基于带通滤波和随机减量法结合的桥梁动力特性长期跟踪识别方法技术

本发明专利技术公开一种基于带通滤波和随机减量法结合的桥梁动力特性长期跟踪识别方法，提取桥梁健康监测系统获取的主梁长期环境随机激励加速度监测数据，对加速度数据进行预处理并按小时分段计算各段信号功率谱，通过峰值拾取法提取各阶模态中心频率，计算感兴趣的数阶模态能量集中频率区间，进行带通滤波；对各阶环境随机激励响应加速度信号采用随机减量法转换成自由衰减信号，通过指数函数模型拟合各阶模态阻尼；根据桥梁的多阶模态参数按照时间历程绘制成频率和模态阻尼时程图，实现桥梁动力特性的长期跟踪识别

【技术实现步骤摘要】
基于带通滤波和随机减量法结合的桥梁动力特性长期跟踪识别方法


[0001]本专利技术涉及结构监测领域，特别涉及一种基于带通滤波和随机减量法结合的桥梁动力特性长期跟踪识别方法
。

技术介绍

[0002]结构的动力特性是评估结构振动性能和运营状况的重要指标
。
其中，结构固有频率的演变直接体现结构的损伤和长期工作性能的状况；结构阻尼的变化是导致结构产生异常振动的关键因素之一，比如大跨度悬索桥的涡激共振现象
。
为了更好地了解大跨悬索桥服役期间的工作状态和性能演变，感知桥梁的各种异常振动行为并及时介入控制，对大跨桥梁系统长期动力特性，包括固有频率和模态阻尼，进行跟踪研究并分析其特征规律至关重要
。
[0003]随着结构健康监测技术的发展，目前许多大型桥梁已经部署了健康监测系统，实现对结构响应和环境数据的实时监测，海量监测数据库为进行桥梁运行模态分析并研究桥梁长期动力特性提供了基础，而目前基于健康监测系统对于桥梁动力特性长期跟踪研究主要存在三个方面困难：
[0004]1)
算法准确性：
[0005]准确地从监测数据中识别各阶模态是长期动力特性跟踪的基础
。
对于大跨桥梁的密频特性，已有的桥梁运营模态分析方法进行识别时往往会存在识别虚假模态
、
阶次错位和模态遗漏等问题，并且这些方法对大跨桥梁阻尼识别结果准确性普遍不高，离散性大
。
对于桥梁等具有多模态密频特性的工程结构，仅进行随机减量法处理监测信号无法获得多阶模态阻尼值；
[0006]2)
算法自动化程度：
[0007]包括阻尼在内的模态参数估计的质量高度依赖于用户的参数选择
。
识别中的关键参数是模态阶次，对它的错误估计会给阻尼估计带来很大的偏差，此外，识别过程中往往需要人工估计模态阶次，这种人工介入对于少数次识别任务还可接受，却无法用于大批量
、
长期和连续的模态参数识别和跟踪场景中应用；
[0008]3)
算法计算效率：
[0009]传统的
EMD
，
VMD
等模态分解方法，需进行反复的筛分或迭代步骤；
FFD
方法，需要进行矩阵分解
(SVD)
，因此计算稳定性和计算效率较差
。
随着随机子空间算法等方法的发展，模态分析过程可以实现自动化
。
这些方法消除了预先确定系统阶数的需要，但它们的代价是大幅增加了计算成本，难以完成海量数据库中的桥梁动力特性长期跟踪研究，而且这类方法需要时序时间很长的数据才能保证识别质量，导致了对模态参数跟踪的时间间隔过长，跟踪过于稀疏，易于遗漏异常突变情况，从而导致跟踪的意义下降
。
[0010]为了在最小计算消耗前提下实现运行模态参数的准确自动识别，迫切需要一种针对桥梁长期监测信号的动力特性跟踪识别方法
。

技术实现思路

[0011]本专利技术所要解决的技术问题是要提供一种基于带通滤波和随机减量法结合的桥梁动力特性长期跟踪识别方法，基于带通滤波的单分量信号提取具有更高的计算稳定性和计算效率，随机减量法对信号的处理过程中有去噪的作用，提高了阻尼拟合精度
。
[0012]为了解决以上的技术问题，本专利技术提供了一种基于带通滤波和随机减量法结合的桥梁动力特性长期跟踪识别方法，提取桥梁健康监测系统获取的主梁长期环境随机激励加速度监测数据，对加速度数据进行预处理，并按小时分段计算各段信号功率谱，通过峰值拾取法提取各阶模态中心频率，计算感兴趣的数阶模态能量集中频率区间，进行带通滤波；对滤波后的各阶环境随机激励响应加速度信号采用随机减量法转换成自由衰减信号，通过指数函数模型拟合各阶模态阻尼；根据桥梁的多阶模态参数，按照时间历程绘制成频率和模态阻尼时程图，实现桥梁动力特性的长期跟踪识别；包括以下步骤：
[0013]步骤
S1
：提取桥梁健康监测系统获取的主梁长期环境随机激励加速度监测数据，对加速度数据进行预处理，预处理后的加速度数据
acc
用于结构动力特性识别；
[0014]预处理包括剔除异常数据
、
填补遗漏数据
、
回归局部异常值
、
时域信号降噪处理方式，提高加速度数据的可靠度；
[0015]步骤
S2
：提取各阶模态频率，包括以下步骤：
[0016]S21
：对原始加速度信号
acc
按小时进行分段，构造计算帧
acc
i
，
[0017]其中：
i
为加速度信号的小时编号，即第
i
个加速度计算帧；
[0018]S22
：计算
acc
i
的功率谱密度；
[0019]S23
：通过峰值拾取方法提取功率谱密度的各个峰值，并读取峰值点对应的横坐标，获得各阶模态的中心频率
f
n
，其中，
n
＝1，2，
3...
，为感兴趣的模态阶次；
[0020]步骤
S3
：基于带通滤波，得到各阶单模态加速度分量，包括以下步骤：
[0021]S31
：计算窄带频率信号能量，定义滤波窄带信号能量与完整单模态信号能量比为
α
：
[0022][0023]其中：
E
为能量符号，
Δ
f
为中心频率
f
n
附近的窄带频率范围，
ξ
n
为第
n
阶模态阻尼；
[0024]S32
：计算带通滤波频率范围；
[0025]为了避免滤波阶段的能量损失，希望滤波后得到各阶单模态信号保持各阶模态原始能量的
90
％以上，即
α
＞
90
％，对于大跨桥梁，其各阶模态阻尼数量级约为
0.5
％，按该值进行初步估计；
[0026]初步估计各阶模态滤波单侧带宽为模态中心频率的4％
‑5％，即
Δ
f/f
n
＝4％
‑5％；滤波总带宽
f
low
‑
f
up
为中心频率的8％
‑
10
％；
[0027]其中：
f
low
为滤波频率下限，
f
low
＝
0.95
～
0.96f
n
；
f
up
为滤波频率上限，
f
up
＝
1.04
～
1.05f
n
；
[0028]S3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于带通滤波和随机减量法结合的桥梁动力特性长期跟踪识别方法，其特征在于：提取桥梁健康监测系统获取的主梁长期环境随机激励加速度监测数据，对加速度数据进行预处理，并按小时分段计算各段信号功率谱，通过峰值拾取法提取各阶模态中心频率，计算感兴趣的数阶模态能量集中频率区间，进行带通滤波；对滤波后的各阶环境随机激励响应加速度信号采用随机减量法转换成自由衰减信号，通过指数函数模型拟合各阶模态阻尼；根据桥梁的多阶模态参数，按照时间历程绘制成频率和模态阻尼时程图，实现桥梁动力特性的长期跟踪识别
。2.
根据权利要求1所述的一种基于带通滤波和随机减量法结合的桥梁动力特性长期跟踪识别方法，其特征在于：包括以下步骤：步骤
S1
：提取桥梁健康监测系统获取的主梁长期环境随机激励加速度监测数据，对加速度数据进行预处理，预处理后的加速度数据
acc
用于结构动力特性识别；步骤
S2
：提取各阶模态频率，包括以下步骤：
S21
：对原始加速度信号
acc
按小时进行分段，构造计算帧
acc
i
，其中：
i
为加速度信号的小时编号，即第
i
个加速度计算帧；
S22
：计算
acc
i
的功率谱密度；
S23
：通过峰值拾取方法提取功率谱密度的各个峰值，并读取峰值点对应的横坐标，获得各阶模态的中心频率
f
n
，其中，
n
＝1，2，
3...
，为感兴趣的模态阶次；步骤
S3
：基于带通滤波，得到各阶单模态加速度分量，包括以下步骤：
S31
：计算窄带频率信号能量，定义滤波窄带信号能量与完整单模态信号能量比为
α
：其中：
E
为能量符号，
Δ
f
为中心频率
f
n
附近的窄带频率范围，
ξ
n
为第
n
阶模态阻尼；
S32
：计算带通滤波频率范围；
α
＞
90
％，滤波后得到各阶单模态信号保持各阶模态原始能量的
90
％以上，大跨桥梁的各阶模态阻尼数量级为
0.5
％，按该值进行初步估计；初步估计各阶模态滤波单侧带宽为模态中心频率的4％
‑5％，
Δ
f/f
n
＝4％
‑5％；滤波总带宽
f
...

【专利技术属性】
技术研发人员：淡丹辉，李厚金，
申请(专利权)人：同济大学，
类型：发明
国别省市：