CN116166931B - 一种基于常时微动的危岩体一阶固有振动频率提取方法 - Google Patents

一种基于常时微动的危岩体一阶固有振动频率提取方法 Download PDF

Info

Publication number
CN116166931B
CN116166931B CN202211623553.3A CN202211623553A CN116166931B CN 116166931 B CN116166931 B CN 116166931B CN 202211623553 A CN202211623553 A CN 202211623553A CN 116166931 B CN116166931 B CN 116166931B
Authority
CN
China
Prior art keywords
data
frequency
dangerous rock
constant
order natural
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.)
Active
Application number
CN202211623553.3A
Other languages
English (en)
Other versions
CN116166931A (zh
Inventor
吴志祥
谢谟文
张晓勇
黄正均
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.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202211623553.3A priority Critical patent/CN116166931B/zh
Publication of CN116166931A publication Critical patent/CN116166931A/zh
Application granted granted Critical
Publication of CN116166931B publication Critical patent/CN116166931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于常时微动的危岩体一阶固有振动频率提取方法，包括：获取待测危岩体的常时微动数据；对常时微动数据进行经验模态分解，建立多个本征模态函数IMF序列；对各IMF序列进行Hilbert变换，得到Hilbert边际谱；依据时间尺度进行频段划分；基于划分的频段，设计不同频段范围的滤波器对常时微动数据进行滤波；对每次滤波后的数据进行自相关功率谱计算，得到不同频段范围对应的功率谱，并将得到的功率谱换算为傅里叶频谱；计算Hilbert边际谱与傅里叶频谱各频率对应的幅值比值，进而获得待测危岩体的一阶固有振动频率。本发明能够解决边坡危岩体振动特征难以测量提取的问题。

Description

一种基于常时微动的危岩体一阶固有振动频率提取方法
技术领域
本发明涉及边坡危岩体振动特征测量技术领域，特别涉及一种基于常时微动的危岩体一阶固有振动频率提取方法。
背景技术
危岩体失稳崩塌是高陡边坡的岩体在重力及自然营力作用下突然脱离母体崩落的地质现象，是常见的地质灾害之一，往往给国民生命财产安全带来巨大的威胁。危岩体失稳崩塌具有空间随机性、时间不确定性及事件的突发性等特点，崩塌引起的灾害往往防不胜防。危岩体与基岩之间粘结面积是判断危岩体稳定性的重要特征之一，而危岩体的一阶固有振动频率对其余基岩之间的粘结面积变化极具敏感性，即危岩体一阶固有振动频率能灵敏准确地反映粘结面积的变化是进而评价危岩体稳定性。因此有效且准确的对危岩体一阶固有振动频率测量提取技术，对于危岩体的稳定性评价具有重要意义。
由于自然界危岩体的条件复杂，常常处于在险峻的高陡边坡上，难以进行人工激励。而常用的时频变换方法——傅里叶变换是一种全局性的信号分析方法，其中对离散型数字信号常采用快速傅里变换(FFT)进行分析。由于FFT算法具有线性叠加性，所以对随机噪音这种非平稳非连续的复杂信号分析具有一定的局限性，某一时间段的局部频率成分不能很好地显现，尤其在常时微动条件下，振动幅值的数量级较微弱，且振动数据中夹杂较多不确定性随机噪音及周期性数据,因此，如何在随机噪音数据中排除未知性的周期数据且能有效地提取一阶固有频率是目前研究和应用的难点。
发明内容
本发明提供了一种基于常时微动的危岩体一阶固有振动频率提取方法，以解决危岩体一阶固有振动频率难以测量提取的技术问题。
为解决上述技术问题，本发明提供了如下技术方案：
一方面，本发明提供了一种基于常时微动的危岩体一阶固有振动频率提取方法，所述基于常时微动的危岩体一阶固有振动频率提取方法包括：
获取待测危岩体的常时微动数据；
对所述常时微动数据进行经验模态分解，建立多个本征模态函数IMF序列；
对各IMF序列进行Hilbert变换，并对时间做积分得到Hilbert边际谱；
根据各Hilbert边际谱的交汇点，依据时间尺度进行频段划分；
基于划分的频段，分别设计不同频段范围的滤波器，并利用所设计的各不同频段范围的滤波器分别对所述常时微动数据进行滤波；
对每次滤波后的数据进行自相关功率谱计算，基于计算结果得到不同频段范围对应的功率谱，并将得到的功率谱换算为傅里叶频谱；
计算Hilbert边际谱与傅里叶频谱各频率对应的幅值比值，得到幅值比值曲线图，基于幅值比值曲线图和傅里叶频谱，获得待测危岩体的一阶固有振动频率。
进一步地，所述获取待测危岩体的常时微动数据，包括：
使用接触式或非接触式的方式通过预设类型的传感器采集待测危岩体的常时微动数据；其中，所述传感器为电感式振动传感器、电涡流式振动传感器、电容式振动传感器、电阻应变式振动传感器或压电式振动加速度传感器。
进一步地，传感器采样频率Fs/2≥f；其中f为待测危岩体一阶固有振动频率。
进一步地，对所述常时微动数据进行经验模态分解的方法为经验模态分解EMD、集合经验模态分解EEMD、互补集合经验模态分解CEEMD、自适应噪声的完整集合经验模态分解CEEMDAN或变分模态分解VMD。
进一步地，设依据时间尺度进行频段划分的结果Fh＝[0,F1,F2,..,Fn]；
相应地，所述基于划分的频段，分别设计不同频段范围的滤波器，包括：
基于频段划分的结果Fh＝[0,F1,F2,..,Fn]，采用巴特沃斯高通滤波器设计阈值为F1的低通滤波器，采用切比雪夫带通滤波器设计F1-F2、F2-F3、...、Fn-2-Fn-1的带通滤波器，采用巴特沃斯低通滤波器设计阈值为Fn的高通滤波器。
进一步地，所述利用所设计的各不同频段范围的滤波器分别对所述常时微动数据进行滤波，包括：
将所述常时微动数据均匀划分为10段；并对划分完的数据进行预处理；
对预处理后的每段数据分别使用各不同频段范围的滤波器进行滤波；
所述对每次滤波后的数据进行自相关功率谱计算，基于计算结果得到不同频段范围对应的功率谱，包括：
对每段数据每次滤波后的数据分别进行自相关功率谱计算，将各段数据对应的计算结果叠加求均值，得到不同频段范围内各段数据所对应的功率谱。
进一步地，所述对划分完的数据进行预处理，包括：
对每段数据取平均值；
将每段数据中的每个数据点减去对应的平均值，以达到去直流分量的目的。
进一步地，基于幅值比值曲线图和傅里叶频谱，获得待测危岩体的一阶固有振动频率，包括：
提取出既是边际谱与傅里叶频谱各频率对应的幅值比值曲线的凹点，同时也是傅里叶频谱的波峰的频率点，获得待测危岩体的一阶固有振动频率。
再一方面，本发明还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
又一方面，本发明还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
本发明提供的技术方案带来的有益效果至少包括：
本发明提供的基于常时微动的危岩体一阶固有振动频率提取方法，通过使用常时微动克服了使用人工激振进行危岩体一阶固有振动频率提取难以在实际工程中实现的缺陷，具有可操作性强、低成本、准确率高等优点，可广泛应用于高陡边坡、露天矿山、水利水电等工程的危岩体一阶固有振动频率提取。
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是本发明实施例提供的基于常时微动的危岩体一阶固有振动频率提取方法的执行流程示意图；
图2是本发明实施例提供的危岩体常时微动时域示例图；
图3是本发明实施例提供的IMF序列边际谱示例图；
图4是本发明实施例提供的各频段三向频谱特征及边际谱与傅里叶频谱幅值比值示例图；其中，(a)为706～2000HZ频段三向频谱图，(b)为706～2000HZ频段三向边际谱与傅里叶频谱幅值比值图，(c)为298～706HZ频段三向频谱特征图，(d)为298～706HZ频段三向边际谱与傅里叶频谱幅值比值图，(e)为142～298HZ频段三向频谱特征图，(f)为142～298HZ频段三向边际谱与傅里叶频谱幅值比值图，(g)为62～142HZ频段三向频谱特征图，(h)为62～142HZ频段三向边际谱与傅里叶频谱幅值比值图，(i)为0～62HZ频段三向频谱特征图，(j)为0～62HZ频段三向边际谱与傅里叶频谱幅值比值图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
第一实施例
本实施例提供了一种基于常时微动的危岩体一阶固有振动频率提取方法，该方法可由电子设备实现，该方法的执行流程如图1所示，包括以下步骤：
S1，获取待测危岩体的常时微动数据；
其中，需要说明的是，对于数据的获取，可以使用接触式、非接触式的方式通过电感式振动传感器、电涡流式振动传感器、电容式振动传感器、电阻应变式振动传感器、压电式振动加速度传感器采集待测危岩体的常时微动数据x(t)，设待测危岩体一阶固有振动频率为f，则振动传感器采样频率Fs/2≥f。
具体地，本实施例在危岩体布设一个压电式加速度传感器，其灵敏度为2100mv·g-1，可测频率范围为20～10k Hz，加速度量程50g，谐振频率40k Hz。设置传感器以采样频率4000Hz连续采集2.5s危岩体常时微动数据x(t)，如图2所示。
S2，对常时微动数据进行经验模态分解，建立n个本征模态函数IMF序列；
其中，采用的经验模态分解方法可以是经验模态分解EMD、集合经验模态分解EEMD、互补集合经验模态分解CEEMD、自适应噪声的完整集合经验模态分解CEEMDAN、变分模态分解VMD。
具体地，在本实施例中，上述S2的实现过程如下：
对x(t)数据进行互补集合经验模态CEEMD分解，经验模态分解后的原始信号可分解为多个IMF分量和残差分量：
其中，n表示IMF分量阶数，cn(t)表示n阶IMF分量，res表示残差分量。
至此得到IMF1、IMF2、IMF3、IMF4、IMF5序列。
S3，对各IMF序列进行Hilbert变换，并对时间做积分得到Hilbert边际谱；
具体地，在本实施例中，上述S3的实现过程如下：
对各IMF分量进行Hilbert变换，并基于Hilbert谱，对时间做积分得到Hilbert边际谱：
其中，h(f)表示边际谱，H(t,f)表示Hilbert谱，f表示频率。
S4，根据各Hilbert边际谱的交汇点，依据时间尺度进行频段划分；
具体地，在本实施例中，上述S4的实现过程如下：分析所有IMF的边际谱，如图3所示，依据各边际谱的交汇点进行频段划分为Fh＝[0,F1,F2,..,Fn]。
S5，基于划分的频段，分别设计不同频段范围的滤波器，并利用所设计的各不同频段范围的滤波器分别对所述常时微动数据进行滤波；
其中，本实施例基于划分的频段，分别设计高通滤波、带通滤波、低通滤波，具体包括：基于频段划分Fh＝[0,F1,F2,..,Fn]，采用巴特沃斯高通滤波器设计阈值为F1的低通滤波器，采用切比雪夫带通滤波器设计F1-F2、F2-F3、...、Fn-2-Fn-1的带通滤波器，采用巴特沃斯低通滤波器设计阈值为Fn的高通滤波器。
具体地，在本实施例中，上述S5的实现过程如下：
将2.5s累计100000个振动数据点按时间均分为10段数据x1(t)、x2(t).....x10(t)，每段10000个数据点，对每段数据取平均值：
其中，xn表示第n段数据的平均值，xn(i)表示第n段数据的第i个值。
将每段数据中的每个数据点减去对应的平均值以达到去直流分量的目的：
其中，x'n(t)表示去除直流分量后的数据序列，xn(t)表示第n段数据序列，表示第n段数据的平均值。
采用巴特沃斯低通滤波器设计阈值为62Hz的低通滤波器，采用切比雪夫带通滤波器设计62-142Hz、142-298Hz及298-706Hz的带通滤波器，采用巴特沃斯高通滤波器设计阈值为706Hz的高通滤波器，对每段数据分别使用低通滤波器、带通滤波器、高通滤波器进行滤波。得到每次滤波结果。
S6，对每次滤波后的数据进行自相关功率谱计算，基于计算结果得到不同频段范围对应的功率谱，并将得到的功率谱换算为傅里叶FFT频谱；
具体地，在本实施例中，上述S6的实现过程如下：
对每次滤波后的数据进行自相关功率谱计算：
式中，X(T,ω)为时间段T内序列X的傅里叶变换，
将各向10段数据得到的功率谱叠加求均值，并基于功率谱为傅里叶频谱幅值的平方的关系，将功率谱换算为傅里叶频谱。
S7，计算Hilbert边际谱与FFT频谱各频率对应的幅值比值，得到幅值比值曲线图，基于幅值比值曲线图和FFT频谱，获得待测危岩体的一阶固有振动频率。
其中，需要说明的是，FFT所得频谱的幅值具有平均性，对于非周期性振动，其振动频率在Hilbert边际谱对应的幅值与在FFT频谱对应的幅值之比相对较大；对于周期性振动，其振动频率在边际谱对应的幅值与在FFT频谱对应的幅值之比相对较小，即能通过寻找边际谱与FFT频谱各频率对应的幅值比值的凹点来排除非周期性噪声振动产生的频率，进而留下所需的一阶固有振动频率。因此，既是边际谱与FFT频谱各频率对应的幅值比值曲线的凹点，同时也是FFT频谱的波峰，这样的频率点即为一阶固有振动频率。
如图4中的(a)-(j)所示。在频谱中具有明显的波峰，且在幅值比值图中具有明显凹点，满足这两个条件对应的频率即为一阶固有振动频率，如图4中的(c)和(d)所示，400Hz处满足上述两个要求，即为一阶固有频率点。
综上，本实施例提供了一种基于常时微动的危岩体一阶固有振动频率提取方法，克服了使用人工激振进行危岩体一阶固有振动频率提取难以在实际工程中实现的缺陷，具有可操作性强、低成本、准确率高等优点，可广泛应用于高陡边坡、露天矿山、水利水电等工程的危岩体一阶固有振动频率提取。
第二实施例
本实施例提供一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行，以实现第一实施例的方法。
该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)和一个或一个以上的存储器，其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行上述方法。
第三实施例
本实施例提供一种计算机可读存储介质，该存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述第一实施例的方法。其中，该计算机可读存储介质可以是ROM、随机存取存储器CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例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，本发明实施例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上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(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、嵌入式处理机或其他可编程数据处理终端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数据处理终端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。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供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步骤。
还需要说明的是，在本文中，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

Claims (8)

1.一种基于常时微动的危岩体一阶固有振动频率提取方法，其特征在于，所述基于常时微动的危岩体一阶固有振动频率提取方法包括：
获取待测危岩体的常时微动数据；
对所述常时微动数据进行经验模态分解，建立多个本征模态函数IMF序列；
对各IMF序列进行Hilbert变换，并对时间做积分得到Hilbert边际谱；
根据各Hilbert边际谱的交汇点，依据时间尺度进行频段划分；
基于划分的频段，分别设计不同频段范围的滤波器，并利用所设计的各不同频段范围的滤波器分别对所述常时微动数据进行滤波；
对每次滤波后的数据进行自相关功率谱计算，基于计算结果得到不同频段范围对应的功率谱，并将得到的功率谱换算为傅里叶频谱；
计算Hilbert边际谱与傅里叶频谱各频率对应的幅值比值，得到幅值比值曲线图，基于幅值比值曲线图和傅里叶频谱，获得待测危岩体的一阶固有振动频率。
2.如权利要求1所述的基于常时微动的危岩体一阶固有振动频率提取方法，其特征在于，所述获取待测危岩体的常时微动数据，包括：
使用接触式或非接触式的方式通过预设类型的传感器采集待测危岩体的常时微动数据；其中，所述传感器为电感式振动传感器、电涡流式振动传感器、电容式振动传感器、电阻应变式振动传感器或压电式振动加速度传感器。
3.如权利要求2所述的基于常时微动的危岩体一阶固有振动频率提取方法，其特征在于，传感器采样频率Fs/2≥f；其中，f为待测危岩体一阶固有振动频率。
4.如权利要求1所述的基于常时微动的危岩体一阶固有振动频率提取方法，其特征在于，对所述常时微动数据进行经验模态分解的方法为经验模态分解EMD、集合经验模态分解EEMD、互补集合经验模态分解CEEMD、自适应噪声的完整集合经验模态分解CEEMDAN或变分模态分解VMD。
5.如权利要求1所述的基于常时微动的危岩体一阶固有振动频率提取方法，其特征在于，设依据时间尺度进行频段划分的结果Fh＝[0,F1,F2,..,Fn]；
相应地，所述基于划分的频段，分别设计不同频段范围的滤波器，包括：
基于频段划分的结果Fh＝[0,F1,F2,..,Fn]，采用巴特沃斯高通滤波器设计阈值为F1的低通滤波器，采用切比雪夫带通滤波器设计F1-F2、F2-F3、...、Fn-2-Fn-1的带通滤波器，采用巴特沃斯低通滤波器设计阈值为Fn的高通滤波器。
6.如权利要求1所述的基于常时微动的危岩体一阶固有振动频率提取方法，其特征在于，所述利用所设计的各不同频段范围的滤波器分别对所述常时微动数据进行滤波，包括：
将所述常时微动数据均匀划分为10段；并对划分完的数据进行预处理；
对预处理后的每段数据分别使用各不同频段范围的滤波器进行滤波；
所述对每次滤波后的数据进行自相关功率谱计算，基于计算结果得到不同频段范围对应的功率谱，包括：
对每段数据每次滤波后的数据分别进行自相关功率谱计算，将各段数据对应的计算结果叠加求均值，得到不同频段范围内各段数据所对应的功率谱。
7.如权利要求6所述的基于常时微动的危岩体一阶固有振动频率提取方法，其特征在于，所述对划分完的数据进行预处理，包括：
对每段数据取平均值；
将每段数据中的每个数据点减去对应的平均值，以达到去直流分量的目的。
8.如权利要求1所述的基于常时微动的危岩体一阶固有振动频率提取方法，其特征在于，基于幅值比值曲线图和傅里叶频谱，获得待测危岩体的一阶固有振动频率，包括：
提取出既是边际谱与傅里叶频谱各频率对应的幅值比值曲线的凹点，同时也是傅里叶频谱的波峰的频率点，获得待测危岩体的一阶固有振动频率。
CN202211623553.3A 2022-12-16 2022-12-16 一种基于常时微动的危岩体一阶固有振动频率提取方法 Active CN116166931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211623553.3A CN116166931B (zh) 2022-12-16 2022-12-16 一种基于常时微动的危岩体一阶固有振动频率提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211623553.3A CN116166931B (zh) 2022-12-16 2022-12-16 一种基于常时微动的危岩体一阶固有振动频率提取方法

Publications (2)

Publication Number Publication Date
CN116166931A CN116166931A (zh) 2023-05-26
CN116166931B true CN116166931B (zh) 2023-10-20

Family

ID=86419217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211623553.3A Active CN116166931B (zh) 2022-12-16 2022-12-16 一种基于常时微动的危岩体一阶固有振动频率提取方法

Country Status (1)

Country Link
CN (1) CN116166931B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104698085A (zh) * 2015-02-01 2015-06-10 山东科技大学 基于常时微动技术的危岩落石调查方法
CN107870005A (zh) * 2016-09-27 2018-04-03 重庆邮电大学 过采样下经验模态分解的归一化随机共振微弱信号检测
CN108663712A (zh) * 2018-05-08 2018-10-16 四川大学 一种边坡震害损伤的能量识别方法
CN115169409A (zh) * 2022-07-18 2022-10-11 四川省公路规划勘察设计研究院有限公司 基于滑窗的桥梁结构自振频率识别、预警方法及设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201216082A (en) * 2010-10-06 2012-04-16 Ind Tech Res Inst Apparatus for adaptive time-frequency signal anaysis and method therefor
US11860088B2 (en) * 2019-11-01 2024-01-02 San Diego State University (Sdsu) Foundation Apparatus and method for dynamic characterization of materials

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104698085A (zh) * 2015-02-01 2015-06-10 山东科技大学 基于常时微动技术的危岩落石调查方法
CN107870005A (zh) * 2016-09-27 2018-04-03 重庆邮电大学 过采样下经验模态分解的归一化随机共振微弱信号检测
CN108663712A (zh) * 2018-05-08 2018-10-16 四川大学 一种边坡震害损伤的能量识别方法
CN115169409A (zh) * 2022-07-18 2022-10-11 四川省公路规划勘察设计研究院有限公司 基于滑窗的桥梁结构自振频率识别、预警方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Jinde Zheng等.《Adaptive power spectrum Fourier decomposition method with application in fault diagnosis for rolling bearing》.《Measurement》.2021,全文. *
王兴国 等.《基于复解析带通滤波器的固有频率自适应提取原理和方法》.《电工技术学报》.2009,第24卷(第12期),全文. *

Also Published As

Publication number Publication date
CN116166931A (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
Rai et al. A review on signal processing techniques utilized in the fault diagnosis of rolling element bearings
Yan et al. Fault diagnosis of rolling element bearing using a new optimal scale morphology analysis method
Yu et al. An adaptive sensitive frequency band selection method for empirical wavelet transform and its application in bearing fault diagnosis
Luo et al. On-line vibration analysis with fast continuous wavelet algorithm for condition monitoring of bearing
Yan et al. A feature selection framework-based multiscale morphological analysis algorithm for fault diagnosis of rolling element bearing
Zhang et al. Wavelet energy transmissibility function and its application to wind turbine bearing condition monitoring
He et al. A joint adaptive wavelet filter and morphological signal processing method for weak mechanical impulse extraction
Chen et al. Wavelet denoising for the vibration signals of wind turbines based on variational mode decomposition and multiscale permutation entropy
Dong et al. A frequency-shifted bispectrum for rolling element bearing diagnosis
CN117390380B (zh) 一种油渣分离系统中的数据分析方法
Qin et al. Adaptively detecting the transient feature of faulty wind turbine planetary gearboxes by the improved kurtosis and iterative thresholding algorithm
CN111414893A (zh) 基于vmd精细复合多尺度散布熵的转子故障特征提取方法
Bastami et al. Estimating the size of naturally generated defects in the outer ring and roller of a tapered roller bearing based on autoregressive model combined with envelope analysis and discrete wavelet transform
CN111736222A (zh) 单炮数据信噪比确定方法及装置
CN116166931B (zh) 一种基于常时微动的危岩体一阶固有振动频率提取方法
Azami et al. A novel signal segmentation method based on standard deviation and variable threshold
Wan et al. Adaptive asymmetric real Laplace wavelet filtering and its application on rolling bearing early fault diagnosis
Liu et al. Fault diagnosis of rolling bearing based on permutation entropy optimized maximum correlation kurtosis deconvolution
Pang et al. The evolved kurtogram: a novel repetitive transients extraction method for bearing fault diagnosis
Abdullah et al. Fatigue features extraction of road load time data using the S-transform
Gao et al. A Method Using EEMD and L-Kurtosis to detect faults in roller bearings
He et al. Signal nonstationary degree evaluation method based on moving statistics theory
Li Recognition method of non-stationary mechanical vibration signal based on convolution neural network
He et al. Sparsity-assisted signal representation for rotating machinery fault diagnosis using the tunable Q-factor wavelet transform with overlapping group shrinkage
Abdullah et al. The Morlet wavelet analysis for fatigue feature clustering

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