【技术实现步骤摘要】
一种信号自适应分解和识别的桥梁健康监测方法及系统
[0001]本专利技术涉及桥梁结构监测
,特别涉及一种信号自适应分解和识别的桥梁健康监测方法及系统。
技术介绍
[0002]随着我国城市轨道交通的迅猛发展,城市与城市间的地铁建设也得到了飞速地发展,在享受交通便利的同时也伴着桥梁结构数量的不断增加。众所周知,随着时间的推移,桥梁结构自身的功能呈下降趋势,一旦其自身的损伤程度达到一定的临界值,则需对其进行必要的安全性评估,评估是否需采取相应的安全措施以保证其具有良好的运营状态以满足正常使用。
[0003]目前,传统的桥梁健康监测方法是通过在桥梁结构上布置一定数据的传感器(常用的传感器包括温度传感器、应变传感器、加速度传感器及倾角传感器等),通过采集其结构的响应信号,并存储于云端;再采用相关的模态参数识别算法对云端的响应信号进行模态参数识别;最后通过分析结构的模态参数结果,并出具相应的检测报告以评估该桥梁结构的健康状态。该监测方法的主要缺点有如下几方面:
[0004](1)实际工程中利用传感器采集的响应信号中常存在一定的噪声影响,以致如果不对其进行一系列的预处理则会导致最终识别的模态参数出现失真现象;
[0005]2)虽然经验模态分解法被广泛运用于桥梁结构的信号分解中,但其依然存在一定的缺陷,主要表现在各IMF分量间的模态混叠现象;
[0006]3)桥梁结构健康状态的评估需一定的时间周期,不能实现桥梁健康状态的正线实时监测。
[0007]综上所述,可知如何有效地、及时地实现对既 ...
【技术保护点】
【技术特征摘要】
1.一种信号自适应分解和识别的桥梁健康监测方法,其特征在于,包括以下步骤:S1、将传感器安装于每跨桥梁结构,通过传感器分别采集桥梁结构在列车未上桥的环境激励下和在列车上桥运行工况下的动力响应信号;S2、采用探索性数据分析方法EDA中的图形法对信号进行规律性分析;S3、采用基于非等置信概率的拉依达方法对响应信号中异常值进行剔除;S4、采用三项式最小二乘法,对响应信号进行平滑处理,消除实测响应信号中的趋势项和毛刺;S5、基于改进的经验模态分解算法AEMD,对响应信号进行信号的自适应分解和自动重组;S6、基于数据驱动随机子空间识别法DATA
‑
SSI,对重组信号进行模态参数识别,对比分析列车上桥前后桥梁响应频率的相对变化情况,来对桥梁结构健康状态进行实时监测。2.根据权利要求1所述的信号自适应分解和识别的桥梁健康监测方法,其特征在于,所述传感器为加速度传感器,所述加速度传感器的采样频率为20~50Hz,所述加速度传感器采样数据点在1200以上。3.根据权利要求1所述的信号自适应分解和识别的桥梁健康监测方法,其特征在于,所述S2中,采用分析方法EDA中的直方图、Q
‑
Q图、箱型图或相关性柱状图,辨识出响应信号数据中的异常值、间隙、对称情况和分散情况。4.根据权利要求3所述的信号自适应分解和识别的桥梁健康监测方法,其特征在于,所述S3中:当监测点响应信号数据与响应信号数据平均值之差大于标准差的3倍时,则当前监测点响应信号数据为异常值,予以剔除。5.根据权利要求4所述的信号自适应分解和识别的桥梁健康监测方法,其特征在于,所述S4具体步骤为:S41、根据其中一个传感器监测所得的响应信号数据,建立监测点响应信号的三项式函数;S42、以三项式函数与离散信号数据的误差平方值E最小为准则,获取三项式函数的待定系数a
i
;S43、因E存在极值,建立E对待定系数a
i
求偏导方程;S44、依次取E对待定系数a
i
求偏导,产生一个四元线性方程组,解方程组得到待定系数a
j
;S45、通过三项式函数对响应信号数据消除趋势项。6.根据权利要求5所述的信号自适应分解和识别的桥梁健康监测方法,其特征在于,所述S5中自适应分解具体步骤为:S51、根据S1
‑
S4得到的响应信号x(t)进行分析,得到所有极大值和极小值,采用三次样条插值法对极大值和极小值处理,得到上包络线U(t)和下包络线L(t),进而得到平均包络线P(t);S52、通过上述响应信号x(t)减去P(t)得到新的响应信号曲线X1(t);S53、辨识信号曲线X1(t)是否能作为本征模态函数的IMF分量,条件为上包络线U(t)和下包络线L(t)关于零...
【专利技术属性】
技术研发人员:何杰,鲁昭,李震,熊欢欢,颉元伟,叶九发,王经权,王敏,高雄雄,
申请(专利权)人:中铁二院工程集团有限责任公司,
类型:发明
国别省市:
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。