CN113280963A - 一种基于改进s变换的实时索力识别方法 - Google Patents

一种基于改进s变换的实时索力识别方法 Download PDF

Info

Publication number
CN113280963A
CN113280963A CN202110578974.8A CN202110578974A CN113280963A CN 113280963 A CN113280963 A CN 113280963A CN 202110578974 A CN202110578974 A CN 202110578974A CN 113280963 A CN113280963 A CN 113280963A
Authority
CN
China
Prior art keywords
time
frequency
cable
real
improved
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
CN202110578974.8A
Other languages
English (en)
Other versions
CN113280963B (zh
Inventor
曹茂森
胡帅涛
张鑫
李帅
崔丽
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
INSTITUTE OF MARINE AND OFFSHORE ENGINEERING NANTONG HOHAI UNIVERSITY
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 INSTITUTE OF MARINE AND OFFSHORE ENGINEERING NANTONG HOHAI UNIVERSITY, Hohai University HHU filed Critical INSTITUTE OF MARINE AND OFFSHORE ENGINEERING NANTONG HOHAI UNIVERSITY
Priority to CN202110578974.8A priority Critical patent/CN113280963B/zh
Publication of CN113280963A publication Critical patent/CN113280963A/zh
Application granted granted Critical
Publication of CN113280963B publication Critical patent/CN113280963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
    • G01L5/042—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands by measuring vibrational characteristics of the flexible member
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms

Abstract

本发明公开了一种基于改进S变换的实时索力识别方法，该方法是在对窗函数改进的S变换的基础上，引入同步压缩变换，使得索力的识别更加准确。具体实现包括以下步骤：首先输入环境激励下采集到的斜拉桥拉索振动时域信号，然后选择合适的窗函数控制因子，对输入的时域信号做改进的S变换，接着对变换后的时频平面信号做同步压缩变换，得到高分辨时频谱图，最后从谱图中提取拉索实时振动频率曲线，并利用索力测量的振动法结合实时振动频率得完成实时索力的识别。该方法既保留了S变换适用性广，分辨率高的优点，又针对性地提高了局部识别精度，是一种高性能的索力识别方法。

Description

一种基于改进S变换的实时索力识别方法
技术领域
本发明涉及到桥梁结构健康监测领域，特别是一种基于改进S变换的实时索力识别方法。
背景技术
桥梁作为国家重要基础设施，是交通运输线路的重要组成部分。斜拉桥因其受力性能好、跨度大、造型美观等优点而在桥梁建设中被广泛采用。拉索是斜拉桥的主要受力构件之一，拉索的健康监测尤其是索力的识别和预估对于斜拉桥的维护和安全评定至关重要。
目前斜拉桥索力测量的方法主要有：油压表读数法、压力传感器法、磁通量法、振动法等。其中，振动法使用方便、灵活、成本低、理论和应用都比较成熟，且可以实现实时在线测量，最为高效直接。拉索振动频率易受传感器、风荷载和温度等环境因素的影响，监测到的振动信号多为时变、非平稳信号，而时频分析是分析该类信号的重要工具。为了准确分析信号的局部特性，时频分析将一维时域信号映射到二维时频平面，从而获得信号的时频分布。目前常用的时频分析方法主要包括短时傅里叶变换(STFT)、连续小波变换(CWT)、 S变换(ST)等。
短时傅里叶变换的基本思想是通过加窗实现信号的分段傅里叶变换，从而得到信号的时变特性。但STFT所用窗函数固定，是一种单一分辨率的分析方法。而小波变换的思想来源于伸缩与平移方法，是一种窗口面积固定但形状可改变的时频局部化分析方法，能根据高低频信号特点自适应调整时频窗。但小波基设计难度较大，还有容许性条件的约束，同时存在时频分辨率不足、尺度频率转换复杂等缺陷。为了弥补短时傅里叶变换和小波变换的不足，S变换引入了可变高斯窗函数，该方法得到的时频谱在低频部分频率分辨率高，在高频部分频率分辨率低，即分辨率可变。但是这种反比关系使得窗函数在局部出现窗长过宽和过窄的问题，导致低频处时间定位失效，高频处频率定位失效。
由上可知，现有的时频分析方法还存在不足，需要对其进一步改进以提高分析精度，进而提高实时索力的识别精度。
发明内容
为了克服上述现有技术存在的不足，本发明提供了一种基于改进S变换的实时索力识别方法。
为了实现上述目的，本发明提供如下技术方案：
一种基于改进S变换的实时索力识别方法，如图1所示，包括以下步骤：
采集斜拉桥拉索振动时域信号；
对采集到的斜拉桥拉索振动时域信号做改进的S变换，得到时频分布 SGST(t,f)；
对时频分布SGST(t,f)进行同步压缩，得到高分辨时频谱图；
从高分辨时频谱图中提取出振动频率随时间变化的拉索实时振动频率变化曲线fn(t)；
根据所提取的拉索实时振动频率变化曲线fn(t)及其阶数n，通过振动法完成拉索实时索力T(t)的识别。
优选地，所述对采集到的斜拉桥拉索的振动信号做改进的S变换，得到时频分布SGST(t,f)，具体步骤为：
将S变换的窗函数做如下改进：
Figure BDA0003085308000000021
Figure BDA0003085308000000031
Figure BDA0003085308000000032
其中，t为时间；f为频率；τ为窗函数中心时刻；
Figure BDA0003085308000000033
为窗函数前锥度控制参数；
Figure BDA0003085308000000034
为窗函数后锥度控制参数；
将改进后的窗函数代入S变换得到改进后的S变换，其离散形式为：
Figure BDA0003085308000000035
Figure BDA0003085308000000036
其中，T为采样间隔；M为采样点数；j和m分别为离散的时间和频率指标；τ＝jT，f＝m/MT；u和k为时移参数；尖号上标表示离散形式，
Figure BDA0003085308000000037
为
Figure BDA0003085308000000038
的离散傅里叶变换；erf为误差函数。
优选地，所述对时频分布进行同步压缩，得到高分辨时频谱图，具体步骤为：
将多分量信号h(t)的各个单分量hn(t)的瞬时频率表示为
Figure BDA0003085308000000039
其中，fn和t均表示自变量，
Figure BDA00030853080000000310
表示对hn做改进的S变换；
多分量信号h(t)的瞬时频率表示为
Figure BDA0003085308000000041
其中，δ为冲激函数；
将对频率区间的积分写成求和形式，多分量信号h(t)的改进同步压缩S变换为：
Figure BDA0003085308000000042
其中，fl为同步压缩变换后的频率；Lf是在S变换谱上以fl为中心的频率区间半长度；fk为S变换谱上频率区间的离散化频率样点，且Δf＝fk-fk-1。
优选地，从同步压缩变换后的高分辨时频分布图中提取出振动频率随时间变化的拉索实时振动频率变化曲线fn(t)。
优选地，所述根据所提取的拉索实时振动频率变化曲线fn(t)及其阶数n，通过振动法完成拉索实时索力的识别，具体为：
Figure BDA0003085308000000043
其中，m为拉索单位长度的质量；L为拉索的长度。
本发明提供的基于改进S变换的实时索力识别方法与现有技术相比，其显著优点为：
1)本发明包含改进的S变换，窗函数采用非对称的双高斯窗，可以通过改变窗口的前锥度和后锥度来提高事件启动或结束时间的分辨率，进而对索力的异常变化做出及时的预警；
2)本发明将改进的S变换与同步压缩变换结合，对时频信号进行能量重排，提高了能量聚集性和时频分辨率。
下面结合附图对本发明作进一步详细描述。
附图说明
为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种基于改进S变换的实时索力识别方法流程图；
图2是本发明实施例1中斜拉桥拉索振动实测时域信号示意图；
图3是本发明实施例1中斜拉桥拉索振动频域信号示意图；
图4是本发明实施例1中斜拉桥拉索振动频域信号基频部分示意图；
图5是本发明实施例1中斜拉桥拉索振动信号基频辨识结果示意图。
图6为同步压缩变换后的时频谱图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。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。
本发明提供了一种基于改进S变换的实时索力识别方法，如图1所示，包括以下步骤：
步骤1、输入桥梁健康监测系统采集斜拉桥拉索振动时域信号；
步骤2、选择合适的窗函数控制因子，对采集到的斜拉桥拉索振动时域信号做改进的S变换，得到时频分布SGST(t,f)；
具体的，本实施例中，步骤2中对采集到的斜拉桥拉索的振动信号做改进的S变换，得到时频分布SGST(t,f)，具体步骤为：
步骤2-1、将S变换的窗函数做如下改进：
Figure BDA0003085308000000061
Figure BDA0003085308000000062
Figure BDA0003085308000000063
其中，t为时间；f为频率；τ为窗函数中心时刻；
Figure BDA0003085308000000064
为窗函数前锥度控制参数；
Figure BDA0003085308000000065
为窗函数后锥度控制参数；
步骤2-2、将改进后的窗函数代入S变换得到改进后的S变换，其离散形式为：
Figure BDA0003085308000000066
Figure BDA0003085308000000067
其中，T为采样间隔；M为采样点数；j和m分别为离散的时间和频率指标；τ＝jT，f＝m/MT；u和k为时移参数；尖号上标表示离散形式，
Figure BDA0003085308000000068
为
Figure BDA0003085308000000069
的离散傅里叶变换；erf为误差函数。
步骤3、对时频分布SGST(t,f)进行同步压缩，得到高分辨时频谱图；
具体的，本实施例中，步骤3对时频分布进行同步压缩，得到高分辨时频谱图，具体步骤为：
步骤3-1、将多分量信号h(t)的各个单分量jn(t)的瞬时频率表示为
Figure BDA0003085308000000071
其中，fn和t均表示自变量，
Figure BDA0003085308000000072
表示对hn做改进的S变换；
步骤3-2、多分量信号h(t)的瞬时频率表示为
Figure BDA0003085308000000073
其中，δ为冲激函数；
步骤3-3、将对频率区间的积分写成求和形式，多分量信号h(t)的改进同步压缩S变换为：
Figure BDA0003085308000000074
其中，fl为同步压缩变换后的频率；Lf是在S变换谱上以fl为中心的频率区间半长度；fk为S变换谱上频率区间的离散化频率样点，且Δf＝fk-fk-1。
步骤4、从高分辨时频谱图中提取出振动频率随时间变化的拉索实时振动频率变化曲线fn(t)；
具体的，本实施例中，步骤4从同步压缩变换后的高分辨时频分布图中提取出振动频率随时间变化的拉索实时振动频率变化曲线fn(t)。
步骤5、根据所提取的拉索实时振动频率变化曲线fn(t)及其阶数n，通过振动法完成拉索实时索力T(t)的识别。
具体的，本实施例中，步骤5根据所提取的拉索实时振动频率变化曲线fn(t) 及其阶数n，通过振动法完成拉索实时索力的识别，具体为：
Figure BDA0003085308000000081
其中，m为拉索单位长度的质量；L为拉索的长度。
本发明一方面包含改进的S变换，可以通过调整窗函数的前锥度和后锥度来提高事件启动或结束的时间分辨率；另一方面，加入了同步压缩变换，通过在时频平面上对信号进行能量重排实现高分辨时频结果。
实施例1
下面结合具体实施例和附图对本发明做进一步详细说明。
实施例
以仿真合成信号为例，采样频率为100Hz，采样点数N＝1024，其解析式为：
Figure BDA0003085308000000082
按照本发明的处理方法，在MATLAB软件平台输入该仿真合成信号，如图2 所示，模拟环境激励下采集到的斜拉桥拉索振动时域信号。首先对该信号做S 变换，得到的时频谱图如图3所示；然后取γGST＝0.1，
Figure BDA0003085308000000083
增大窗函数的前锥度，得到的时频谱图如图4所示；将
Figure BDA0003085308000000084
与
Figure BDA0003085308000000085
的位置置换后，可相应增大窗函数的后锥度，得到的时频谱图如图5所示。将图4和图5与图3进行对比可以看出，改进后的S变换对于频率突变发生的时刻的定位更加准确，这有利于更加准确及时地检测到索力的突变。图6是同步压缩变换后的时频谱图，可以看到信号能量聚集性显著提升，时频分布可读性大大提高。
以上所述实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。

Claims (5)

1.一种基于改进S变换的实时索力识别方法，其特征在于，包括以下步骤：
采集斜拉桥拉索振动时域信号；
对采集到的斜拉桥拉索振动时域信号做改进的S变换，得到时频分布SGST(t,f)；
对时频分布SGST(t,f)进行同步压缩，得到高分辨时频谱图；
从高分辨时频谱图中提取出振动频率随时间变化的拉索实时振动频率变化曲线fn(t)；
根据所提取的拉索实时振动频率变化曲线fn(t)及其阶数n，通过振动法完成拉索实时索力T(t)的识别。
2.根据权利要求1所述的基于改进S变换的实时索力识别方法，其特征在于，所述对采集到的斜拉桥拉索的振动信号做改进的S变换，得到时频分布SGST(t,f)，具体步骤为：
将S变换的窗函数做如下改进：
Figure FDA0003085307990000011
Figure FDA0003085307990000012
Figure FDA0003085307990000013
其中，t为时间；f为频率；τ为窗函数中心时刻；
Figure FDA0003085307990000014
为窗函数前锥度控制参数；
Figure FDA0003085307990000015
为窗函数后锥度控制参数；
将改进后的窗函数代入S变换得到改进后的S变换，其离散形式为：
Figure FDA0003085307990000021
Figure FDA0003085307990000022
其中，T为采样间隔；M为采样点数；j和m分别为离散的时间和频率指标；τ＝jT，f＝m/MT；u和k为时移参数；尖号上标表示离散形式，
Figure FDA0003085307990000025
为
Figure FDA0003085307990000026
的离散傅里叶变换；erf为误差函数。
3.根据权利要求2所述的基于改进S变换的实时索力识别方法，其特征在于，所述对时频分布进行同步压缩，得到高分辨时频谱图，具体步骤为：
将多分量信号h(t)的各个单分量hn(t)的瞬时频率表示为
Figure FDA0003085307990000023
其中，fn和t均表示自变量，
Figure FDA0003085307990000027
表示对hn做改进的S变换；
多分量信号h(t)的瞬时频率表示为
Figure FDA0003085307990000024
其中，δ为冲激函数；
将对频率区间的积分写成求和形式，多分量信号h(t)的改进同步压缩S变换为：
Figure FDA0003085307990000031
其中，fl为同步压缩变换后的频率；Lf是在S变换谱上以fl为中心的频率区间半长度；fk为S变换谱上频率区间的离散化频率样点，且Δf＝fk-fk-1。
4.根据权利要求3所述的基于改进S变换的实时索力识别方法，其特征在于，从同步压缩变换后的高分辨时频分布图中提取出振动频率随时间变化的拉索实时振动频率变化曲线fn(t)。
5.根据权利要求4所述的基于改进S变换的实时索力识别方法，其特征在于，所述根据所提取的拉索实时振动频率变化曲线fn(t)及其阶数n，通过振动法完成拉索实时索力的识别，具体为：
Figure FDA0003085307990000032
其中，m为拉索单位长度的质量；L为拉索的长度。
CN202110578974.8A 2021-05-26 2021-05-26 一种基于改进s变换的实时索力识别方法 Active CN113280963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110578974.8A CN113280963B (zh) 2021-05-26 2021-05-26 一种基于改进s变换的实时索力识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110578974.8A CN113280963B (zh) 2021-05-26 2021-05-26 一种基于改进s变换的实时索力识别方法

Publications (2)

Publication Number Publication Date
CN113280963A true CN113280963A (zh) 2021-08-20
CN113280963B CN113280963B (zh) 2022-06-21

Family

ID=77282088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110578974.8A Active CN113280963B (zh) 2021-05-26 2021-05-26 一种基于改进s变换的实时索力识别方法

Country Status (1)

Country Link
CN (1) CN113280963B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4245325A (en) * 1978-02-24 1981-01-13 Nippon Telegraph And Telephone Public Corporation Digital multifrequency signalling receiver
JPH0884337A (ja) * 1994-09-02 1996-03-26 Texas Instr Inc <Ti> データ処理装置及びその方法
CN101963536A (zh) * 2010-08-13 2011-02-02 重庆大学 一种索力实时监测方法
CN110231117A (zh) * 2019-06-10 2019-09-13 中设设计集团股份有限公司 一种基于s变换的拉索基频特征辨识方法
CN110285909A (zh) * 2019-07-05 2019-09-27 河海大学 基于同步压缩变换的索承桥梁瞬时索力计算方法
CN111198357A (zh) * 2019-12-19 2020-05-26 南京理工大学 一种基于可调窗函数的s变换时频分析方法
CN111639541A (zh) * 2020-04-30 2020-09-08 南京理工大学 基于频率变化率的自适应同步压缩时频分析方法
CN112415329A (zh) * 2020-10-27 2021-02-26 广东电网有限责任公司广州供电局 电压暂降辨识方法、装置、计算机设备和存储介质
CN112540220A (zh) * 2020-11-05 2021-03-23 广东电网有限责任公司广州供电局 电压暂降检测电路和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4245325A (en) * 1978-02-24 1981-01-13 Nippon Telegraph And Telephone Public Corporation Digital multifrequency signalling receiver
JPH0884337A (ja) * 1994-09-02 1996-03-26 Texas Instr Inc <Ti> データ処理装置及びその方法
CN101963536A (zh) * 2010-08-13 2011-02-02 重庆大学 一种索力实时监测方法
CN110231117A (zh) * 2019-06-10 2019-09-13 中设设计集团股份有限公司 一种基于s变换的拉索基频特征辨识方法
CN110285909A (zh) * 2019-07-05 2019-09-27 河海大学 基于同步压缩变换的索承桥梁瞬时索力计算方法
CN111198357A (zh) * 2019-12-19 2020-05-26 南京理工大学 一种基于可调窗函数的s变换时频分析方法
CN111639541A (zh) * 2020-04-30 2020-09-08 南京理工大学 基于频率变化率的自适应同步压缩时频分析方法
CN112415329A (zh) * 2020-10-27 2021-02-26 广东电网有限责任公司广州供电局 电压暂降辨识方法、装置、计算机设备和存储介质
CN112540220A (zh) * 2020-11-05 2021-03-23 广东电网有限责任公司广州供电局 电压暂降检测电路和装置

Also Published As

Publication number Publication date
CN113280963B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN109682561B (zh) 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法
CN105424388B (zh) 一种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测方法
CN110285909B (zh) 基于同步压缩变换的索承桥梁瞬时索力计算方法
CN110619106B (zh) 一种桥梁损伤定位方法及其定量方法
CN102425409B (zh) 一种井斜和工具面测量装置及垂直钻井设备
Li et al. Time-varying parameter identification of bridges subject to moving vehicles using ridge extraction based on empirical wavelet transform
CN106556647A (zh) 一种冲击回波数据处理方法
CN102254068A (zh) 大跨度桥梁抖振响应的多尺度分析方法
CN104089699B (zh) 一种变电站设备声音重建算法
CN101725344A (zh) 一种确定岩电参数的方法
CN101587007A (zh) 识别柔性桥梁结构动力参数的惟输出小波基分析方法
CN101871974B (zh) 一种阻抗谱的测量方法
CN102759448A (zh) 基于柔性时域平均的齿轮箱故障检测方法
CN104050147A (zh) 将时域信号转换成频域信号的方法与系统
CN103149276A (zh) 确定模型水轮机转轮叶片空蚀起始点的方法
CN111487318B (zh) 一种时变结构瞬时频率提取方法
CN101718862A (zh) 基于ar模型和小波变换的核电站松动件定位方法
CN102567630B (zh) 一种大跨桥梁结构风致振动响应的确定方法
CN103995147B (zh) 一种适用于声学多普勒流速仪的数据后处理系统与应用
CN105242111B (zh) 一种采用类脉冲激励的频响函数测量方法
Yu et al. Adaptive multiple second-order synchrosqueezing wavelet transform and its application in wind turbine gearbox fault diagnosis
CN113280963B (zh) 一种基于改进s变换的实时索力识别方法
Guo et al. A novel solution for improved performance of Time-frequency concentration
Ma et al. A new method for separation of 2D incident and reflected waves by the Morlet wavelet transform
CN103924963B (zh) 一种示功仪采样率自动切换方法

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
TA01 Transfer of patent application right

Effective date of registration: 20211104

Address after: 211100 No. 8 West Buddha Road, Jiangning District, Jiangsu, Nanjing

Applicant after: HOHAI University

Address before: 226004 No. 58 Chongchuan Road, Chongchuan District, Nantong City, Jiangsu Province

Applicant before: INSTITUTE OF MARINE AND OFFSHORE ENGINEERING, NANTONG HOHAI University

Applicant before: HOHAI University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant