一种大跨斜拉桥监测挠度温度效应的分离方法技术

本发明专利技术属于技术领域，公开了一种大跨斜拉桥监测挠度温度效应的分离方法，包括：将获取的挠度数据进行波形延拓，得到延拓挠度数据；对所述延拓挠度数据进行小波分解，得到初始温度效应一维数据和分解剩余分量；剔除所述分解剩余分量中幅值高于设定阈值的分量，得到阈值剔除分量；将所述初始温度效应一维数据与所述阈值剔除分量进行信号重构得到重构挠度数据；对所述重构挠度数据进行小波分解或者变分模态分解VMD得到温度效应曲线；通过改进的集总平均经验模态分解算法MEEMD对所述温度效应曲线进行分解，得到挠度温度效应中的各周期成分。本发明专利技术提供的方法能够精确的分离挠度温度效应的各周期成分。

A Separation Method for Monitoring Deflection Temperature Effect of Long-span Cable-stayed Bridge

【技术实现步骤摘要】
一种大跨斜拉桥监测挠度温度效应的分离方法
本专利技术涉及桥梁监测
，特别涉及一种大跨斜拉桥监测挠度温度效应的分离方法。
技术介绍
桥梁挠度成分构成中一般主要包括活荷载、环境噪声、温度效应、桥梁结构徐变及结构损伤等，其中活荷载一般包括行人和车辆因素，温度效应一般包括日温差效应、年温差效应。现有技术中，挠度温度效应分离算法是通过以建立挠度与温度的对应关系或者确定挠度各周期成分的准确周期为基础从而实现挠度温度效应分离。然而对于大跨斜拉桥的BDS挠度监测来说，监测位置一般位于桥面上方，常常不方便配备可以反映整桥变化的对应位置的温度获取装置，另外，由于远距离的信号传输和测点三维坐标解算不完整的原因，所获得挠度监测数据会面临监测数据不完整的难题，导致温度效应的同成分周期并不完全相同，从而无法精确分离温度效应。
技术实现思路
本专利技术提供一种大跨斜拉桥监测挠度温度效应的分离方法，解决现有技术中大跨斜拉桥不同周期温度效应分离精确度低的技术问题。为解决上述技术问题，本专利技术提供了一种大跨斜拉桥监测挠度温度效应的分离方法，包括：将获取的挠度数据进行波形延拓，得到延拓挠度数据；对所述延拓挠度数据进行小波分解，得到初始温度效应一维数据和分解剩余分量；剔除所述分解剩余分量中幅值高于设定阈值的分量，得到阈值剔除分量；将所述初始温度效应一维数据与所述阈值剔除分量进行信号重构得到重构挠度数据；对所述重构挠度数据进行小波分解或者变分模态分解VMD得到温度效应曲线；通过改进的集总平均经验模态分解算法MEEMD对所述温度效应曲线进行分解，得到挠度温度效应中的各周期成分。进一步地，所述波形延拓包括：将所述挠度数据的原始波形的相邻的周期的同幅值水平段的半个周期通过对称平移实现波形延拓。进一步地，所述小波分解包括：采用sym8小波进行多层分解。本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请实施例中提供的大跨斜拉桥监测挠度温度效应的分离方法，先将获取挠度数据进行波形延拓，以抑制端点效应，再通过小波分解得到初始温度效应一维数据，并将分解剩余分量中的高幅值车载进行阈值剔除后进行信号重构，而后将重构的挠度数据进行小波二次分解或变分模态分解VMD，重新分离得到温度效应，以提高温度效应分离精度。其中，波形延拓+预降噪+小波或VMD分解的降噪算法比直接降噪或者经过两次降噪都有着更高的相似度和更小的误差，降噪分离精度较高。由于降噪后的温度效应曲线较为光滑，此时将温度效应曲线进行MEEMD分解，可得温度效应中日温差效应、年温差效应、长期挠度，从而将挠度信号各成分精确分离。附图说明图1为本专利技术提供的大跨斜拉桥监测挠度温度效应的分离方法流程图；图2为本专利技术实施例提供的模拟总时程曲线；图3为本专利技术实施例提供的模拟日温差时程曲线；图4为本专利技术实施例提供的环境噪声和低幅高频车载时程曲线；图5为本专利技术实施例提供的长期挠度时程曲线；图6为本专利技术实施例提供的高幅低频车载时程曲线；图7为本专利技术实施例提供的总挠度波形延拓示意图；图8为本专利技术实施例提供的总挠度经波形延拓、预降噪和小波分解的端点效应示意图；图9为本专利技术实施例提供的总挠度经波形延拓、预降噪和VMD分解的端点效应示意图；图10为本专利技术实施例提供的BDS测点位置及斜拉桥立面图；图11为本专利技术实施例提供的实测上游跨中实测挠度时程图；图12为本专利技术实施例提供的实测下游跨中实测挠度时程图；图13为本专利技术实施例提供的实测上游跨中实测数据降噪效果图；图14为本专利技术实施例提供的实测下游跨中实测数据降噪效果图；图15为本专利技术实施例提供的上游跨中实测数据温度效应分解示意图；图16为本专利技术实施例提供的下游跨中实测数据温度效应分解示意图；图17为本专利技术实施例提供的上下游跨中日温差效应对比示意图。具体实施方式本申请实施例通过提供一种大跨斜拉桥监测挠度温度效应的分离方法，解决现有技术中大跨斜拉桥不同周期温度效应分离精确度低的技术问题。为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细说明，应当理解本专利技术实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。参见图1，一种大跨斜拉桥监测挠度温度效应的分离方法，包括：将获取的挠度数据进行波形延拓，得到延拓挠度数据；对所述延拓挠度数据进行小波分解，得到初始温度效应一维数据和分解剩余分量；剔除所述分解剩余分量中幅值高于设定阈值的分量，得到阈值剔除分量；将所述初始温度效应一维数据与所述阈值剔除分量进行信号重构得到重构挠度数据；对所述重构挠度数据进行小波分解或者变分模态分解VMD得到温度效应曲线；通过改进的集总平均经验模态分解算法MEEMD对所述温度效应曲线进行分解，得到挠度温度效应中的各周期成分。本实施例针对BDS监测数据的车载特性，借鉴镜像延拓的思想，通过波形延拓，具体包括分解前数据延拓和分解后数据截取，以抑制分解过程中的端点效应，接着进行小波分解实现高幅值车载的预降噪，最后将预降噪的挠度信号通过小波分解或变分模态分解VMD实现低幅高频的车载和环境噪声的最终降噪，得到平滑的降噪挠度信号后，对温度效应挠度进行MEEMD分解，即可将不同周期温度效应实现精确分离。具体来说，所述波形延拓包括：将所述挠度数据的原始波形的相邻的周期的同幅值水平段的半个周期通过对称平移实现波形延拓。一般而言，所述小波分解为，通过sym8小波进行多层分解。下面将通过软件仿真和实例说明本实施例方案的效果。挠度信号成分分析桥梁挠度的成分构成主要包括：活荷载、环境噪声、温度效应、桥梁结构徐变及结构损伤等。其中，活荷载一般包括行人和车辆因素；温度效应一般包括日温差效应、年温差效应。而考虑到大跨斜拉桥的柔性较强及车流量大、车载成分多样，又可将车载分为低频高幅值车载和高频低幅值车载，其中高频低幅车载和环境噪声会表现出高斯分布特性，而低频高幅车载由于造成的挠度较大会表现出偏态分布特性，因此可根据各成分分布特性将总挠度成分表示如下S(t)＝S1(t)+S2(t)+S3(t)+S4(t)+S5(t)式中：S1(t)为低频高幅值车载，S2(t)为高频低幅值车载和环境噪声，S3(t)为日温差效应，S4(t)为年温差效应，S5(t)为长期挠度。挠度温度效应分离首先将获取挠度数据进行波形延拓，以抑制端点效应，再通过小波分解得到初始温度效应一维数据，将此时的分解剩余分量中高幅值车载进行阈值剔除后将信号重构，进行小波二次分解或变分模态分解VMD，重新分离得到温度效应，以提高温度效应分离精度。波形延拓+预降噪+小波或VMD分解的降噪算法比直接降噪或者经过两次降噪都有着更高的相似度和更小的误差，降噪分离精度较高。由于降噪后的温度效应曲线较为光滑，此时将温度效应曲线进行MEEMD分解，可得温度效应中日温差效应、年温差效应、长期挠度，从而将挠度信号各成分精确分离。其中，改进的集总平均经验模态分解算法MEEMD分解能够有效抑制信号分解过程中的模态混叠现象，同时，长期监测的降噪挠度信号中周期成分数量相对较少，通过MEEMD分解，可直接分离出各周期成分，但分解的各周期成分也同样存在端点效应的难题，为提高降噪挠本文档来自技高网...

【技术保护点】
1.一种大跨斜拉桥监测挠度温度效应的分离方法，其特征在于，包括：将获取的挠度数据进行波形延拓，得到延拓挠度数据；对所述延拓挠度数据进行小波分解，得到初始温度效应一维数据和分解剩余分量；剔除所述分解剩余分量中幅值高于设定阈值的分量，得到阈值剔除分量；将所述初始温度效应一维数据与所述阈值剔除分量进行信号重构得到重构挠度数据；对所述重构挠度数据进行小波分解或者变分模态分解VMD得到温度效应曲线；通过改进的集总平均经验模态分解算法MEEMD对所述温度效应曲线进行分解，得到挠度温度效应中的各周期成分。

【技术特征摘要】
1.一种大跨斜拉桥监测挠度温度效应的分离方法，其特征在于，包括：将获取的挠度数据进行波形延拓，得到延拓挠度数据；对所述延拓挠度数据进行小波分解，得到初始温度效应一维数据和分解剩余分量；剔除所述分解剩余分量中幅值高于设定阈值的分量，得到阈值剔除分量；将所述初始温度效应一维数据与所述阈值剔除分量进行信号重构得到重构挠度数据；对所述重构挠度数据进行小波分解或者变分模态分解VMD得到温度效应曲线；通过...

【专利技术属性】
技术研发人员：谭冬梅，柳勇，吴浩，姚欢，聂顺，
申请(专利权)人：武汉光谷北斗控股集团有限公司，
类型：发明
国别省市：湖北,42