子。
可以理解的是,通过同步提取变换获得的第一时频谱相较短时傅里叶变换获得的第二时频谱精度更高,从第一时频谱中可以清楚看出信号分量的数目,从而可以准确的确定用于后续滤波的过滤边界。
进一步作为可选的实施方式,第一过滤边界为:
其中,[ωn(t)]max表示第一时频谱中第n个分量的最大频率值,[ωn+1(t)]min表示第一时频谱中第n+1个分量的最小频率值,ωn表示第一过滤边界。
S102、对第一时程信号进行傅里叶谱分析得到第一信号频谱,并根据第一过滤边界对第一信号频谱进行划分得到若干个频谱片段;
具体地,对初始的第一时程信号进行傅里叶谱分析,获得第一信号频谱,然后根据上一步获得的过滤边界对原始信号频谱进行划分,如存在N-1个第一过滤边界,则根据该过滤边界和0、π这两个初始边界将第一信号频谱划分为N个连续的频谱片段。
S103、根据频谱片段和第一过滤边界对第一时程信号进行经验小波变换,得到若干个固有模态分量;
具体地,本发明实施例采用基于经验小波变换改进的算法,应该理解的是,传统经验小波变换使用的基函数是根据信号性质自适应产生,自适应之处在于可根据传统的频带划分方法确定过滤边界后构造滤波器,但仅适用于窄频带信号以及噪声环境较小的情况。本本发明实施例对其进行改进,过滤边界由通过同步提取变换后的信号时频谱计算确定,再通过经验小波变换构造滤波器进行滤波。具体为根据确定的过滤边界构造经验尺度函数和经验小波函数,通过这两个函数可以求得小波函数的近似系数和细节系数。一方面近似系数和细节系数可用于重构信号,另一方面可以用于求解第一时程信号的固有模态分量。步骤S103具体包括以下步骤:
S1031、根据频谱片段和第一过滤边界构造经验小波函数和经验尺度函数;
S1032、根据经验小波函数和经验尺度函数确定细节系数和近似系数;
S1033、根据经验小波函数、经验尺度函数、细节系数以及近似系数对第一时程信号进行经验小波变换,从而对第一时程信号进行信号分解得到若干个固有模态分量。
依据经验小波变换理论,经验小波变换的细节系数wx(n,t)和近似系数wx(0,t)可通过下式得到:
根据经验小波变换公式,第一时程信号可分解为以下若干个固有模态分量:
可以理解的是,k+1即为固有模态分量的数目。
进一步作为可选的实施方式,时变结构瞬时频率确定方法还包括以下步骤:
根据经验小波函数、经验尺度函数、细节系数以及近似系数对第一时程信号进行信号重构,得到重构信号并输出。
具体地,信号x(t)的重构信号y(t)可以表示为:
其中,N表示频谱片段的数量,F-1表示进行傅里叶逆变换。
本发明实施例中,通过信号重构利用部分信号值来对第一时程信号进行重构,以消除干扰的影响,便于后续的结构损伤的识别检测。
S104、对固有模态分量进行解调,确定各固有模态分量的第一瞬时频率。
具体地,得到的固有模态分量均为调幅-调频形式,需要进行解调得到瞬时频率函数。
可选的,采用希尔伯特变换对固有模态分量进行解调,得到各固有模态分量的瞬时频率函数,进而根据瞬时频率函数确定各固有模态分量的第一瞬时频率。
进一步作为可选的实施方式,时变结构瞬时频率确定方法还包括以下步骤:
根据瞬时频率函数确定第一瞬时频率发生改变的第一时刻,并将第一时刻作为结构损伤时刻输出。
具体地,根据前述所得到固有模态分量的瞬时频率函数,可初步观察到时变结构瞬时频率发生改变的时刻,也即为结构发生损伤的时刻,后续可结合Hilbert变换等方法构造损伤指标,进一步判断出结构的损伤位置和损伤程度。
以上对本发明的方法步骤进行了说明,下面结合附图对本发明一具体实施例的实施流程进行说明。
参照图2,本发明实施例首先对第一时程信号采用同步提取变换进行时频分析,得到能量更为集中的第一时频谱,从而确定信号分量的数目,进而确定第一过滤边界;同时也对第一时程信号进行傅里叶谱分析得到第一信号频谱,并根据确定的第一过滤边界对第一信号频谱进行分割得到若干个频谱片段;然后根据得到的频谱片段和第一过滤边界构造经验尺度函数、经验小波函数,并确定细节系数和近似系数;再根据经验尺度函数、经验小波函数、细节系数以及近似系数对第一时程信号进行信号分解的到若干个固有模态分量,同时也可以进行信号重构的到重构并输出;进而对得到的固有模态分量进行希尔伯特变换得到各固有模态分量的瞬时频率函数,从而确定各固有模态分量在各个时刻的瞬时频率,也即完成了时变结构瞬时频率的确定。
应该理解的是,现有技术直接通过经验小波变换(EWT)从振动响应信号中提取各模态,但经验小波变换构造滤波器时所使用的的滤波边界是直接根据普通的傅里叶频谱得到的。本发明实施例可以获取精度更好、能量更为集中的时频谱,根据该时频谱清晰地获得滤波边界用于滤波器的构造,改善了在确定宽频带、高噪声信号过滤边界时定位不准确的情况,提高了时变结构瞬时频率的辨识精度,进而提高了时变结构损伤识别的准确度。
下面结合具体实施例对本发明的方法进行说明和可靠性验证,应该理解的是,本发明并不限于该实施例。
1)构造一个包含三个频率成分的原始信号,并添加高斯白噪声,SNR=10dB,三个频率成分为5Hz、25Hz以及40Hz。
2)对该原始信号进行同步提取变换,获得同步提取变换后的第一时频谱。图5中(a)所示即为短时傅里叶变换后得到的第二时频谱,(b)所示为同步提取变换后得到的第一时频谱。可以看出同步提取变换后时频谱能量更为集中,时频脊线清晰,而第二时频谱虽然也有明显的频率成分示意,但其能量扩散严重,不利于进一步的信号分析。
3)对第一时频谱提取脊线,如图6所示为第一时频谱的时频脊线示意图,可以清晰看到该信号有三条时频脊线,也即有三个主频率成分。根据三条时频脊线,通过公式可以求得第一过滤边界有两条,分别为15.1875Hz以及32.7500Hz。
4)对原始信号进行傅里叶谱分析获得其第一信号频谱如图7中(a)所示,根据3)中获得的过滤边界对第一信号频谱进行划分,如图8所示,加上初始边界0和π,共有4条边界将第一信号频谱划分为三段。
5)利用第一过滤边界通过经验小波变换构造滤波器组,将原始信号分为三个固有模态分量,如图9所示。同时进行信号重构得到该原始信号的重构信号频谱,如图7中(b)所示,可以看到,重构后的信号频谱也清晰得到三个波峰,但相比于傅里叶分析得到的第一信号频谱干扰频率明显减少,即信号经过同步提取变换后有“降噪”效果。
6)对三个固有模态分量分别进行希尔伯特变换,求取每一个固有模态分量的瞬时频率函数,得到经滤波后的时频谱如图10所示。可清晰看到三个频率成分,且经滤波后的时频谱比第二时频谱以及第一时频谱都要清晰精确。三个分量分别围绕着5Hz、25Hz以及40Hz轻微波动。
7)将第一信号频谱,与用本发明的改进EWT法提取三个分量信号的频谱进行对比,如图11所示。可以看出即使在噪声作用下,本发明的改进EWT法也能有较好的分解信号效果。
8)通过上述方法所提取的三个固有模态分量,可初步观察到结构瞬时频率发生改变的时刻即为结构发生损伤的时刻,后续可结合Hilbert变换等方法构造损伤指标,进一步判断出结构的损伤位置和损伤程度。
由上可知,采用本发明实施例的方法,可以准确确定原始信号的频率分量,避免了噪声的干扰,鲁棒性好,分量过滤准确,更加有利于后续的损伤识别。
参照图3,本发明实施例提供了一种时变结构瞬时频率确定系统,包括:
过滤边界确定模块,用于采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据第一时频谱确定第一过滤边界;
频谱划分模块,用于对第一时程信号进行傅里叶谱分析得到第一信号频谱,并根据第一过滤边界对第一信号频谱进行划分得到若干个频谱片段;
固有模态分量确定模块,用于根据频谱片段和第一过滤边界对第一时程信号进行经验小波变换,得到若干个固有模态分量;
瞬时频率确定模块,用于对固有模态分量进行解调,确定各固有模态分量的第一瞬时频率。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图4,本发明实施例提供了一种时变结构瞬时频率确定装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当上述至少一个程序被上述至少一个处理器执行时,使得上述至少一个处理器实现上述的一种时变结构瞬时频率确定方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,该处理器可执行的程序在由处理器执行时用于执行上述一种时变结构瞬时频率确定方法。
本发明实施例的一种计算机可读存储介质,可执行本发明方法实施例所提供的一种时变结构瞬时频率确定方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
上述功能如果以软件功能单元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上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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于上述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种时变结构瞬时频率确定方法,其特征在于,包括以下步骤:
采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据所述第一时频谱确定第一过滤边界;
对所述第一时程信号进行傅里叶谱分析得到第一信号频谱,并根据所述第一过滤边界对所述第一信号频谱进行划分得到若干个频谱片段;
根据所述频谱片段和所述第一过滤边界对所述第一时程信号进行经验小波变换,得到若干个固有模态分量;
对所述固有模态分量进行解调,确定各所述固有模态分量的第一瞬时频率。
2.根据权利要求1所述的一种时变结构瞬时频率确定方法,其特征在于,所述采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据所述第一时频谱确定第一过滤边界这一步骤,其具体包括:
对所述第一时程信号进行短时傅里叶变换,得到第二时频谱;
根据所述第二时频谱估计得到所述第一时程信号的第二瞬时频率;
将所述第二瞬时频率与delta函数结合,构造同步提取算子SEO,并将所述同步提取算子SEO与所述第二时频谱结合,得到所述第一时频谱;
根据所述第一时频谱中相邻分量的频率值进行计算,确定所述第一过滤边界。
4.根据权利要求1所述的一种时变结构瞬时频率确定方法,其特征在于,所述根据所述频谱片段和所述第一过滤边界对所述第一时程信号进行经验小波变换,得到若干个固有模态分量这一步骤,其具体包括:
根据所述频谱片段和所述第一过滤边界构造经验小波函数和经验尺度函数;
根据所述经验小波函数和所述经验尺度函数确定细节系数和近似系数;
根据所述经验小波函数、所述经验尺度函数、所述细节系数以及所述近似系数对所述第一时程信号进行经验小波变换,从而对所述第一时程信号进行信号分解得到若干个固有模态分量。
5.根据权利要求4所述的一种时变结构瞬时频率确定方法,其特征在于,所述时变结构瞬时频率确定方法还包括以下步骤:
根据所述经验小波函数、所述经验尺度函数、所述细节系数以及所述近似系数对所述第一时程信号进行信号重构,得到重构信号并输出。
6.根据权利要求1至5任一项所述的一种时变结构瞬时频率确定方法,其特征在于,所述对所述固有模态分量进行解调,确定各所述固有模态分量的第一瞬时频率这一步骤,其具体为:
采用希尔伯特变换对所述固有模态分量进行解调,得到各所述固有模态分量的瞬时频率函数,进而根据所述瞬时频率函数确定各所述固有模态分量的第一瞬时频率。
7.根据权利要求6所述的一种时变结构瞬时频率确定方法,其特征在于,所述时变结构瞬时频率确定方法还包括以下步骤:
根据所述瞬时频率函数确定所述第一瞬时频率发生改变的第一时刻,并将所述第一时刻作为结构损伤时刻输出。
8.一种时变结构瞬时频率确定系统,其特征在于,包括:
过滤边界确定模块,用于采用同步提取变换对时变结构的第一时程信号进行时频分析,得到第一时频谱,并根据所述第一时频谱确定第一过滤边界;
频谱划分模块,用于对所述第一时程信号进行傅里叶谱分析得到第一信号频谱,并根据所述第一过滤边界对所述第一信号频谱进行划分得到若干个频谱片段;
固有模态分量确定模块,用于根据所述频谱片段和所述第一过滤边界对所述第一时程信号进行经验小波变换,得到若干个固有模态分量;
瞬时频率确定模块,用于对所述固有模态分量进行解调,确定各所述固有模态分量的第一瞬时频率。
9.一种时变结构瞬时频率确定装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种时变结构瞬时频率确定方法。
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种时变结构瞬时频率确定方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011369167.7A CN112446329B (zh) | 2020-11-30 | 2020-11-30 | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 |
JP2021164512A JP7140426B2 (ja) | 2020-11-30 | 2021-10-06 | 時変構造瞬時周波数決定方法、システム、装置及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011369167.7A CN112446329B (zh) | 2020-11-30 | 2020-11-30 | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112446329A true CN112446329A (zh) | 2021-03-05 |
CN112446329B CN112446329B (zh) | 2023-08-08 |
Family
ID=74738053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011369167.7A Active CN112446329B (zh) | 2020-11-30 | 2020-11-30 | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7140426B2 (zh) |
CN (1) | CN112446329B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113405823A (zh) * | 2021-05-17 | 2021-09-17 | 同济大学 | 一种基于迭代扩展本征模态分解的旋转机械故障诊断方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116337445B (zh) * | 2023-04-13 | 2024-02-23 | 中国航发沈阳发动机研究所 | 基于多尺度排列熵和峭度值融合因子的轴承故障提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106568607A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射故障诊断方法 |
CN108458871A (zh) * | 2017-12-22 | 2018-08-28 | 浙江工业大学 | 一种基于改进经验小波变换的齿轮箱故障识别方法 |
CN108492179A (zh) * | 2018-02-12 | 2018-09-04 | 上海翌固数据技术有限公司 | 时频谱生成方法和设备 |
CN109269629A (zh) * | 2018-08-03 | 2019-01-25 | 河海大学 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
CN110006652A (zh) * | 2019-04-12 | 2019-07-12 | 燕山大学 | 一种滚动轴承故障诊断方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5663218A (en) * | 1979-10-29 | 1981-05-29 | Mitsubishi Heavy Ind Ltd | Transient response analysis method for natural vibration mode |
JP5176464B2 (ja) | 2007-10-04 | 2013-04-03 | 横浜ゴム株式会社 | 物体の振動減衰性能評価方法 |
CN102467354A (zh) | 2010-11-19 | 2012-05-23 | 致伸科技股份有限公司 | 用于线光源检测的打印控制方法以及打印控制装置 |
JP5653993B2 (ja) | 2012-12-19 | 2015-01-14 | 日本電信電話株式会社 | 柱状構造物の異常検知システムおよび異常検知方法 |
CN107817297A (zh) | 2017-11-23 | 2018-03-20 | 西安电子科技大学 | 一种基于超声回波rf数据的超声成像处理方法及处理系统 |
CN109596349B (zh) | 2018-12-06 | 2020-08-25 | 桂林电子科技大学 | 一种基于vmd和pct的减速器故障诊断方法 |
CN110426569B (zh) | 2019-07-12 | 2021-09-21 | 国网上海市电力公司 | 一种变压器声信号降噪处理方法 |
-
2020
- 2020-11-30 CN CN202011369167.7A patent/CN112446329B/zh active Active
-
2021
- 2021-10-06 JP JP2021164512A patent/JP7140426B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106568607A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射故障诊断方法 |
CN108458871A (zh) * | 2017-12-22 | 2018-08-28 | 浙江工业大学 | 一种基于改进经验小波变换的齿轮箱故障识别方法 |
CN108492179A (zh) * | 2018-02-12 | 2018-09-04 | 上海翌固数据技术有限公司 | 时频谱生成方法和设备 |
CN109269629A (zh) * | 2018-08-03 | 2019-01-25 | 河海大学 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
CN110006652A (zh) * | 2019-04-12 | 2019-07-12 | 燕山大学 | 一种滚动轴承故障诊断方法及系统 |
Non-Patent Citations (1)
Title |
---|
郑近德;潘海洋;程军圣;: "非平稳信号分析的广义解析模态分解方法", 电子学报, no. 06, pages 1 - 3 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113405823A (zh) * | 2021-05-17 | 2021-09-17 | 同济大学 | 一种基于迭代扩展本征模态分解的旋转机械故障诊断方法 |
CN113405823B (zh) * | 2021-05-17 | 2022-05-20 | 同济大学 | 一种基于迭代扩展本征模态分解的旋转机械故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112446329B (zh) | 2023-08-08 |
JP2022087010A (ja) | 2022-06-09 |
JP7140426B2 (ja) | 2022-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Manhertz et al. | STFT spectrogram based hybrid evaluation method for rotating machine transient vibration analysis | |
CN104251934B (zh) | 谐波分析方法和装置以及确定谐波间杂波的方法和装置 | |
CN108845250B (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
CN112446329B (zh) | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 | |
Gryllias et al. | Estimation of the instantaneous rotation speed using complex shifted Morlet wavelets | |
CN110243605B (zh) | 多源时频脊线提取方法 | |
Wang et al. | A novel adaptive wavelet stripping algorithm for extracting the transients caused by bearing localized faults | |
Pham et al. | A novel thresholding technique for the denoising of multicomponent signals | |
CN110988680A (zh) | 基于时频处理的电动机转子故障显化方法 | |
CN113361331B (zh) | 基于加窗插值fft的工频干扰消除方法、系统和介质 | |
CN110907826A (zh) | 一种基于卷积神经网络滤波的电机故障诊断方法及系统 | |
US10068558B2 (en) | Method and installation for processing a sequence of signals for polyphonic note recognition | |
KR102306332B1 (ko) | 유사성 정보를 결정하기 위한 장치, 유사성 정보를 결정하기 위한 방법, 자기 상관 정보를 결정하기 위한 장치, 교차 상관 정보를 결정하기 위한 장치 및 컴퓨터 프로그램 | |
CN116706876A (zh) | 一种双高电力系统宽频振荡识别方法、装置及设备 | |
Belsak et al. | Adaptive wavelet transform method to identify cracks in gears | |
CN113820004A (zh) | 一种鲁棒的振动信号初始相位估计方法 | |
He et al. | Sparsity-assisted signal representation for rotating machinery fault diagnosis using the tunable Q-factor wavelet transform with overlapping group shrinkage | |
Zhang et al. | Application of morphological filter in pulse noise removing of vibration signal | |
EP2491412B1 (fr) | Procédé de détection de la position d'un front d'onde correspondant à un évènement dans un signal reçu par un détecteur | |
WO2014108890A1 (en) | Method and apparatus for phoneme separation in an audio signal | |
KR102566810B1 (ko) | 진동 신호 기반 모션 신호 추출 시스템 및 방법 | |
CN113933658B (zh) | 基于可听声分析的干式变压器放电检测方法及系统 | |
CN115266066A (zh) | 旋转体的故障识别方法、装置、设备及存储介质 | |
US20080275710A1 (en) | Scale Searching for Watermark Detection | |
CN117346877A (zh) | 一种用于机械设备转速测量的离散频谱校正方法及装置 |
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 |