CN117091742A - 一种拉索振动基频自动识别方法及系统 - Google Patents

一种拉索振动基频自动识别方法及系统 Download PDF

Info

Publication number
CN117091742A
CN117091742A CN202310874066.2A CN202310874066A CN117091742A CN 117091742 A CN117091742 A CN 117091742A CN 202310874066 A CN202310874066 A CN 202310874066A CN 117091742 A CN117091742 A CN 117091742A
Authority
CN
China
Prior art keywords
fundamental frequency
frequency
vibration
peak
value
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.)
Pending
Application number
CN202310874066.2A
Other languages
English (en)
Inventor
李明
王良波
覃广
曾天养
邱云
刘永翔
吴湛
黄焕子
蒋武谊
陈锐
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.)
Foshan Highway And Bridge Engineering Monitoring Station Co ltd
Original Assignee
Foshan Highway And Bridge Engineering Monitoring Station Co ltd
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 Foshan Highway And Bridge Engineering Monitoring Station Co ltd filed Critical Foshan Highway And Bridge Engineering Monitoring Station Co ltd
Priority to CN202310874066.2A priority Critical patent/CN117091742A/zh
Publication of CN117091742A publication Critical patent/CN117091742A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (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

本发明公开了一种拉索振动基频自动识别方法及系统，涉及索力检测技术领域，所述方法包括：获取拉索振动加速度数据并进行频域变换，以获得拉索振动频谱；通过峰值搜索算法获得拉索振动频谱的尖峰点；当尖峰点的数量大于等于第一预设阈值时，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得拉索振动基频；当尖峰点的数量小于第一预设阈值时，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得拉索振动基频。本发明能自动识别处理出拉索振动基频，具有计算方法简单、鲁棒性佳、计算处理量小、识别处理效率及识别结果准确度高等特点。

Description

一种拉索振动基频自动识别方法及系统
技术领域
本发明涉及索力检测技术领域，尤其涉及一种拉索振动基频自动识别方法及系统。
背景技术
拉索是桥梁结构的重要受力构件，拉索索力的大小，直接关系到桥梁整体结构的受力及变形，因而精确获取索力值对于桥梁安全评估具有重大意义。目前，计算索力的常用方法是通过拉索振动频谱数据识别得到拉索振动基频，通过拉索振动基频与拉索索力的关系计算得到拉索索力。
传统的拉索振动基频识别一般通过人工进行，基于识别的频率值进行索力计算；但人工识别的效率低，且人工识别可能存在主观判断偏差，导致最终索力不正确，从而影响索结构的施工控制或健康监测。另外，不同拉索或同一根拉索不同时刻的振动状态差异较大，拉索振动加速度频谱图中的明显尖峰点时多时少，增加了拉索振动基频识别的难度，容易造成识别的拉索振动基频的误差大，准确度低，导致最终的索力计算结果准确性低。
发明内容
本发明所要解决的技术问题在于，提供一种拉索振动基频自动识别方法及系统，能自动识别处理出拉索振动基频，具有计算方法简单、鲁棒性佳、计算处理量小、识别处理效率及识别结果准确度高等特点。
为了解决上述技术问题，本发明提供了一种拉索振动基频自动识别方法，包括：获取拉索振动加速度数据并进行频域变换，以获得拉索振动频谱；通过峰值搜索算法获得拉索振动频谱的尖峰点；当尖峰点的数量大于等于第一预设阈值时，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得拉索振动基频；当尖峰点的数量小于第一预设阈值时，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得拉索振动基频。
作为上述方案的改进，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得第一振动基频的步骤包括：将尖峰点按峰值由高到低依序排列，以获得尖峰点序列；根据第一预设筛选条件从尖峰点序列中筛选出前N个尖峰点，其中，N为正整数；将筛选出的各个尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得拉索振动基频。
作为上述方案的改进，将筛选出的各个尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得拉索振动基频的步骤包括：S10、计算第i个尖峰点对应的频率值fi与预设基频ft的比值，并取其整数值作为预测基数Si，其中，初始时，i＝1；S20、计算第i个尖峰点对应的频率值fi与预测基数Si的比值，以获得预测基频fp；S30、计算每个尖峰点对应的频率值fi与预测基频fp的比值，以获得每个尖峰点对应的基频倍数Pi；S40、计算每个基频倍数Pi与其最邻近的整数之差的绝对值，以获得每个尖峰点对应的预测差值Ci；S50、判断所有的预测差值Ci中小于预设差值的个数是否大于等于第二预设阈值，判断为是时，预测基频fp表示为拉索振动基频，判断为否时，i＝i+1,当i小于等于N时，返回步骤S10。
作为上述方案的改进，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得拉索振动基频的步骤包括：根据第二筛选条件筛选出峰值最高的尖峰点；将筛选出的尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得拉索振动基频。
作为上述方案的改进，将筛选出的尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得拉索振动基频的步骤包括：计算尖峰点对应的频率值与预设基频ft的比值，并取其整数值作为预测基数；计算尖峰点对应的频率值与预测基数的比值，以获得预测基频fp；根据差值计算公式M＝(fp-ft)/ft*％；计算预测基频fp与预设基频ft之间的差值比M；当差值比M小于预设比值时，预测基频fp表示为拉索振动基频。
本发明还提供了一种拉索振动基频自动识别系统，包括：频域变换模块，用于获取拉索振动加速度数据并进行频域变换，以获得拉索振动频谱；峰值搜索模块，通过峰值搜索算法获得拉索振动频谱的尖峰点；第一基频处理模块，用于当尖峰点的数量大于等于第一预设阈值时，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得拉索振动基频；第二基频处理模块，用于当尖峰点的数量小于第一预设阈值时，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得拉索振动基频。
作为上述方案的改进，第一基频处理模块包括：排列模块，用于将尖峰点按峰值由高到低依序排列，以获得尖峰点序列；第一筛选模块，用于根据第一预设筛选条件从尖峰点序列中筛选出前N个尖峰点，其中，N为正整数；第一基频计算模块，用于将筛选出的各个尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得拉索振动基频。
作为上述方案的改进，第一基频计算模块包括：第一预测基数计算单元、用于取第i个尖峰点对应的频率值fi与预设基频ft的比值的整数值，以获得预测基数Si，其中，初始时，i＝1；第一预测基频计算单元，用于计算第i个尖峰点对应的频率值fi与预测基数Si的比值，以获得预测基频fp；基频倍数计算单元，用于计算每个尖峰点对应的频率值fi与预测基频fp的比值，以获得每个尖峰点对应的基频倍数Pi；预测差值计算单元，用于计算每个基频倍数Pi与其最邻近的整数之差的绝对值，以获得每个尖峰点对应的预测差值Ci；第一拉索振动基频处理单元，用于当所有的预测差值Ci中小于预设差值的个数大于等于第二预设阈值时，预测基频fp表示为拉索振动基频，否则i＝i+1,当i小于等于N时，控制预测基数计算单元、预测基频计算单元、基频倍数计算单元和预测差值计算单元工作。
作为上述方案的改进，第二基频处理模块包括：第二筛选模块，用于根据第二筛选条件筛选出峰值最高的尖峰点；第二基频计算模块，用于将筛选出的尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得拉索振动基频。
作为上述方案的改进，第二基频计算模块包括：第二预测基数计算单元，用于计算尖峰点对应的频率值与预设基频ft的比值，并取其整数值作为预测基数；第二预测基频计算单元，用于计算尖峰点对应的频率值与预测基数的比值，以获得预测基频fp；差值比计算单元，用于根据差值计算公式M＝(fp-ft)/ft*％；计算预测基频fp与预设基频ft之间的差值比M；第二拉索振动基频处理单元，用于当差值比M小于预设比值时，预测基频fp表示为拉索振动基频。
实施本发明，具有如下有益效果：
本发明拉索振动基频自动识别方法及系统，能根据输入的拉索振动加速度数据自动识别处理出对应的拉索振动基频，具有计算方法简单、鲁棒性佳、计算处理量小、识别处理效率及识别结果准确度高等特点。
附图说明
图1是本发明拉索振动基频自动识别方法的流程图；
图2是本发明将筛选出的各个尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得拉索振动基频的流程图；
图3是本发明拉索振动基频自动识别系统的结构示意图；
图4是本发明第一基频处理模块的结构示意图；
图5是本发明第一基频计算模块的结构示意图；
图6是本发明第二基频处理模块的结构示意图；
图7是本发明第二基频计算模块的结构示意图。
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作进一步地详细描述。仅此声明，本发明在文中出现或即将出现的上、下、左、右、前、后、内、外等方位用词，仅以本发明的附图为基准，其并不是对本发明的具体限定。
如图1所示，本发明具体实施例提供了一种拉索振动基频自动识别方法，包括：
S1、获取拉索振动加速度数据并进行频域变换，以获得拉索振动频谱；
需要说明的是，获取振动传感器或加速度传感器检测出的被测拉索的拉索振动加速度，并通过快速傅里叶变换方法将拉索振动加速度数据转换成频域数据，以获得拉索振动频谱；
S2、通过峰值搜索算法获得拉索振动频谱的尖峰点；
需要说明的是，通过现有的峰值搜索算法对拉索振动频谱进行峰值搜索，以查找并获得拉索振动频谱中的各个尖峰点，其中，每个尖峰点均设有对应阶的频率及峰值。
S3、当尖峰点的数量大于等于第一预设阈值时，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得拉索振动基频；
具体地，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得第一振动基频的步骤包括：
步骤一、将尖峰点按峰值由高到低依序排列，以获得尖峰点序列；
需要说明的是，当尖峰点的数量大于等于第一预设阈值时，通过将获得的尖峰点数据按照峰值由高到低依序排列，以获得峰值从高到低的尖峰点序列。其中，第一预设阈值优选为5个，但不以此为限制，还可根据实际需求进行调整。
步骤二、根据第一预设筛选条件从尖峰点序列中筛选出前N个尖峰点，其中，N为正整数；
需要说明的是，通过从尖峰点序列中筛选出峰值最靠前的N个尖峰点作为预处理数据，以便于后续进行拉索振动基频的识别处理。其中，N优选为5，但不以此为限制，还可根据实际需求进行调整。此时，从尖峰点序列中提取前5个尖峰点及其对应的频率并记为fi(i＝1、2、3、4、5)。
步骤三、将筛选出的各个尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得拉索振动基频。
进一步地，如图2所示，将筛选出的各个尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得拉索振动基频的步骤包括：
S10、计算第i个尖峰点对应的频率值fi与预设基频ft的比值，并取其整数值作为预测基数Si，其中，初始时，i＝1；
S20、计算第i个尖峰点对应的频率值fi与预测基数Si的比值，以获得预测基频fp；
需要说明的是，通过上述计算方式来预先求得第i个尖峰点所对应的预测基频fp，以便于通过后续计算处理来确定该预测基频fp是否为拉索振动基频。其中，预设基频ft的具体取值优选为成桥实测值或有限元理论计算值。
S30、计算每个尖峰点对应的频率值fi与预测基频fp的比值，以获得每个尖峰点对应的基频倍数Pi；
S40、计算每个基频倍数Pi与其最邻近的整数之差的绝对值，以获得每个尖峰点对应的预测差值Ci；
S50、判断所有的预测差值Ci中小于预设差值的个数是否大于等于第二预设阈值，判断为是时，预测基频fp表示为拉索振动基频，判断为否时，i＝i+1,当i小于等于N时，返回步骤S10。
需要说明的是，通过计算N个尖峰点中的每个尖峰点对应的频率值fi与预测基频fp的比值，以获得每个尖峰点对应的基频倍数Pi，并通过计算每个基频倍数Pi与其最邻近的整数之差的绝对值，以获得每个尖峰点对应的预测差值Ci。当第一次迭代计算中，N个预测差值Ci中小于预设差值的个数大于等于第二预设阈值时，将第i个尖峰点(i＝1)所对应的预测基频fp确定为拉索振动基频；否则进行下一个尖峰点的计算处理。若i大于N时，取下一组拉索振动加速度数据进行重新计算处理。
针对尖峰点个数大于5个时，基于拉索各阶振动模态频率应能被拉索振动基频整除的特性，通过上述计算步骤依序计算出对应的尖峰点所对应的预测基频fp，根据其他阶模态频率(每个尖峰点对应的频率值fi)是否能被预测基频fp整除进行了上述相应的判断计算处理。当N个预测差值Ci中小于预设差值的个数大于等于第二预设阈值时，则表示为绝大多数的尖峰点能被该预测基频fp整除，该尖峰点所对应的预测基频fp与实际拉索振动基频逼近，从而极大降低了频谱曲线不理想(如某些频谱较高峰值的尖峰点对应的频率非拉索振动基频整数倍)的情况下而将其直接计算出的预测基频fp误判为拉索振动基频的概率，进而大大降低数据识别误差并提高识别处理结果的准确度。
优选地，预设差值为0.1，但不以此为限制，可根据实际需求进行调整；第二预设阈值为3个，但不以此为限制，可根据实际需求进行调整。
S4、当尖峰点的数量小于第一预设阈值时，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得拉索振动基频。
具体地，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得拉索振动基频的步骤包括：
步骤(一)、根据第二筛选条件筛选出峰值最高的尖峰点；
需要说明的是，当尖峰点的数量小于第一预设阈值时，直接筛选出峰值最高的尖峰点作为预处理数据，以便于后续进行拉索振动基频的识别处理。
步骤(二)、将筛选出的尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得拉索振动基频。
进一步地，将筛选出的尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得拉索振动基频的步骤包括：
步骤一)、计算尖峰点对应的频率值与预设基频ft的比值，并取其整数值作为预测基数；
步骤二)、计算尖峰点对应的频率值与预测基数的比值，以获得预测基频fp；
需要说明的是，通过上述计算方式来预先求得峰值最高的尖峰点所对应的预测基频fp，以便于通过后续计算处理来确定该预测基频fp是否为拉索振动基频。其中，预设基频ft的具体取值优选为成桥实测值或有限元理论计算值。
步骤三)、根据差值计算公式M＝(fp-ft)/ft*％；计算预测基频fp与预设基频ft之间的差值比M；
步骤四)、当差值比M小于预设比值时，预测基频fp表示为拉索振动基频。
需要说明的是，当尖峰点个数小于第一预设阈值时，基于拉索索力的恒载效应远大于活载效应，即拉索索力相对初始索力不会有较大变化的特性。通过计算预测基频fp与预设基频ft之间的差值比M是否超过预设比值来确定该预测基频fp是否为拉索振动基频。其中，预设比值为10％，不以此为限；当差值比M小于10％时，即认为该预测基频fp表示为拉索振动基频。
本发明实施例针对拉索振动加速度信号频谱不太理想时，可能出现拉索振动加速度频谱图中的明显尖峰点时多时少(即尖峰点个数大于等于5个和尖峰点个数小于5个)和基频的非整数倍处出现尖峰的情况分别进行了上述区分处理，以减小拉索振动基频误判的概率，提高基频识别的鲁棒性及提高识别处理结果的准确度；而且整体计算方法简单，识别处理量小、识别处理效率及识别结果准确度高。
如图3所示，本发明具体实施例还提供了一种拉索振动基频自动识别系统，包括：
频域变换模块，用于获取拉索振动加速度数据并进行频域变换，以获得拉索振动频谱；
需要说明的是，获取振动传感器或加速度传感器检测出的被测拉索的拉索振动加速度，并通过快速傅里叶变换方法将拉索振动加速度数据转换成频域数据，以获得拉索振动频谱；
峰值搜索模块，通过峰值搜索算法获得拉索振动频谱的尖峰点；
需要说明的是，通过现有的峰值搜索算法对拉索振动频谱进行峰值搜索，以查找并获得拉索振动频谱中的各个尖峰点，其中，每个尖峰点均设有对应阶的频率及峰值。
第一基频处理模块，用于当尖峰点的数量大于等于第一预设阈值时，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得拉索振动基频；
具体地，如图4所示，第一基频处理模块包括：
排列模块，用于将尖峰点按峰值由高到低依序排列，以获得尖峰点序列；
需要说明的是，当尖峰点的数量大于等于第一预设阈值时，通过将获得的尖峰点数据按照峰值由高到低依序排列，以获得峰值从高到低的尖峰点序列。其中，第一预设阈值优选为5个，但不以此为限制，还可根据实际需求进行调整。
第一筛选模块，用于根据第一预设筛选条件从尖峰点序列中筛选出前N个尖峰点，其中，N为正整数；
需要说明的是，通过从尖峰点序列中筛选出峰值最靠前的N个尖峰点作为预处理数据，以便于后续进行拉索振动基频的识别处理。其中，N优选为5，但不以此为限制，还可根据实际需求进行调整。此时，从尖峰点序列中提取前5个尖峰点及其对应的频率并记为fi(i＝1、2、3、4、5)。
第一基频计算模块，用于将筛选出的各个尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得拉索振动基频。
进一步地，如图5所示，第一基频计算模块包括：
第一预测基数计算单元、用于取第i个尖峰点对应的频率值fi与预设基频ft的比值的整数值，以获得预测基数Si，其中，初始时，i＝1；第一预测基频计算单元，用于计算第i个尖峰点对应的频率值fi与预测基数Si的比值，以获得预测基频fp；
需要说明的是，通过上述计算方式来预先求得第i个尖峰点所对应的预测基频fp，以便于通过后续计算处理来确定该预测基频fp是否为拉索振动基频。其中，预设基频ft的具体取值优选为成桥实测值或有限元理论计算值。
基频倍数计算单元，用于计算每个尖峰点对应的频率值fi与预测基频fp的比值，以获得每个尖峰点对应的基频倍数Pi；预测差值计算单元，用于计算每个基频倍数Pi与其最邻近的整数之差的绝对值，以获得每个尖峰点对应的预测差值Ci；第一拉索振动基频处理单元，用于当所有的预测差值Ci中小于预设差值的个数大于等于第二预设阈值时，预测基频fp表示为拉索振动基频，否则i＝i+1,当i小于等于N时，控制预测基数计算单元、预测基频计算单元、基频倍数计算单元和预测差值计算单元工作。
需要说明的是，通过计算N个尖峰点中的每个尖峰点对应的频率值fi与预测基频fp的比值，以获得每个尖峰点对应的基频倍数Pi，并通过计算每个基频倍数Pi与其最邻近的整数之差的绝对值，以获得每个尖峰点对应的预测差值Ci。当第一次迭代计算中，N个预测差值Ci中小于预设差值的个数大于等于第二预设阈值时，将第i个尖峰点(i＝1)所对应的预测基频fp确定为拉索振动基频；否则进行下一个尖峰点的计算处理。若i大于N时，取下一组拉索振动加速度数据进行重新计算处理。
针对尖峰点个数大于5个时，基于拉索各阶振动模态频率应能被拉索振动基频整除的特性，通过依序计算出对应的尖峰点所对应的预测基频fp，根据其他阶模态频率(每个尖峰点对应的频率值fi)是否能被预测基频fp整除进行了上述相应的判断计算处理。当N个预测差值Ci中小于预设差值的个数大于等于第二预设阈值时，则表示为绝大多数的尖峰点能被该预测基频fp整除，该尖峰点所对应的预测基频fp与实际拉索振动基频逼近，从而极大降低了频谱曲线不理想(如某些频谱较高峰值的尖峰点对应的频率非拉索振动基频整数倍)的情况下而将其直接计算出的预测基频fp误判为拉索振动基频的概率，进而大大降低数据识别误差并提高识别处理结果的准确度。
优选地，预设差值为0.1，但不以此为限制，可根据实际需求进行调整；第二预设阈值为3个，但不以此为限制，可根据实际需求进行调整。
第二基频处理模块，用于当尖峰点的数量小于第一预设阈值时，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得拉索振动基频。
具体地，如图6所示，第二基频处理模块包括：
第二筛选模块，用于根据第二筛选条件筛选出峰值最高的尖峰点；
需要说明的是，当尖峰点的数量小于第一预设阈值时，直接筛选出峰值最高的尖峰点作为预处理数据，以便于后续进行拉索振动基频的识别处理。
第二基频计算模块，用于将筛选出的尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得拉索振动基频。
进一步地，如图7所示，第二基频计算模块包括：
第二预测基数计算单元，用于计算尖峰点对应的频率值与预设基频ft的比值，并取其整数值作为预测基数；第二预测基频计算单元，用于计算尖峰点对应的频率值与预测基数的比值，以获得预测基频fp；
需要说明的是，通过上述计算方式来预先求得峰值最高的尖峰点所对应的预测基频fp，以便于通过后续计算处理来确定该预测基频fp是否为拉索振动基频。其中，预设基频ft的具体取值优选为成桥实测值或有限元理论计算值。
差值比计算单元，用于根据差值计算公式M＝(fp-ft)/ft*％；计算预测基频fp与预设基频ft之间的差值比M；第二拉索振动基频处理单元，用于当差值比M小于预设比值时，预测基频fp表示为拉索振动基频。
需要说明的是，当尖峰点个数小于第一预设阈值时，基于拉索索力的恒载效应远大于活载效应，即拉索索力相对初始索力不会有较大变化的特性。通过计算预测基频fp与预设基频ft之间的差值比M是否超过预设比值来确定该预测基频fp是否为拉索振动基频。其中，预设比值为10％，不以此为限；当差值比M小于10％时，即认为该预测基频fp表示为拉索振动基频。
本发明实施例针对拉索振动加速度信号频谱不太理想时，可能出现拉索振动加速度频谱图中的明显尖峰点时多时少(即尖峰点个数大于等于5个和尖峰点个数小于5个)和基频的非整数倍处出现尖峰的情况分别进行了上述区分处理，以减小拉索振动基频误判的概率，提高基频识别的鲁棒性及提高识别处理结果的准确度；而且整体计算方法简单，自动识别处理量小、识别处理效率及识别结果准确度高。
以上所揭露的仅为本发明的较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种拉索振动基频自动识别方法，其特征在于，包括：
获取拉索振动加速度数据并进行频域变换，以获得拉索振动频谱；
通过峰值搜索算法获得所述拉索振动频谱的尖峰点；
当所述尖峰点的数量大于等于第一预设阈值时，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得拉索振动基频；
当所述尖峰点的数量小于第一预设阈值时，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得所述拉索振动基频。
2.根据权利要求1所述的拉索振动基频自动识别方法，其特征在于，所述根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得第一振动基频的步骤包括：
将所述尖峰点按峰值由高到低依序排列，以获得尖峰点序列；
根据所述第一预设筛选条件从所述尖峰点序列中筛选出前N个尖峰点，其中，N为正整数；
将筛选出的各个所述尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得所述拉索振动基频。
3.根据权利要求2所述的拉索振动基频自动识别方法，其特征在于，所述将筛选出的各个所述尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得所述拉索振动基频的步骤包括：
S10、计算第i个尖峰点对应的频率值fi与预设基频ft的比值，并取其整数值作为预测基数Si，其中，初始时，i＝1；
S20、计算第i个尖峰点对应的频率值fi与预测基数Si的比值，以获得预测基频fp；
S30、计算每个尖峰点对应的频率值fi与预测基频fp的比值，以获得每个尖峰点对应的基频倍数Pi；
S40、计算每个基频倍数Pi与其最邻近的整数之差的绝对值，以获得每个尖峰点对应的预测差值Ci；
S50、判断所有的预测差值Ci中小于预设差值的个数是否大于等于第二预设阈值，判断为是时，所述预测基频fp表示为所述拉索振动基频，判断为否时，i＝i+1,当i小于等于N时，返回步骤S10。
4.根据权利要求1所述的拉索振动基频自动识别方法，其特征在于，所述根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得所述拉索振动基频的步骤包括：
根据所述第二筛选条件筛选出峰值最高的尖峰点；
将筛选出的所述尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得所述拉索振动基频。
5.根据权利要求4所述的拉索振动基频自动识别方法，其特征在于，所述将筛选出的所述尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得所述拉索振动基频的步骤包括：
计算所述尖峰点对应的频率值与预设基频ft的比值，并取其整数值作为预测基数；
计算所述尖峰点对应的频率值与预测基数的比值，以获得预测基频fp；
根据差值计算公式M＝(fp-ft)/ft*％；计算所述预测基频fp与预设基频ft之间的差值比M；
当所述差值比M小于预设比值时，所述预测基频fp表示为所述拉索振动基频。
6.一种拉索振动基频自动识别系统，其特征在于，包括：
频域变换模块，用于获取拉索振动加速度数据并进行频域变换，以获得拉索振动频谱；
峰值搜索模块，通过峰值搜索算法获得所述拉索振动频谱的尖峰点；
第一基频处理模块，用于当所述尖峰点的数量大于等于第一预设阈值时，根据第一预设筛选条件筛选出对应的尖峰点并根据第一基频处理规则进行计算处理，以获得拉索振动基频；
第二基频处理模块，用于当所述尖峰点的数量小于第一预设阈值时，根据第二预设筛选条件筛选出对应的尖峰点并根据第二基频处理规则进行计算处理，以获得所述拉索振动基频。
7.根据权利要求6所述的拉索振动基频自动识别系统，其特征在于，所述第一基频处理模块包括：
排列模块，用于将所述尖峰点按峰值由高到低依序排列，以获得尖峰点序列；
第一筛选模块，用于根据所述第一预设筛选条件从所述尖峰点序列中筛选出前N个尖峰点，其中，N为正整数；
第一基频计算模块，用于将筛选出的各个所述尖峰点及其频率值按照第一基频处理规则进行计算处理，以获得所述拉索振动基频。
8.根据权利要求7所述的拉索振动基频自动识别系统，其特征在于，所述第一基频计算模块包括：
第一预测基数计算单元、用于取第i个尖峰点对应的频率值fi与预设基频ft的比值的整数值，以获得预测基数Si，其中，初始时，i＝1；
第一预测基频计算单元，用于计算第i个尖峰点对应的频率值fi与预测基数Si的比值，以获得预测基频fp；
基频倍数计算单元，用于计算每个尖峰点对应的频率值fi与预测基频fp的比值，以获得每个尖峰点对应的基频倍数Pi；
预测差值计算单元，用于计算每个基频倍数Pi与其最邻近的整数之差的绝对值，以获得每个尖峰点对应的预测差值Ci；
第一拉索振动基频处理单元，用于当所有的预测差值Ci中小于预设差值的个数大于等于第二预设阈值时，所述预测基频fp表示为所述拉索振动基频，否则i＝i+1,当i小于等于N时，控制预测基数计算单元、预测基频计算单元、基频倍数计算单元和预测差值计算单元工作。
9.根据权利要求6所述的拉索振动基频自动识别系统，其特征在于，所述第二基频处理模块包括：
第二筛选模块，用于根据所述第二筛选条件筛选出峰值最高的尖峰点；
第二基频计算模块，用于将筛选出的所述尖峰点及其频率值按照第二基频处理规则进行计算处理，以获得所述拉索振动基频。
10.根据权利要求9所述的拉索振动基频自动识别系统，其特征在于，所述第二基频计算模块包括：
第二预测基数计算单元，用于计算所述尖峰点对应的频率值与预设基频ft的比值，并取其整数值作为预测基数；
第二预测基频计算单元，用于计算所述尖峰点对应的频率值与预测基数的比值，以获得预测基频fp；
差值比计算单元，用于根据差值计算公式M＝(fp-ft)/ft*％；计算所述预测基频fp与预设基频ft之间的差值比M；
第二拉索振动基频处理单元，用于当所述差值比M小于预设比值时，所述预测基频fp表示为所述拉索振动基频。
CN202310874066.2A 2023-07-14 2023-07-14 一种拉索振动基频自动识别方法及系统 Pending CN117091742A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310874066.2A CN117091742A (zh) 2023-07-14 2023-07-14 一种拉索振动基频自动识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310874066.2A CN117091742A (zh) 2023-07-14 2023-07-14 一种拉索振动基频自动识别方法及系统

Publications (1)

Publication Number Publication Date
CN117091742A true CN117091742A (zh) 2023-11-21

Family

ID=88772567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310874066.2A Pending CN117091742A (zh) 2023-07-14 2023-07-14 一种拉索振动基频自动识别方法及系统

Country Status (1)

Country Link
CN (1) CN117091742A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118916626A (zh) * 2024-06-27 2024-11-08 安徽省极斛观微科技有限公司 一种桥梁拉索基频识别方法、装置、计算机设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118916626A (zh) * 2024-06-27 2024-11-08 安徽省极斛观微科技有限公司 一种桥梁拉索基频识别方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN117349781A (zh) 一种变压器故障智能诊断方法及系统
EP2857917A1 (en) State diagnosing method and state diagnosing apparatus
US9547544B2 (en) Method for verifying bad pattern in time series sensing data and apparatus thereof
CN117889945B (zh) 一种公路桥梁施工振动测试方法
CN117196353B (zh) 基于大数据的环境污染评估与监测方法及系统
CN118094446A (zh) 基于机器学习的厌氧系统运行情况智能分析方法
CN111626360B (zh) 用于检测锅炉故障类型的方法、装置、设备和存储介质
CN118070477A (zh) 一种电力推进系统仿真可信度评估方法
CN118098695B (zh) 一种基于温度传感器监测并具有自动预警功能的智能电缆
CN112329191B (zh) 一种多模态过程中模态辨识方法和过渡模态故障检测方法
CN115982602A (zh) 一种光伏变压器电故障检测方法
CN117330906A (zh) 设备电弧故障检测方法、装置、设备及存储介质
CN117648657B (zh) 一种城市规划多源数据优化处理方法
CN117091742A (zh) 一种拉索振动基频自动识别方法及系统
CN110308713A (zh) 一种基于k近邻重构的工业过程故障变量识别方法
CN111860447A (zh) 一种准确识别随机相移卫星遥测时序数据模式的方法
CN113568960B (zh) 物联网数据实时分析方法、系统及计算机可读存储介质
CN120632747A (zh) 一种用于智能台区终端的终端数据处理方法
CN111047185B (zh) 贮存环境因素对弹药贮存可靠性影响的确定方法及装置
CN118376953B (zh) 负载点电源中断测试方法及系统
CN114694771A (zh) 样品分类方法、分类器的训练方法、设备和介质
CN118962478A (zh) 电芯电压干扰脉冲处理方法、系统、设备及存储介质
CN117272575A (zh) 一种滚动轴承实时健康评估方法
CN111860633B (zh) 一种波形传感数据的处理方法
CN117633700A (zh) 一种基于多传感器多级信息融合的叶片裂纹检测方法

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