基于阵列移动传感器的桥梁模态参数识别方法技术

本发明专利技术公开了一种基于阵列移动传感器的桥梁模态参数识别方法，通过在测量车的车轴上线性阵列布置传感器，利用多个传感器采集桥梁的竖向振动响应，能够克服现有的单个传感器采集数据量少的局限性；通过多个传感器采集的竖向振动响应得到不同竖向振动响应之间的互协方差响应，克服传统信号处理技术存在频率分辨率的弊端以及噪声对辨识结果精度的影响；通过将改进的小波变换和奇异值分解技术相结合，用于处理阵列移动传感器记录响应的协方差，利用得到的互协方差响应进一步识别桥梁的模态参数，桥梁的模态参数的辨识不会受到信号长度、信号分析技术低分辨率以及现场测试环境等不利因素的限制和干扰，能够快速，高效，准确地辨识桥梁模态参数。识桥梁模态参数。识桥梁模态参数。

【技术实现步骤摘要】
基于阵列移动传感器的桥梁模态参数识别方法


[0001]本专利技术属于桥梁健康监测
，具体的为一种基于阵列移动传感器的桥梁模态参数识别方法。

技术介绍

[0002]伴随着经济发展和建设技术水平的提高，桥梁作为重要的交通枢纽其建设规模也不断扩大。这些桥梁在服役过程中往往面临诸多不利因素，例如往复的交通荷载，复杂的环境激励以及极端天气对材料的侵蚀等等。这些不利因素通常不利于桥梁结构的日常运营与维护管理。因此，需要定期对桥梁结构安排巡检，快速有效评估桥梁结构的健康状况，降低因桥梁事故造成的生命财产损失。
[0003]目前，针对桥梁的健康监测主要有：(1)基于在桥梁结构上直接安装传感器；(2)先进的非接触式监测技术(如无人机、监测卫星和高速摄像机等等)；(3)依赖大型的结构健康监测系统。这些技术往往不仅需要消耗大量的人力和物力，同时也难以实施在量大面广的中小跨桥梁中。车辆扫描法是近年来兴起的一种新型桥梁状态快速评估技术，并逐步用于中小跨桥梁。该技术主要利用装备传感器的移动试验车来感知桥梁动态响应，间接评估桥梁健康状态。相比传统技术，车辆扫描法在可移动性，高效和经济等方面更具优势。
[0004]对于截面设计为薄壁箱梁形式的桥梁而言，在特定的情况下会出现密集模态，例如桥梁受到偏心荷载时，弯扭模态靠近竖弯模态形成密集模态，材料老化导致结构刚度退化等等。然而，目前直接利用传统车辆加速度响应来提取桥梁模态存在以下潜在问题，即试验车在经过桥面时仅能记录有限长度的桥梁响应，桥梁密集频率的辨识会受到频域辨识技术低分辨率的限制，例如快速傅立叶变换技术。此外，存在的路面粗糙度，环境噪声和测量噪声等不利因素也会极大地影响辨识结果的精度，进而无法准确判断桥梁的健康状况，降低桥梁检测工作的效率和有效性。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于阵列移动传感器的桥梁模态参数识别方法，能够快速、高效、准确地辨识桥梁模态参数(包括密集模态的模态参数)，为桥梁的健康状态评估提供的技术支撑。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]一种基于阵列移动传感器的桥梁模态参数识别方法，包括如下步骤：
[0008]步骤一：采用线性阵列的方式将传感器布置在测量车的车轴上；
[0009]步骤二：采用牵引车引导测量车匀速驶过待测桥梁，在测量车在待测桥梁上行驶过程中，采集每个传感器检测得到的竖向振动响应；
[0010]步骤三：依次计算采集得到的不同竖向振动响应之间的互协方差响应；
[0011]步骤四：根据密集频率区间确定小波的宽带参数和中心小波参数；
[0012]步骤五：利用小波的宽带参数和中心小波参数，对互协方差响应执行小波变换，得
到相应的小波系数矩阵；
[0013]步骤六：采用同步挤压方法沿频率轴方向压缩小波系数以增强待分析信号的局部时频特征，得到挤压小波系数矩阵；
[0014]步骤七：考虑小波尺度与瞬时频率的关系，依次提取每一个挤压小波系数矩阵的第k行，形成新的尺度矩阵；
[0015]步骤八：利用奇异值分解技术分解尺度矩阵并确定小波脊线的位置；
[0016]步骤九：利用小波脊线的信息计算得到桥梁的模态参数。
[0017]进一步，所述步骤三中，不同竖向振动响应之间的互协方差响应为：
[0018][0019]其中，R
gh
(t)表示互协方差响应；y
g
(nΔt)和y
h
[(n+i)Δt]分别为第g和h个传感器在第n和n+i个时刻记录的响应；N为数据总长；Δt＝＝1/f
s
为采样间隔；f
s
为采样时间。
[0020]进一步，所述步骤四中，小波的宽带参数和中心小波参数为：
[0021][0022]Δf
i，i+1
＝f
i+1
‑
f
i
[0023]f
i，i+1
＝(f
i+1
‑
f
i
)/2
[0024]其中，f
b
和f
c
分别表示小波的宽带参数和中心小波参数；f
i
和f
i+1
表示密集频率区间的两个端值；β表示根据所需精度水平确定的整数；α表示定义Morlet小波的相邻高斯窗口之间的重叠度；γ表示经验参数；T表示用于分析的信号长度；Δf
i，i+1
和f
i，i+1
均为便于计算的中间参数。
[0025]进一步，所述步骤五中，小波系数矩阵为：
[0026][0027][0028]其中，W
i
表示表示不同尺度a下经小波变换分解得到的小波系数矩阵；W
i
(a，b)表示单个尺度下经小波变换分解得到的小波系数矩阵；i＝1，2，
…
，p表示互协方差响应的数目；a和b表示小波变换中的尺度参数和平移参数；A
j
和θ
j
分别表示第j阶模态的振幅和相位角；ξ
j
表示第j阻尼系数；f
j
和f
dj
分别表示第j阶模态的无阻尼频率和阻尼频率；和分别表示第g和h个传感器测量的第j阶模态；p表示小波尺度的维度，m表示互协方差响应的长度。
[0029]进一步，所述步骤六中，选取一定频率范围内[ω
l
‑
Δω/2，ω
l
+Δω/2]的小波系数进行挤压，根据小波系数的幅值大小分配不同的权值，将整个时频分布进行重排，得到挤压小波系数T
i
(ω
l
，b)：
[0030][0031]其中，Δω＝ω
l+1
‑
ω
l
，ω
l
表示第l个中心圆频率；a
j
表示第j个小波尺度；(Δa)j＝a
j+1
‑
a
j
，表示相邻尺度的差值。
[0032]进一步，所述步骤七中，小波尺度与瞬时频率的关系为：
[0033]a
j
＝2πf
c
/ω
l
[0034]尺度矩阵表示为：
[0035][0036]其中，A
k
表示每一个挤压小波系数矩阵的第k行形成的尺度矩阵；k＝1，2，
…
，p表示当前尺度。
[0037]进一步，所述步骤八中，将尺度矩阵A
k
表示为：
[0038][0039]其中，U
k
表示A
k
的左奇异值矩阵，由的特征向量组成；S
k
表示A
k
的奇异值矩阵，由的特征值平方根组成，并且按照降序排列，值越大所占的权重越高；表示A
k
的右奇本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于阵列移动传感器的桥梁模态参数识别方法，其特征在于：包括如下步骤：步骤一：采用线性阵列的方式将传感器布置在测量车的车轴上；步骤二：采用牵引车引导测量车匀速驶过待测桥梁，在测量车在待测桥梁上行驶过程中，采集每个传感器检测得到的竖向振动响应；步骤三：依次计算采集得到的不同竖向振动响应之间的互协方差响应；步骤四：根据密集频率区间确定小波的宽带参数和中心小波参数；步骤五：利用小波的宽带参数和中心小波参数，对互协方差响应执行小波变换，得到相应的小波系数矩阵；步骤六：采用同步挤压方法沿频率轴方向压缩小波系数以增强待分析信号的局部时频特征，得到挤压小波系数矩阵；步骤七：考虑小波尺度与瞬时频率的关系，依次提取每一个挤压小波系数矩阵的第k行，形成新的尺度矩阵；步骤八：利用奇异值分解技术分解尺度矩阵并确定小波脊线的位置；步骤九：利用小波脊线的信息计算得到桥梁的模态参数。2.根据权利要求1所述基于阵列移动传感器的桥梁模态参数识别方法，其特征在于：所述步骤三中，不同竖向振动响应之间的互协方差响应为：其中，R
gh
(t)表示互协方差响应；y
g
(nΔt)和y
h
[(n+i)Δt]分别为第g和h个传感器在第n和n+i个时刻记录的响应；N为数据总长；Δt＝1/f
s
为采样间隔；f
s
为采样时间。3.根据权利要求2所述基于阵列移动传感器的桥梁模态参数识别方法，其特征在于：所述步骤四中，小波的宽带参数和中心小波参数为：Δf
i,i+1
＝f
i+1
‑
f
i
f
i,i+1
＝(f
i+1
‑
f
i
)/2其中，f
b
和f
c
分别表示小波的宽带参数和中心小波参数；f
i
和f
i+1
表示密集频率区间的两个端值；β表示根据所需精度水平确定的整数；α表示定义Morlet小波的相邻高斯窗口之间的重叠度；γ表示经验参数；T表示用于分析的信号长度；Δf
i,i+1
和f
i,i+1
均为便于计算的中间参数。4.根据权利要求3所述基于阵列移动传感器的桥梁模态参数识别方法，其特征在于：所述步骤五中，小波系数矩阵为：述步骤五中，小波系数矩阵为：
其中，W
i
表示不同尺度a下经小波变换分解得到的小波系数矩阵；W
i
(a,b)表示单个尺度下经小波变换分解得到的小波系数矩阵；i＝1,2,
…
,p表示互协方差响应的数目；a和b表示小波变换中的尺度参数和平移参数；A
j
和θ
j
分别表示第j阶模态的振幅和相位角；ξ
j
表示第j阻尼系数；f
j
和f
dj
分别表示第j阶模态的无阻尼频率和阻尼频率；和分别...

【专利技术属性】
技术研发人员：杨永斌，李智，王志鲁，刘珍，杨铭，
申请(专利权)人：重庆大学，
类型：发明
国别省市：