CN116070068A - 基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 - Google Patents
基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 Download PDFInfo
- Publication number
- CN116070068A CN116070068A CN202310354449.7A CN202310354449A CN116070068A CN 116070068 A CN116070068 A CN 116070068A CN 202310354449 A CN202310354449 A CN 202310354449A CN 116070068 A CN116070068 A CN 116070068A
- Authority
- CN
- China
- Prior art keywords
- girder
- deflection
- stay cable
- derivative
- difference
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000009466 transformation Effects 0.000 title claims abstract description 41
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000004873 anchoring Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 8
- 239000003795 chemical substances by application Substances 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 208000027418 Wounds and injury Diseases 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 208000014674 injury Diseases 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007613 environmental effect Effects 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
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F17/148—Wavelet transforms
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本发明提供了一种基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端,包括获取第一挠度值和第二挠度值、并得到主梁挠度差分布曲线,求解主梁挠度差的一阶导数;利用墨西哥帽mexh小波将主梁挠度差的一阶导数作一维连续小波变换,确定斜拉索损伤索位置;建立Kriging代理模型,形成残差构造目标函数,得到损伤指数。本发明提供的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端,通过获得主梁挠度差一阶导数的小波变换系数分布曲线以判断斜拉索的损伤索位置,再建立Kriging代理模型,得到损伤指数,上述识别方法可以方便地进行斜拉索损伤的识别,具有良好的准确度,可信度高,实用性强。
Description
技术领域
本发明属于斜拉索损伤识别方法技术领域,更具体地说,是涉及一种基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端。
背景技术
斜拉桥是大跨度桥最主要的桥型之一,其跨越能力较强,主要由主梁、斜拉索和塔柱三部分组成,其中斜拉索是最主要的受力构件。但是,斜拉索在服役过程中极易受到环境作用产生腐蚀,使斜拉索的表面出现坑蚀、断丝等损伤,严重危害了桥梁的使用安全性。因此,在斜拉索的服役过程中,需要能够及时发现损伤索、并采取相应的措施。
目前,斜拉索损伤识别方法主要有直接检测方法和间接检测方法两种,直接检测方法主要包括目测法和索力检测法。其中,目测法受到环境的制约,具有一定的局限性,索力检测法则难以通过自动监测来实施。而间接检测方式主要通过基于动力参数(频率、加速度、曲率模态等)的方法来识别斜拉索损伤,该方法容易受环境噪声的影响,所测参数极易受到污染,从而降低了损伤识别的精度。
发明内容
本发明的目的在于提供一种基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端,能够识别斜拉桥中斜拉索的损伤,提高保证损伤识别的精准性。
为实现上述目的,本发明采用的技术方案是:提供一种基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,包括以下步骤:
获取健康状态下斜拉索与主梁锚固点处主梁的第一挠度值,并获取损伤状态下斜拉索与主梁锚固点处主梁的第二挠度值;
用第二挠度值减去第一挠度值得到主梁挠度差,获取桥梁参数,根据主梁挠度差及桥梁参数获得主梁挠度差分布曲线,求解主梁挠度差的一阶导数;
选取预设尺度,利用墨西哥帽mexh小波将主梁挠度差的一阶导数作一维连续小波变换,获得主梁挠度差一阶导数的小波变换系数分布曲线,根据奇异性分析确定斜拉索是否发生损伤,若发生损伤,确定损伤索位置;
建立Kriging代理模型,形成残差构造目标函数,修正Kriging代理模型的损伤参数,得到损伤指数。
在一种可能的实现方式中,利用墨西哥帽mexh小波将主梁挠度差的一阶导数作一维连续小波变换,获得主梁挠度差一阶导数的小波变换系数分布曲线步骤包括:
根据主梁挠度差、主梁挠度差的一阶导数和第一公式确定挠度差一阶导数的小波变换系数,第一公式为:
其中,为斜拉索i,j为主梁挠度差的一阶导数,为小波变换系数,为的共轭函数,a为尺度因子,b为平移因子,,,。
在一种可能的实现方式中,选择预设尺度,利用墨西哥帽mexh小波将主梁挠度差的一阶导数作一维连续小波变换,获得主梁挠度差一阶导数的小波变换系数分布曲线,根据奇异性分析确定斜拉索是否发生损伤,若发生损伤,确定损伤索位置步骤中,包括:
选用Gauss函数的二阶导数形成的墨西哥帽Mexh小波:
当主梁挠度差一阶导数的小波变换系数分布曲线在靠近斜拉索位置从左向右由负变正穿过X轴时,交点位置即为损伤索位置。
一些实施例中,用第二挠度值减去第一挠度值得到主梁挠度差,根据主梁挠度差获得主梁挠度差分布曲线,求解主梁挠度差的一阶导数步骤中,包括:
根据主梁挠度差、桥梁参数以及第二公式确定主梁挠度差的一阶导数,桥梁参数为相邻两个斜拉索与主梁的锚固点之间的间距,第二公式为:
其中:下标i,j表示损伤索位置;n为斜拉索与主梁锚固点数量,为斜拉索k与主梁锚固点位置坐标,为相邻两个斜拉索与主梁的锚固点之间的间距。
一些实施例中,第二挠度值减去第一挠度值得到主梁挠度差步骤中,包括:
根据第一挠度值、第二挠度值以及第三公式确定挠度差值,第三公式为:
其中,为斜拉索k与主梁锚固点的第二挠度值,为斜拉索k与主梁锚固点的第一挠度值,为斜拉索k与主梁锚固点的挠度差,,n为斜拉索与主梁锚固点的数量。
在一种可能的实现方式中,获取健康状态下斜拉索与主梁锚固点处主梁的第一挠度值,并获取损伤状态下斜拉索与主梁锚固点处主梁的第二挠度值步骤中,包括:
获取健康状态下斜拉索和主梁各锚固点位置主梁的第一分挠度值以及损伤状态下斜拉索和主梁各锚固点位置主梁的第二分挠度值;
根据第一分挠度值以及三次样条插值技术获得第一挠度值;
根据第二分挠度值以及三次样条插值技术获得第二挠度值。
在一种可能的实现方式中,建立Kriging代理模型,形成残差构造目标函数步骤中,包括:
根据有限元模型模拟不同位置、发生不同程度损伤时的模拟主梁挠度差,建立Kriging代理模型,并根据模拟主梁挠度差和主梁挠度差确定残差构造目标函数;
建立Kriging代理模型后,采用平方相关系数以及平方误差准则对Kriging代理模型的精度进行评价;
平方相关系数:
(1)
平方误差准则:
(2)
其中,为Kriging代理模型预测的响应向量的第i个分量,为数值模型模拟计算的实际响应向量的第i个分量,为的平均值,N为的长度。
当和,说明代理模型预测的响应满足精度要求,否则通过加点准则进行修正,选用多点加点准则对Kriging代理模型进行修正;
根据主梁挠度差、模拟主梁挠度差以及第四公式确定残差构造目标函数,第四公式为:
其中,为Kriging代理模型估计的点对应的挠度差向量的第i个分量,为主梁挠度差向量的第i个分量,为由损伤指数变量构成的向量,N为向量长度。
一些实施例中,建立Kriging代理模型,形成残差构造目标函数,修正Kriging代理模型的损伤参数,得到损伤程度步骤中,包括:
根据获取的第二挠度值、模拟主梁挠度值及第五公式确定损伤指数,第五公式为:
其中,为斜拉索i损伤后的弹性模量,为斜拉索i无损伤时的弹性模量;
根据损伤指数以及第六公式确定损伤程度确定损伤程度,第六公式为:
,=1-
其中,为损伤指数,为损伤程度。
本发明还提供了一种基于主梁挠度差一阶导数小波变换的斜拉索损伤识别装置,其特征在于,包括:
第一数据获取模块,用于获取健康状态下斜拉索与主梁锚固点处主梁的第一挠度值,并获取损伤状态下斜拉索与主梁锚固点处主梁的第二挠度值;
第二数据获取模块,用于获取桥梁参数,桥梁参数为相邻两个斜拉索与主梁的锚固点之间的间距;
第一计算模块,用于根据第二挠度值和第一挠度值确定主梁挠度差;
第二计算模块,用于根据主梁挠度差以及桥梁参数确定主梁挠度差的一阶导数;
第三计算模块,用于根据主梁挠度差的一阶导数确定主梁挠度差一阶导数的小波系数、并生成主梁挠度差一阶导数的小波变换系数分布曲线;
第四计算模块,用于建立Kriging代理模型,并根据Kriging代理模型确定模拟主梁挠度值和第二挠度值的残差值;以及,
损伤识别模块,用于根据小波变换系数分布曲线及奇异性分析确定斜拉索是否发生损伤,若发生损伤,确定损伤索位置;并根据粒子群算法修正Kriging代理模型中的损伤参数,用于使得目标函数最小以获得损伤指数。
本发明还提供了一种终端,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法的步骤。
与现有技术相比,本申请实施例提供的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,依据第一挠度值、第二挠度值、桥梁参数获得主梁挠度差一阶导数的小波变换系数分布曲线,以便判断斜拉索是否发生了损伤,若发生损伤,则确定损伤索位置之后建立Kriging代理模型,形成残差构造目标函数,修正Kriging代理模型的损伤参数,得到损伤指数,上述数据容易获取,数据精度高,识别方法不仅简单易行,而且对斜拉索的损伤判断具有良好的准确度,可信度高,可以方便地进行斜拉索损伤的识别,重点解决斜拉索损伤识别困难、精度低的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法中斜拉桥(双塔)的结构示意图;
图2为本发明实施例提供的健康状态下主梁的受力及挠度图;
图3为本发明实施例提供的损伤状态下主梁的受力及挠度图;
图4为本发明实施例提供的健康状态和损伤状态主梁的受力及主梁挠度差图;
图5为本发明实施例提供的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法的流程图。
其中,图中各附图标记:
1、斜拉索;2、桥塔;3、主梁;4、桥墩。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
斜拉桥(又叫斜拉索桥)由斜拉索1、桥塔2、主梁3和桥墩4组成,桥面荷载经主梁3传给斜拉索1、再由斜拉索1传到桥塔2。
请一并参阅图1至图5,现对本发明提供的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端进行说明。基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,包括以下步骤:
获取健康状态下斜拉索1和主梁3各锚固点位置主梁3的第一分挠度值以及损伤状态下斜拉索1和主梁3各锚固点位置主梁3的第二分挠度值;
根据第一分挠度值以及三次样条插值技术获得第一挠度值;
根据第二分挠度值以及三次样条插值技术获得第二挠度值。
上述获取参数获取方式中,通过多个第一分挠度值以及三次样条插值技术获得第一挠度值,通过多个第二分挠度值以及三次样条插值技术获得第二挠度值,便于提高取样精度,进而提高主梁挠度差分布曲线的准确性,提高后续损伤索位置的确定精度。
根据第一挠度值、第二挠度值以及第三公式确定挠度差值,第三公式为:
其中,为斜拉索1与主梁3锚固点处主梁3的第二挠度值,为斜拉索1与主梁3锚固点处主梁3的第一挠度值,为斜拉索1与主梁3锚固点处的主梁挠度差,,n为斜拉索1与主梁3锚固点的数量。
需要说明的是,桥梁分为两种状态,一种状态为健康状态下(也就是斜拉索1未发生损伤时)在自重作用下的状态;另一状态为斜拉索1发生损伤状态下在自重作用下的任何状态。
健康状态下的第一挠度值为桥梁在建成时或设计时即必备的数据,故数据较容易获取。损伤状态下的第二挠度值可通过水准仪或其他监测技术手段得到,测量精度高,上述斜拉索1损伤识别方法对斜拉索1进行损伤程度识别时不需要大量的迭代计算,工作量少,且结果精度高,方法简单易行,精准度高,具有较强的实用性。
根据主梁挠度差获得主梁挠度差分布曲线,并对主梁挠度差分布曲线进行样条加密。
之后,根据主梁挠度差、桥梁参数以及第二公式确定主梁挠度差的一阶导数,其中桥梁参数为相邻两个斜拉索1与主梁3的锚固点之间的间距,第二公式为:
其中:下标i,j表示损伤索位置;n为斜拉索1与主梁3的锚固点数量,为斜拉索1k与主梁3的锚固点的位置坐标,为相邻两个斜拉索1与主梁3的锚固点之间的间距。
选取合适的小波基,选择的小波基要求满足定区间的紧支撑和足够的消失矩。具体的,本实施例中,为了检测主梁挠度差的一阶导数形成的波形,选用Gauss函数的二阶导数形成的墨西哥帽Mexh小波。
选取预设尺度,利用墨西哥帽mexh小波将主梁挠度差的一阶导数作一维连续小波变换,具体包括如下操作:
根据主梁挠度差、主梁挠度差的一阶导数和第一公式确定挠度差一阶导数的小波变换系数,第一公式为:
其中,为斜拉索1i,j为主梁挠度差的一阶导数,为小波变换系数,为的共轭函数,a为尺度因子,b为平移因子,,,。
获得主梁挠度差一阶导数的小波变换系数分布曲线,根据奇异性分析确定斜拉索1是否发生损伤。具体的,根据奇异性判断,主梁挠度差一阶导数的小波变换系数分布曲线在坐标中进行正负切换的位置,也就是纵坐标为零时对应于横坐标的位置即为损伤索位置。
通过以下方式判断斜拉索1是否发生损伤,若发生损伤,同时判断损伤索位置:
当主梁挠度差一阶导数的小波变换系数分布曲线在靠近斜拉索1位置从左向右由负变正穿过X轴时,交点位置即为损伤索位置,此处的损伤索位置具体指的在发生损伤的斜拉索1在主梁3上对应的位置。
上述方法仅依据获取的第一挠度值、第二挠度值以及桥梁参数即可获得主梁挠度差一阶导数的小波变换系数分布曲线,可以方便地判断斜拉索1是否发生了损伤,若发生损伤,还可以对损伤索位置进行精准判定,上述斜拉索1损伤识别方法对斜拉索1进行损伤程度识别时不需要大量的迭代计算,工作量少,且结果精度高,方法简单易行,精准度高,具有较强的实用性。
在对损伤索位置进行判断后,还可进一步对斜拉索1的损伤指数进行判断,进而精准的判断斜拉索1的损伤程度,通过斜拉索1损伤程度的判断,便于了解斜拉索1的具体工况,便于后续进行对应处理,以满足安全性问题。
根据有限元模型模拟不同位置、发生不同程度损伤时的模拟主梁挠度差,建立Kriging代理模型,并根据模拟主梁挠度差和主梁挠度差确定残差构造目标函数,具体通过以下步骤实现:
根据主梁挠度差、模拟主梁挠度差以及第四公式确定残差构造目标函数,第四公式为:
其中,为Kriging代理模型估计的点对应的主梁挠度差向量的第i个分量,为主梁挠度差向量的第i个分量,为由损伤指数变量构成的向量,N为向量长度。
需要说明的是,建立Kriging代理模型后,采用平方相关系数以及平方误差准则对Kriging代理模型的精度进行评价;
平方相关系数:
(1)
平方误差准则:
(2)
其中,为Kriging代理模型预测的响应向量的第i个分量,为数值模型模拟计算的实际响应向量的第i个分量,为的平均值,N为的长度。
当和,说明代理模型预测的响应满足精度要求,否则通过加点准则进行修正,选用多点加点准则对Kriging代理模型进行修正,以提高模型的精度,保证后续损伤值判断的精准性。
根据获取的第二挠度值、模拟主梁3挠度值及第五公式确定损伤指数,第五公式为:
其中,为斜拉索1i损伤后的弹性模量,为斜拉索1i无损伤时的弹性模量。
确定损伤指数后,通过粒子群算法寻优,修正Kriging代理模型中的损伤参数,使得残差构造目标函数值取得最小,此时的损伤参数值即为损伤索的损伤指数。上述修正方式,可使损伤指数的取值更为精准,提高后续损伤程度判断的精准度,进而可以准确地了解斜拉索1的使用工况。
根据损伤指数以及第六公式确定损伤程度确定损伤程度,第六公式为:
,=1-
其中,为损伤指数,为损伤程度。
与现有技术相比,本实施例提供的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,依据第一挠度值、第二挠度值、桥梁参数获得主梁挠度差一阶导数的小波变换系数分布曲线,以便判断斜拉索1是否发生了损伤,若发生损伤,则确定损伤索位置之后建立Kriging代理模型,形成残差构造目标函数,修正Kriging代理模型的损伤参数,得到损伤指数,上述数据容易获取,数据精度高,识别方法不仅简单易行,而且对斜拉索1的损伤判断具有良好的准确度,可信度高,可以方便地进行斜拉索1损伤的识别,重点解决斜拉索1损伤识别困难、精度低的问题。
本发明还提供了一种基于主梁挠度差一阶导数小波变换的斜拉索损伤识别装置,其特征在于,包括:
第一数据获取模块,用于获取健康状态下斜拉索与主梁锚固点处主梁的第一挠度值,并获取损伤状态下斜拉索与主梁锚固点处主梁的第二挠度值;
第二数据获取模块,用于获取桥梁参数,桥梁参数为相邻两个斜拉索与主梁的锚固点之间的间距;
第一计算模块,用于根据第二挠度值和第一挠度值确定主梁挠度差;
第二计算模块,用于根据主梁挠度差以及桥梁参数确定主梁挠度差的一阶导数;
第三计算模块,用于根据主梁挠度差的一阶导数确定主梁挠度差一阶导数的小波系数、并生成主梁挠度差一阶导数的小波变换系数分布曲线;
第四计算模块,用于建立Kriging代理模型,并根据Kriging代理模型确定模拟主梁挠度值和第二挠度值的残差值;以及,
损伤识别模块,用于根据小波变换系数分布曲线及奇异性分析确定斜拉索是否发生损伤,若发生损伤,确定损伤索位置;并根据粒子群算法修正Kriging代理模型中的损伤参数,用于使得目标函数最小以获得损伤指数。
上述装置可方便地判断斜拉索1是否发生了损伤,并得到损伤指数,上述识别装置结构简单,操作简单易行,对斜拉索1的损伤判断具有良好的准确度、可信度高,可以方便地进行斜拉索1损伤的识别,重点解决斜拉索1损伤识别困难、精度低的问题。
本发明还提供了一种终端,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法的步骤。上述终端可方便地判断斜拉索1是否发生了损伤,并得到损伤指数,对斜拉索1的损伤判断具有良好的准确度、可信度高,可以方便地进行斜拉索1损伤的识别,重点解决斜拉索1损伤识别困难、精度低的问题。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,其特征在于,包括以下步骤:
获取健康状态下斜拉索与主梁锚固点处主梁的第一挠度值,并获取损伤状态下斜拉索与主梁锚固点处主梁的第二挠度值;
用所述第二挠度值减去所述第一挠度值得到主梁挠度差,获取桥梁参数,根据所述主梁挠度差及所述桥梁参数获得主梁挠度差分布曲线,求解所述主梁挠度差的一阶导数;
选取预设尺度,利用墨西哥帽mexh小波将所述主梁挠度差的一阶导数作一维连续小波变换,获得主梁挠度差一阶导数的小波变换系数分布曲线,根据奇异性分析确定斜拉索是否发生损伤,若发生损伤,确定损伤索位置;
根据所述主梁挠度差建立关于斜拉索损伤程度识别的Kriging代理模型,形成残差构造目标函数,修正Kriging代理模型的损伤参数,得到损伤指数。
2.如权利要求1所述的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,其特征在于,利用墨西哥帽mexh小波将所述主梁挠度差的一阶导数作一维连续小波变换,获得主梁挠度差一阶导数的小波变换系数分布曲线步骤包括:
根据所述主梁挠度差、所述主梁挠度差的一阶导数和第一公式确定所述挠度差一阶导数的小波变换系数,所述第一公式为:
其中,为斜拉索i,j为所述主梁挠度差的一阶导数,为小波变换系数,为的共轭函数,a为尺度因子,b为平移因子,,,。
3.如权利要求1所述的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,其特征在于,选择预设尺度,利用墨西哥帽mexh小波将所述主梁挠度差的一阶导数作一维连续小波变换,获得主梁挠度差一阶导数的小波变换系数分布曲线,根据奇异性分析确定斜拉索是否发生损伤,若发生损伤,确定损伤索位置步骤中,包括:
选用Gauss函数的二阶导数形成的墨西哥帽Mexh小波:
当所述主梁挠度差一阶导数的小波变换系数分布曲线在靠近斜拉索位置从左向右由负变正穿过X轴时,交点位置即为损伤索位置。
4.如权利要求1所述的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,其特征在于,用所述第二挠度值减去所述第一挠度值得到主梁挠度差,根据所述主梁挠度差获得主梁挠度差分布曲线,求解所述主梁挠度差的一阶导数步骤中,包括:
根据所述主梁挠度差、桥梁参数以及第二公式确定所述主梁挠度差的一阶导数,所述桥梁参数为相邻两个所述斜拉索与所述主梁的锚固点之间的间距,所述第二公式为:
其中:下标i,j表示损伤索位置;n为所述斜拉索与所述主梁的锚固点数量,为所述斜拉索k与所述主梁的锚固点的位置坐标,为相邻两个所述斜拉索与所述主梁的锚固点之间的间距。
5.如权利要求1所述的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,其特征在于,所述第二挠度值减去所述第一挠度值得到主梁挠度差步骤中,包括:
根据所述第一挠度值、所述第二挠度值以及第三公式确定挠度差值,所述第三公式为:
其中,为所述斜拉索与所述主梁锚固点处所述主梁的所述第二挠度值,为所述斜拉索与所述主梁锚固点处所述主梁的所述第一挠度值,为所述斜拉索与所述主梁锚固点处的所述主梁挠度差,,n为所述斜拉索与所述主梁锚固点的数量。
6.如权利要求1所述的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,其特征在于,获取健康状态下斜拉索与主梁锚固点处主梁的第一挠度值,并获取损伤状态下斜拉索与主梁锚固点处主梁的第二挠度值步骤中,包括:
获取健康状态下所述斜拉索和所述主梁各锚固点位置所述主梁的第一分挠度值以及损伤状态下所述斜拉索和所述主梁各锚固点位置所述主梁的第二分挠度值;
根据所述第一分挠度值以及三次样条插值技术获得所述第一挠度值;
根据所述第二分挠度值以及三次样条插值技术获得所述第二挠度值。
7.如权利要求1所述的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,其特征在于,建立Kriging代理模型,形成残差构造目标函数步骤中,包括:
根据有限元模型模拟不同位置、发生不同程度损伤时的模拟主梁挠度差,建立Kriging代理模型,并根据所述模拟主梁挠度差和所述主梁挠度差确定残差构造目标函数;
建立Kriging代理模型后,采用平方相关系数以及平方误差准则对Kriging代理模型的精度进行评价;
平方相关系数:
(1)
平方误差准则:
(2)
其中,为Kriging代理模型预测的响应向量的第i个分量,为数值模型模拟计算的实际响应向量的第i个分量,为的平均值,N为的长度;
当和,说明代理模型预测的响应满足精度要求,否则通过加点准则进行修正,选用多点加点准则对Kriging代理模型进行修正;
根据所述主梁挠度差、所述模拟主梁挠度差以及第四公式确定残差构造目标函数,所述第四公式为:
其中,为Kriging代理模型估计的点对应的所述主梁挠度差向量的第i个分量,为所述主梁挠度差向量的第i个分量,为由所述损伤指数变量构成的向量,N为向量长度。
8.如权利要求7所述的基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法,其特征在于,建立Kriging代理模型,形成残差构造目标函数,修正Kriging代理模型的损伤参数,得到损伤程度步骤中,包括:
根据获取的所述第二挠度值、模拟主梁挠度值及第五公式确定损伤指数,所述第五公式为:
其中,为斜拉索i损伤后的弹性模量,为斜拉索i无损伤时的弹性模量;
根据所述损伤指数以及第六公式确定损伤程度确定损伤程度,所述第六公式为:
,=1-
其中,为损伤指数,为损伤程度。
9.一种基于主梁挠度差一阶导数小波变换的斜拉索损伤识别装置,其特征在于,包括:
第一数据获取模块,用于获取健康状态下斜拉索与主梁锚固点处主梁的第一挠度值,并获取损伤状态下斜拉索与主梁锚固点处主梁的第二挠度值;
第二数据获取模块,用于获取桥梁参数,所述桥梁参数为相邻两个斜拉索与主梁的锚固点之间的间距;
第一计算模块,用于根据所述第二挠度值和所述第一挠度值确定主梁挠度差;
第二计算模块,用于根据所述主梁挠度差以及所述桥梁参数确定所述主梁挠度差的一阶导数;
第三计算模块,用于根据所述主梁挠度差的一阶导数确定所述主梁挠度差一阶导数的小波系数、并生成主梁挠度差一阶导数的小波变换系数分布曲线;
第四计算模块,用于建立Kriging代理模型,并根据Kriging代理模型确定模拟主梁挠度值和所述第二挠度值的残差值;以及,
损伤识别模块,用于根据小波变换系数分布曲线及奇异性分析确定斜拉索是否发生损伤,若发生损伤,确定损伤索位置;并根据粒子群算法修正Kriging代理模型中的损伤参数,用于使得目标函数最小以获得损伤指数。
10.一种终端,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,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310354449.7A CN116070068B (zh) | 2023-04-06 | 2023-04-06 | 基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310354449.7A CN116070068B (zh) | 2023-04-06 | 2023-04-06 | 基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070068A true CN116070068A (zh) | 2023-05-05 |
CN116070068B CN116070068B (zh) | 2023-06-23 |
Family
ID=86173551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310354449.7A Active CN116070068B (zh) | 2023-04-06 | 2023-04-06 | 基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070068B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117113175A (zh) * | 2023-08-11 | 2023-11-24 | 重庆交通大学 | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 |
CN117589572A (zh) * | 2023-11-28 | 2024-02-23 | 石家庄铁道大学 | 基于梁体挠度的斜拉索损伤识别方法、装置、终端及介质 |
CN117589572B (zh) * | 2023-11-28 | 2024-05-31 | 石家庄铁道大学 | 基于梁体挠度的斜拉索损伤识别方法、装置、终端及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556498A (zh) * | 2016-10-31 | 2017-04-05 | 石家庄铁道大学 | 桥梁结构损伤识别方法及系统 |
CN109029882A (zh) * | 2018-07-13 | 2018-12-18 | 中设设计集团股份有限公司 | 一种提高基于倾角仪的桥梁挠度测试精度的方法 |
CN115659737A (zh) * | 2022-10-20 | 2023-01-31 | 聊城大学 | 一种基于曲率模态和离散小波变换的梁构件损伤识别方法 |
-
2023
- 2023-04-06 CN CN202310354449.7A patent/CN116070068B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556498A (zh) * | 2016-10-31 | 2017-04-05 | 石家庄铁道大学 | 桥梁结构损伤识别方法及系统 |
CN109029882A (zh) * | 2018-07-13 | 2018-12-18 | 中设设计集团股份有限公司 | 一种提高基于倾角仪的桥梁挠度测试精度的方法 |
CN115659737A (zh) * | 2022-10-20 | 2023-01-31 | 聊城大学 | 一种基于曲率模态和离散小波变换的梁构件损伤识别方法 |
Non-Patent Citations (5)
Title |
---|
李延强;刘得运;: "基于小波包分析与支持向量机的斜拉索损伤识别", 石家庄铁道大学学报(自然科学版), no. 02, pages 122 - 127 * |
管德清;蒋欣;: "基于转角模态小波变换的连续梁损伤识别研究", 长沙理工大学学报(自然科学版), no. 04, pages 33 - 36 * |
邱颖,任青文,朱建华: "基于小波奇异性的梁结构损伤诊断", 工程力学, no. 1, pages 146 - 151 * |
郭俊龙;马立元;李永军;王天辉;: "大型复杂钢管焊接结构损伤识别新方法", 振动与冲击, no. 18, pages 186 - 190 * |
高海洋;郭杏林;韩放;马国军;: "连续体结构裂纹识别的Kriging代理模型求解策略", 振动工程学报, no. 06, pages 77 - 83 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117113175A (zh) * | 2023-08-11 | 2023-11-24 | 重庆交通大学 | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 |
CN117113175B (zh) * | 2023-08-11 | 2024-06-04 | 重庆交通大学 | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 |
CN117589572A (zh) * | 2023-11-28 | 2024-02-23 | 石家庄铁道大学 | 基于梁体挠度的斜拉索损伤识别方法、装置、终端及介质 |
CN117589572B (zh) * | 2023-11-28 | 2024-05-31 | 石家庄铁道大学 | 基于梁体挠度的斜拉索损伤识别方法、装置、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116070068B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090614B (zh) | 一种基于相关系数的空间风场预测模型建立方法 | |
CN103984860A (zh) | 船体典型焊接结构表面裂纹应力强度因子的估算方法 | |
KR101711606B1 (ko) | 유사도 기반 해양 구조물 손상 추정 방법 | |
CN116677569A (zh) | 一种风机塔架应力监测与预警方法及其系统 | |
CN116840135A (zh) | 一种腐蚀和疲劳同时作用的钢闸门加速劣化试验台及劣化后运行状态评估方法 | |
CN107421672B (zh) | 一种基于振动频率全域搜峰的加权索力计算方法 | |
CN115577587A (zh) | 一种历史建筑健康状态监测方法及系统 | |
CN116070068B (zh) | 基于主梁挠度差一阶导数小波变换的斜拉索损伤识别方法、装置及终端 | |
CN110263469A (zh) | 一种用于克服结构模型修正病态性的改良截断奇异值方法 | |
CN114018219A (zh) | 一种输电杆塔振动监测方法、装置、设备及存储介质 | |
Drummen et al. | Numerical and experimental investigations into the application of response conditioned waves for long-term nonlinear analyses | |
CN114676540B (zh) | 一种基于多信息融合的架空输电线路覆冰舞动预测方法 | |
CN115953578A (zh) | 一种裂缝语义分割模型推理结果的评估方法及装置 | |
KR102332188B1 (ko) | 정밀한 변형률-변위 예측을 위한 유전자 알고리즘과 ai 기술을 적용한 구조물의 계측 위치 및 개소 결정 방법 | |
CN110826290B (zh) | 一种海上浮式系统安全预警方法 | |
CN110767322B (zh) | 一种基于响应面模型的海洋浮式平台热点应力推算方法 | |
CN117113175B (zh) | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 | |
CN105205342A (zh) | 一种确定高温压力管道极限载荷的方法 | |
CN117113520B (zh) | 一种基于位移场加载的变电站声屏障检测方法及系统 | |
CN114383834A (zh) | 一种海洋工程结构微小损伤判定方法 | |
CN111291490B (zh) | 一种结构多尺度异类响应的非线性映射智能建模方法 | |
CN113138374B (zh) | 一种激光雷达风场数据重建方法及系统 | |
Zhang et al. | Research on the fatigue health monitoring system of the hull structure | |
CN117113175A (zh) | 一种基于旗鱼优化算法的拉吊索锚固区索体损伤识别方法 | |
CN113609756B (zh) | 一种海岛配电线路引流线运行失效评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |