桥梁振动低频重构去噪方法、系统、计算机及存储介质技术方案

本发明专利技术提供了一种桥梁振动低频重构去噪方法、系统、计算机及存储介质，所述方法包括获取振动信号，并根据所述振动信号的特性选择适当的分解函数，并确定所述振动信号的第一分解层数利用所述分解函数对所述振动信号进行小波分解，以得到对应层数的第一小波系数；利用预设的计算公式基于所述第一小波系数，计算每层所述第一小波系数对应的小波阈值，并基于所述小波阈值对所述第一小波系数的高频系数进行去噪处理；利用软阈值法处理去噪后的所述高频系数得到第二小波系数，将所述第二小波系数重构得到去噪后的振动信号，通过剔除信号高频噪声信号，保留低频信号，进而达到去噪目的，进而可提升对于低频的识别能力。而可提升对于低频的识别能力。而可提升对于低频的识别能力。

【技术实现步骤摘要】
桥梁振动低频重构去噪方法、系统、计算机及存储介质


[0001]本专利技术属于安全监测
，具体地涉及桥梁振动低频重构去噪方法、系统、计算机及存储介质。

技术介绍

[0002]随着高速公路和高速铁路的快速发展，我国建设了大量的高架桥梁，然而桥梁支座的安全性是桥梁技术中的重中之重，因此，对建成后的桥梁健康状况进行监测是确保桥梁安全稳固的必要措施。目前桥梁健康状况监测仅限于在桥梁外部简单的安装一两种传感器，通过传感器对桥梁的一些参数进行测量，从而确定桥梁的基本状况。
[0003]桥梁结构监测是确保桥梁安全运行的关键环节，而监测参数中外界激励能量多且高，淹没低频振动，增加对低频振动频率识别难度。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供了桥梁振动低频重构去噪方法、系统、计算机及存储介质，用于解决传统的在监测参数中外界激励能量多且高，淹没低频振动，增加对低频振动频率识别难度的技术问题。
[0005]一方面，该专利技术提供以下技术方案，一种桥梁振动低频重构去噪方法，包括：
[0006]获取振动信号，并根据所述振动信号的特性选择适当的分解函数，并确定所述振动信号的第一分解层数；
[0007]利用所述分解函数对所述振动信号进行小波分解，以得到对应层数的第一小波系数；
[0008]利用预设的计算公式基于所述第一小波系数，计算每层所述第一小波系数对应的小波阈值，并基于所述小波阈值对所述第一小波系数的高频系数进行去噪处理；
[0009]利用软阈值法处理去噪后的所述高频系数得到第二小波系数，将所述第二小波系数重构得到去噪后的振动信号。
[0010]相比现有技术，本申请的有益效果为：在外界激励影响下，桥梁振动频率复杂，通过使用小波分解并对低频信号进行重构从而达到对数据进行去噪。通过剔除信号高频噪声信号，保留低频信号，进而达到去噪目的，进而可提升对于低频的识别能力。
[0011]进一步的，在将所述第二小波系数重构得到去噪后的振动信号的步骤之后，所述方法包括：
[0012]对去噪后的所述振动信号傅里叶FFT转换得到振动频谱图，进而识别出桥梁的模态频率。
[0013]进一步的，所述计算公式如下：
[0014][0015]式中，c为第一小波系数，σ为噪声方差，N为信号长度，λ为阀值。
[0016]进一步的，所述软阈值法包括：
[0017]式中，w
j,k
为第一小波系数，为第二小波系数，λ为阈值。
[0018]进一步的，所述第一分解层数为5层。
[0019]进一步的，在将所述第二小波系数重构得到去噪后的振动信号的步骤之后，所述方法包括：
[0020]利用融合策略得到第二分解层数，并判断第二分解层数与第一分解层数是否一致；
[0021]所述融合策略包括：
[0022]获取所述振动信号去噪过程中的方根误差指标、信噪比指标、以及平滑值指标，并将所述方根误差指标、所述信噪比指标、以及所述平滑值指标进行加权融合，以获得融合指标，分别以所述融合指标和所述分解层数为纵坐标和横坐标进行绘图，当所述绘图中出现第一拐点即为第二分解层数。
[0023]进一步的，所述分解函数采用的DB7小波基函数。
[0024]第二方面，该专利技术提供以下技术方案，一种桥梁振动低频重构去噪系统，包括：获取模块，用于获取振动信号，并根据所述振动信号的特性选择对应的分解函数，并确定所述振动信号的第一分解层数；
[0025]分解模块，用于利用所述分解函数对所述振动信号进行小波分解，以得到对应层数的第一小波系数；
[0026]去噪模块，用于利用预设的计算公式基于所述第一小波系数，确定每层所述第一小波系数对应的小波阈值，并基于所述小波阈值对所述第一小波系数的高频系数进行去噪处理；
[0027]重构模块，用于利用软阈值法处理去噪后的所述高频系数得到第二小波系数，将所述第二小波系数重构得到去噪后的振动信号。
[0028]进一步的，所述系统还包括：
[0029]转换模块，用于对去噪后的所述振动信号傅里叶FFT转换得到振动频谱图，进而识别出桥梁的模态频率。
[0030]进一步的，所述去噪模块还包括：
[0031]计算单元，用于所述计算公式如下：
[0032][0033]式中，c为第一小波系数，σ为噪声方差，N为信号长度，λ为阀值。
[0034]进一步的，所述重构模块40还包括：
[0035]软阈单元，用于所述软阈值法包括：
[0036]式中，w
j,k
为第一小波系数，为第二小波系数，λ为阈值。
[0037]进一步的，所述获取模块10还包括：
[0038]分解单元，用于所述第一分解层数为5层。
[0039]进一步的，所述系统还包括：
[0040]融合模块，利用融合策略得到第二分解层数，并判断第二分解层数与第一分解层数是否一致；
[0041]所述融合策略包括：
[0042]获取所述振动信号去噪过程中的方根误差指标、信噪比指标、以及平滑值指标，并将所述方根误差指标、所述信噪比指标、以及所述平滑值指标进行加权融合，以获得融合指标，分别以所述融合指标和所述分解层数为纵坐标和横坐标进行绘图，当所述绘图中出现第一拐点即为第二分解层数。
[0043]进一步的，所述获取模块还包括：
[0044]函数单元，用于所述分解函数采用的DB7小波基函数。
[0045]第三方面，该专利技术提供以下技术方案，一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的桥梁振动低频重构去噪方法。
[0046]第四方面，该专利技术提供以下技术方案，一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的桥梁振动低频重构去噪方法。
附图说明
[0047]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0048]图1为本专利技术第一实施例提供的桥梁振动低频重构去噪方法的流程图；
[0049]图2为本专利技术第二实施例提供的桥梁振动低频重构去噪方法的流程图；
[0050]图3为本专利技术第三实施例提供的桥梁振动低频重构去噪系统的结构框图；
[0051]图4为本专利技术第四实施例提供的计算机的硬件结构示意图。
[0052]以下将结合附图对本专利技术实施例作进一步说明。
具体实施方式
[0053]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号数据表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种桥梁振动低频重构去噪方法，其特征在于，包括：获取振动信号，并根据所述振动信号的特性选择对应的分解函数，并确定所述振动信号的第一分解层数；利用所述分解函数对所述振动信号进行小波分解，以得到对应层数的第一小波系数；利用预设的计算公式基于所述第一小波系数，计算每层所述第一小波系数对应的小波阈值，并基于所述小波阈值对所述第一小波系数的高频系数进行去噪处理；利用软阈值法处理去噪后的所述高频系数得到第二小波系数，将所述第二小波系数重构得到去噪后的振动信号。2.根据权利要求1所述的桥梁振动低频重构去噪方法，其特征在于，在将所述第二小波系数重构得到去噪后的振动信号的步骤之后，所述方法包括：对去噪后的所述振动信号傅里叶FFT转换得到振动频谱图，进而识别出桥梁的模态频率。3.根据权利要求1所述的桥梁振动低频重构去噪方法，其特征在于，所述计算公式如下：式中，c为第一小波系数，σ为噪声方差，N为信号长度，为阀值。4.根据权利要求3所述的桥梁振动低频重构去噪方法，其特征在于，所述软阈值法包括：式中，w
j,k
为第一小波系数，为第二小波系数，λ为阈值。5.根据权利要求1所述的桥梁振动低频重构去噪方法，，其特征在于，所述第一分解层数为5层。6.根据权利要求1所述的桥梁振动低频重构去噪方法，其特征在于，在将所述第二小波系数重构得到去噪后的振动信号的步骤之后，所述方法包括：利用融合策略得到第二分解层数，并判断所述第二分解层数与第一分解层数是...

【专利技术属性】
技术研发人员：吴龙彪，张文，兰帮福，
申请(专利权)人：江西飞尚科技有限公司，
类型：发明
国别省市：