[发明专利]一种基于模态当量标准化的桥梁性能异常预警方法在审

专利信息
申请号: 202210579441.6 申请日: 2022-05-26
公开(公告)号: CN114969638A 公开(公告)日: 2022-08-30
发明(设计)人: 伊廷华;王镇;杨东辉;李宏男 申请(专利权)人: 大连理工大学
主分类号: G06F17/15 分类号: G06F17/15;G06F17/16;G08B21/18
代理公司: 辽宁鸿文知识产权代理有限公司 21102 代理人: 许明章;王海波
地址: 116024 辽*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 当量 标准化 桥梁 性能 异常 预警 方法
【权利要求书】:

1.一种基于模态当量标准化的桥梁性能异常预警方法,其特征在于,步骤如下:

步骤一:定义桥梁模态频率基准数据库

(1)选取桥梁正常运营状态下的监测数据进行模态分析,基于分析结果构建桥梁模态频率基准数据库;

步骤二:基于邻近度技术的局部化模态邻域样本集合自动构建

(2)采用“相似环境输入产生相似响应输出”原理,基于欧式距离邻近性度量技术搜索与当前模态样本相似度最大或欧式距离最小的数个近邻样本构建局部化模态邻域样本集合;令为具有n个模态样本和p个变量的桥梁模态频率,任意两个模态样本xi和xj之间的相似度,用欧式距离表征为:

di,j=||xi-xj||2

式中:di,j为当前模态样本xi和任一邻近模态样本xj之间的欧式距离;

(3)利用计算获得的当前模态样本xi邻近的前k个相似样本构建局部化模态邻域样本集合n(xi),以表征当前模态样本xi的局部动态波动,其中,局部化模态邻域样本集合表示为:

n(xi)={xi,1,xi,2,…,xi,k}

式中:xi,j为当前模态样本xi的近邻样本,且j=1,2,…,k;k为局部化模态邻域样本集合中相似样本个数,采用交叉验证方法来确定k值大小;

步骤三:模态当量标准化

(4)利用搜索到的每个模态的局部化模态邻域样本集合的基本统计量,包括均值和标准差,对该模态进行标准化,当量标准化公式如下:

式中:是第i个模态样本的当量标准化值;E(n(xi))和std(n(xi))分别为第i个模态的局部化模态邻域样本集合n(xi)的均值和标准差;

步骤四:桥梁模态慢特征提取

(5)为消除桥梁模态数据中噪声干扰及衡量结构变化的本质特征,慢特征分析方法被引入以提取桥梁模态数据中变化最慢的潜变量,即模态慢特征;定义当量标准化模态数据集通过构造线性映射矩阵实现模态慢特征s的提取,其中求解模态慢特征s的目标函数和约束条件如下:

式中:为模态慢特征s对时间t的一阶导数,表征监测样本波动的快慢;·t为监测样本的期望值;

(6)上述目标函数可通过如下奇异值分解进行求解:

B=UΛUT

式中:B=<yyTt为模态当量标准化值的协方差矩阵;U为特征向量矩阵;Λ为对角矩阵;进而对当量标准化模态数据集y进行白化处理,以去除数据中的冗余信息:

z=Λ-1/2Uy=Qy

式中:z为白化数据,且满足cov(z)=zzTt=I;Q=Λ-1/2U为白化矩阵;

(7)在此基础上,求出桥梁模态频率的模态慢特征s如下:

s=PTz=Wy

式中:P=WQ-1为正交矩阵;W=PΛ-1/2UT为慢特征分析的线性映射矩阵;其中模态慢特征的变量个数依据慢特征主元累积贡献率确定;

步骤五:模态异常预警统计量构造与预警阈值确定

(8)定义基于模态慢特征s的马氏距离统计量T2如下:

T2=sΣ-1sT

式中:Σ为模态慢特征s的协方差矩阵;

(9)令T2(t)表示正常状态下的模态异常预警指标序列(t=1,2,…,n),采用核密度估计方法计算给定显著性水平下的预警阈值,若多个指标连续超出阈值即可判断桥梁性能发生异常。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大连理工大学,未经大连理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210579441.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top