CN113033509B - 5g模式斜拉桥温度效应分离数据监测识别方法及设备 - Google Patents

Abstract

本申请公开一种5G模式斜拉桥温度效应分离数据监测识别方法及设备，方法包括：利用至少一个5G基站，以及在斜拉桥上设置的多个定位装置，获取定位装置以5G基站为参照物的方位数据；计算位置变化数据；计算三维形变数据；绘制三维形变波形；在三维形变波形中分离出温度效应的效应成分；获取斜拉桥的温度数据；绘制温度谱能曲线；提取温度谱能曲线的温度成分；将效应成分与温度成分进行比对，得到对斜拉桥的形变影响最大的温度成分。能够改善现有的温度效应分析识别方式难以准确的识别出桥梁形变数据种的温度效应的问题。

Description

5G模式斜拉桥温度效应分离数据监测识别方法及设备

技术领域

本申请涉及桥梁勘测技术领域，尤其涉及一种5G模式斜拉桥温度效应分离数据监测识别方法及设备。

背景技术

长时间暴露在太阳辐射以及环境因素下的桥梁结构由于温度变化而引起非线性温度分布不均匀,会受到显著温度效应的影响。研究表明,在随时间变化的温度载荷作用下,大跨度桥梁将产生非常严重的温度效应。温度变化产生的温度应变成分可能会大于车辆载荷引起的应变，温度效应有可能会掩盖或淹没掉车辆载荷应变成分所反映的信号特征，影响桥梁运营状态的有效判别，因此有效分析识别应变监测数据中的温度效应数据已经成为亟需解决的实际工程问题。

然而，针对斜拉桥，现有的温度效应分析识别方式难以准确的识别出桥梁形变数据种的温度效应。

发明内容

本申请实施例提供一种5G模式斜拉桥温度效应分离数据监测识别方法及设备，能够改善现有的温度效应分析识别方式难以准确的识别出桥梁形变数据种的温度效应的问题。

第一方面，一种5G模式斜拉桥温度效应分离数据监测识别方法，包括：

利用在距离斜拉桥的设定距离范围内架设的至少一个5G基站，以及在所述斜拉桥上设置的多个定位装置，获取所述定位装置以所述5G基站为参照物的方位数据；

根据所述方位数据，计算预设时间内所述定位装置的位置变化数据；

根据所述定位装置的所述位置变化数据，计算所述预设时间内所述斜拉桥的三维形变数据；

根据所述三维形变数据，绘制所述斜拉桥在所述预设时间内三维形变波形；

在所述三维形变波形中分离出温度效应的效应成分；

利用所述5G基站以及在所述斜拉桥上设置的多个温度传感器，获取所述预设时间内所述斜拉桥的温度数据；

根据所述温度数据，绘制所述斜拉桥在所述预设时间内的温度谱能曲线；

提取所述温度谱能曲线的温度成分；

将所述效应成分与所述温度成分进行比对，得到对所述斜拉桥的形变影响最大的所述温度成分。

在一种可行的实施方式中，所述在所述三维形变波形中分离出温度效应的效应成分的步骤，包括：

对所述三维形变波形的两端进行端点延展，得到延展波形；

对所述延展波形进行小波分解，得到初始温度效应分量；

对所述初始温度效应分量进行一级降噪，得到一级降噪分量；

将所述一级降噪分量进行数据重构，得到重构形变波形；

对所述重构形变波形进行变分模态分解，得到中间温度效应分量；

对所述中间温度效应分量进行二级降噪，得到二级降噪分量；

将所述二级降噪分量进行数据重构，得到无噪形变波形；

对所述无噪形变波形进行总体平均经验模态分解，得到温度效应的效应成分。

在一种可行的实施方式中，所述效应成分包括温度效应周期成分、温度效应趋势成分和温度效应周期趋势成分，所述温度成分包括温度周期成分、温度趋势成分和温度周期趋势成分；

所述将所述效应成分与所述温度成分进行比对，得到对所述斜拉桥的形变影响最大的所述温度成分的步骤，包括：

比对所述温度效应周期成分与所述温度周期成分的差异量，得到周期差异量；

比对所述温度效应趋势成分与所述温度趋势成分的差异量，得到趋势差异量；

比对所述温度效应周期趋势成分与所述温度周期趋势成分的差异量，得到周期趋势差异量；

判断出所述周期差异量、所述趋势差异量和所述周期趋势差异量中的最小量，最小量对应的所述温度成分为所述温度效应对于所述斜拉桥的形变影响最大的所述温度成分。

在一种可行的实施方式中，所述将所述效应成分与所述温度成分进行比对，得到对所述斜拉桥的形变影响最大的所述温度成分的步骤之前，还包括：

对所述效应成分的端点进行波形周期置换。

在一种可行的实施方式中，所述对所述效应成分的端点进行波形周期置换的步骤，包括：

将所述效应成分的端点处的第一个半周期的波形与第三个半周期的波形进行置换；或，

将所述效应成分的端点处的第一个整周期的波形与第二个整周期的波形进行置换；或，

将所述效应成分的端点处的第一个1.5周期的波形与第二个1.5周期的波形进行置换。

在一种可行的实施方式中，所述利用在距离斜拉桥的设定距离范围内架设的至少一个5G基站，以及在所述斜拉桥上设置的多个定位装置，获取预设时间内所述斜拉桥的三维形变数据的步骤，包括：

利用在距离所述斜拉桥的所述设定距离范围内架设的至少一个所述5G基站，以及在所述斜拉桥上设置的多个所述定位装置，构建所述斜拉桥的三维坐标系，其中，多个所述定位装置分布在所述斜拉桥的索塔、主梁和斜拉索上；

利用所述5G基站对多个所述定位装置进行测试，去掉存在信号定位干涉的所述定位装置，或，根据所述信号定位干涉增设相应的所述5G基站；

利用所述5G基站和所述定位装置，获取所述预设时间内所述斜拉桥的三维坐标数据；

根据所述三维坐标数据，得到所述斜拉桥在所述预设时间内所述三维形变数据。

在一种可行的实施方式中，所述对所述三维形变波形的两端进行端点延展，得到延展波形的步骤，包括：

分别将所述三维形变波形两端点处的半周期的波形复制后，平移相接在端点处；或，

分别将所述三维形变波形两端点处的整周期的波形复制后，平移相接在端点处；或，

分别将所述三维形变波形两端点处的1.5周期的波形复制后，平移相接在端点处。

第二方面，一种5G模式斜拉桥温度效应分离数据监测识别系统，包括：

至少一个5G基站，架设在距离斜拉桥的设定距离范围内；

多个定位装置，设置在所述斜拉桥上，用于获取所述定位装置以所述5G基站为参照物的方位数据；

数据处理模块，用于根据所述方位数据，计算预设时间内所述定位装置的位置变化数据；

所述数据处理模块，还用于根据所述定位装置的所述位置变化数据，计算所述预设时间内所述斜拉桥的三维形变数据；

所述数据处理模块，还用于根据所述三维形变数据，绘制所述斜拉桥在所述预设时间内三维形变波形；

分离模块，用于在所述三维形变波形中分离出温度效应的效应成分；

多个温度传感器，设置在所述斜拉桥上，用于结合所述5G基站获取所述预设时间内所述斜拉桥的温度数据；

所述数据处理模块，还用于根据所述温度数据，绘制所述斜拉桥在所述预设时间内的温度谱能曲线；

提取模块，用于提取所述温度谱能曲线的温度成分；

比对模块，用于将所述效应成分与所述温度成分进行比对，得到对所述斜拉桥的形变影响最大的所述温度成分。

第三方面，一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器用于执行存储器中存储的计算机程序时实现上述任一项所述的5G模式斜拉桥温度效应分离数据监测识别方法的步骤。

第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的5G模式斜拉桥温度效应分离数据监测识别方法的步骤。

本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，通过在斜拉桥的设定距离范围内架设5G基站，结合斜拉桥上安装的定位装置，可以对斜拉桥进行定位，利用5G基站进行定位数据的传输，在获取到精准的定位数据的同时能够提高数据传输效率。通过计算预设时间内定位装置的位置变化数据可以得到预设时间内斜拉桥的三维形变数据，进而得到三维形变波形。将三维形变波形分离出的温度效应的各个效应成分与实际值更为接近。通过斜拉桥上的温度传感器采集实际温度数据，进而得到温度谱能曲线，提取出温度谱能曲线中的温度成分。通过比对温度效应的各个效应成分和温度成分，可以分析出对斜拉桥的形变影响最大的温度成分，从而完成斜拉桥温度效应对于形变影响的分析。本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，结合5G技术，在提高数据传输效率的同时，可以将5G基站作为参照物得到斜拉桥形变数据，成本低且容易实现。通过比对实际温度成分与从形变数据中分离出的温度效应成分，可以识别出对斜拉桥的形变影响最大的温度成分，能够便于斜拉桥的维护以及后续设计方案的优化。

附图说明

图1为本申请实施例提供的一种5G模式斜拉桥温度效应分离数据监测识别方法的示意性流程图；

图2为本申请实施例提供的由方位数据绘制的一种斜拉桥立面图；

图3为本申请实施例提供的一种形变幅值与时间的曲线示意图；

图4为本申请实施例提供的一种年温差效应对应年温差成分端点波形置换示意图；

图5为本申请实施例提供的一种年温差效应对应年温差成分端点波形置换示意图；

图6为本申请实施例提供的一种5G模式斜拉桥温度效应分离数据监测识别系统的示意性结构框图；

图7为本申请实施例提供的一种电子设备的示意性结构框图；

图8为本申请实施例提供的一种计算机可读存储介质的示意性结构框图。

具体实施方式

为了更好的理解本说明书实施例提供的技术方案，下面通过附图以及具体实施例对本说明书实施例的技术方案做详细的说明，应当理解本说明书实施例以及实施例中的具体特征是对本说明书实施例技术方案的详细的说明，而不是对本说明书技术方案的限定，在不冲突的情况下，本说明书实施例以及实施例中的技术特征可以相互组合。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“两个以上”包括两个或大于两个的情况。

长时间暴露在太阳辐射以及环境因素下的桥梁结构由于温度变化而引起非线性温度分布不均匀,会受到显著温度效应的影响。研究表明,在随时间变化的温度载荷作用下,大跨度桥梁将产生非常严重的温度效应。温度变化产生的温度应变成分可能会大于车辆载荷引起的应变，温度效应有可能会掩盖或淹没掉车辆载荷应变成分所反映的信号特征，影响桥梁运营状态的有效判别，因此有效分析识别应变监测数据中的温度效应数据已经成为亟需解决的实际工程问题。然而，针对斜拉桥，现有的温度效应分析识别方式难以准确的识别出桥梁形变数据种的温度效应。

有鉴于此，本申请提供一种5G模式斜拉桥温度效应分离数据监测识别方法及设备，能够改善现有的温度效应分析识别方式难以准确的识别出桥梁形变数据种的温度效应。

第一方面，在一种可行的实施方式中，图1为本申请实施例提供的一种5G模式斜拉桥温度效应分离数据监测识别方法的示意性流程图。如图1所示，申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，包括：

S1：利用在距离斜拉桥的设定距离范围内架设的至少一个5G基站，以及在斜拉桥上设置的多个定位装置，获取定位装置以5G基站为参照物的方位数据。设定距离范围可以根据定位装置的通信能力进行设定，本申请不作具体限定。定位装置内可以设置有雷达或者其他可以测定目标方位的仪器，本申请不作具体限定。由于5G基站的位置固定不变，可以根据一个或者多个5G基站的位置建立三维坐标系，斜拉桥上设置的各个定位装置可以利用雷达测定定位装置自身相对于5G基站的方位数据，或者测定5G基站相对于该定位装置的方位数据，再转换为定位装置自身相对于5G基站的方位数据，方位数据可以包括定位装置在三维坐标系中的坐标信息，定位装置将测定的方位数据、定位装置自身的安装信息以及时间信息等打包成定位数据包发送至5G基站，5G基站可以将各个定位数据包转发至用于数据计算和分析的计算机或者数据处理模块，本申请不作具体限定。定位装置的安装信息可以包括定位装置安装在斜拉桥上的位置信息和定位装置的编号等，时间信息可以是方位数据的采集时间戳，本申请不作具体限定。方位数据可以是实时采集，也可以按照设定频率采集，本申请不作具体限定。示例性的，图2为本申请实施例提供的由方位数据绘制的一种斜拉桥立面图。如图2所示，通过安装在斜拉桥的主梁M、斜拉索L和索塔T上的定位装置参考5G基站定位的方位数据，可以绘制得到斜拉桥的立面图。

S2：根据方位数据，计算预设时间内定位装置的位置变化数据。可以采集预设时间内的方位数据，方位数据可以是在预设时间内实时采集的，也可以是按照设定频率采集的，将预设时间内的所有方位数据进行整合计算，可以得到每个定位装置在预设时间内发生的位置变化数据，位置变化数据包括变化距离和变化方位，具体可以是坐标变化数据。位置变化数据的计算单位对应的是采集时间单位，例如，采集频率如果是每2秒采集一次，则位置变化数据是每2秒的位移距离数据和位移方向数据。预设时间可以是1年、2年或者3年，主要可以根据斜拉桥所在地理位置的气候变化规律进行设定，本申请不作具体限定。

S3：根据定位装置的位置变化数据，计算预设时间内斜拉桥的三维形变数据。根据斜拉桥上所有定位装置的位置变化数据，可以计算得到预设时间内斜拉桥各个定位装置所在位置的位置变化数据，斜拉桥各个定位装置所在位置的形变数据可以组合成斜拉桥的三维形变数据，由于定位装置的位置变化数据是三维的，因此，计算得到的斜拉桥的三维形变数据也是三维的。示例性的，图3为本申请实施例提供的一种形变幅值与时间的曲线示意图。如图3所示，可以将三维形变数据转换为形变幅值，形变幅值随时间的变化而周期性规律变化。

S4：根据三维形变数据，绘制斜拉桥在预设时间内三维形变波形。将三维形变数据生成三维形变波形图，三维形变波形图可以有利于后续的数据分离。

S5：在三维形变波形中分离出温度效应的效应成分。温度效应的效应成分可以是多个，本申请不作具体限定。

S6：利用5G基站以及在斜拉桥上设置的多个温度传感器，获取预设时间内斜拉桥的温度数据。温度传感器与定位装置可以成对设置，即每个温度传感器可以与一个定位装置设定关联编号，每个温度传感器在发送温度数据时可以携带关联编号，在处理温度数据时，将关联编号对应的定位装置的安装位置信息作为温度传感器的安装位置信息；或者，每个温度传感器在发送温度数据时可以携带温度传感器的安装位置信息。

S7：根据温度数据，绘制斜拉桥在预设时间内温度谱能曲线。温度传感器可以采用红外传感器，本申请不作具体限定。温度数据中的温度值可以换算为温度谱能，将温度谱能按照时间顺序绘制温度谱能曲线。斜拉桥可以包括主梁、斜拉索和索塔，主梁主要用于车辆通行，索塔和斜拉索用于承载为主梁提供拉力。主梁、斜拉索和索塔的温度存在一些差异，斜拉索通常为金属材质，在气温较高、阳光充足的环境条件下温度容易上升，主梁的桥面在车辆通行摩擦以及阳光照射的情况下温度容易迅速升高。主梁、斜拉索和索塔可以具有单独的温度谱能曲线，本申请不作具体限定。

S8：提取温度谱能曲线的温度成分。温度谱能曲线可以包含很多温度成分，例如，温度变化的周期、温度变化的幅度、温度变化周期内的温度变化趋势以及温度变化周期的变化趋势等，本申请不作具体限定。温度成分也可以是多个，本申请不作具体限定。

S9：将效应成分与温度成分进行比对，得到对斜拉桥的形变影响最大的温度成分。效应成分对应的是斜拉桥在温度作用下的形变效应数据，通过将效应成分与温度成分的比较，可以分析出对斜拉桥的形变影响最大的温度成分，例如，可以是温度变化的周期或者温度变化的幅度等。

本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，通过在斜拉桥的设定距离范围内架设5G基站，结合斜拉桥上安装的定位装置，可以对斜拉桥进行定位，利用5G基站进行定位数据的传输，在获取到精准的定位数据的同时能够提高数据传输效率。通过计算预设时间内定位装置的位置变化数据可以得到预设时间内斜拉桥的三维形变数据，进而得到三维形变波形。将温度效应的各个效应成分从三维形变波形中分离出来，分离出的温度效应的各个效应成分与实际值更为接近。通过斜拉桥上的温度传感器采集实际温度数据，进而得到温度谱能曲线，提取出温度谱能曲线中的温度成分。通过比对温度效应的各个效应成分和温度成分，可以分析出对斜拉桥的形变影响最大的温度成分，从而完成斜拉桥温度效应对于形变影响的分析。相较于现有技术温度效应分析识别方式，本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，分离出的温度效应的各个效应成分与实际值更为接近，且结合5G技术，在提高数据传输效率的同时，可以将5G基站作为参照物得到斜拉桥形变数据，成本低且容易实现。通过比对实际温度成分与从形变数据中分离出的温度效应成分，可以收别出对斜拉桥的形变影响最大的温度成分，能够便于斜拉桥的维护以及后续设计方案的优化。

在一种可行的实施方式中，步骤S5可以包括：

对三维形变波形的两端进行端点延展，得到延展波形。波形数据通常会存在端点效应，为抑制端点效应可以将端点处的波形进行延展。

对延展波形进行小波分解，得到初始温度效应分量。小波分解为较常用的波形分解方式，小波分解对于波形降噪的效果较优。

对初始温度效应分量进行一级降噪，得到一级降噪分量。由于温度效应通常是伴随温度的变化而变化，温度变化通常具有周期性，因此，分离出来的初始温度效应分量中还可能存在一些极值噪声，这些极值噪声可能由温度之外的其他环境因素引起，例如，车辆载荷和风载荷等，需要将这些明显的极值噪声去除掉。

将一级降噪分量进行数据重构，得到重构形变波形。为继续对温度效应进行高精度的分离，还需要将一级降噪后的一级降噪分量进行重构，形成重构形变波形。

对重构形变波形进行变分模态分解，得到中间温度效应分量。变分模态分解（variational Mode Decomposition，VMD）的分解层数可以为2层，采用变分模态分解得到的分量成分较多，可以通过周期识别有效成分。

对中间温度效应分量进行二级降噪，得到二级降噪分量。经过小波分解和变分模态分解的分离精度得到叠加效应，得到的中间温度效应分量还会存在一些杂余的环境噪音，通过二级降噪处理，可以将这些杂余的环境噪音去掉，二级降噪也可以继续采用极值去除法，或者其他降噪方式，本申请不作具体限定。

将二级降噪分量进行数据重构，得到无噪形变波形。将经过两次分解和两次降噪后的分量进行数据重构，可以得到无噪形变波形，自此，降噪处理已经完成。由于变分模态分解得到的分量成分较多，因此在重构时，可以将周期不低于1天的成分进行重构，得到降噪后的无噪形变波形。

对无噪形变波形进行总体平均经验模态分解，得到温度效应的效应成分。经过总体平均经验模态分解（Empirical Mode Decomposition，EMD）可以得到降噪后的温度效应成分。

本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，通过将三维形变波形进行端点延展，可以抑制端点效应；小波分解和变分模态分解可以通过波形成分分解达到降噪效果，一级降噪和二级降噪可以对分解后的波形成分进行成分外的噪声去除；最后经过总体平均经验模态分解，可以将温度效应的各个效应成分分离出来，经过两次分解和两次降噪处理可以充分降噪，总体平均经验模态分解可以有效抑制模态混叠，分离出的温度效应的各个效应成分与实际值更为接近。相较于现有技术温度效应分析识别方式，本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，分离出的温度效应的各个效应成分与实际值更为接近，且结合5G技术，在提高数据传输效率的同时，可以将5G基站作为参照物得到斜拉桥形变数据，成本低且容易实现。通过比对实际温度成分与从形变数据中分离出的温度效应成分，可以收别出对斜拉桥的形变影响最大的温度成分，能够便于斜拉桥的维护以及后续设计方案的优化。

在一种可行的实施方式中，效应成分可以包括温度效应周期成分、温度效应趋势成分和温度效应周期趋势成分，温度成分可以包括温度周期成分、温度趋势成分和温度周期趋势成分。效应成分还可以包括日温差效应、季温差效应和年温差效应，温度成分还可以包括日温差成分、季温差成分和年温差成分。斜拉桥中的索塔、主梁和斜拉索受到温度影响产生的温度效应通常不同，索塔、主梁和斜拉索上的温度变化也通常不同。主梁的桥面上的温度来源于环境温度以及日照的升温，还可以来源于车辆行驶中的摩擦生热，因此，主梁桥面的温度效应不止来源于环境温度，还可以来源于车辆载荷，由于车辆载荷的影响，桥面的日温差效应更明显。日温差效应、季温差效应和年温差效应也同样可以具有周期效应成分。

步骤S9，可以包括：

比对温度效应周期成分与温度周期成分的差异量，得到周期差异量；

比对温度效应趋势成分与温度趋势成分的差异量，得到趋势差异量；

比对温度效应周期趋势成分与温度周期趋势成分的差异量，得到周期趋势差异量；

判断出周期差异量、趋势差异量和周期趋势差异量中的最小量，最小量对应的温度成分为温度效应对于斜拉桥的形变影响最大的温度成分。

本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，通过比对温度效应对应的效应成分与温度成分的差异量，差异量越小，可以代表温度成分对于温度效应的影响效果越明显，可以找出温度效应中斜拉桥形变影响最大的温度成分，便于斜拉桥的维护和后续斜拉桥的设计优化。

在一种可行的实施方式中，步骤S9之前，还可以包括：

对效应成分的端点进行波形周期置换。

在一种可行的实施方式中，对效应成分的端点进行波形周期置换的步骤，可以包括：

将效应成分的端点处的第一个半周期的波形与第三个半周期的波形进行置换；或，

将效应成分的端点处的第一个整周期的波形与第二个整周期的波形进行置换；或，

将效应成分的端点处的第一个1.5周期的波形与第二个1.5周期的波形进行置换。

本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，总体平均经验模态分解可以有效抑制模态混叠，同时在效应成分的初始边缘还有可能存在端点效应，经过对三维形变波形的端点延展以及三次分解，已经对最初的端点效应进行了较大抑制，但是效应成分的初始边缘还有可能存在部分端点效应，尤其在年温差效应体现明显，为再次提高分离精度，可以结合日温差效应和年温差效应的周期特征，将年温差效应对应的效应成分进行周期波形置换。可以将年温差效应对应的效应成分波形端点位置处的第一个半周期的波形与第三个半周期的波形进行置换、将第一个整周期的波形与第二个整周期的波形进行置换或将第一个1.5周期的波形与第二个1.5周期的波形进行置换，可以根据端点波形的具体端点效应程度，选择置换的是半个周期波形、整周期波形或者1.5周期波形，本申请不作具体限定。示例性的，图4为本申请实施例提供的一种年温差效应对应年温差成分端点波形置换示意图。如图4所示，以年温差效应对应年温差成分波形为例，将端点波形的第一个半周期的波形（虚线框1内所示）与第三个半周期的波形（虚线框2内所示）进行置换。

本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，通过波形置换的方式，可以缓解波形端点处的较大波动，能够进一步抑制效应成分的初始边缘的端点效应，再次提高分离精度。

在一种可行的实施方式中，步骤S1，可以包括：

利用在距离斜拉桥的设定距离范围内架设的至少一个5G基站，以及在斜拉桥上设置的多个定位装置，构建斜拉桥的三维坐标系，其中，多个定位装置分布在斜拉桥的索塔、主梁和斜拉索上。

利用5G基站对多个定位装置进行测试，去掉存在信号定位干涉的定位装置，或，根据信号定位干涉增设相应的5G基站。

利用5G基站和定位装置，获取预设时间内斜拉桥的三维坐标数据。

根据三维坐标数据，得到斜拉桥在预设时间内三维形变数据。主梁、斜拉索和索塔三维形变数据可以是独立的数据序列，最后分离温度效应的效应成分时，可以分别基于主梁、斜拉索和索塔单独分离出对应的效应成分，本申请不作具体限定。

在一种可行的实施方式中，对三维形变波形的两端进行端点延展，得到延展波形的步骤，可以包括：

分别将三维形变波形两端点处的半周期的波形复制后，平移相接在端点处；或，

分别将三维形变波形两端点处的整周期的波形复制后，平移相接在端点处；或，

分别将三维形变波形两端点处的1.5周期的波形复制后，平移相接在端点处。

本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别方法，由于三维形变波形是有限长度的数据，相当于在整段数据中进行部分截取，因此，在波形的两端均会出现端点效应，为抑制有限长度数据的端点效应，可以将整数倍的半周期波形复制并平移到端点处。具体的，复制平移半周期、整周期或者1.5周期的波形可以根据具体周期特性或者具体端点效应的情况进行选择，本申请不作具体限定。示例性的，图5为本申请实施例提供的一种波形延展示意图。如图5所示，将三维形变波形的两端的半周期波形（虚线框3和虚线框4）复制平移，分别相接在两个端点处，可以起到波形延展的效果，能够一定程度上抑制端点效应。

在一种可行的实施方式中，对初始温度效应分量进行一级降噪，得到一级降噪分量的步骤，可以包括：

去除掉初始温度效应分量中超出第一上限阈值的高幅值成分，得到一级降噪分量。超出第一上限阈值的高幅值成分可能由车辆载荷和风载荷等引起，可以通过上限阈值的卡控，将这些明显的极值噪声去除掉。

对中间温度效应分量进行二级降噪，得到二级降噪分量的步骤，可以包括：

去除掉初始温度效应分量中超出第二上限阈值的高幅值成分，得到二级降噪分量。通过第一上限阈值可以去除掉大部分较高幅值成分的噪声干扰，第二上限阈值可以在第二次分解（变分模态分解）后得到的中间温度效应分量进一步去除高幅值成分的噪声干扰，进一步加强去噪声效果，第二上限阈值可以小于或等于第一上限阈值，本申请不作具体限定。

第二方面，图6为本申请实施例提供的一种5G模式斜拉桥温度效应分离数据监测识别系统的示意性结构框图。如图6所示，本申请实施例提供的5G模式斜拉桥温度效应分离数据监测识别系统，包括：

至少一个5G基站100，架设在距离斜拉桥的设定距离范围内。

多个定位装置200，设置在斜拉桥上，可以用于获取所述定位装置以所述5G基站为参照物的方位数据。

数据处理模块400，用于根据方位数据，计算预设时间内定位装置的位置变化数据。

数据处理模块400，还用于根据定位装置的位置变化数据，计算预设时间内斜拉桥的三维形变数据。

数据处理模块400，还用于根据三维形变数据，绘制斜拉桥在预设时间内三维形变波形。

分离模块500，用于在三维形变波形中分离出温度效应的效应成分。

多个温度传感器300，设置在斜拉桥上，可以用于结合5G基站获取预设时间内斜拉桥的温度数据。

数据处理模块400，还用于根据温度数据，绘制斜拉桥在预设时间内的温度谱能曲线。

提取模块600，可以用于提取温度谱能曲线的温度成分。

比对模块700，可以用于将效应成分与温度成分进行比对，得到对斜拉桥的形变影响最大的所述温度成分。

第三方面，图7为本申请实施例提供的一种电子设备的示意性结构框图。如图7所示，一种电子设备1000，包括：存储器1100、处理器1200以及存储在所述存储器1100中并可在所述处理器上运行的计算机程序，所述处理器1200用于执行存储器1100中存储的计算机程序时实现如下步骤：

利用在距离斜拉桥的设定距离范围内架设的至少一个5G基站，以及在斜拉桥上设置的多个定位装置，获取定位装置以5G基站为参照物的方位数据。

根据方位数据，计算预设时间内定位装置的位置变化数据。

根据定位装置的位置变化数据，计算预设时间内斜拉桥的三维形变数据。

根据三维形变数据，绘制斜拉桥在预设时间内三维形变波形。

在三维形变波形中分离出温度效应的效应成分。

利用5G基站以及在斜拉桥上设置的多个温度传感器，获取预设时间内斜拉桥的温度数据。

根据温度数据，绘制斜拉桥在预设时间内温度谱能曲线。

提取温度谱能曲线的温度成分。

将效应成分与温度成分进行比对，得到对斜拉桥的形变影响最大的温度成分。

在具体实施过程中，处理器1200执行计算机程序时，可以实现上述实施例中任一实施方式。

由于本实施例所介绍的电子设备为实施本申请实施例中5G模式斜拉桥温度效应分离数据监测识别方法，故而基于本申请实施例中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍，只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。

第四方面，图8为本申请实施例提供的一种计算机可读存储介质的示意性结构框图。如图8所示，一种计算机可读存储介质2000，其上存储有计算机程序2100，所述计算机程序被处理器执行时实现如下步骤：

利用在距离斜拉桥的设定距离范围内架设的至少一个5G基站，以及在斜拉桥上设置的多个定位装置，获取定位装置以5G基站为参照物的方位数据。

根据方位数据，计算预设时间内定位装置的位置变化数据。

根据定位装置的位置变化数据，计算预设时间内斜拉桥的三维形变数据。

根据三维形变数据，绘制斜拉桥在预设时间内三维形变波形。

在三维形变波形中分离出温度效应的效应成分。

利用5G基站以及在斜拉桥上设置的多个温度传感器，获取预设时间内斜拉桥的温度数据。

根据温度数据，绘制斜拉桥在预设时间内温度谱能曲线。

提取温度谱能曲线的温度成分。

将效应成分与温度成分进行比对，得到对斜拉桥的形变影响最大的温度成分。

在具体实施过程中，该计算机程序2100被处理器执行时可以实现上述实施例中任一实施方式。

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流程管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流程管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。

在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，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。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种5G模式斜拉桥温度效应分离数据监测识别方法，其特征在于，包括：

利用在距离斜拉桥的设定距离范围内架设的至少一个5G基站，以及在所述斜拉桥上设置的多个定位装置，获取所述定位装置以所述5G基站为参照物的方位数据；

根据所述方位数据，计算预设时间内所述定位装置的位置变化数据；

根据所述定位装置的所述位置变化数据，计算所述预设时间内所述斜拉桥的三维形变数据；

根据所述三维形变数据，绘制所述斜拉桥在所述预设时间内三维形变波形；

在所述三维形变波形中分离出温度效应的效应成分；

利用所述5G基站以及在所述斜拉桥上设置的多个温度传感器，获取所述预设时间内所述斜拉桥的温度数据；

根据所述温度数据，绘制所述斜拉桥在所述预设时间内的温度谱能曲线，其中，所述温度谱能曲线是通过将所述温度数据中的温度值换算为温度谱能，并将所述温度谱能按照时间顺序绘制得到；

提取所述温度谱能曲线的温度成分；

将所述效应成分与所述温度成分进行比对，得到对所述斜拉桥的形变影响最大的所述温度成分；

所述效应成分包括温度效应周期成分、温度效应趋势成分和温度效应周期趋势成分，所述温度成分包括温度周期成分、温度趋势成分和温度周期趋势成分；

所述将所述效应成分与所述温度成分进行比对，得到对所述斜拉桥的形变影响最大的所述温度成分的步骤，包括：

比对所述温度效应周期成分与所述温度周期成分的差异量，得到周期差异量；

比对所述温度效应趋势成分与所述温度趋势成分的差异量，得到趋势差异量；

比对所述温度效应周期趋势成分与所述温度周期趋势成分的差异量，得到周期趋势差异量；

判断出所述周期差异量、所述趋势差异量和所述周期趋势差异量中的最小量，最小量对应的所述温度成分为所述温度效应对于所述斜拉桥的形变影响最大的所述温度成分。

2.根据权利要求1所述的5G模式斜拉桥温度效应分离数据监测识别方法，其特征在于，所述在所述三维形变波形中分离出温度效应的效应成分的步骤，包括：

对所述三维形变波形的两端进行端点延展，得到延展波形；

对所述延展波形进行小波分解，得到初始温度效应分量；

对所述初始温度效应分量进行一级降噪，得到一级降噪分量；

将所述一级降噪分量进行数据重构，得到重构形变波形；

对所述重构形变波形进行变分模态分解，得到中间温度效应分量；

对所述中间温度效应分量进行二级降噪，得到二级降噪分量；

将所述二级降噪分量进行数据重构，得到无噪形变波形；

对所述无噪形变波形进行总体平均经验模态分解，得到温度效应的效应成分。

3.根据权利要求1所述的5G模式斜拉桥温度效应分离数据监测识别方法，其特征在于，所述将所述效应成分与所述温度成分进行比对，得到对所述斜拉桥的形变影响最大的所述温度成分的步骤之前，还包括：

对所述效应成分的端点进行波形周期置换。

4.根据权利要求3所述的5G模式斜拉桥温度效应分离数据监测识别方法，其特征在于，所述对所述效应成分的端点进行波形周期置换的步骤，包括：

将所述效应成分的端点处的第一个半周期的波形与第三个半周期的波形进行置换；或，

将所述效应成分的端点处的第一个整周期的波形与第二个整周期的波形进行置换；或，

将所述效应成分的端点处的第一个1.5周期的波形与第二个1.5周期的波形进行置换。

5.根据权利要求1所述的5G模式斜拉桥温度效应分离数据监测识别方法，其特征在于，所述利用在距离斜拉桥的设定距离范围内架设的至少一个5G基站，以及在所述斜拉桥上设置的多个定位装置，获取预设时间内所述斜拉桥的三维形变数据的步骤，包括：

利用在距离所述斜拉桥的所述设定距离范围内架设的至少一个所述5G基站，以及在所述斜拉桥上设置的多个所述定位装置，构建所述斜拉桥的三维坐标系，其中，多个所述定位装置分布在所述斜拉桥的索塔、主梁和斜拉索上；

利用所述5G基站对多个所述定位装置进行测试，去掉存在信号定位干涉的所述定位装置，或，根据所述信号定位干涉增设相应的所述5G基站；

利用所述5G基站和所述定位装置，获取所述预设时间内所述斜拉桥的三维坐标数据；

根据所述三维坐标数据，得到所述斜拉桥在所述预设时间内所述三维形变数据。

6.根据权利要求2所述的5G模式斜拉桥温度效应分离数据监测识别方法，其特征在于，所述对所述三维形变波形的两端进行端点延展，得到延展波形的步骤，包括：

分别将所述三维形变波形两端点处的半周期的波形复制后，平移相接在端点处；或，

分别将所述三维形变波形两端点处的整周期的波形复制后，平移相接在端点处；或，

分别将所述三维形变波形两端点处的1.5周期的波形复制后，平移相接在端点处。

7.一种5G模式斜拉桥温度效应分离数据监测识别系统，其特征在于，包括：

至少一个5G基站，架设在距离斜拉桥的设定距离范围内；

多个定位装置，设置在所述斜拉桥上，用于获取所述定位装置以所述5G基站为参照物的方位数据；

数据处理模块，用于根据所述方位数据，计算预设时间内所述定位装置的位置变化数据；

所述数据处理模块，还用于根据所述定位装置的所述位置变化数据，计算所述预设时间内所述斜拉桥的三维形变数据；

所述数据处理模块，还用于根据所述三维形变数据，绘制所述斜拉桥在所述预设时间内三维形变波形；

分离模块，用于在所述三维形变波形中分离出温度效应的效应成分；

多个温度传感器，设置在所述斜拉桥上，用于结合所述5G基站获取所述预设时间内所述斜拉桥的温度数据；

所述数据处理模块，还用于根据所述温度数据，绘制所述斜拉桥在所述预设时间内的温度谱能曲线，其中，所述温度谱能曲线是通过将所述温度数据中的温度值换算为温度谱能，并将所述温度谱能按照时间顺序绘制得到；

提取模块，用于提取所述温度谱能曲线的温度成分；

比对模块，用于将所述效应成分与所述温度成分进行比对，得到对所述斜拉桥的形变影响最大的所述温度成分；

所述效应成分包括温度效应周期成分、温度效应趋势成分和温度效应周期趋势成分，所述温度成分包括温度周期成分、温度趋势成分和温度周期趋势成分；

比对所述温度效应周期成分与所述温度周期成分的差异量，得到周期差异量；

比对所述温度效应趋势成分与所述温度趋势成分的差异量，得到趋势差异量；

比对所述温度效应周期趋势成分与所述温度周期趋势成分的差异量，得到周期趋势差异量；

判断出所述周期差异量、所述趋势差异量和所述周期趋势差异量中的最小量，最小量对应的所述温度成分为所述温度效应对于所述斜拉桥的形变影响最大的所述温度成分。

8.一种电子设备，其特征在于，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-6中任一项所述的5G模式斜拉桥温度效应分离数据监测识别方法的步骤。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的5G模式斜拉桥温度效应分离数据监测识别方法的步骤。

Images