WO2020168589A1 - 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法 - Google Patents

一种自动检测高速铁路桥梁自由振动响应以识别模态的方法 Download PDF

Info

Publication number
WO2020168589A1
WO2020168589A1 PCT/CN2019/076604 CN2019076604W WO2020168589A1 WO 2020168589 A1 WO2020168589 A1 WO 2020168589A1 CN 2019076604 W CN2019076604 W CN 2019076604W WO 2020168589 A1 WO2020168589 A1 WO 2020168589A1
Authority
WO
WIPO (PCT)
Prior art keywords
response
modal
vibration
free vibration
components
Prior art date
Application number
PCT/CN2019/076604
Other languages
English (en)
French (fr)
Inventor
伊廷华
杨小梅
曲春绪
李宏男
Original Assignee
大连理工大学
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 大连理工大学 filed Critical 大连理工大学
Priority to US16/479,730 priority Critical patent/US11221273B2/en
Publication of WO2020168589A1 publication Critical patent/WO2020168589A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G01M7/02—Vibration-testing by means of a shake table
    • G01M7/025—Measuring arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
    • G01H1/04—Measuring characteristics of vibrations in solids by using direct conduction to the detector of vibrations which are transverse to direction of propagation
    • G01H1/06—Frequency
    • 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
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G01M7/02—Vibration-testing by means of a shake table

Definitions

  • the invention belongs to the technical field of structural health monitoring, and relates to a method for automatically detecting the free vibration response of a high-speed railway bridge after a train passes in the engineering structure modal recognition.
  • a long-term vibration response is generally selected for analysis to ensure that the environmental excitation (including wind load, train load, etc.) has the characteristics of asymptotic stability.
  • the vibration response time is too long and the calculation efficiency of the recognition algorithm is reduced.
  • changes in the ambient temperature will cause changes in the material properties of the bridge structure and the internal restraint forces, which will be reflected in the slow time-varying characteristics of the structural mode.
  • the modal parameters solved by the vibration response sequence for a long time cannot effectively reflect the slow time-varying characteristics of the structure. For this reason, an idea of using short-time response for modal recognition is needed.
  • the short-term vibration response after the train passes the bridge is a free vibration response that contains only the dynamic characteristics of the structure. Since the strong impact force of the vehicle load causes a large vibration amplitude, the signal-to-noise ratio of the free vibration response after the vehicle passes is high. And when the short-term vibration response is used for modal identification, the structural characteristics will not change. Therefore, using this free vibration response data segment can realize high-precision modal parameter identification with low computational burden. However, the forced vibration during the train crossing the bridge has serious non-stationary characteristics. If the forced vibration component is mixed into the free vibration section after it, the accuracy of modal parameter identification will decrease. Therefore, it is necessary to accurately detect the free vibration response data segment.
  • the traditional detection method based on manual selection is not suitable for long-term real-time extraction of modal parameters.
  • due to the short time for vehicles to pass through the bridge it is difficult to accurately distinguish the forced vibration section from the free vibration section based on the recorded vehicle information. Therefore, a method for automatically detecting the free vibration response data segment after the train passes has very important engineering significance.
  • the object of the present invention is to provide a method for automatically detecting the free vibration response data section of the structure, and solve the problems that the free vibration response of the high-speed railway bridge after the train passes through the modal parameter identification requires human participation and the identification accuracy is not ideal.
  • the technical scheme of the present invention is to provide a method for automatically detecting the free vibration response section of a high-speed railway bridge after a train passes. Its characteristics: preselect the test response based on the maximum moment of the absolute maximum value of the response vector of each measuring point. Then iterative variational modal decomposition decomposes the test to obtain a single degree of freedom modal response. Furthermore, the instantaneous envelope change of the modal response is taken as the characteristic of each point in time. According to the characteristics of the decreasing envelope amplitude of the free vibration response of a single degree of freedom, the response value whose instantaneous envelope change is negative is marked as attenuated vibration, and The longest attenuation sequence is determined as the free vibration response section. Finally, the determined free vibration response is used in the characteristic system realization algorithm for modal recognition to verify the feasibility of the method.
  • a method for automatically detecting the free vibration response data segment of a structure the steps are as follows:
  • Step 1 Pre-select test response
  • Step 2 Extract the modal response
  • ⁇ is the Dirichlet function
  • j represents the imaginary unit
  • e is Euler's number
  • ⁇ is the pi
  • 2 is the 2 norm of the vector
  • * is convolution
  • the modal response x (t) is the continuation x e (t), and the Hilbert transform extension modal response x e (t) find the amplitude envelope of a e (t):
  • the vibration characteristics will be marked as a set of 01 sequences.
  • Step 4 Identification of modal parameters
  • the correlation function matrix S is used to solve the modal parameters using the characteristic system realization algorithm, which mainly includes structure frequency, damping ratio and mode shape.
  • the beneficial effects of the present invention use the characteristics of attenuation of the amplitude of the modal response to separate the free vibration data segment from the vibration response of the high-speed railway bridge to achieve low computational burden and high-precision modal parameter identification; at the same time, in order to avoid the problem of free vibration detection
  • the empirical parameters hinder the development of real-time modal analysis, and the idea of iterative variational modal decomposition is proposed to separate the modal response, so as to realize the automatic detection of the free vibration section.
  • Figure 1 is a numerical example model.
  • Figure 2 is the process of extracting modal responses using iterative variational modal decomposition.
  • Figure 3 is the determined free vibration data segment.
  • the test response y 1 (t) is processed using variational modal decomposition, as shown in formula (1), where the number of component signals is fixed at 2.
  • the two center angle frequencies obtained by the first decomposition are with Component signal with as shown in picture 2.
  • the continuation signal x e (t) is obtained to avoid the end effect in the subsequent transformation process; then the Hilbert transform is used to extend the modal response x e (t) Find the envelope amplitude a e (t), as in formula (2).
  • the detected free vibration response data segment is analyzed.
  • H(k) Hankel matrix

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

一种自动检测高速铁路桥梁列车通过后自由振动响应数据段的方法，包括：首先，根据各测点振动响应向量绝对最大值的所在时刻点的最大值确定待分解的测试响应；然后，利用迭代变分模态分解从测试响应中提取单频模态响应，并利用希尔伯特变换拟合该模态响应的包络幅值；最后，依据单频自由振动幅值衰减的特性将各时刻点的振动特征标记为衰减振动或非衰减振动，并将符合衰减振动要求的最长结构响应数据段作为检测的自由振动响应用于模态识别。该方法可实现无需人为参与的自由振动数据段有效检测，对于高速铁路桥梁的实时精确模态分析具有重要意义。

Description

一种自动检测高速铁路桥梁自由振动响应以识别模态的方法 技术领域
本发明属于结构健康监测技术领域，涉及工程结构模态识别中对高速铁路桥梁在列车通过后的自由振动响应进行自动检测的方法。
背景技术
在桥梁结构健康监测中，基于模态参数的实时变化来评估结构的整体状态是一种可行思路。但是实际桥梁结构所遭受的荷载复杂多变，要准确提取结构的模态参数是十分困难的。常用的模态参数识别方法，如随机子空间法，自然激励技术结合特征系统实现算法等虽然算法稳定可靠，但是要求激励服从高斯平稳白噪声特性。而一些新颖的时频类模态识别方法如希尔伯特黄变换，连续小波变换等虽然在一定程度上可以解决非平稳激励情况，但在实际应用中也存在算法参数难以确定，模态分离不理想等问题。现有的实际桥梁结构环境模态分析中，一般通过选取一段长时间的振动响应进行分析以保证环境激励(包含风荷载，列车荷载等)具有渐近平稳的特性。但振动响应时长过大会造成识别算法的计算效率降低。此外，环境温度的改变会引起桥梁结构的材料特性以及约束内力的变化，这将反映为结构模态的慢时变特性。过长时间的振动响应序列求解的模态参数不能有效体现结构的慢时变特性。为此，需要一种利用短时间响应进行模态识别的思路。高速铁路桥梁的一个振动特征是，在列车通过桥梁后的短时间振动响应是一段仅包含结构动力特性的自由振动响应。由于车荷载的强冲击力引起较大的振动幅值，在车通过后的自由振动响应的信噪比高。且短时振动响应用于模态识别时，结构特性不会发生改变。所以，利用这一自由振动响应数据段可以实现在低计算负担下高精度的模态参数识别。但是列车过桥期间的强迫振动具有严重非平稳特性，若强迫振动成分被混入其后的自由振动段内，将会造成模态参数识别的精度下降。为此准确检测自由振动响应数据段十分必要。而传统基于人工选择的检测方式不适于长期的模态参数实时提取。此外，由于车通过桥的时间短，依靠记录的车辆信息难以准确区分强迫振动段和自由振动段。因此，一种自动检测列车通过后的自由振动响应数据段的 方法具有十分重要的工程意义。
发明内容
本发明目的是提供一种自动检测结构自由振动响应数据段方法，解决利用高速铁路桥梁在列车通过后的自由振动响应进行模态参数识别需要人为参与以及识别精度不理想的问题。
本发明的技术方案是：提出一种自动检测高速铁路桥梁列车通过后自由振动响应段的方法。其特点：基于各测点响应向量绝对最大值的所在最大时刻点预选测试响应。然后迭代变分模态分解对测试进行分解获得单自由度模态响应。进而将模态响应的瞬时包络变化作为各时刻点的特征，根据单自由度自由振动响应的包络幅值递减的特性，将瞬时包络变化为负数的响应值标记为衰减振动，并将最长的衰减序列确定为自由振动响应段。最后，将确定的自由振动响应用于特征系统实现算法进行模态识别以验证方法的可行性。
本发明的技术方案：
一种自动检测结构自由振动响应数据段的方法，步骤如下：
步骤一：预选测试响应
给定各测点下的加速度响应y(t)＝[y 1(t),y 2(t),…,y s(t)] T，t＝Δt,2Δt,…,NΔt；其中，Δt为采样时间间隔，N为样本时程点数，s为测点个数，上标T表示转置。
计算各测点i(i＝1,2,…,s)下响应向量的绝对最大值所对应的时刻点
Figure PCTCN2019076604-appb-000001
并求解该时刻点序列t i(i＝1,2,…,s)出现最大值对应的测点
Figure PCTCN2019076604-appb-000002
| |表示绝对值；进而将响应序列y h(t h)，t＝t h,t h+Δt,…,NΔt作为待分解的测试响应。
步骤二：提取模态响应
对选定的测试响应进行分量个数为2的变分模态分解：
Figure PCTCN2019076604-appb-000003
其中，δ为狄利克雷函数，j表示虚数单位，
Figure PCTCN2019076604-appb-000004
表示函数沿t方向求梯度，e表示欧拉数，π指圆周率，|| || 2表示向量的2范数，*表示卷积，ω q是分量y h,q(t)的中心角频率，y h,q(t)表示由y h(t)分解的第q(q＝1,2)个分量。
分解测试响应y h(t)获得两个分量
Figure PCTCN2019076604-appb-000005
和
Figure PCTCN2019076604-appb-000006
并计算两个分量的中心角频率差
Figure PCTCN2019076604-appb-000007
若角频率偏差大于结构基频f min的0.01倍，也就是Δω [1]＞2πf min/100，则计算两个分量的能量
Figure PCTCN2019076604-appb-000008
(q＝1,2)，并将分量
Figure PCTCN2019076604-appb-000009
Figure PCTCN2019076604-appb-000010
更新为待分解的测试信号，再次利用变分模态分解方法分解分量
Figure PCTCN2019076604-appb-000011
重复上述过程r次，直到第r次分解后的两个分量的中心角频率偏差满足Δω [r]≤2πf min/100，则认为分解的两个分量具有同一频率，迭代终止。将能量大的分量
Figure PCTCN2019076604-appb-000012
确定为角频率是
Figure PCTCN2019076604-appb-000013
的模态响应，标记为
Figure PCTCN2019076604-appb-000014
步骤三：自由振动响应提取
将模态响应x(t)延拓为x e(t)，并利用希尔伯特变换对延拓模态响应x e(t)求包络幅值a e(t)：
Figure PCTCN2019076604-appb-000015
从延拓信号的包络幅值a e(t)中截取与原模态响应x(t)对应的包络线a(t)， 并计算瞬时幅值的变化Δa(t)＝a(t+1)-a(t)。根据自由振动的模态响应具有幅值衰减的特性，将满足Δa(t)≤0的时刻点对应的振动特征标记为“衰减振动”，用1表示；反之，若Δa(t)＞0，则标记为“非衰减振动”，用0表示。则对于选定时间段t＝[t h,t h+Δt,…,NΔt]内振动特征将被标记为一组01序列。选择连续标记为1的最长序列所在的时间段[t h+wΔt,t h+(w+1)Δt,…,t h+κΔt]，并从结构振动响应中提取振动数据段y(t)，t＝t h+wΔt,…,t h+κΔt作为自由振动响应段
Figure PCTCN2019076604-appb-000016
k＝1,2,…κ-w+1。例如：对于序列[0,1,1,0,1,0,0,1,1,1,1,1]，连续为1的最长子序列
Figure PCTCN2019076604-appb-000017
出现在第w＝8至κ＝12个元素位置上，对应于时间段
Figure PCTCN2019076604-appb-000018
则自由振动段响应为y(t)，t＝t h+8Δt,…,t h+12Δt。
步骤四：模态参数识别
基于数据相关的特征系统实现算法被用于模态参数求解。首先利用获取的自由振动响应
Figure PCTCN2019076604-appb-000019
构造Hankel矩阵H(k):
Figure PCTCN2019076604-appb-000020
然后，利用Hankel矩阵构造相关函数矩阵S＝H(l)H(0) T，并对相关函数矩阵S利用特征系统实现算法求解模态参数，主要包括结构频率，阻尼比和模态振型。
本发明的有益效果：利用模态响应幅值衰减的特性从高速铁路桥梁振动响应中分离自由振动数据段以实现低计算负担且高精度的模态参数识别；同时，为了避免自由振动检测中的经验参数阻碍实时模态分析的发展，提出了采用迭代变分模态分解的思路进行模态响应分离，从而实现自由振动段自动检测。
附图说明
图1是数值算例模型。
图2是利用迭代变分模态分解提取模态响应的过程。
图3是确定的自由振动数据段。
具体实施方式
以下结合技术方案，进一步阐明本发明的实施方式。
利用简支梁模型，如图1所示。各单元长度为10m；基于静力凝聚的思想，只考虑结构的竖向位移而忽略扭转位移，静力凝聚后的各刚度为k 1＝k 2＝k 3＝k 4＝k 5＝k 6＝100N/m；集中质量矩阵中各单元质量为m 1＝m 2＝m 3＝m 4＝m 5＝1.5kg；采用瑞利阻尼，其中质量阵系数α＝0.0446，刚度阵系数β＝0.0013；间隔为0.05m的常荷载F 1(t)＝F 2(t)＝2×10 3N以1m/s的速度自左而右移动。以20Hz的采样频率采集175s各节点位置的加速度响应。
具体实施方式如下：
采集各测点下的加速度y(t)＝[y 1(t),…,y i(t),…,y s(t)] T,其中采样时间间隔Δt＝1/f s＝0.05s,N＝3501为样本时程点数，s＝5为测点个数。
计算各测点i(i＝1,2,…,s)下响应向量的绝对最大值对应的时刻点
Figure PCTCN2019076604-appb-000021
进而获得时间向量t i(i＝1,2,…,5)出现最大值对应的测点
Figure PCTCN2019076604-appb-000022
为h＝1；t h＝t 1＝1022Δt＝51.1s；将响应向量y 1(t),t＝t 1,…,NΔt作为待分解的测试响应。
将测试响应y 1(t)利用变分模态分解进行处理，如公式(1)，其中，分量信号数量固定为2。第一次分解获得两个中心角频率分别为
Figure PCTCN2019076604-appb-000023
和
Figure PCTCN2019076604-appb-000024
的分量信号
Figure PCTCN2019076604-appb-000025
和
Figure PCTCN2019076604-appb-000026
如图2所示。根据振动响应的功率谱确定结构基频为f min＝0.6727Hz。由于Δω [1]＞2πf min/100，计算分量信号能量
Figure PCTCN2019076604-appb-000027
和
Figure PCTCN2019076604-appb-000028
由于
Figure PCTCN2019076604-appb-000029
将
Figure PCTCN2019076604-appb-000030
作为新的测试信号并利用变分模态分解进行处理，重复上述计算过程直到
Figure PCTCN2019076604-appb-000031
此时，根据
Figure PCTCN2019076604-appb-000032
将
Figure PCTCN2019076604-appb-000033
确定为模态响应，并标记为
Figure PCTCN2019076604-appb-000034
对模态响应x(t)进行延拓后获得延拓信号x e(t)以避免后续变换过程中的边端效应；进而利用希尔伯特变换对延拓模态响应x e(t)求其包络幅值a e(t)，如公式(2)。
从延拓信号的包络幅值a e(t)中截取与原模态响应x(t)对应的包络线a(t)，并计算瞬时幅值的变化Δa(t)＝a(t+1)-a(t)。根据自由振动的模态响应具有幅值衰减的特性，将满足Δa(t)≤0的时刻点对应的振动特征标记为“衰减振动”，用1表示；反之，若Δa(t)＞0，则标记为“非衰减振动”，用0表示。则对于选定时间段t＝[t h,t h+Δt,…,NΔt]内振动特征将被标记为一组01序列。选择连续标记为1的最长序列所在的时间段[t h+wΔt,t h+(w+1)Δt,…,t h+κΔt]，并从结构振动响应中提取振动数据段y(t)，t＝t h+wΔt,…,t h+κΔt作为自由振动响应段
Figure PCTCN2019076604-appb-000035
k＝1,2,…κ-w+1。如图3所示。
基于数据相关的特征系统实现算法对检测的自由振动响应数据段进行分析。首先，利用获取的自由振动响应构造Hankel矩阵H(k)，如公式(3)所示，令k＝l＝30；g＝N b-2l+1，构造相关函数矩阵S＝H(l)H(0) T，对相关函数矩阵S应用特征系统实现算法求解结构的5阶模态参数，与模型的数值解一致，其中，频率为f 1＝0.6727Hz，f 2＝1.2995Hz，f 3＝1.8378Hz，f 4＝2.2508Hz，f 5＝2.5104Hz；阻尼比为d 1＝0.8000％，d 2＝0.8000％，d 3＝0.9384％，d 4＝1.0706％，d 5＝1.1596％。作为对比，将时间段为t＝t h,…,NΔt的振动响应利用特征系统实现算法进行求解5阶模态参数，与模型的数值解存在一定的估计误差，其中，频率为f′ 1＝0.6712Hz，f′ 2＝1.2963Hz，f′ 3＝1.8413Hz，f′ 4＝2.2513Hz，f′ 5＝2.5132Hz；阻尼比为d′ 1＝0.762，d′ 2＝2.1911％，d′ 3＝0.6523％，d′ 4＝0.8205％，d′ 5＝1.3894％。

Claims (1)

  1. 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法，其特征在于，步骤如下：
    步骤一：预选测试响应
    给定各测点下的加速度响应y(t)＝[y 1(t),y 2(t),…,y s(t)] T，t＝Δt,2Δt,…,NΔt；其中，Δt为采样时间间隔，N为样本时程点数，s为测点个数，上标T表示转置；
    计算各测点i，i＝1,2,…,s下响应向量的绝对最大值所对应的时刻点
    Figure PCTCN2019076604-appb-100001
    并求解该时时刻点序列t i，i＝1,2,…,s出现最大值对应的测点
    Figure PCTCN2019076604-appb-100002
    | |表示绝对值；进而将响应序列y h(t h)，t＝t h,t h+Δt,…,NΔt作为待分解的测试响应；
    步骤二：提取模态响应
    对选定的测试响应进行分量个数为2的变分模态分解：
    Figure PCTCN2019076604-appb-100003
    其中，δ为狄利克雷函数，j表示虚数单位，
    Figure PCTCN2019076604-appb-100004
    表示沿t方向求梯度，e表示欧拉数，π指圆周率，|| || 2表示向量的2范数，*表示卷积，ω q是分量y h,q(t)的中心角频率，y h,q(t)表示由y h(t)分解的第q个分量，q＝1,2；
    分解测试响应y h(t)获得两个分量
    Figure PCTCN2019076604-appb-100005
    和
    Figure PCTCN2019076604-appb-100006
    并计算两个分量的中心角频率差
    Figure PCTCN2019076604-appb-100007
    若角频率偏差大于结构基频f min的0.01倍，也就是Δω [1]＞2πf min/100，则计算两个分量的能量
    Figure PCTCN2019076604-appb-100008
    q＝1,2，并将分量
    Figure PCTCN2019076604-appb-100009
    更新为待分解的测试信号，再次利用变分模态分解方 法分解分量
    Figure PCTCN2019076604-appb-100010
    重复上述过程r次，直到第r次分解后的两个分量的中心角频率偏差满足Δω [r]≤2πf min/100，则认为分解的两个分量具有同一频率，迭代终止；将能量大的分量
    Figure PCTCN2019076604-appb-100011
    确定为角频率是
    Figure PCTCN2019076604-appb-100012
    的模态响应，标记为
    Figure PCTCN2019076604-appb-100013
    步骤三：自由振动响应提取
    将模态响应x(t)延拓为x e(t)，并利用希尔伯特变换对延拓模态响应x e(t)求包络幅值a e(t)：
    Figure PCTCN2019076604-appb-100014
    从延拓信号的包络幅值a e(t)中截取与原模态响应x(t)对应的包络线a(t)，并计算瞬时幅值的变化Δa(t)＝a(t+1)-a(t)；根据自由振动的模态响应具有幅值衰减的特性，将满足Δa(t)≤0的时刻点对应的振动特征标记为“衰减振动”，用1表示；反之，若Δa(t)＞0，则标记为“非衰减振动”，用0表示；则对于选定时间段t＝[t h,t h+Δt,…,NΔt]内振动特征将被标记为一组01序列；选择连续标记为1的最长序列所在的时间段[t h+wΔt,t h+(w+1)Δt,…,t h+κΔt]，并从结构振动响应中提取振动数据段y(t)，t＝t h+wΔt,…,t h+κΔt作为自由振动响应段
    Figure PCTCN2019076604-appb-100015
    k＝1,2,…κ-w+1；
    步骤四：模态参数识别
    基于数据相关的特征系统实现算法被用于模态参数求解；首先利用获取的自由振动响应
    Figure PCTCN2019076604-appb-100016
    构造Hankel矩阵H(k)：
    Figure PCTCN2019076604-appb-100017
    然后，利用Hankel矩阵构造相关函数矩阵S＝H(l)H(0) T，并对相关函数矩阵S利用特征系统实现算法求解模态参数，主要包括结构频率，阻尼比和模态振型。
PCT/CN2019/076604 2019-02-19 2019-03-01 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法 WO2020168589A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/479,730 US11221273B2 (en) 2019-02-19 2019-03-01 Method for automatically detecting free vibration response of high-speed railway bridge for modal identification

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910120922.9 2019-02-19
CN201910120922.9A CN109682561B (zh) 2019-02-19 2019-02-19 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法

Publications (1)

Publication Number Publication Date
WO2020168589A1 true WO2020168589A1 (zh) 2020-08-27

Family

ID=66196578

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/076604 WO2020168589A1 (zh) 2019-02-19 2019-03-01 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法

Country Status (3)

Country Link
US (1) US11221273B2 (zh)
CN (1) CN109682561B (zh)
WO (1) WO2020168589A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112100721A (zh) * 2020-09-07 2020-12-18 浙江大学 基于移动群智感知和深度学习的桥梁结构模态识别方法
CN113221986A (zh) * 2021-04-30 2021-08-06 西安理工大学 一种贯流式水轮机振动信号分离方法
CN113392789A (zh) * 2021-06-21 2021-09-14 暨南大学 利用少量传感器信息的桥梁全桥完备模态振型识别方法
CN113468688A (zh) * 2021-07-05 2021-10-01 西安交通大学 基于参数优化vmd和加权基尼指数的轴承故障诊断方法
CN113591028A (zh) * 2021-07-06 2021-11-02 国网江西省电力有限公司电力科学研究院 适用于直流偏磁风险评估的41点快速汉克尔变换的方法
CN113641951A (zh) * 2021-06-30 2021-11-12 山东建筑大学 一种基于车辆传感技术的桥梁振型识别方法
CN116147943A (zh) * 2023-04-23 2023-05-23 成都大学 一种评价高速磁悬浮列车系统运行稳定性的方法
CN116186838A (zh) * 2022-12-27 2023-05-30 武汉理工大学 基于谐小波的结构随机响应分析方法、设备和存储介质
CN116842348A (zh) * 2023-08-31 2023-10-03 安徽省云鹏工程项目管理有限公司 基于人工智能的桥梁健康监测系统
CN117490823A (zh) * 2023-11-02 2024-02-02 安徽农业大学 一种基于视觉测量的新型振动提取与振型观测方法

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110441018B (zh) * 2019-08-14 2021-07-13 清华大学 火工冲击响应数据时频分析方法
CN110991395B (zh) * 2019-12-17 2021-05-28 中国海洋大学 海工结构实测信号最大能量迭代提取方法
CN111413588B (zh) * 2020-03-31 2022-03-11 陕西省地方电力（集团）有限公司咸阳供电分公司 一种配电网单相接地故障选线方法
CN112485030B (zh) * 2020-11-09 2023-03-14 深圳市桥博设计研究院有限公司 基于频率耦合的桥梁结构动态监测方法、系统和装备
CN112649196B (zh) * 2020-11-19 2022-09-06 上海交通大学烟台信息技术研究院 基于频域信息的信号变分模态分解预设尺度参数选取方法
CN112629647B (zh) * 2020-11-24 2022-04-08 同济大学 大跨悬索桥涡振事件的实时识别和监测预警方法
CN112906095B (zh) * 2020-12-20 2022-04-08 重庆交通大学 基于激光条纹中心追踪的桥梁模态识别方法及其系统
CN112816059B (zh) * 2020-12-31 2022-03-15 武汉大学 一种基于成组弹簧振子的地铁桥站振动频率测试方法
CN112883327A (zh) * 2021-01-12 2021-06-01 中国海洋大学 海上风电结构动力响应高阶精度计算方法
CN112711737B (zh) * 2021-01-12 2022-05-20 中国海洋大学 海工结构弱非线性信号分解方法
CN112834243B (zh) * 2021-01-18 2022-12-20 中国铁道科学研究院集团有限公司 一种车体的异常振动监测方法及装置
CN112966435B (zh) * 2021-03-01 2022-04-01 重庆交通大学 一种桥梁变形实时预测方法
CN113009576B (zh) * 2021-03-26 2022-04-12 中国石油大学(华东) 一种基于本征模态滤波的储层固有频率原位非接触式检测方法
CN113139228B (zh) * 2021-04-22 2022-08-12 南京智慧岩土工程技术研究院有限公司 一种大跨度基坑复杂支撑体系结构监测点布置优化方法
CN113250911B (zh) * 2021-05-12 2022-02-18 河北工业大学 一种基于vmd分解算法的风机叶片故障诊断方法
CN113295377A (zh) * 2021-05-12 2021-08-24 上海机电工程研究所 一种基于解析模式分解的非线性晃动试验方法及系统
CN113204850A (zh) * 2021-05-28 2021-08-03 重庆交通大学 一种桥梁挠度监测中的温度效应分离方法
CN113255780B (zh) * 2021-05-28 2024-05-03 润联智能科技股份有限公司 一种减速箱故障预测方法、装置、计算机设备及存储介质
CN113821927B (zh) * 2021-09-24 2024-05-28 华北电力科学研究院有限责任公司 旋转机械外伸段不稳定振动影响评估方法及装置
CN114186595B (zh) * 2021-12-14 2023-12-01 哈尔滨工业大学 时变结构参数识别方法、存储介质及设备
CN114595726A (zh) * 2022-03-16 2022-06-07 浙江大学 一种基于NExT-递归图的结构损伤检测方法及系统
CN114707352B (zh) * 2022-04-21 2022-11-08 西南交通大学 一种基于列车行车性能的铁路桥梁成桥线形偏差控制方法
CN115391881B (zh) * 2022-08-09 2023-04-18 哈尔滨工业大学 一种桥塔尾流区吊索风致振动数值预测方法
CN115436037A (zh) * 2022-08-24 2022-12-06 国网新疆电力有限公司电力科学研究院 基于ssi参数识别的输电杆塔健康状态判别方法及装置
CN115507798A (zh) * 2022-09-29 2022-12-23 中国海洋大学 一种高桩码头泥沙淤积高度的实时监测方法、介质及系统
CN115495958B (zh) * 2022-09-30 2023-05-26 上海交通大学 一种舰船螺旋桨轴承力和轴系参数的联合识别方法
CN115597901B (zh) * 2022-12-13 2023-05-05 江苏中云筑智慧运维研究院有限公司 一种桥梁伸缩缝损伤的监测方法
CN117268676B (zh) * 2023-11-17 2024-03-01 西南交通大学 一种基于模态分析的振动试验装置及分析方法
CN117708470B (zh) * 2024-02-06 2024-04-30 西南交通大学 铁路车辆振动荷载的衰减振动函数换算方法
CN117875134B (zh) * 2024-02-29 2024-06-18 重庆交通大学 一种基于时频混合计算的大跨度拱桥抗震能力概率评估方法
CN117889945B (zh) * 2024-03-14 2024-05-31 河南鹏飞建设工程有限公司 一种公路桥梁施工振动测试方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6192758B1 (en) * 1998-12-14 2001-02-27 Kang Huang Structure safety inspection
TW201009305A (en) * 2008-08-27 2010-03-01 Univ Nat Pingtung Sci & Tech Method of modal analysis by free vibration response only (MAFVRO) and system thereof
CN101706355A (zh) * 2009-11-17 2010-05-12 福州大学 基于NExT/ARMA的结构响应分析方法
WO2015195728A1 (en) * 2014-06-17 2015-12-23 Drexel University Self-contained rapid modal testing system for highway bridges
CN105865735A (zh) * 2016-04-29 2016-08-17 浙江大学 一种基于视频监控的桥梁振动测试与动力特性识别方法
JP2016194442A (ja) * 2015-03-31 2016-11-17 公益財団法人鉄道総合技術研究所 鉄道橋固有振動数の変化量評価方法
CN106446829A (zh) * 2016-09-22 2017-02-22 三峡大学 一种基于svd与vmd模态自相关分析的水电机组振动信号降噪方法
CN107505652A (zh) * 2017-07-26 2017-12-22 山东科技大学 一种基于能量分布特征的矿山微震信号辨识方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5327358A (en) * 1991-08-07 1994-07-05 The Texas A&M University System Apparatus and method for damage detection
US8893550B2 (en) * 2005-12-02 2014-11-25 Wayne State University Non-invasive vibro-acoustic analysis
US10228278B2 (en) * 2013-05-01 2019-03-12 National Ict Australia Limited Determining a health condition of a structure
JP6192849B2 (ja) * 2014-09-10 2017-09-06 三菱電機株式会社 振動モード測定装置
CN105391083B (zh) * 2015-11-05 2018-05-25 河海大学 基于变分模态分解和相关向量机的风功率区间短期预测方法
JP6743458B2 (ja) * 2016-04-01 2020-08-19 セイコーエプソン株式会社 観測システム及び観測システムの制御方法
CN106596116A (zh) * 2016-11-29 2017-04-26 西安理工大学 一种风力发电机组振动故障诊断方法
CN106897509B (zh) * 2017-02-16 2020-06-16 大连理工大学 一种动态非高斯结构监测数据异常识别方法
JP2019015551A (ja) * 2017-07-05 2019-01-31 東日本旅客鉄道株式会社 橋脚の健全性評価方法
CN107121253A (zh) * 2017-07-07 2017-09-01 哈尔滨工业大学 用于桥梁结构在不中断交通情况下快速振动检测的方法
CN107702908A (zh) * 2017-10-12 2018-02-16 国网山东省电力公司莱芜供电公司 基于vmd自适应形态学的gis机械振动信号时频分析方法
CN107991044A (zh) * 2017-10-27 2018-05-04 大连理工大学 一种研究竖弯和侧弯振动阻尼比对桥梁颤振导数影响的测力试验方法
CN108846200B (zh) * 2018-06-07 2020-04-07 大连理工大学 一种基于迭代法的准静态桥梁影响线识别方法
CN109357822B (zh) * 2018-08-13 2021-06-01 东南大学 一种基于车桥耦合系统时变动力特征改变的桥梁快速测试与评估方法
CN109238712A (zh) * 2018-09-12 2019-01-18 温州大学 一种自回归模型增强变分模态分解的风力发电机滚动轴承故障诊断方法
CN109253882B (zh) * 2018-10-08 2020-08-07 桂林理工大学 一种基于变分模态分解和灰度共生矩阵的转子裂纹故障诊断方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6192758B1 (en) * 1998-12-14 2001-02-27 Kang Huang Structure safety inspection
TW201009305A (en) * 2008-08-27 2010-03-01 Univ Nat Pingtung Sci & Tech Method of modal analysis by free vibration response only (MAFVRO) and system thereof
CN101706355A (zh) * 2009-11-17 2010-05-12 福州大学 基于NExT/ARMA的结构响应分析方法
WO2015195728A1 (en) * 2014-06-17 2015-12-23 Drexel University Self-contained rapid modal testing system for highway bridges
JP2016194442A (ja) * 2015-03-31 2016-11-17 公益財団法人鉄道総合技術研究所 鉄道橋固有振動数の変化量評価方法
CN105865735A (zh) * 2016-04-29 2016-08-17 浙江大学 一种基于视频监控的桥梁振动测试与动力特性识别方法
CN106446829A (zh) * 2016-09-22 2017-02-22 三峡大学 一种基于svd与vmd模态自相关分析的水电机组振动信号降噪方法
CN107505652A (zh) * 2017-07-26 2017-12-22 山东科技大学 一种基于能量分布特征的矿山微震信号辨识方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ABDOLLAH BAGHERI ET AL.: "Structural System Identification Based on Variational Mode Decomposition", JOURNAL OF SOUND AND VIBRATION, vol. 417, 17 March 2018 (2018-03-17), XP055728596, DOI: 20190618144235A *
CHEN, CHEN ET AL.: "Application of Variational Mode Decomposition in Power System Harmonic Detection", POWER SYSTEM PROTECTION AND CONTROL, vol. 46, no. 14, 16 July 2018 (2018-07-16), DOI: 20190618144529A *
J. M. CAICEDO: "Practical Guidelines for the Natural Excitation Technique (Next) and the Eigensystem Realization Algorithm (Era) for Modal Identification Using Ambient Vibration", EXPERIMENTAL TECHNIQUES, no. 4, 26 July 2011 (2011-07-26), XP055591056, DOI: 20190618145015A *
NI, PINGHE ET AL.: "Time-Varying System Identification Using Variational Mode Decomposition", STRUCTURAL CONTROL & HEALTH MONITORING, vol. 25, no. 6, 30 June 2018 (2018-06-30), XP055728600, DOI: 20190618144118A *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112100721A (zh) * 2020-09-07 2020-12-18 浙江大学 基于移动群智感知和深度学习的桥梁结构模态识别方法
CN112100721B (zh) * 2020-09-07 2022-08-26 浙江大学 基于移动群智感知和深度学习的桥梁结构模态识别方法
CN113221986A (zh) * 2021-04-30 2021-08-06 西安理工大学 一种贯流式水轮机振动信号分离方法
CN113392789A (zh) * 2021-06-21 2021-09-14 暨南大学 利用少量传感器信息的桥梁全桥完备模态振型识别方法
CN113392789B (zh) * 2021-06-21 2022-02-18 暨南大学 利用少量传感器信息的桥梁全桥完备模态振型识别方法
CN113641951B (zh) * 2021-06-30 2023-04-07 山东建筑大学 一种基于车辆传感技术的桥梁振型识别方法
CN113641951A (zh) * 2021-06-30 2021-11-12 山东建筑大学 一种基于车辆传感技术的桥梁振型识别方法
CN113468688A (zh) * 2021-07-05 2021-10-01 西安交通大学 基于参数优化vmd和加权基尼指数的轴承故障诊断方法
CN113468688B (zh) * 2021-07-05 2022-12-09 西安交通大学 基于参数优化vmd和加权基尼指数的轴承故障诊断方法
CN113591028A (zh) * 2021-07-06 2021-11-02 国网江西省电力有限公司电力科学研究院 适用于直流偏磁风险评估的41点快速汉克尔变换的方法
CN113591028B (zh) * 2021-07-06 2023-09-12 国网江西省电力有限公司电力科学研究院 适用于直流偏磁风险评估的41点快速汉克尔变换的方法
CN116186838A (zh) * 2022-12-27 2023-05-30 武汉理工大学 基于谐小波的结构随机响应分析方法、设备和存储介质
CN116147943A (zh) * 2023-04-23 2023-05-23 成都大学 一种评价高速磁悬浮列车系统运行稳定性的方法
CN116147943B (zh) * 2023-04-23 2023-07-11 成都大学 一种评价高速磁悬浮列车系统运行稳定性的方法
CN116842348A (zh) * 2023-08-31 2023-10-03 安徽省云鹏工程项目管理有限公司 基于人工智能的桥梁健康监测系统
CN116842348B (zh) * 2023-08-31 2023-12-01 安徽省云鹏工程项目管理有限公司 基于人工智能的桥梁健康监测系统
CN117490823A (zh) * 2023-11-02 2024-02-02 安徽农业大学 一种基于视觉测量的新型振动提取与振型观测方法

Also Published As

Publication number Publication date
CN109682561B (zh) 2020-06-16
US11221273B2 (en) 2022-01-11
US20200284687A1 (en) 2020-09-10
CN109682561A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
WO2020168589A1 (zh) 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法
WO2022111423A1 (zh) 大跨悬索桥涡振事件的实时识别和监测预警方法
CN104698837B (zh) 一种时变线性结构工作模态参数识别方法、装置及应用
CN109357822A (zh) 一种基于车桥耦合系统时变动力特征改变的桥梁快速测试与评估方法
CN107727338B (zh) 一种基于车桥耦合系统的桥梁损伤诊断方法
CN104298870B (zh) 一种移动荷载下简支梁损伤和移动力同时识别方法
WO2019161592A1 (zh) 一种利用聚类自动提取结构模态参数的方法
CN104730537B (zh) 基于多尺度模型的红外/激光雷达数据融合目标跟踪方法
WO2022179247A1 (zh) 基于全索系索力测试和误差自适应分析的损伤判定方法
CN109885854A (zh) 基于arma模型的颤振边界实时预测系统及预测方法
CN110990978B (zh) 一种螺栓状态监测方法和装置
CN113901379B (zh) 一种边缘端的实时数据动态在线快速处理方法
WO2018233359A1 (zh) 一种随机动载荷空间分布及统计特征的识别方法
CN101587007A (zh) 识别柔性桥梁结构动力参数的惟输出小波基分析方法
Li et al. Improved wavelet threshold denoising method for MEMS gyroscope
CN104881585A (zh) 一种两自由度机翼的颤振边界预测方法
CN116481747A (zh) 一种考虑桥梁阻尼影响的桥梁模态振型驱车识别方法
Dias et al. A study of spectra, structure and correlation functions and their implications for the stationarity of surface-layer turbulence
CN102982196A (zh) 基于时变公分母模型的时频域时变结构模态参数辨识方法
CN106446502B (zh) 带遗忘因子的特征向量递推的时变工作模态在线识别方法
CN105204336A (zh) 一种飞机运动模态辨识方法
WO2024073899A1 (zh) 一种考虑两端半刚性约束的拉索索力识别算法
CN105404708A (zh) 基于实测加速度的大跨度桥梁结构外界时段激励评价方法
CN101509774A (zh) 一种基于光纤陀螺的arma时间序列的寻北方法
CN113001546B (zh) 一种提高工业机器人运动速度安全性的方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19916453

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19916453

Country of ref document: EP

Kind code of ref document: A1