CN114398712A - 斜拉索实时索力的计算方法、装置、设备及可读存储介质 - Google Patents
斜拉索实时索力的计算方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114398712A CN114398712A CN202210297991.9A CN202210297991A CN114398712A CN 114398712 A CN114398712 A CN 114398712A CN 202210297991 A CN202210297991 A CN 202210297991A CN 114398712 A CN114398712 A CN 114398712A
- Authority
- CN
- China
- Prior art keywords
- time
- stay cable
- train
- cable
- bridge
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Abstract
本发明提供了一种斜拉索实时索力的计算方法、装置、设备及可读存储介质,涉及桥梁结构分析技术领域,包括获取第一信息,第一信息包括斜拉索振动总数据及车辆过桥时间信息;基于车辆过桥时间信息对斜拉索振动总数据进行截取得到每辆列车过桥期间对应的斜拉索振动数据;分别对每辆列车过桥期间对应的斜拉索振动数据进行时序分割计算得到每辆列车过桥期间每个时刻对应的索力。其中,时序分割计算为斜拉索振动数据功率谱分析提取频域数据能量的自振频率及其阶次,短时傅里叶变换将斜拉索振动数据进行时频域计算得到斜拉索时变基频,转化为实时索力。
Description
技术领域
本发明涉及桥梁结构分析技术领域,具体而言,涉及斜拉索实时索力的计算方法、装置、设备及可读存储介质。
背景技术
斜拉索是桥梁结构重要的承重构件,其索力变化直接影响到结构安全。桥梁结构长期运营过程中,受车辆荷载及环境作用,斜拉索疲劳、锈蚀等病害频发,需要定期检查斜拉索的工作状态。但是现有技术中尚无法识别单独一辆车辆荷载通过期间斜拉索索力变化情况。
发明内容
本发明的目的在于提供一种斜拉索实时索力的计算方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种斜拉索实时索力的计算方法,包括:获取第一信息,所述第一信息包括斜拉索振动总数据及车辆过桥时间信息;基于所述车辆过桥时间信息对斜拉索振动总数据进行截取得到每辆列车过桥期间对应的斜拉索振动数据;分别对每辆列车过桥期间对应的斜拉索振动数据进行时序分割计算得到每辆列车过桥期间每个时刻对应的索力。
第二方面,本申请还提供了一种斜拉索实时索力的计算装置,包括:
获取单元,用于获取第一信息,所述第一信息包括斜拉索振动总数据及车辆过桥时间信息;划分单元,用于基于所述车辆过桥时间信息对斜拉索振动总数据进行截取得到每辆列车过桥期间对应的斜拉索振动数据;时序分割计算单元,用于分别对每辆列车过桥期间对应的斜拉索振动数据进行时序分割计算得到每辆列车过桥期间每个时刻对应的斜拉索振动时程图。
第三方面,本申请还提供了一种斜拉索实时索力的计算设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述斜拉索实时索力的计算方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质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基于斜拉索实时索力的计算方法的步骤。
本发明的有益效果为:
本发明通过对每辆列车对应的斜拉索振动数据时序分割计算探知振动数据中的局部细节并分析,其中,时序分割计算为斜拉索振动数据功率谱分析提取频域数据能量最大部分的斜拉索自振频率及其阶次,短时傅里叶变换将斜拉索振动数据进行时频域计算得到斜拉索时变基频,转化为索力,最终通过时序分割计算识别细部列车荷载对斜拉索索力的影响。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本发明实施例中所述的斜拉索实时索力的计算方法流程示意图;
图2为本发明实施例中所述检测点在2018年07月30日的部分振动时程图;
图3为本发明实施例中所述检测点在一个列车过桥时的第一部分振动时程图;
图4为本发明实施例中所述检测点在一个列车过桥时的第二部分振动时程图;
图5为本发明实施例中所述一辆列车过桥期间对应的功率谱密度图;
图6为本发明实施例中所述一辆列车过桥期间对应的三维功率谱密度图;
图7为本发明实施例中所述一辆列车过桥期间对应的局部三维功率谱密度图;
图8为本发明实施例中所述一辆列车过桥期间对应的基频时程图;
图9为本发明实施例中所述一辆列车过桥期间对应的索力时程图;
图10为本发明实施例中所述的斜拉索实时索力的计算装置结构示意图;
图11为本发明实施例中所述的斜拉索实时索力的计算设备结构示意图。
图中标记:1、获取单元;2、划分单元;3、时序分割计算单元;31、第一变换单元;311、汉明窗划分单元;312、短时傅里叶单元;32、区间计算单元;321、功率谱计算单元;322、第一识别单元;323、端点计算单元;33、截取单元;34、第一计算单元;341、第二识别单元;342、数组计算单元;3421、自振频率计算单元;3422、第二计算单元;3423、第三计算单元;343、索力转换单元;800、斜拉索实时索力的计算设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种斜拉索实时索力的计算方法。
参见图1,图中示出了本方法包括步骤S100、步骤S200和步骤S300。
S100、获取第一信息,第一信息包括斜拉索振动总数据及车辆过桥时间信息。
需要说明的是,在本步骤中所提及的斜拉索振动总数据为一天中采集的斜拉索的
振动数据,用datai,j,i=1,2……N为一天中斜拉索振动数据的位置,N为一天中斜拉索振动
数据的总个数,N=Fs*86400,Fs为斜拉索振动数据的采样频率,j=1,2,3,……,M为天数所在
位置,为斜拉索振动数据监测天数,每天列车过桥时间信息为timel,j,l=1,2,...,Gj为
每天车辆过桥序号,Gj为第天列车过桥总次数。
在本实施例中以芜湖长江大桥为例,其为国家“九五”重点交通建设项目,也是我国在长江上建造的第一座双层公、铁两用钢桁架梁斜拉桥。大桥包括公铁共用部分、铁路引桥和公路引桥三大部分,其中,公路桥全长5681.25m,正桥长2193.7m,无为岸引桥1449.25m,芜湖岸引桥2038.3m;铁路桥总长10520.966m,正桥2193.7m,无为岸引桥6098.816m,芜湖岸引桥2228.45m。芜湖长江大桥于1997年3月22日正式开工,2000年9月建成通车。
芜湖长江大桥健康监测系统于2017年10月正式运营,测点共128个,监测内容包括风速风向、大气温湿度、雨量、结构温度、行车速度、支座位移、伸缩缝间距、主梁竖向位移、主梁加速度、主梁振幅等。其中,芜湖长江大桥拉索振动检测点主要分布在8根典型斜拉索上,分别为无为、芜湖侧边跨第一、第三根长索,主跨跨中第一、第三根长索,上、下游对称布置,安装在距离桥面4m位置处,斜拉索振动数据采样频率为Fs=50Hz,其中在本实施例中以其中一个监测点在2018年07月30日的数据作为示例,参见图2,图2中示出了在2018年07月30日的部分数据。该天62列车过桥。
S200、基于车辆过桥时间信息对斜拉索振动总数据进行截取得到每辆列车过桥期间对应的斜拉索振动数据。
需要说明的是,在本步骤中即为对每天列车过桥时间信息timel,j进行数据截取然后获得过车时段斜拉索振动数据datam,l,j,m=1,2,...,L为第j天第l辆车过桥时段斜拉索振动数据位置,L为第j天第l辆车过桥时段斜拉索振动数据个数。举例说明,记2018年07月30日斜拉索振动数据为datai,j,i=1,2,...,N一天中斜拉索振动数据的位置,N=4320000为一天中斜拉索振动数据的总个数,j=211为2018年07月30日天数所在位置,该天列车过桥时间信息为timel,211,l=1,2,...,G211为每天车辆过桥序号,G211=62为2018年第211天车辆过桥总次数。参见图3和图4为检测点在一个列车过桥时振动时程图的一部分,图3和图4拼接即为一个列车过桥时振动时程图完整状态。
S300、分别对每辆列车过桥期间对应的斜拉索振动数据进行时序分割计算得到每辆列车过桥期间每个时刻对应的索力。
参见图9为一辆列车过桥期间每个时刻对应的索力数据的展现方式。对于本领域技术人员而言,其可通过计算得到每辆列车过桥期间每个时刻对应的索力数据,最终对斜拉索进行分析探知在一辆列车通过桥梁期间索力的变化情况,又或者是最大索力和最小索力的比值变化等情况,又或者对一辆列车过桥期间局部细节的详细分析。其中,时序分割计算为通过斜拉索振动数据功率谱计算提取频域数据能量最大部分的斜拉索自振频率及其阶次,以及短时傅里叶变换将斜拉索振动数据进行时频域计算得到斜拉索时变基频,转化为索力。在本方法中最终可通过时序分割计算识别细部列车荷载对斜拉索索力的影响。
具体而言,在本申请中,步骤S300中包括步骤S310、步骤S320、步骤S330和步骤S340。
S310、对每辆列车过桥期间对应的斜拉索振动数据进行短时傅里叶变换处理得到每辆列车过桥期间对应的时频域特征数据。
参见图6,图6为一辆列车过桥期间对应的三维功率谱密度图,三维功率谱密度图具体为时间-频率-功率谱密度三者关系图,为时频域特征数据的展示方式。
S320、根据每辆列车过桥期间对应的斜拉索振动数据计算得到每辆列车过桥期间对应的截取频率区间,截取频率区间包括斜拉索自振频率。
S330、根据所述截取区间对每个车辆过桥期间对应的时频域特征数据进行截取获得每辆列车过桥期间对应的局部时频域特征数据。
需要说明的是,即在本步骤中为将对每辆列车过桥期间对应的三维功率谱密度图进行截取获得每辆列车过桥期间对应的局部三维功率谱密度图。参见图7,图7为在图6经过截取频率区间处理后的局部三维功率谱密度图。
S340、根据每辆列车过桥期间对应的局部时频域特征数据计算得到每辆列车过桥期间每个时刻对应的索力。
在本方法中通过,基于短时傅里叶变化将斜拉索振动数据进行时频域转换得到斜拉索频率在时间维度上时变信息,同时在此基础上通过斜拉索振动数据功率谱分析提取频域数据能量最大部分的斜拉索自振频率,以斜拉索自振频率为基础在斜拉索频率在时间维度上时变信息进行截取获得斜拉索自振频率附近的时变信息,获得斜拉索时变基频,从而得到每辆列车过桥期间每个时刻对应的索力,并可在此次基础上做出索力时程图。通过上述方法以将斜拉索振动数据功率谱算法及短时傅里叶算法融合提升了索力识别精度并且具有抗噪性。并且由于本方法中可以得到索力时程图,在时间和索力两个维度的结合可以精确识别车辆荷载对斜拉索索力的影响,查看索力在时间维度的细节变化信息。
具体而言,在本申请中,步骤S310中包括步骤S311和步骤S312。
S311、采用汉明窗对每辆列车过桥期间对应的斜拉索振动数据进行分割,得到每辆列车过桥期间对应的至少两个子斜拉索振动数据,汉明窗的重叠率大于或等于80%,一个子斜拉索振动数据的时间长度等于斜拉索振动数据时间长度的百分之一。
S312、根据每辆列车过桥期间对应的子斜拉索振动数据进行短时傅里叶变换得到每辆列车过桥期间对应的时频域特征数据。
需要说明的是,本领域技术人员可以理解的是在本申请中的运行平台可以采用MATLAB,其中在MATLAB中采用的spectrogram函数对斜拉索振动数据datam,l,j进行时频域转化获取过车时段振动数据的三维功率谱密度图,三维功率谱密度图示例可参见图6,其中三维功率谱密度图为功率谱-频率-时间三者之间的图像。
在本方法中,通过短时傅里叶变换在傅里叶变换的基础上,通过添加滑动窗函数获得斜拉索在细部时变频率特征,由于列车在过桥时需要一定的时间,短时傅里叶变化在满足工程应用中时间分辨率要求的前提下,具有较高的频率识别精度,可较好地应用于斜拉索索力识别。
在一些具体的实施例中,步骤S320中包括步骤S321、步骤S322和步骤S323。其中下述中所提及的步骤S321、步骤S322和步骤S323均为对一辆列车进行处理的过程,对于本领域技术人员可以采用相同方式对所有数据进行相同的处理。
S321、对一辆列车过桥期间对应的斜拉索振动数据进行功率谱密度计算得到一辆列车过桥期间对应的功率谱密度图。
可以理解的是,在本方法中可以基于MATLAB将进行计算,具体而言可以采用MATLAB中的pwelch功率谱密度函数将过车时段斜拉索振动数据datam,l,j转化为频域数据即功率谱密度图,参见图5,图5为在图3和图4上进行转化能得到的功率谱密度图。
S322、在一辆列车过桥期间对应的功率谱密度图中识别得到斜拉索自振频率,斜拉索自振频率为功率谱密度值为最大值时对应的频率。
S323、根据斜拉索自振频率和预设理论斜拉索自振频率计算得到截取频率区间的两个端点值。
具体而言,在本步骤中关于端点值的计算过程如下:
其中,Fremax,为斜拉索自振频率,Fre1, theory为预设理论斜拉索自振频率。
在一些具体的实施例中,步骤S340中包括步骤S341、步骤S342和步骤S343以达到获得得到一辆列车过桥期间每个时刻对应的斜拉索索力的郭晨。
S341、在一辆列车过桥期间对应的局部时频域特征数据识别得到每个时刻对应的峰值频率,峰值频率为在同一个时刻下功率谱最大值时对应的频率。
可以理解的是,在本步骤中是将局部时频域特征数据中每个时刻下的功率谱为最大值时对应的频率全部找到出来,换而言之即为在局部三维功率谱密度图中每个时刻下的功率谱为最大值时对应的频率全部识别出来,并将其作为后续处理的数据。
S342、根据每个时刻对应的峰值频率进行基频数组计算得到每个时刻对应的基频数组;
参见图8,图8为在图7的基础上转化得到一辆列车过桥期间对应的基频时程图,为每个时刻对应的基频数组的展现方式。
S343、根据每个时刻对应的基频数组进行索力转换得到一辆列车过桥期间每个时刻对应的斜拉索索力。
需要说明的是,在本步骤中即将每个时刻对应的基频数组转化为索力,具体而言,所提及的索力转化方式为通过下述公式实现每个时刻对应的基频转化为索力。
其中,为索力,为斜拉索的变振动基频数
组,k=1,2,...,K为时间数据的位置,K为时间数据的个数,j=1,2,3,……,M为天数所在位
置,M为斜拉索振动数据监测天数,每天列车过桥时间信息为timel,j,l=1,2,...,Gj为每天
车辆过桥序号,Gj为第j天列车过桥总次数, D=4564.33为索力系数。
在本方法中通过得到斜拉索索力时程图,其对于桥梁结构分析而言可以进一步分析得到列车运行对于斜拉索的影响。
在一些具体的实施例中,步骤S343中包括步骤S3431、步骤S3432、步骤S3433和步骤S3434。实现基频数组计算目的。
S3431、根据一辆列车过桥期间对应的斜拉索振动数据计算得到一辆列车过桥期间对应的斜拉索自振频率,斜拉索自振频率为功率谱密度值为最大值时对应的频率。
需要说明的是,在本步骤所提及的斜拉索自振频率计算的详细步骤可以参考步骤S310和S320对于斜拉索自振频率计算过程。
S3432、将一辆列车过桥期间对应的斜拉索自振频率与理论斜拉索自振频率相除取整得到优化自振频率阶次。
需要说明的是,在本步骤中通过计算优化自振频率阶次,与现有技术中采用预设固定值的自振频率阶次相比,其更能适应于当前的索力计算过程,使得后续索力时程图的绘画更加精准。
S3433、将每个时刻对应的最大频率和优化自振频率阶次相除得到每个时刻对应的时变振动基频数组。
在本方法中通过将斜拉索振动数据功率谱算法及短时傅里叶算法融合,首先,通过斜拉索振动数据功率谱分析提取频域数据能量最大部分的斜拉索自振频率及其阶次,然后,基于短时傅里叶变化将斜拉索振动数据进行时频域分析,得到斜拉索频率在时间维度上时变信息,最后,截取功率谱能量最大部分的斜拉索自振频率附近的时变信息,获得斜拉索时变基频,从而得到索力。该方法具有良好的精度及抗噪性,同时,便于程序化实现,具有广泛的工程应用价值。
实施例2:
如图10所示,本实施例提供了一种斜拉索实时索力的计算装置,装置包括:
获取单元1,用于获取第一信息,第一信息包括斜拉索振动总数据及车辆过桥时间信息。
划分单元2,用于基于车辆过桥时间信息对斜拉索振动总数据进行截取得到每辆列车过桥期间对应的斜拉索振动数据。
时序分割计算单元3,用于分别对每辆列车过桥期间对应的斜拉索振动数据进行时序分割计算得到每辆列车过桥期间每个时刻对应的斜拉索振动时。
在一些具体的实施例中,时序分割计算单元3包括:
第一变换单元31,用于对每辆列车过桥期间对应的斜拉索振动数据进行短时傅里叶变换处理得到每辆列车过桥期间对应的时频域特征数据。
区间计算单元32,用于根据每辆列车过桥期间对应的斜拉索振动数据计算得到每辆列车过桥期间对应的截取频率区间,截取频率区间包括斜拉索自振频率。
截取单元33,用于根据所述截取区间对每个车辆过桥期间对应的时频域特征数据进行截取获得每辆列车过桥期间对应的局部时频域特征数据。
第一计算单元34,用于根据每辆列车过桥期间对应的局部时频域特征数据计算得到每辆列车过桥期间每个时刻对应的索力。
在一些具体的实施例中,第一变换单元31包括:
汉明窗划分单元311,用于采用汉明窗对每辆列车过桥期间对应的斜拉索振动数据进行分割,得到每辆列车过桥期间对应的至少两个子斜拉索振动数据,汉明窗的重叠率大于或等于80%,一个子斜拉索振动数据的时间长度等于斜拉索振动数据时间长度的百分之一。
短时傅里叶单元312,用于根据每辆列车过桥期间对应的子斜拉索振动数据进行短时傅里叶变换得到每辆列车过桥期间对应的时频域特征数据。
在一些具体的实施例中,区间计算单元32包括:
功率谱计算单元321,用于对一辆列车过桥期间对应的斜拉索振动数据进行功率谱密度计算得到一辆列车过桥期间对应的功率谱密度图。
第一识别单元322,用于在一辆列车过桥期间对应的功率谱密度图中识别得到斜拉索自振频率,斜拉索自振频率为功率谱密度值为最大值时对应的频率。
端点计算单元323,用于根据斜拉索自振频率和预设理论斜拉索自振频率计算得到截取频率区间的两个端点值。
在一些具体的实施例中,第一计算单元34包括:
第二识别单元341,用于在一辆列车过桥期间对应的局部时频域特征数据识别得到每个时刻对应的峰值频率,峰值频率为在同一个时刻下功率谱最大值时对应的频率。
数组计算单元342,用于根据每个时刻对应的峰值频率进行基频数组计算得到每个时刻对应的基频数组。
索力转换单元343,用于每个时刻对应的基频数组进行索力转换得到一辆列车过桥期间每个时刻对应的斜拉索索力时程图。
在一些具体的实施例中,数组计算单元342包括:
自振频率计算单元3421,用于根据一辆列车过桥期间对应的斜拉索振动数据计算得到一辆列车过桥期间对应的斜拉索自振频率,斜拉索自振频率为功率谱密度值为最大值时对应的频率。
第二计算单元3422,用于将一辆列车过桥期间对应的斜拉索自振频率与理论斜拉索自振频率相除取整得到优化自振频率阶次。
第三计算单元3423,用于将每个时刻对应的最大频率和优化自振频率阶次相除得到每个时刻对应的时变振动基频数组。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种斜拉索实时索力的计算设备,下文描述的一种斜拉索实时索力的计算设备与上文描述的一种斜拉索实时索力的计算方法可相互对应参照。
图11是根据示例性实施例示出的一种斜拉索实时索力的计算设备800的框图。如图11所示,该斜拉索实时索力的计算设备800可以包括:处理器801,存储器802。该斜拉索实时索力的计算设备800还可以包括多媒体组件803,I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该斜拉索实时索力的计算设备800的整体操作,以完成上述的斜拉索实时索力的计算方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该斜拉索实时索力的计算设备800的操作,这些数据例如可以包括用于在该斜拉索实时索力的计算设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(StaticRandom Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该斜拉索实时索力的计算设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,斜拉索实时索力的计算设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的斜拉索实时索力的计算方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的斜拉索实时索力的计算方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由斜拉索实时索力的计算设备800的处理器801执行以完成上述的斜拉索实时索力的计算方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种斜拉索实时索力的计算方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的斜拉索实时索力的计算方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种斜拉索实时索力的计算方法,其特征在于,包括:
获取第一信息,所述第一信息包括斜拉索振动总数据及车辆过桥时间信息;
基于所述车辆过桥时间信息对斜拉索振动总数据进行截取得到每辆列车过桥期间对应的斜拉索振动数据;
分别对每辆列车过桥期间对应的斜拉索振动数据进行时序分割计算得到每辆列车过桥期间每个时刻对应的索力。
2.根据权利要求1所述的斜拉索实时索力的计算方法,其特征在于,所述分别对每辆列车过桥期间对应的斜拉索振动数据进行时序分割计算得到每辆列车过桥期间每个时刻对应的索力,包括:
对每辆列车过桥期间对应的所述斜拉索振动数据进行短时傅里叶变换处理得到每辆列车过桥期间对应的时频域特征数据;
根据每个车辆过桥期间对应的所述斜拉索振动数据计算得到每个车辆过桥期间对应的截取频率区间,所述截取频率区间包括斜拉索自振频率;
根据所述截取区间对每个车辆过桥期间对应的时频域特征数据进行截取获得每辆列车过桥期间对应的局部时频域特征数据;
根据每辆列车过桥期间对应的局部时频域特征数据计算得到每辆列车过桥期间每个时刻对应的索力。
3.根据权利要求2所述的斜拉索实时索力的计算方法,其特征在于,所述对每辆列车过桥期间对应的所述斜拉索振动数据进行短时傅里叶变换处理得到每辆列车过桥期间对应的时频域特征数据,包括:
采用汉明窗对每辆列车过桥期间对应的所述斜拉索振动数据进行分割,得到每辆列车过桥期间对应的至少两个子斜拉索振动数据,所述汉明窗的重叠率大于或等于80%,汉明窗长度等于所述斜拉索振动数据时间长度的百分之一;
根据每辆列车过桥期间对应的所述子斜拉索振动数据进行短时傅里叶变换得到每辆列车过桥期间对应的时频域特征数据。
4.根据权利要求2所述的斜拉索实时索力的计算方法,其特征在于,所述根据每辆列车过桥期间对应的所述斜拉索振动数据计算得到每辆列车过桥期间对应的截取频率区间,包括:
对一辆列车过桥期间对应的所述斜拉索振动数据进行功率谱密度计算得到一辆列车过桥期间对应的功率谱密度图;
在一辆列车过桥期间对应的功率谱密度图中识别得到斜拉索自振频率,所述斜拉索自振频率为功率谱密度值为最大值时对应的频率;
根据所述斜拉索自振频率和预设理论斜拉索自振频率计算得到截取频率区间的两个端点值。
5.一种斜拉索实时索力的计算装置,其特征在于,包括:
获取单元,用于获取第一信息,所述第一信息包括斜拉索振动总数据及车辆过桥时间信息;
划分单元,用于基于所述车辆过桥时间信息对斜拉索振动总数据进行截取得到每辆列车过桥期间对应的斜拉索振动数据;
时序分割计算单元,用于分别对每辆列车过桥期间对应的斜拉索振动数据进行时序分割计算得到每辆列车过桥期间每个时刻对应的的索力。
6.根据权利要求5所述的斜拉索实时索力的计算装置,其特征在于,所述时序分割计算单元包括:
第一变换单元,用于对每辆列车过桥期间对应的所述斜拉索振动数据进行短时傅里叶变换处理得到每辆列车过桥期间对应的时频域特征数据;
区间计算单元,用于根据每辆列车过桥期间对应的所述斜拉索振动数据计算得到每辆列车过桥期间对应的截取频率区间,所述截取频率区间包括斜拉索自振频率;
截取单元,用于根据所述截取区间对每个车辆过桥期间对应的时频域特征数据进行截取获得每辆列车过桥期间对应的局部时频域特征数据;
第一计算单元,用于根据每辆列车过桥期间对应的局部时频域特征数据计算得到每辆列车过桥期间每个时刻对应的索力。
7.根据权利要求6所述的斜拉索实时索力的计算装置,其特征在于,所述第一变换单元包括:
汉明窗划分单元,用于采用汉明窗对每辆列车过桥期间对应的所述斜拉索振动数据进行分割,得到每辆列车过桥期间对应的至少两个子斜拉索振动数据,所述汉明窗的重叠率大于或等于80%,一个所述子斜拉索振动数据的时间长度等于所述斜拉索振动数据时间长度的百分之一;
短时傅里叶单元,用于根据每辆列车过桥期间对应的所述子斜拉索振动数据进行短时傅里叶变换得到每辆列车过桥期间对应的时频域特征数据。
8.根据权利要求6所述的斜拉索实时索力的计算装置,其特征在于,所述区间计算单元包括:
功率谱计算单元,用于对一辆列车过桥期间对应的所述斜拉索振动数据进行功率谱密度计算得到一辆列车过桥期间对应的功率谱密度图;
第二识别单元,用于在一辆列车过桥期间对应的功率谱密度图中识别得到斜拉索自振频率,所述斜拉索自振频率为功率谱密度值为最大值时对应的频率;
端点计算单元,用于根据所述斜拉索自振频率和预设理论斜拉索自振频率计算得到截取频率区间的两个端点值。
9.一种斜拉索实时索力的计算设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述斜拉索实时索力的计算方法的步骤。
10.一种可读存储介质,其特征在于:所述可读存储介质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至4任一项所述斜拉索实时索力的计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210297991.9A CN114398712B (zh) | 2022-03-25 | 2022-03-25 | 斜拉索实时索力的计算方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210297991.9A CN114398712B (zh) | 2022-03-25 | 2022-03-25 | 斜拉索实时索力的计算方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114398712A true CN114398712A (zh) | 2022-04-26 |
CN114398712B CN114398712B (zh) | 2022-07-01 |
Family
ID=81234773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210297991.9A Active CN114398712B (zh) | 2022-03-25 | 2022-03-25 | 斜拉索实时索力的计算方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114398712B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060270371A1 (en) * | 2005-05-31 | 2006-11-30 | Sugar Gary L | Tracking short-term maximum power spectrum density for improved visibility of low duty cycle signals |
JP2010112769A (ja) * | 2008-11-05 | 2010-05-20 | Kyushu Institute Of Technology | 時刻歴応答シミュレーション方法、そのプログラム及び装置 |
CN105067245A (zh) * | 2015-08-11 | 2015-11-18 | 招商局重庆交通科研设计院有限公司 | 桥梁受拉件振动频率测量方法和系统 |
CN106840497A (zh) * | 2016-12-31 | 2017-06-13 | 嘉兴市纳杰微电子技术有限公司 | 桥梁拉索拉力识别方法 |
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 |
CN110006558A (zh) * | 2019-04-17 | 2019-07-12 | 重庆万桥交通科技发展有限公司 | 桥梁拉索索力的实时计算、监测方法及监测报警系统 |
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 |
CN110470422A (zh) * | 2019-08-22 | 2019-11-19 | 中铁大桥(南京)桥隧诊治有限公司 | 一种基于拉索振动频谱分析的基频优化方法 |
CN112362148A (zh) * | 2020-09-21 | 2021-02-12 | 中铁第四勘察设计院集团有限公司 | 基于斜拉索索力影响面加载动态识别车辆轴重方法和系统 |
-
2022
- 2022-03-25 CN CN202210297991.9A patent/CN114398712B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060270371A1 (en) * | 2005-05-31 | 2006-11-30 | Sugar Gary L | Tracking short-term maximum power spectrum density for improved visibility of low duty cycle signals |
JP2010112769A (ja) * | 2008-11-05 | 2010-05-20 | Kyushu Institute Of Technology | 時刻歴応答シミュレーション方法、そのプログラム及び装置 |
CN105067245A (zh) * | 2015-08-11 | 2015-11-18 | 招商局重庆交通科研设计院有限公司 | 桥梁受拉件振动频率测量方法和系统 |
CN106840497A (zh) * | 2016-12-31 | 2017-06-13 | 嘉兴市纳杰微电子技术有限公司 | 桥梁拉索拉力识别方法 |
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 |
CN110006558A (zh) * | 2019-04-17 | 2019-07-12 | 重庆万桥交通科技发展有限公司 | 桥梁拉索索力的实时计算、监测方法及监测报警系统 |
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 |
CN110470422A (zh) * | 2019-08-22 | 2019-11-19 | 中铁大桥(南京)桥隧诊治有限公司 | 一种基于拉索振动频谱分析的基频优化方法 |
CN112362148A (zh) * | 2020-09-21 | 2021-02-12 | 中铁第四勘察设计院集团有限公司 | 基于斜拉索索力影响面加载动态识别车辆轴重方法和系统 |
Non-Patent Citations (5)
Title |
---|
ZHANG, P 等: "Seismic Vibration Mitigation of a Cable-Stayed Bridge with Asymmetric Pounding Tuned Mass Damper", 《MATHEMATICAL PROBLEMS IN ENGINEERING》, vol. 2021, 29 April 2021 (2021-04-29), pages 1 - 7 * |
李小珍等: "列车荷载作用下矮塔斜拉桥索梁振动的相关性", 《西南交通大学学报》, vol. 50, no. 05, 15 October 2015 (2015-10-15), pages 817 - 822 * |
王金权等: "基于数据驱动的斜拉索异常振动分析及预警", 《公路》, vol. 63, no. 09, 14 September 2018 (2018-09-14), pages 129 - 134 * |
陈辉: "运营状态下南京长江二桥拉索索力测试与分析", 《公路》, no. 10, 25 October 2009 (2009-10-25), pages 1 - 5 * |
韩锋等: "基于傅里叶变换的斜拉索振动频率识别研究", 《西部交通科技》, no. 07, 31 July 2010 (2010-07-31), pages 40 - 43 * |
Also Published As
Publication number | Publication date |
---|---|
CN114398712B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kabir et al. | A deep convolutional neural network model for rapid prediction of fluvial flood inundation | |
Guikema et al. | Predicting hurricane power outages to support storm response planning | |
Saisi et al. | Continuous monitoring of a challenging heritage tower in Monza, Italy | |
CN102027338B (zh) | 信号判定方法、信号判定装置、信号判定系统 | |
Trauth et al. | Classifying past climate change in the Chew Bahir basin, southern Ethiopia, using recurrence quantification analysis | |
Kaur et al. | Autoregressive models in environmental forecasting time series: a theoretical and application review | |
Zonno et al. | Automated long-term dynamic monitoring using hierarchical clustering and adaptive modal tracking: validation and applications | |
Li et al. | Growth of wave height with retreating ice cover in the Arctic | |
Abon et al. | Evaluating the potential of radar-based rainfall estimates for streamflow and flood simulations in the Philippines | |
CN110362886A (zh) | 一种基于不确定性分析的城镇砌体住宅安全评估方法 | |
Tozer et al. | Large‐scale ocean‐atmospheric processes and seasonal rainfall variability in South Australia: potential for improving seasonal hydroclimatic forecasts | |
Shu et al. | Characterization of daily rainfall variability in Hong Kong: A nonlinear dynamic perspective | |
van den Ende et al. | Deep deconvolution for traffic analysis with distributed acoustic sensing data | |
Li et al. | Combining spatial pyramid pooling and long short-term memory network to predict PM2. 5 concentration | |
Beadling et al. | Evaluation of subtropical North Atlantic Ocean circulation in CMIP5 models against the observational array at 26.5 N and its changes under continued warming | |
Wang et al. | Long-term missing wind data recovery using free access databases and deep learning for bridge health monitoring | |
CN114398712B (zh) | 斜拉索实时索力的计算方法、装置、设备及可读存储介质 | |
CN113050158A (zh) | 近场微震信号波形的分析方法、装置、设备及存储介质 | |
Karakasidis et al. | Detection of low-dimensional chaos in wind time series | |
Li et al. | Hydrological drought forecasting incorporating climatic and human-induced indices | |
CN115345511A (zh) | 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 | |
Xia | SHM-based condition assessment of in-service bridge structures using strain measurement | |
Daniels et al. | On the importance of wind generated waves in embayments with complex orographic features–A South African case study | |
Appendini et al. | ALTWAVE: Toolbox for use of satellite L2P altimeter data for wave model validation | |
JP6374628B1 (ja) | 鉄筋コンクリート部材の判別システム及び鉄筋コンクリート部材の判別プログラム |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wu Menghan Inventor before: Wu Menghan Inventor before: Tang Youhua Inventor before: Liu Heng Inventor before: Zhang Fang Inventor before: Wang Kuang |