CN114264397A - 基于小波与等值线的瞬时索力识别方法、电子设备及介质 - Google Patents
基于小波与等值线的瞬时索力识别方法、电子设备及介质 Download PDFInfo
- Publication number
- CN114264397A CN114264397A CN202111575552.1A CN202111575552A CN114264397A CN 114264397 A CN114264397 A CN 114264397A CN 202111575552 A CN202111575552 A CN 202111575552A CN 114264397 A CN114264397 A CN 114264397A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- cable
- coefficient
- contour
- cable force
- 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 76
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000006073 displacement reaction Methods 0.000 claims abstract description 19
- 238000012935 Averaging Methods 0.000 claims abstract description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001052 transient effect Effects 0.000 claims description 4
- 230000021615 conjugation Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 8
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 abstract description 6
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 22
- 230000008859 change Effects 0.000 description 15
- 238000001228 spectrum Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004873 anchoring Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007716 flux method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种基于小波与等值线的瞬时索力识别方法、电子设备及介质。该方法包括:步骤1:通过微波干涉雷达获取拉索振动位移信号,进行小窗口聚焦分析:根据小窗口信号进行连续复小波变换,获得小波系数;对小波系数进行降噪处理,获得降噪后的小波系数;通过等值线法在等幅值面上提取小波脊带;通过最邻近法对小波脊带进行拟合插值,进而进行均值化处理,获得小窗口时频曲线;步骤2:将每个小窗口的时频曲线叠加,获得最终时频曲线,识别拉索瞬时频率,计算瞬时索力。本发明通过非接触式微波干涉雷达采集响应数据,通过小窗口聚焦分析,多窗口叠加展示的方式,实现长时段分析,通过等值线法提取小波脊带,提高索力识别精度。
Description
技术领域
本发明涉及桥梁健康检测领域,更具体地,涉及一种基于小波与等值线的瞬时索力识别方法、电子设备及介质。
背景技术
在斜拉桥、悬索桥和拱桥等大跨结构体系中,拉索是桥体与塔柱之间主要的传力构件。作为整个桥梁系统中关键且相对薄弱的一环,拉索安全运营的可靠性直接关系着桥梁能否正常使用。而工作中的拉索由于长期承受间歇性时变载荷(风力、车辆等),所以会引起拉索的疲劳失效。因此,对服役中的拉索进行时变索力监测可以掌握拉索的疲劳损伤程度、评估拉索的健康状态,有助于桥梁的安全等级评估、修缮维护以及寿命预测。
现有拉索索力识别方法主要有压力表法、压力传感器法、磁通量法、频谱法。压力表法采用带压力表的千斤顶对拉索加载,压力表会显示拉力的大小,可以读取拉索索力。这种方法人工读数存在误差,而且不能对服役桥梁进行长期监测。压力传感器法是在拉索的锚固端安装永久传感器,通过传感器传出的电讯号确定拉索索力,传感器要求在施工时安装,会造成施工困难,并且测试精度受传感器的性能影响较大且成本较高。磁通量法是利用磁铁材料受压后的参数变化来进行索力识别,通过确定磁导率与索力的关系来计算索力,因为需要在测试前对拉索的磁导性进行标定实验,此过程对于运营桥梁的拉索难以实现。频谱法是根据拉索的振动频率与索力之间的关系,利用拾振器采集拉索振动响应,再对响应信号进行频谱分析得到拉索的某阶频率,最后由“频率-索力”换算公式计算索力,是当今工程中最简洁、最方便的方法。在传统频谱识别方法中最常用的拾振器为加速度传感器。而接触式加速度传感器数据采集效率低、安装与维护困难并且不能获取斜拉索的垂度信息。
因此,有必要开发一种基于小波与等值线的瞬时索力识别方法、电子设备及介质。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种基于小波与等值线的瞬时索力识别方法、电子设备及介质,其能够通过非接触式微波干涉雷达采集响应数据,通过小窗口聚焦分析,多窗口叠加展示的方式,实现长时段分析,通过等值线法提取小波脊带,提高索力识别精度。
第一方面,本公开实施例提供了一种基于小波与等值线的瞬时索力识别方法,包括:
步骤1:通过微波干涉雷达获取拉索振动位移信号,针对所述拉索振动位移信号进行小窗口聚焦分析:
步骤101:根据小窗口的拉索振动位移信号进行连续复小波变换,获得小波系数;
步骤102:通过小波软阈值去噪方法对所述小波系数进行降噪处理,获得降噪后的小波系数;
步骤103:根据所述降噪后的小波系数,通过等值线法在等幅值面上提取小波脊带;
步骤104:通过最邻近法对所述小波脊带进行拟合插值,将插值后的数据在频域进行均值化处理,获得小窗口对应的时频曲线;
步骤2:将每个小窗口的时频曲线叠加,获得最终时频曲线,识别拉索瞬时频率,根据索力-频率方程计算瞬时索力。
优选地,通过公式(1)获得小波系数:
其中,WTx(a,b)为连续小波变换后的小波系数,a和b分别为尺度参数和平移参数,ψa,b为小波基函数,ψ*(·)表示ψ(·)的共轭。
优选地,所述步骤102包括:
对所述小波系数进行多层小波分解,得到各层分解系数;
计算分解后的噪声系数方差,进而计算阈值;
根据所述阈值建立软阈值函数,所述对分解系数进行阈值处理;
根据阈值处理后的分解系数进行小波重构,获得降噪后的小波系数。
优选地,通过公式(2)计算阈值:
其中,λj为阈值,N为第j层分解系数长度,σ为噪声系数方差。
优选地,所述软阈值函数为:
优选地,所述步骤103包括:
通过contour函数绘制一层等高线,得到层所在幅值;
计算小波脊带的幅值A0,通过contour函数绘制幅值A0处等值线,提取所述小波脊带。
优选地,通过公式(4)计算小波脊带的幅值:
A0=(M+c)/2 (4)
其中,A0为小波脊带的幅值,M是小波系数模最大值,c为层所在幅值。
优选地,所述索力-频率方程为:
其中,T为瞬时索力,m为索的线密度,l为索的计算长度,fn为索的第n阶的瞬时频率。
作为本公开实施例的一种具体实现方式,
第二方面,本公开实施例还提供了一种电子设备,该电子设备包括:
存储器,存储有可执行指令;
处理器,所述处理器运行所述存储器中的所述可执行指令,以实现所述的基于小波与等值线的瞬时索力识别方法。
第三方面,本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现所述的基于小波与等值线的瞬时索力识别方法。
其有益效果在于:
(1)通过Morlet复小波进行连续小波变换得到雷达位移数据的小波系数谱图,为后续小波等值线的提取做好准备;
(2)基于小波软阈值函数对小波系数进行去噪处理,可以很好去除时频和小波系数谱三维空间去噪处理,使得去噪效果更佳;
(3)利用等值线的概念提取小波脊带,对比去噪前后的等值线可以有效展示去噪效果并有效提取时频曲线;
(4)采用小窗口聚焦分析,多窗口叠加展示的方法,使得本发明既可以进行短时数据分析实现拉索实时状态监测,又可以进行长时数据分析,为拉索寿命预测提供依据。
本发明的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的单窗长时分析信号在小波域能量特征的示意图。
图2示出了根据本发明的一个实施例的信号三维等值面上小波脊带的示意图。
图3示出了根据本发明的一个实施例的基于小波与等值线的瞬时索力识别方法的步骤的流程图。
图4示出了根据本发明的一个实施例的试验平台的示意图。
图5示出了根据工况1的索的振动位移信号的示意图。
图6示出了根据工况1的信号小波量图的示意图。
图7a和图7b分别示出了根据工况1的去噪前后的小波系数的示意图。
图8a和图8b分别示出了根据工况1的去噪前后的等值线的示意图。
图9示出了根据工况1的索力线性变化时瞬时频率识别结果的示意图。
图10示出了根据工况2的单窗长时段分析小波量图的示意图。
图11示出了根据工况2的多窗长时段分析小波量图的示意图。
图12a和图12b分别示出了根据工况2的去噪前后的等值线的示意图。
图13示出了根据工况2的拉力正弦变化时索的瞬时频率识别结果的示意图。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
本发明提供一种基于小波与等值线的瞬时索力识别方法,包括:
步骤1:通过微波干涉雷达获取拉索振动位移信号,设定信号分析起终时间和单次小窗口的分析时长,通过迭代循环的方式针对拉索振动位移信号进行小窗口聚焦分析:步骤101:根据小窗口的拉索振动位移信号进行连续复小波变换,获得小波系数;在一个示例中,通过公式(1)获得小波系数:
其中,WTx(a,b)为连续小波变换后的小波系数,a和b分别为尺度参数和平移参数,ψa,b为小波基函数,ψ*(·)表示ψ(·)的共轭。
具体地,时变结构系统的振动信号主要频率分量为基频和倍频,在小波系数能量普中能量主要集中在基频段,由于在基频处小波能量最大,所以通过提取小波脊带可以识别出拉索瞬时基率。因此,主要分析系统的第一阶模态响应。而第一阶振动位移信号x(t)可以由时变幅值A(t)和时变相位φ(t)表示为:
x(t)=A(t)cos[φ(t)] (6)。
采用连续小波变换得到信号的小波系数能量谱。信号x(t)的连续小波变换,通过公式(1)计算连续小波变换后的小波系数。采用可调复Morlet小波进行分析,其表达式为:
其中,Fb是小波带宽参数,Fc是小波中心频率。在确定结构基频变化范围后,调整并设置参数Fb和Fc选择合适的小波的时频分辨率,聚焦分析响应信号基频分量。
现有技术采用加速度传感器获取振动信号,这种采集方式效率低、成本高、信息量单一以及设备安装维护困难。本发明采用非接触式微波干涉雷达采集响应数据,设备安装简便、调节灵活、成本低。一个传感器能同时测量多根拉索,数据采集效率高。
步骤102:通过小波软阈值去噪方法对小波系数进行降噪处理,获得降噪后的小波系数;在一个示例中,步骤102包括:
对小波系数进行多层小波分解,得到各层分解系数;
计算分解后的噪声系数方差,进而计算阈值;
根据阈值建立软阈值函数,对分解系数进行阈值处理;
根据阈值处理后的分解系数进行小波重构,获得降噪后的小波系数。
在一个示例中,通过公式(2)计算阈值:
其中,λj为阈值,N为第j层分解系数长度,σ为噪声系数方差。
在一个示例中,软阈值函数为:
图1示出了根据本发明的一个实施例的单窗长时分析信号在小波域能量特征的示意图。
具体地,从理论上来说,小波脊线可以直接根据小波系数的模极大值来提取,从而识别出信号瞬时频率。然而在实际中,信号经过去噪处理后不可避免地仍会受到残留噪声影响,这往往会导致小波系数模极大值在时域变化不连续如图1所示,从而使得识别值偏离真实值。针对这一问题,本发明提供了一种等值线法提取小波脊带,为了使得去噪效果更好,本发明从连续复小波变换后频率谱的小波系数进行小波阈值去噪处理。
含噪信号经过小波分解变换到小波域后,有效信号对应的系数较大,而噪声对应的系数较小。由于在小波域上,噪声对应的系数一般满足高斯分布,根据高斯分布特性,可以近似认为噪声全部分布在区间[-3σ,3σ]内,其中σ为噪声的小波系数方差。所以,只要把噪声分布范围内的小波系数剔除即可达到降噪的目的。
从时频两个维度对小波系数进行多层小波分解,得到各层分解系数;通过公式(8)计算分解后的噪声系数方差:
σ=median(|wj,k|)/0.6745 (8)
进而通过公式(2)计算阈值;根据阈值建立软阈值函数为公式(3),对分解系数进行阈值处理;采用MATLAB的waverec2函数对经过阈值处理后的所有分解系数进行小波重构,获得降噪后的小波系数。
现有技术采用奇异值分解(SVD)方法进行降噪处理,合适的奇异值置零阶次n的选取困难,仅从时域对信号进行降噪,噪声分辨率低,容易受到噪声影响。本发明从时域、频域两个维度对连续复小波变换后的小波系数进行小波阈值去噪处理。不同尺度上的分解系数使用不同的阈值进行阈值处理,具有自适应调整阈值的优点,泛化能力较强,能够快捷有效地抑制噪声干扰。
现有技术在自然环境下随着小波能量衰减,信噪比下降,难以有效识别出拉索的瞬时频率。因此无法实现拉索索力长期连续监测,不能满足工程需求。本发明通过小窗口聚焦分析,多窗口叠加展示的方法,在每一个小窗口中系统会根据含噪程度不同选用不同的去噪阈值,所以在去噪前信噪比较低的分析时段仍然能够很好地识别出拉索的瞬时频率,实现了长时段分析。
步骤103:根据降噪后的小波系数,通过等值线法在等幅值面上提取小波脊带;在一个示例中,步骤103包括:
通过contour函数绘制一层等高线,得到层所在幅值;
计算小波脊带的幅值A0,通过contour函数绘制幅值A0处等值线,提取小波脊带。
在一个示例中,通过公式(4)计算小波脊带的幅值:
A0=(M+c)/2 (4)
其中,A0为小波脊带的幅值,M是小波系数模最大值,c为层所在幅值。
图2示出了根据本发明的一个实施例的信号三维等值面上小波脊带的示意图。
具体地,经过连续复小波变换后,降噪后的小波系数就是小波能量幅值。从“时间-频率-幅值”三个维度对信号特征进行分析,通过观察小波域信号三维图形发现小波脊附近区域幅值变化连续且在频域的剖切面具有“高瘦”的特点。启迪于地形等高线图,把幅值看作高程。在略小于小波脊幅值处确定一个合适的幅值,将幅值相等的相邻各点连成曲线并投影到一个水平面上,曲线包络区域便是小波脊带,如图2所示。则真实的小波脊线位于小波脊带内,在短时小窗口分析中,可以近似认为小波脊线位于等值线上下边沿的中心位置。因此,通过计算等值线上下边沿频率均值识别出时拉索瞬时频率。以提取小波脊带的技术稀释了残留噪声干扰,提高了识别精度。
为了确定一个合适的幅值A0,先由MATLAB中contour函数绘制一层等高线,得到层所在幅值c。再由公式(4)计算出A0。A0即为小波脊带的幅值大小。通过contour函数绘制指定幅值A0处等值线提取出小波脊带,捕捉时频变化特征。
现有技术无法通过去噪处理剔除与信号特征相似的噪声成分使得识别结果偏离真实值、变化不连续、波动较大等问题。本发明采用等值线法提取出小波脊带,通过确定小波脊线的存在域分散去噪后残留噪声的影响,从而提高拉索频率识别精度。
步骤104:通过最邻近法对小波脊带进行拟合插值,将插值后的数据在频域进行均值化处理,获得小窗口对应的时频曲线。
步骤2:将每个小窗口的时频曲线叠加,获得最终时频曲线,识别拉索瞬时频率,根据索力-频率方程计算瞬时索力;在一个示例中,索力-频率方程为:
其中,T为瞬时索力,m为索的线密度,l为索的计算长度,fn为索的第n阶的瞬时频率。
具体地,根据索力与其振动频率之间存在的特定的关系,索力可由频率换算得到,即索力-频率方程为公式(5),将拉索的瞬时频率代入公式(5),计算得到瞬时索力。
本发明还提供一种电子设备,电子设备包括:存储器,存储有可执行指令;处理器,处理器运行存储器中的可执行指令,以实现上述的基于小波与等值线的瞬时索力识别方法。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述的基于小波与等值线的瞬时索力识别方法。
为便于理解本发明实施例的方案及其效果,以下给出三个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
实施例1
图3示出了根据本发明的一个实施例的基于小波与等值线的瞬时索力识别方法的步骤的流程图。
如图3所示,该基于小波与等值线的瞬时索力识别方法包括:步骤1:通过微波干涉雷达获取拉索振动位移信号,针对拉索振动位移信号进行小窗口聚焦分析:步骤101:根据小窗口的拉索振动位移信号进行连续复小波变换,获得小波系数;步骤102:通过小波软阈值去噪方法对小波系数进行降噪处理,获得降噪后的小波系数;步骤103:根据降噪后的小波系数,通过等值线法在等幅值面上提取小波脊带;步骤104:通过最邻近法对小波脊带进行拟合插值,将插值后的数据在频域进行均值化处理,获得小窗口对应的时频曲线;步骤2:将每个小窗口的时频曲线叠加,获得最终时频曲线,识别拉索瞬时频率,根据索力-频率方程计算瞬时索力。
图4示出了根据本发明的一个实施例的试验平台的示意图。
如图4所示,设计了一个时变索力的拉索试验,验证了本发明提出的时变频率识别方法的有效性。试验平台通过加载系统改变拉索的拉力,使得拉索具备时变特性。利用微波干涉测量雷达获取拉索的振动位移数据,采样频率200Hz。同时利用采样频率4Hz的压力传感器采集实时索力变化数据。通过本发明提出的方法来识别拉索的瞬时频率,由瞬时频率计算出索力。将索力识别值与拉索变载历程中压力传感器同步采集值进行对比验证。
实验使用的拉索为一根1860级7Φ5的钢绞线,公称直径为15.20mm,弹性模量E=1.95×105MPa,截面积为137.4mm2,线密度为1.094kg/m。索的一端采用反力架锚固,并安装穿心式压力传感器。另一端采用电液伺服系统(MTS)施加拉力。其中两锚固点间的索长为L=4.35m。
实验开始后,首先由MTS加载系统给拉索施加20kN预拉力并保持10s。然后作动器加载力分别以线性增加和正弦变化两种工况。索力的连续变化使索的刚度随时间发生变化,导致索的固有频率随之改变。在索力变化时,人工用橡胶锤添加敲击激励、微波干涉测量雷达采集振动信号和压力传感器采集索力变化数据同步进行。
确定拉索型号参数,获取拉索振动响应信号,确定拉索的基频范围。在基频变化区间内对原始数据进行连续复Morlet小波变换,得到小波系数。将小波系数进行小波软阈值去噪处理。确定合适的幅值A0,然后由contour函数绘制指定幅值A0处等值线,等值线包络的区域即为提取出的小波脊带。采用最邻近法对小波脊带边沿进行拟合插值,并对插值完的数据在频域进行均值化即可得到时频曲线,识别拉索瞬时频率。将瞬时频率代入索力-频率方程,计算索力。
工况1:索力线性变化
图5示出了根据工况1的索的振动位移信号的示意图。
实验过程中索力从预拉力20kN开始以0.5kN/s的速率线性增加,MTS系统开始变载的同时给予拉索一个敲击激励,变载前2s雷达传感器开始采集数据,共采集13s,振动位移信号如图5所示。
图6示出了根据工况1的信号小波量图的示意图。
信号经过连续小波变换得到小波能量谱图如图6所示,可以看到在基频变化范围内存在一条小波脊带,它对应拉索的第一阶模态频率。
图7a和图7b分别示出了根据工况1的去噪前后的小波系数的示意图。
如图7a与图7b所示,通过小波软阈值函数将小波系数进行去噪处理后可以有效地过滤掉高频噪声信息,保留有效信号得到平滑的小波量图。
图8a和图8b分别示出了根据工况1的去噪前后的等值线的示意图。
从图8a与图8b中可以看出去噪前小波脊带轮廓模糊且变化不连续,而去噪后可以精准地提取出小波脊带的等值线,并且完美地包裹了理论时频曲线。
图9示出了根据工况1的索力线性变化时瞬时频率识别结果的示意图。
如图9所示,在每个小窗口中,通过计算小波脊带上下边沿频率均值识别出时拉索瞬时频率,然后叠加展示能够很好地捕捉到拉索时频变化特征。
工况2:索力正弦变化
实验过程中先对索施加20kN的初始拉力,然后MTS系统对索施加正弦变化的拉力,其峰值为24kN谷值为16kN,周期为10s。变载前2s雷达传感器开始采集数据同时给予拉索一个敲击激励,共采集16s。
图10示出了根据工况2的单窗长时段分析小波量图的示意图。
图11示出了根据工况2的多窗长时段分析小波量图的示意图。
从图10能够看出在单窗口长时段分析中随着时间推移由于信号能量衰减,信号特征不再明显,从而导致识别结果偏差很大甚至无法进行分析识别。而在图11中采用小窗口聚焦分析,多窗口叠加展示的方法可以很明显地捕捉到呈正弦趋势变化的小波脊线。这是因为在每一个短时分析窗口中系统会根据含噪程度不同随动地计算出合适的去噪阈值,从而有效地提取到特征信号。
图12a和图12b分别示出了根据工况2的去噪前后的等值线的示意图。
从图12a去噪前提取出的等值线图可以明显地看出,噪声的干扰会引起小波脊带上下边缘提取模糊。此外,随着分析时间的增长小波能量的衰减会导致噪声成分占比变大,导致提取出的小波脊带变得模糊,从而无法有效分析出拉索瞬时频率。将图12a和图12b去噪前后效果对比可知经过小波软阈值去噪后能够较好地提取出小波脊带边缘的上下等值线,并且精确地提取出了拉索的时频变化趋势。
图13示出了根据工况2的拉力正弦变化时索的瞬时频率识别结果的示意图。
根据图13可以发现本发明提出的方法可以精准有效地识别出拉索的瞬时频率。其正弦变化趋势非常完整。虽然识别结果与理论结果不完全吻合,一方面是因为MTS加载系统实际变载过程并非连续变化,而是以小梯度进给使得加载历程近似于正弦变化。另一方面由于雷达传感器和压力传感器采样频率不一致,使得频率识别值与理论值分辨率存在差异。
实施例2
本公开提供一种电子设备包括,该电子设备包括:存储器,存储有可执行指令;处理器,处理器运行存储器中的可执行指令,以实现上述基于小波与等值线的瞬时索力识别方法。
根据本公开实施例的电子设备包括存储器和处理器。
该存储器用于存储非暂时性计算机可读指令。具体地,存储器可以包括一个或多个计算机程序产品,该计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中,该处理器用于运行该存储器中存储的该计算机可读指令。
本领域技术人员应能理解,为了解决如何获得良好用户体验效果的技术问题,本实施例中也可以包括诸如通信总线、接口等公知的结构,这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
实施例3
本公开实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现所述的基于小波与等值线的瞬时索力识别方法。
根据本公开实施例的计算机可读存储介质,其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时,执行前述的本公开各实施例方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于:光存储介质(例如:CD-ROM和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的媒体(例如:ROM盒)。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (10)
1.一种基于小波与等值线的瞬时索力识别方法,其特征在于,包括:
步骤1:通过微波干涉雷达获取拉索振动位移信号,针对所述拉索振动位移信号进行小窗口聚焦分析:
步骤101:根据小窗口的拉索振动位移信号进行连续复小波变换,获得小波系数;
步骤102:通过小波软阈值去噪方法对所述小波系数进行降噪处理,获得降噪后的小波系数;
步骤103:根据所述降噪后的小波系数,通过等值线法在等幅值面上提取小波脊带;
步骤104:通过最邻近法对所述小波脊带进行拟合插值,将插值后的数据在频域进行均值化处理,获得小窗口对应的时频曲线;
步骤2:将每个小窗口的时频曲线叠加,获得最终时频曲线,识别拉索瞬时频率,根据索力-频率方程计算瞬时索力。
3.根据权利要求1所述的基于小波与等值线的瞬时索力识别方法,其中,所述步骤102包括:
对所述小波系数进行多层小波分解,得到各层分解系数;
计算分解后的噪声系数方差,进而计算阈值;
根据所述阈值建立软阈值函数,所述对分解系数进行阈值处理;
根据阈值处理后的分解系数进行小波重构,获得降噪后的小波系数。
6.根据权利要求1所述的基于小波与等值线的瞬时索力识别方法,其中,所述步骤103包括:
通过contour函数绘制一层等高线,得到层所在幅值;
计算小波脊带的幅值A0,通过contour函数绘制幅值A0处等值线,提取所述小波脊带。
7.根据权利要求6所述的基于小波与等值线的瞬时索力识别方法,其中,通过公式(4)计算小波脊带的幅值:
A0=(M+c)/2 (4)
其中,A0为小波脊带的幅值,M是小波系数模最大值,c为层所在幅值。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有可执行指令;
处理器,所述处理器运行所述存储器中的所述可执行指令,以实现权利要求1-8中任一项所述的基于小波与等值线的瞬时索力识别方法。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现权利要求1-8中任一项所述的基于小波与等值线的瞬时索力识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575552.1A CN114264397B (zh) | 2021-12-21 | 2021-12-21 | 基于小波与等值线的瞬时索力识别方法、电子设备及介质 |
ZA2022/10600A ZA202210600B (en) | 2021-12-21 | 2022-09-26 | Instantaneous cable force recognition method based on wavelets and isolines, electronic device and medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575552.1A CN114264397B (zh) | 2021-12-21 | 2021-12-21 | 基于小波与等值线的瞬时索力识别方法、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114264397A true CN114264397A (zh) | 2022-04-01 |
CN114264397B CN114264397B (zh) | 2023-12-19 |
Family
ID=80828401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111575552.1A Active CN114264397B (zh) | 2021-12-21 | 2021-12-21 | 基于小波与等值线的瞬时索力识别方法、电子设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114264397B (zh) |
ZA (1) | ZA202210600B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070074576A1 (en) * | 2005-10-04 | 2007-04-05 | General Electric Company | Methods and apparatus for sensing pressure |
CN102033851A (zh) * | 2010-09-30 | 2011-04-27 | 南京大学 | 一种水文时间序列小波互相关分析方法 |
CN104457956A (zh) * | 2014-12-08 | 2015-03-25 | 湘潭天鸿检测科技有限公司 | 一种拉索索力检测中基频识别方法 |
CN109948249A (zh) * | 2019-03-19 | 2019-06-28 | 东南大学 | 基于变分模态分解的斜拉索时变索力识别方法 |
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 |
CN111260616A (zh) * | 2020-01-13 | 2020-06-09 | 三峡大学 | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 |
-
2021
- 2021-12-21 CN CN202111575552.1A patent/CN114264397B/zh active Active
-
2022
- 2022-09-26 ZA ZA2022/10600A patent/ZA202210600B/en unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070074576A1 (en) * | 2005-10-04 | 2007-04-05 | General Electric Company | Methods and apparatus for sensing pressure |
CN102033851A (zh) * | 2010-09-30 | 2011-04-27 | 南京大学 | 一种水文时间序列小波互相关分析方法 |
CN104457956A (zh) * | 2014-12-08 | 2015-03-25 | 湘潭天鸿检测科技有限公司 | 一种拉索索力检测中基频识别方法 |
CN109948249A (zh) * | 2019-03-19 | 2019-06-28 | 东南大学 | 基于变分模态分解的斜拉索时变索力识别方法 |
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 |
CN111260616A (zh) * | 2020-01-13 | 2020-06-09 | 三峡大学 | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 |
Also Published As
Publication number | Publication date |
---|---|
ZA202210600B (en) | 2023-02-22 |
CN114264397B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Research on bearing fault feature extraction based on singular value decomposition and optimized frequency band entropy | |
EP3479239B1 (en) | System and method for determining the risk of failure of a structure | |
Li et al. | Time-varying characteristics of bridges under the passage of vehicles using synchroextracting transform | |
CN104457956B (zh) | 一种拉索索力检测中基频识别方法 | |
CN103575807A (zh) | Teager能量算子-小波变换曲率模态的梁结构损伤检测方法 | |
CN110737023B (zh) | 一种矿用微震监测信号的处理方法 | |
Chen et al. | An ameliorated synchroextracting transform based on upgraded local instantaneous frequency approximation | |
Zhang et al. | A methodology for cable damage identification based on wave decomposition | |
CN110991564B (zh) | 基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法 | |
CN112597577B (zh) | 桥梁索力高精度动态测量方法、装置和计算机设备 | |
Li et al. | Time-varying parameter identification of bridges subject to moving vehicles using ridge extraction based on empirical wavelet transform | |
CN112985639B (zh) | 基于去啁啾和时域子啁啾脉冲提取的分布式光纤传感方法 | |
Chen et al. | Application of wavelet analysis in vibration signal processing of bridge structure | |
Cheng et al. | Enhanced symplectic characteristics mode decomposition method and its application in fault diagnosis of rolling bearing | |
Valikhani et al. | Application of an optimal wavelet transformation for rail-fastening system identification in different preloads | |
Faltermeier et al. | Weighted sliding empirical mode decomposition | |
CN111487318B (zh) | 一种时变结构瞬时频率提取方法 | |
CN114264397A (zh) | 基于小波与等值线的瞬时索力识别方法、电子设备及介质 | |
Golestani et al. | Localization and de-noising seismic signals on SASW measurement by wavelet transform | |
JP4721324B2 (ja) | 加速度センサを用いる地盤等の変位モニタリング方法 | |
Yan et al. | Feature extraction by enhanced time–frequency analysis method based on Vold-Kalman filter | |
CN113435281A (zh) | 基于改进hht变换的波纹补偿器故障诊断方法 | |
Schauer et al. | Details on MEM analysis of electrochemical noise data and correlation with impedance measurements for organic coatings on metals | |
US20140028283A1 (en) | Method of extracting zero crossing data from full spectrum signals | |
Tang et al. | An improved local maximum synchrosqueezing transform with adaptive window width for instantaneous frequency identification of time-varying structures |
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 |