一种基于索力监测数据的斜拉桥车致索力实时在线提取方法技术

本发明专利技术属于桥梁结构健康监测领域，公开了一种基于索力监测数据的斜拉桥车致索力实时在线提取方法，步骤如下：建立运营索力分布的核密度估计模型；基于运营索力分布特性的静载索力提取；基于移动窗口分析的静载索力实时在线更新；建立静载索力响应的时域平滑模型进而提取车致索力。本发明专利技术中通过建立运营索力分布的核密度估计模型可以实现在索力分布先验信息未知时的准确拟合，并基于其分布特性提取静载索力；移动窗口分析模型可以有效保证索力分布核密度估计模型足够的样本容量以及静载索力的实时在线更新；索力响应的时域平滑模型可以有效消除噪声以及外界环境因素的干扰，得到静载索力时变趋势项，进而实现车致索力的实时在线提取。在线提取。在线提取。

【技术实现步骤摘要】
一种基于索力监测数据的斜拉桥车致索力实时在线提取方法


[0001]本专利技术属于桥梁结构健康监测领域，具体涉及一种基于索力监测数据的斜拉桥车致索力实时在线提取方法。

技术介绍

[0002]斜拉索是斜拉桥中传递荷载作用的关键构件，但由于斜拉索质量小、柔度大、阻尼小，在外界不利环境因素(如风雨激振、腐蚀)和随机车辆交变荷载的长期作用下极易发生异常振动、锈蚀以及疲劳损伤，从而导致斜拉索劣化并引起索力的异常变化，严重时将影响全桥的受力状态和安全运营。为了保证大跨径斜拉桥在设计使用年限内的安全运营，许多斜拉桥已经安装了桥梁健康监测系统。其中斜拉索索力的监测是整个监测系统的重要组成部分，是反映斜拉索受力状态的最直接监测指标。健康监测系统获得的斜拉索索力主要是由结构自重、随机车辆荷载以及环境作用引起的，同时还会受到随机噪声的影响，这使得单纯基于监测索力值的变化无法对斜拉索状态进行有效评估。因此，有必要将索力的车致响应成分与恒载、温度响应成分以及随机干扰成分分离，获得准确的斜拉索的静载索力趋势项以及车致索力，进而为基于车致索力的监测预警指标的提取提供基础。
[0003]目前，现有方法对于运营索力监测数据的解耦主要采取信号处理的方式和基于数据相关性分析的方法。其中，信号处理的方法主要涉及低通滤波、滑动平均、经验模态分解等方法。如孙宗光等在基于概率统计的运营状态下索力变异性分析与评价中提出了采用经验模态分解法(EMD)将索力监测数据的车辆响应分量与恒载、温度响应分离；李惠等在结构健康监测数据科学与工程中提出了采用滑动平均法进行车辆荷载引起的索力与索力趋势项解耦的方法；陶兴旺等在基于监测响应的斜拉桥车重车速识别中采用具有带通滤波功能的小波分析法将车辆激励响应、随机干扰部分进行有效分离，但以上此类基于信号分解与重构的索力监测数据解耦的方法存在物理意义不明确、相关参数确定主观性强等问题，导致索力静动力成分分离结果不佳。公开号为CN111062080A的专利提出了一种基于索力监测数据的车致拉索索力提取方法，但该方法在实施中需要采集每小时索力数据进而计算其均值和标准差，即该方法的车致拉索索力提取的周期为一小时，因此无法做到车致索力的实时提取。刘小玲等在随机车流作用下的斜拉桥恒载索力的提取中基于温度与索力的相关性分析剔除索力监测数据中温度效应的影响，并采用分布拟合的方法进行恒载索力的提取，但该方法中索力温度效应的分离需要额外已知温度数据，且索力的分布拟合过程需要已知索力分布的先验信息，因此无法直接运用在不同斜拉桥索力监测数据的车致索力提取。综上所述，上述方法在车致索力分量与恒载、温度响应分离中大多采用离线处理的方式，难以保证数据分析的实时性，基于信号处理的方法的相关参数确定主观性强和部分方法需要索力监测数据的先验信息，导致其在不同斜拉桥索力监测数据上的适用性难以保证，以上这些因素均为基于索力监测数据的斜拉桥车致索力实时在线提取方法带来了一定困难。
[0004]基于以上方法在实时性和适用性方面的不足之处，本专利技术公开了一种基于索力监测数据的斜拉桥车致索力实时在线提取方法，其主要特点包括：1)可以实现在监测的运营
索力分布先验信息未知时索力分布的快速、准确拟合，从而可以保证提取到的静载索力的准确性；2)可有效解决现有方法通过离线提取车致索力导致其实时性难以保证的问题。因此，本专利技术为保障基于车致索力的斜拉索异常实时在线预警提供了先决条件。

技术实现思路

[0005]本专利技术的目的是提供一种基于索力监测数据的斜拉桥车致索力实时在线提取方法。
[0006]本专利技术的技术方案：
[0007]一种基于索力监测数据的斜拉桥车致索力实时在线提取方法，步骤如下：
[0008]步骤1.建立运营索力分布的核密度估计模型
[0009]步骤1.建立运营索力分布的核密度估计模型
[0010](1.1)选取由L个样本点所组成的桥梁运营索力样本集合作为核密度估计模型的初始样本集合，L值不小于1800；然后对实测运营索力的初始样本进行核密度估计，并提取其分布特征信息，包括概率密度最大值及其对应的运营索力，建立索力分布核密度估计模型的计算公式如式(1)：
[0011][0012]其中，为运营索力分布的在某一索力值F处的概率密度估计值；F
i
,i∈[1,N]为第i个运营索力样本；N代表运营索力的样本容量；K0(
·
)为核函数,选为高斯核函数；h代表核密度估计模型的带宽，其值按h＝c
·
N
‑
1/5
计算，c为1.05倍的运营索力样本标准差；
[0013]步骤2.基于概率分布模型的静载索力提取
[0014](2.1)提取运营索力分布的核密度估计模型中概率密度最大值点对应的运营索力，以此作为该段时间内的静载索力代表值F
D
，计算公式如下。
[0015][0016]其中，P
max
为核密度分布估计概率密度最大值点；F
D
为提取的静载索力代表值；表示运营索力核密度分布估计的逆概率密度函数；
[0017]步骤3.基于移动窗口分析的静载索力实时在线更新
[0018](3.1)根据运营索力监测数据的采样频率选择合适的移动窗口窗长，窗长的选择应确保运营索力分布核密度估计模型分析中具有足够的样本容量，宜与步骤1中运营索力的初始样本集合对应的样本容量L相同；
[0019](3.2)窗口移动步长设置为1，即一个索力样本点，重复进行步骤1和步骤2，对不同时刻下的静载索力代表值进行实时在线更新。其中运营索力初始样本集合对应时间间隔内，所有时刻的静载索力均取该时间段内索力分布核密度估计得到的静载索力代表值，即：
[0020]F
D,begin
＝F
D,begin
×
ones(L,1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0021]其中，F
D,begin
为根据式(2)计算得到的初始样本集合对应时间间隔内的静载索力代表值；ones(L,1)为L个元素全部为1的行向量；
[0022]步骤4.建立静载索力响应的时域平滑模型进而提取车致索力
[0023](4.1)在步骤3获得的静载索力代表值的基础上采用滑动平均法对静载索力序列进行平滑处理和趋势项的提取；窗宽m应与步骤(3.1)中移动窗口窗长相同，由此提取静载索力时变趋势项，其中，采用滑动平均法的进行索力平滑的表达式如公式(4)和(5)所示：
[0024][0025][0026]其中，m为滑动平均法的窗宽，为第k时刻静载索力的滑动平均值；
[0027](4.2)通过实测运营索力数据减去步骤(4.1)中提取的静载索力时变趋势项得到车致索力；
[0028][0029]其中，F
k
为第k时刻的实测运营索力；F
v,k
为第k时刻的车致索力。
[0030]本专利技术的有益本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于索力监测数据的斜拉桥车致索力实时在线提取方法，步骤如下：步骤1.建立运营索力分布的核密度估计模型(1.1)选取由L个样本点所组成的桥梁运营索力样本集合作为核密度估计模型的初始样本集合，L值不小于1800；然后对实测运营索力的初始样本进行核密度估计，并提取其分布特征信息，包括概率密度最大值及其对应的运营索力，建立索力分布核密度估计模型的计算公式如式(1)：其中，为运营索力分布的在某一索力值F处的概率密度估计值；F
i
,i∈[1,N]为第i个运营索力样本；N代表运营索力的样本容量；K0(
·
)为核函数,选为高斯核函数；h代表核密度估计模型的带宽，其值按h＝c
·
N
‑
1/5
计算，c为1.05倍的运营索力样本标准差；步骤2.基于概率分布模型的静载索力提取(2.1)提取运营索力分布的核密度估计模型中概率密度最大值点对应的运营索力，以此作为该段时间内的静载索力代表值F
D
，计算公式如下：其中，P
max
为核密度分布估计概率密度最大值点；F
D
为提取的静载索力代表值；表示运营索力核密度分布估计的逆概率密度函数；步骤3.基于移动窗口分析的静载索力实时在线更新(3.1)根据运营索力监测数据的采样频率选择合适的移动窗口窗长，窗长的选择应确保运营索力分布核密度估计模型分析中具有足够的样本容量，宜与步骤...

【专利技术属性】
技术研发人员：杨东辉，顾海伦，伊廷华，李宏男，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：