The invention discloses a method for determining the optimum analytical length of vibration measurement data, laying sensors at the key positions of the measured structure to obtain the vibration measurement data of the structure, extracting the data information of different length N, selecting the appropriate scale factor S, using the improved coarse-graining method to process the vibration measurement data, and using the pseudo-nearest neighbor method and mutual information method to determine the number of each coarse-grained data, respectively. The parameters m and_of phase space reconstruction are used to reconstruct the phase space; the permutation entropy values of each scale are calculated, and the permutation entropy values are homogenized as the multi-scale permutation entropy values MPE; the multi-scale permutation entropy values of N vibration measurement data with different lengths are calculated, and the minimum data length corresponding to MPE (Li) is defined as the optimum analysis length of vibration measurement data. Degree.
【技术实现步骤摘要】
振测数据最佳分析长度的确定方法
本专利技术涉及工程结构振动测试
,具体是一种利用熵值稳定性确定振测数据最佳分析长度的方法。
技术介绍
针对我国诸多大型建筑物包括:水工建筑物、桥梁、隧洞等结构,存在的“重建轻修”的问题,单从其外观判断以上等大型建筑物的运行状态,已远不能满足评价要求。各因素导致的结构功能异常,必然引起结构振动信号发生改变,因此,振动测量是对结构运行状态进行监控和故障诊断的一种重要方式。解决振动问题的重要前提是对研究对象进行振测数据的分析,数据分析的主要目的为提取结构的特征信息,而其中数据长度的选取是关键一步,一定程度上决定着结构监测的有效性。关于如何确定数据分析长度,目前并没有固定明确的方法。通常结构的损伤诊断、在线监测等过程中振测数据长度的选取仅通过人为的主观意向,或针对对象本身选取相对合适的数据长度,但并没有一个科学的选取方式。数据长度决定了信号的丰富程度,振测数据越长越能反映结构自身特性,但数据长度过长也会存在计算繁琐、耗时较多等弊端,而选取数据较短又会导致特征信息的丢失或不完整,使得结构状态的监测及判断中存在误判等问题,因此,数据长度的选取是保证分析结果正确与否的重要环节。多尺度排列熵方法是Aziz等在排列熵的基础上提出的,具有比排列熵更好的鲁棒性,能够很好的检测信号的复杂程度。由于该方法在检测出系统的动力学突变方面较为敏感,因此成为数据分析的热点方法。一般多尺度排列熵方法的计算分为三部分,首先,对一组测试数据{X(i);i=1,2.....n}进行粗粒化,得到s个粗粒化时间序列;其次,对每个粗粒化序列相空间重构;最后,计算各序 ...
【技术保护点】
1.一种振测数据最佳分析长度的确定方法,它包括如下步骤:(1)在所测结构的关键位置布设传感器装置,获取结构的振测数据{X(i);i=1,2.....n};n为正整数;(2)提取不同长度N的数据信息,并选取合适的尺度因子S,将振测数据粗粒化处理,在给定的尺度因子S上,通过移动平均得到对应的粗粒化序列,公式如下:
【技术特征摘要】
1.一种振测数据最佳分析长度的确定方法,它包括如下步骤:(1)在所测结构的关键位置布设传感器装置,获取结构的振测数据{X(i);i=1,2.....n};n为正整数;(2)提取不同长度N的数据信息,并选取合适的尺度因子S,将振测数据粗粒化处理,在给定的尺度因子S上,通过移动平均得到对应的粗粒化序列,公式如下:j为正整数;(3)利用伪近临法与互信息法分别确定各粗粒化后数据的相空间重构参数m、τ,并进行相空间重构;m为嵌入维数,τ为延迟时间;(4)计算粗粒化后各时间序列的排列熵熵值PE1、PE2、L、PES,得到多尺度排列熵MPES={PE1、PE2、L、PES},并以多尺度排列熵的均值MPE作为衡量振测数据复杂度的依据,其中(5)计算同一振动状态下,不同长度N振测数据的多尺度排列熵均值MPE(L1),MPE(L2)KMPE(Li)KMPE(Ln),此时数据长度N值越大,熵值MPE越趋于某一固定值,在此以数据达到一定长度即MPE(Ln)-MPE(Ln-1)≈0为止,并以MPE(Ln)作为标准熵值,MPE(Ln)所对应的数据长度Ln作为标准数据长度N。(6)将MPE(L1),MPE(L2)KMPE(Li)KMPE(Ln)分别与MPE(Ln)进行比较,选出满足精度要求的MPE(Li),满足:MPE(Li)≥97%MPE(Ln),则MPE(Li)所对应的最短数据长度定义为振测数据最佳分析长度。2.根据权利要求1所述振测数据最佳分析长度的确定方法,其特征在于:振测数据增加到某一长度时,所测数据熵值MPE(Ln)相较于较短数据所对应熵值MPE(Ln-1)的变化可忽略不计,即MPE(Ln)-MPE(Ln-1)≈0时,以熵值MPE(Ln)作为该状态下振测数据的标准熵值。3.根据权利要求1所述振测数据最佳分析长度的确定方法,其特征在于:从步骤...
【专利技术属性】
技术研发人员:张建伟,马晓君,张翌娜,赵瑜,李洋,程梦然,
申请(专利权)人:华北水利水电大学,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。