CN113465734B - 一种结构振动的实时估计方法 - Google Patents
一种结构振动的实时估计方法 Download PDFInfo
- Publication number
- CN113465734B CN113465734B CN202111026403.XA CN202111026403A CN113465734B CN 113465734 B CN113465734 B CN 113465734B CN 202111026403 A CN202111026403 A CN 202111026403A CN 113465734 B CN113465734 B CN 113465734B
- Authority
- CN
- China
- Prior art keywords
- target
- measuring point
- estimated
- vibration
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明实施例公开了一种结构振动的实时估计方法,该方法包括:获取待测结构的待估计测点,并确定待估计测点关联的目标测点;获取各目标测点对应的坐标、目标模态和目标振动参数;基于待估计测点结合各目标测点的目标模态、目标振动参数和坐标确定待估计测点的模态振动参数和插值振动参数;根据模态振动参数和插值振动参数确定待估计测点的估计振动参数。解决了现有振动参数估计方法中无法实时对振动参数进行估计的问题。实现了根据关联的目标测点的振动参数实时估计待估计测点的振动参数的目的,对待估计测点的估计振动参数可以实时进行估计,保证数据的实时性和准确性,节省数据处理时间,提高反应速度,保障了设备的安全性。
Description
技术领域
本发明实施例涉及振动估计技术领域,尤其涉及一种结构振动的实时估计方法。
背景技术
振动是一种结构在外激励作用下的表现形式,任何激励均会引起结构振动现象。所有的大型装设备在运行过程中都会存在各种结构振动,当结构振动较大时会损伤相应的部件或设备,严重的甚至会造成断裂等不可修复的破坏,这在航空航天、风能、公路运输、铁路运输以及海运等多个领域中尤其常见。通过振动估计,可以有效开展预防性维修,提前获取将要运行设备的结构振动,从而预防传统技术手段下不可预料的结构振动事故、评估设备工作状态并排查振动故障,对实现保障设备安全稳定运行具有重要意义。
然而大部分的结构振动估计都不是在设备上运行的,无法做到实时估计,从得到估计结果到反馈给相应设备使用人员会耽误较长时间,这给设备及其上的人员带来了一定的安全隐患。
发明内容
本发明提供一种结构振动的实时估计方法,以实现对结构的振动参数实时进行估计。
第一方面,本发明实施例提供了一种结构振动的实时估计方法,所述结构振动的实时估计包括:
获取待测结构的待估计测点,并确定所述待估计测点关联的目标测点;
获取各所述目标测点对应的坐标、目标模态和目标振动参数;
基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数;
根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数。
第二方面,本发明实施例还提供了一种结构振动的实时估计装置,该结构振动的实时估计装置包括:
测点确定模块,用于获取待测结构的待估计测点,并确定所述待估计测点关联的目标测点;
参数获取模块,用于获取各所述目标测点对应的坐标、目标模态和目标振动参数;
振动参数确定模块,用于基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数;
估计参数确定模块,用于根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数。
第三方面,本发明实施例还提供了一种计算机设备,该设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一所述的一种结构振动的实时估计方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的一种结构振动的实时估计方法。
本发明实施例提供了一种结构振动的实时估计方法、装置、设备及存储介质,通过获取待测结构的待估计测点,并确定所述待估计测点关联的目标测点;获取各所述目标测点对应的坐标、目标模态和目标振动参数;基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数;根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数,解决了现有振动参数估计方法中无法实时对振动参数进行估计的问题。通过确定与待估计测点关联的目标测点,然后根据目标测点的坐标、目标模态和目标振动参数估计待估计测点的模态振动参数和插值振动参数,对模态振动参数和插值振动参数进行综合数据处理,得到待估计测点的估计振动参数,实现了根据关联的目标测点的振动参数实时估计待估计测点的振动参数的目的,对待估计测点的估计振动参数可以实时进行估计,保证数据的实时性和准确性,节省数据处理时间,提高反应速度,保障了设备的安全性。
附图说明
图1是本发明实施例一中的一种结构振动的实时估计方法的流程图;
图2是本发明实施例二中的一种结构振动的实时估计方法的流程图;
图3是本发明实施例二中的一种结构振动的实时估计方法的实现示例图;
图4是本发明实施例三中的一种结构振动的实时估计装置的结构示意图;
图5是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例方式作进一步地详细描述。应当明确,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请的描述中,需要理解的是,术语“第一”、“第二”、“第三 ”等仅用于区别类似的对象,而不必用于描述特定的顺序或先后次序,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A 和/或 B,可以表示:单独存在 A,同时存在 A 和 B,单独存在 B 这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
实施例一
图1给出了本申请实施例一提供的一种利用结构固有参数的振动估计方法的流程示意图,该方法适用于估计结构的振动参数的情况。该方法可以由计算机设备执行,该计算机设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。一般而言,计算机设备可以是笔记本、台式计算机以及智能平板等。
如图1所示,本实施例一提供的一种利用结构固有参数的振动估计方法,具体包括如下步骤:
S110、获取待测结构的待估计测点,并确定待估计测点关联的目标测点。
在本实施例中,待测结构具体可以理解为具有估计振动参数的需求的硬件结构,例如,飞机,振动参数可以是位移、加速度等衡量振动的参数。待估计测点具体可以理解为待测结构上需要估计振动参数的测点。目标测点具体可以理解为影响待估计测点振动参数的测点。
需要知道的是,由于每个点仅能设置一种传感器,因此待测结构上每个测点采集一种振动参数。而由于条件限制(例如,某一测点上无法安装传感器)导致存在测点无法采集振动参数,因此,需要对测点的振动参数进行估计。在对振动参数进行估计时,由于振动参数为不同类型的参数,而对于每一类振动参数来说,对其产生影响的振动参数可能是不同的,因此,需要预先确定与每类振动参数相关的至少一个振动参数的类型,即对于每个测点来说,需要确定与此测点关联的其他测点,建立测点之间的关联关系。
具体的,获取待测结构上需要估计振动参数的待估计测点,待估计测点可以用位置坐标进行表示,待估计测点已知,其估计的振动参数类型也是确定的。在进行振动估计时,根据所要估计的待估计测点,以及预先确定的关联关系,选择目标测点,此时的目标测点的数量可以是一个或者多个。
S120、确定各目标测点对应的坐标、目标模态和目标振动参数。
在本实施例中,目标模态具体可以理解为目标测点的模态,目标模态可以根据需求设置阶数,本申请以四阶模态为例。目标振动参数具体可以理解为目标测点的振动参数。
需要知道的是,本申请在估计待估计测点的振动参数时,获取目标测点对应的各类数据时,获取的是各目标测点在同一时刻的数据,所估计的待估计测点的振动参数也是此时刻的数据,所以可以做到实时估计。本申请所提供的结构振动的实时估计方法的执行设备可以安装在待测结构所对应的设备中国,例如待测结构为飞机,可以将本申请的方法集成在计算机设备中,然后将计算机设备安装在飞机上。
具体的,目标测点一旦确定,那么其对应的坐标也就确定,目标振动参数由于是通过传感器等器件实时采集的,因此可以从存储空间或者数据库中获取。通过模型对待测结构进行模拟,可以得到待测结构上每个点的模态,在目标测点确定后,其对应的目标模态可以根据模型确定。对于每个目标测点,确定其对应的坐标、目标模态和目标振动参数,坐标可以是二维、三维或者更高维度。
S130、基于待估计测点结合各目标测点的目标模态、目标振动参数和坐标确定待估计测点的模态振动参数和插值振动参数。
在本实施例中,模态振动参数具体可以理解为通过模态叠加的方式对待估计测点的振动参数进行估计得到的振动参数;插值振动参数为通过插值计算的方式对待估计测点的振动参数进行估计得到的振动参数。
具体的,对于待估计测点,根据待估计测点的模态结合各目标模态和目标振动参数进行模态叠加估计,计算得到待估计测点的模态振动参数;根据待估计测点的坐标,结合各目标测点的坐标和目标振动参数进行插值计算得到插值振动参数。
S140、根据模态振动参数和插值振动参数确定待估计测点的估计振动参数。
在本实施例中,估计振动参数具体可以理解为根据目标测点所估计的待估计测点对应的振动参数。通过对模态振动参数和插值振动参数进行综合处理,例如,取最大值、最小值、平均值、加权求和等方式计算待估计测点的估计振动参数。
本发明实施例提供了一种结构振动的实时估计方法,通过获取待测结构的待估计测点,并确定所述待估计测点关联的目标测点;确定各所述目标测点对应的坐标、目标模态和目标振动参数;基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数;根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数。解决了现有振动参数估计方法中无法实时对振动参数进行估计的问题。通过确定与待估计测点关联的目标测点,然后根据目标测点的坐标、目标模态和目标振动参数估计待估计测点的模态振动参数和插值振动参数,进而得到待估计测点的估计振动参数,实现了根据关联的目标测点的振动参数实时估计待估计测点的振动参数的目的,对待估计测点的估计振动参数可以实时进行估计,保证数据的实时性和准确性,节省数据处理时间,提高反应速度,保障了设备的安全性。同时通过不同方式估计振动参数,得到两种估计结果,即模态振动参数和插值振动参数,对两种估计结果综合运算,得到最终的估计振动参数,结果更加准确。
实施例二
图2为本发明实施例二提供的一种结构振动的实时估计方法的流程图。本实施例的技术方案在上述技术方案的基础上进一步细化,具体主要包括如下步骤:
S201、获取数据文件,根据预确定的文件属性特征对数据文件进行处理,确定至少一个原始数据集,各原始数据集分别对应待测结构的一个结构测点。
在本实施例中,数据文件具体可以理解存储原始数据的文件,原始数据是指结构在工程应用中的各种环境下的数据,原始数据可以通过传感器进行采集。文件属性特征具体可以理解为文件存储数据的位置、大小等格式特征,例如,在第一个字节存储数据类型、第二个字节存储具体数据内容等。原始数据集具体可以理解为原始数据所构成的集合,本申请中的原始数据是指振动参数。 结构测点具体可以理解为待测结构中的各个坐标点(测点)。
具体的,原始数据在存储到数据文件时,预先设置好文件存储的文件属性特征,因此原始数据在存储时是按照一定的特征规律进行存储的。获取数据文件,按照文件属性特征对数据文件中的数据进行解析处理,获取到各原始数据。将原始数据按照不同的结构测点进行分类(每个结构测点对应一种数据类型,因此也可以理解为根据数据类型进行分类),同一结构测点的原始数据存储到同一个原始数据集中。在从数据文件中读取原始数据时,若原始数据的数据量过大,可以通过欠采样的方式进行处理,每隔一段获取一个数据,减少数据量。
S202、从待测结构的各结构测点中选定一个作为当前待选结构测点。
在本实施例中,当前待选结构测点具体可以理解为结构测点中需进行相关性测点确定的结构测点。从待测结构的各结构测点中任意选择一个结构测点作为当前待选结构测点,也可以按照一定的顺序从前到后(或从后到前)依次选择一个结构测点作为当前待选结构测点。待测结构中的各结构测点可以按照坐标顺序排列,也可以按照采集的振动参数类型进行排序。
S203、从各原始数据集中筛选出当前待选结构测点关联的备选数据集,并将备选数据集对应的结构测点确定为关联测点。
在本实施例中,备选数据集具体可以理解为存储与当前待选结构测点相关联的振动参数的集合。关联测点具体可以理解为与当前待选结构测点具有一定相关性的结构测点。
由于每个结构测点均采集一种类型的振动参数,因此每个结构测点均对应一定数量振动参数的数据。计算当前待选结构测点对应的振动参数集与各原始数据集的相关度,选择相关度较高的原始数据集作为备选数据集。采集备选数据集中数据的结构测点即为关联测点。
作为本实施例的一个可选实施例,本可选实施例进一步将从各原始数据集中筛选出当前待选结构测点关联的备选数据集优化为A1-A5:
A1、确定当前待选结构测点对应的待选原始数据集,以及确定剩余的各结构测点对应的测点原始数据集。
在本实施例中,待选原始数据集具体可以理解为当前待选结构测点所采集的振动参数的数据集。测点原始数据集具体可以理解为未被选中的结构测点所采集的振动参数的数据集。
具体的,在每个结构测点上采集振动参数时,对不同结构测点所采集的振动参数可以按结构测点或参数类型分别进行存储,此时只需要规定数据集的对应的结构测点或者参数类型即可;或者每个振动参数在存储时单独记录对应的结构测点或者参数类型。在当前待选结构测点确定后,其对应的振动参数类型也确定了,可以根据结构测点或者对应的参数类型从各参数集合中确定对应的待选原始数据集;同理,采用上述方式确定剩余的各结构测点所对应的测点原始数据集。
A2、将待选原始数据集和各测点原始数据集中的数据进行对齐。
对待选原始数据集中的数据和测点原始数据集中的数据在时间单位及数据量上进行统一,保证数据一一对应,并将初始的第一个数据进行对齐,实现数据对齐。
作为本实施例的一个可选实施例,本可选实施例进一步将待选原始数据集和各测点原始数据集中的数据进行对齐优化为:针对每个测点原始数据集,将待选原始数据集和测点原始数据集中数据的时间戳单位进行统一;对待选原始数据集和测点原始数据集中数据进行时间戳匹配;将匹配后的待选原始数据集和测点原始数据集的数据量调整为相同,按照顺序依次将数据进行对齐。
具体的,待选原始数据集和测点原始数据集中所有数据的时间戳的单位进行统一,例如统一表示为以毫秒为单位的数值。对于不同类型的振动参数,由于存在采集频率不同的情况,所以待选原始数据集和测点原始数据集中的数据量可能是不同的。根据采样频率是否相同,数据对齐分为两种情况,即相同采样频率与不同采样频率。对于相同采样频率,当确定两种振动参数的第一个时间戳大小相等时,即表示时间戳匹配完成,在第一个时间戳处匹配成功即完成了时间戳的匹配,即完成了数据的对齐工作,按照数据的排列顺序依次将剩余数据一一进行对齐。对于不同采样频率的数据对齐,一种方法是对采样频率较低的振动参数按照时间戳的大小进行复制填充,例如,将一段时间内的数据计算平均值、最大值、最小值、中位数、众数等,将得到的数据作为对应时间点的振动参数;另一种方法是对采样频率较高的振动参数进行信息压缩,信息压缩方式为提取一段时间内的特征值,例如,将第1-3s内的数据取平均值,作为对应时间点的振动参数。通过上述两种方式将待选原始数据集和测点原始数据集的数据量调整为相同后,然后按照数据的排列顺序依次将剩余数据一一进行对齐。
示例性的,待选原始数据集中的振动参数的时间戳依次为:2021年5月7日10:00:00:00,2021年5月7日10:00:00:10,2021年5月7日10:00:00:20,…;测点原始参数集中振动参数的时间戳依次为:2021年5月7日10:00:0:10,2021年5月7日10:00:00:20,2021年5月7日10:00:00:30,…。时间戳2021年5月7日10:00:00:10完成匹配,以此时间戳作为开始,将后续的数据进行数据量调整和数据对齐。各数据按照时间顺序排列,数据量调整为相同后,从第一个振动参数开始,每个振动参数均具有对应的其他类型的振动参数。
需要知道的是,数据对齐的作用是为了将找到每个振动参数所对应的振动参数,方便后续计算相关性。
A3、确定对齐后的待选原始数据集和每个测点原始数据集的相关系数。
通过对齐后的待选原始数据集中振动参数与每个测点原始数据集中的振动参数,计算待选原始数据集和每个测点原始数据集的相关系数,本申请在计算相关系数时采用线性相关系数,例如,皮尔逊相关系数,计算结果更加准确。
A4、从各相关系数中筛选出预设数量的备选相关系数。
在本实施例中,备选相关系数具体可以理解为从各相关系数中选择的相关度最高的相关系数,可以更好的体现与当前待选结构测点所采集的振动参数的相关性。预设要求可以是选择一定数量的相关系数,例如,按照相关性从高到低选择20个相关系数,作为备选相关系数;或者选择大于一定阈值的相关系数,例如,从各相关系数中选择大于0.4的相关系数作为备选相关系数;或者考虑上述两种条件,综合选择出满足预设要求的备选相关系数。
A5、将各备选相关系数对应的各测点原始数据集作为备选数据集。
每个备选相关系数对应一个测点原始数据集,分别确定各备选相关系数对应的测点原始数据集,将各测点原始数据集作为备选数据集。
S204、建立当前待选结构测点与各关联测点的对应关系。
将当前待选结构测点和其相关的关联测点建立对应关系,可以将对应关系存储到关系表中,也可以通过其他方式记录当前待选结构测点和关联测点的关系。
S205、判断是否全部结构测点均被选定,若是,执行S206;否则,返回执行S202。
判断是否全部结构测点均被选定,若是,此时全部的结构测点均确定了其对应的关联测点,若否,说明此时还有结构测点没有进行关联测点的确定,返回当前待选结构测点的选定步骤,继续进行关联测点的确定。当全部的结构测点对应的关联测点均完成了确定后,得到每种类型的振动参数对应的其他振动参数,即每个结构测点对应的其他结构测点。以便后续进行待估计测点关联的目标测点的确定。
S206、获取待测结构的待估计测点,并确定待估计测点关联的目标测点。
S207、确定各目标测点对应的坐标和目标振动参数。
S208、根据各目标测点的坐标结合预确定的有限元模型确定各目标测点的目标模态。
在本实施例中,有限元模型具体可以理解为运用有限元分析方法时候建立的模型。预先根据待测结构的结构、材料等参数进行有限元分析,建立有限元模型。将各目标测点的坐标带入预确定的有限元模型中,通过模型分析得到每个目标测点的目标模态。
S209、基于待估计测点对应的测点模态结合各目标测点的目标模态和目标振动参数确定待估计测点的模态振动参数。
在本实施例中,测点模态具体可以理解为待估计测点的模态,测点模态和目标模态的阶数相同。
具体的,通过对各目标模态和目标振动参数进行线性回归计算,得到线性回归的相关参数,然后根据线性回归的相关参数和测点模态计算模态振动参数。
作为本实施例的一个可选实施例,本可选实施例进一步将基于待估计测点对应的测点模态结合各目标测点的目标模态和目标振动参数确定待估计测点的模态振动参数优化为:
B1、根据各目标模态和目标振动参数结合给定的回归方程表达式进行线性回归计算,确定线性回归参数。
在本实施例中,线性回归参数具体可以理解为回归方程的参数,例如,线性回归系数、偏置。在本实施例中,目标模态以四阶为例,相应的回归方程表达式可以是Y=W1Xn1+W2Xn2+ W3Xn3+ W4Xn4+a,其中,Y为振动参数,W1-W4以及a为线性回归参数,W1-W4为线性回归系数,a为偏置,Xn1-Xn4为第n个结构测点的模态。对于每个目标测点,将对应的目标模态和目标振动参数带入到回归方程表达式中对应的参数位置,根据多个目标测点对应的各目标模态和目标振动参数进行线性回归计算,得到线性回归参数。
B2、基于测点模态、线性回归参数和回归方程表达式确定模态振动参数。
当线性回归参数确定后,由于回归方程表达式也是确定的,因此将线性回归参数带入到回归方程表达式可以得到一个确定的回归方程,将测点模态带入到回归方程中即可计算得到模态振动参数。
S210、基于待估计测点对应的测点坐标结合各目标测点的坐标和目标振动参数确定待估计测点的插值振动参数。
在本实施例中,测点坐标具体可以理解为待估计测点的坐标,测点坐标和目标测点的坐标维度相同。
具体的,通过对各目标测点的坐标和目标振动参数进行线性回归计算,得到线性回归的相关参数,然后根据线性回归的相关参数和测点坐标计算插值振动参数。
作为本实施例的一个可选实施例,本可选实施例进一步将基于待估计测点对应的测点坐标结合各目标测点的坐标和目标振动参数确定待估计测点的插值振动参数优化为:
C1、根据各目标测点的坐标和目标振动参数结合给定的拟合方程表达式进行线性回归计算,确定拟合参数。
在本实施例中,拟合参数具体可以理解为拟合方程的参数,例如,拟合系数、偏置。在本实施例中,坐标以二维坐标为例,相应的回归方程表达式可以是Z=V1Mn1+ V2Mn2+b,其中,Z为振动参数,V1-V2以及b为拟合参数,V1-V2为拟合系数,b为偏置,Mn1和Mn2分别为第n个结构测点的横坐标和纵坐标。对于每个目标测点,将对应的坐标和目标振动参数带入到拟合方程表达式中对应的参数位置,根据多个目标测点对应的坐标和目标振动参数进行回归计算,得到线性回归参数。根据各个目标测点的目标振动参数实时确定振动平面的变化情况,实时拟合振动平面。
C2、基于测点坐标、拟合参数和拟合方程表达式确定插值振动参数。
当拟合参数确定后,由于拟合方程表达式也是确定的,因此将拟合参数带入到拟合回归方程表达式可以得到一个确定的拟合方程,将测点坐标带入到拟合方程中即可计算得到插值振动参数。
S211、将模态振动参数和插值振动参数输入到预确定的目标集成学习模型中。
在本实施例中,目标集成学习模型具体可以理解为根据多个振动参数进行综合运算,得到一个输出结果的模型。本申请中的目标集成学习模型通过对模态振动参数和插值振动参数进行加权求和,得到最终结果作为估计结果,各权重值通过模型训练的方式进行确定,得到最佳权重系数。
具体的,预先对模型进行训练,在训练过程中根据损失函数不断的调整模型的参数,最终得到符合要求的目标集成学习模型,完成训练。训练好的目标集成学习模型可以直接输入数据,根据学习经验得到估计结果。将模态振动参数和插值振动参数输入到预确定的目标集成学习模型中,目标集成学习模型根据确定好的模型参数对模态振动参数和插值振动参数进行处理,得到估计的结果,将其作为目标集成学习模型的输出结果输出。
S212、将目标集成学习模型的输出结果作为估计振动参数。
作为本实施例的一个可选实施例,本可选实施例进一步优化包括目标集成学习模型的训练步骤包括D1-D4:
D1、采用训练模态振动参数和训练插值振动参数以及对应的标准振动参数作为一个训练样本。
在本实施例中,训练模态振动参数具体可以理解为模型训练时所使用的模态振动参数;训练插值振动参数具体可以理解为模型训练时所使用的插值振动参数。标准振动参数具体可以理解为模型训练过程中作为对照标准的振动参数。
具体的,预先确定待测结构上若干个结构测点的坐标、模态、振动参数等数据。选择其中一个结构测点进行第一次训练,确定此结构测点关联的各个结构测点,并确定各个结构测点对应的坐标、模态和振动参数,进一步确定训练模态振动参数和训练插值振动参数,采用的方式与本申请实施例中确定目标测点,以及模态振动参数和插值振动参数的方式相同。将一个结构测点对应的训练模态振动参数、训练插值振动参数以及标准振动参数作为一个训练样本。
D2、将当前迭代下的训练样本输入至给定的待训练网络模型中,获取对应的预估振动参数。
在本实施例中,待训练网络模型具体可以理解为未进行训练的网络模型;预估振动参数具体可以理解为待训练网络模型根据训练模态振动参数和训练插值振动参数综合处理所得到的振动参数,其实质也是通过估计得到的振动参数。
具体的,将训练样本输入至待训练网络模型中,待训练网络模型根据输入的训练模态振动参数和训练插值振动参数进行综合运算,根据对应的加权系数计算,得到预估振动参数。
D3、采用给定的损失函数表达式,结合预估振动参数以及对应的标准振动参数,获得损失函数。
将当前迭代下所得到的预估振动参数和对应的标准振动参数带入损失函数表达式中进行计算,得到损失函数。损失函数可以是一个,也可以是多个损失函数进行拟合,得到最终的损失函数。
D4、基于损失函数对待训练网络模型进行反向传播,得到用于下一迭代的待训练网络模型,直到满足迭代收敛条件,得到目标集成学习模型。
在神经网络模型的训练过程中,通过反向传播方法不断更新调整模型的参数,直至模型的输出与目标趋于一致。在确定损失函数后,通过该损失函数对待训练网络模型进行反向传播,直到得到满足收敛条件的目标集成学习模型。本发明实施例对具体的反向传播过程不做限定,可根据具体情况进行设置。
示例性的,图3为本发明实施例提供的一种结构振动的实时估计方法的实现示例图。
S1、选择文件夹中的数据文件。
文件夹中通常存储了很多个数据文件,从文件夹中选择所要录入的数据文件,即包含所需振动参数的数据文件。
S2、判断变量名是否准确,若是,执行S3;否则,返回执行S1。
判断数据文件中的变量名是否为需要的振动参数的类型,此步骤的目的是为了保证录入的数据准确性,避免了数据误录入。由于数据文件中的数据量通常是非常大的,若录入错误则需要重新录入,浪费时间,降低工作效率。因此,首先判断变量名是否准确,若准确,则可以进行后续的数据录入;若不准确,则需要返回S1重新选择数据文件。
S3、录入变量名。
S4、时间戳匹配并统一单位。
对数据的时间戳单位进行统一,然后将第一个时间戳进行匹配对齐。
S5、判断是否需要欠采样,若是,执行S6;否则,执行S7。
S6、数据欠采样并录入,并执行S8。
S7、数据录入。
数据文件中的数据可能存在数据量过大的情况,此时在进行模型训练时,并不需要如此大的数据量,因此,通过欠采样的方式对数据进行抽取,然后进行数据录入。
S8、数据对齐。
通过将数据量调整为相同,然后将数据按照顺序进行对齐。
S9、特征相关性分析,并进行特征选择。
从结构测点中选择一个作为当前待选结构测点,将当前待选结构测点与其他结构测点的振动参数进行特征相关性分析,选择相关度高的振动参数,形成当前待选结构测点的备选数据集,进而确定当前待选结构测点对应的关联测点,并建立当前待选结构测点与各关联测点的对应关系。
S10、选择待估计测点,并确定关联的目标测点。
S11、确定待估计测点的模态振动参数。
S12、确定待估计测点的插值振动参数。
S13、根据模态振动参数和插值振动参数确定待估计测点的估计振动参数。
需要知道的是,S11和S12在执行上没有严格的先后顺序,可以同时进行,也可以依次进行。本申请的所提供的方法还可以通过计算总均方根值误差百分比的方式计算振动参数估计的准确率。
本发明实施例提供了一种结构振动的实时估计方法,解决了现有振动参数估计方法中无法实时对振动参数进行估计的问题。通过确定与待估计测点关联的目标测点,然后根据目标测点的坐标、目标模态和目标振动参数估计待估计测点的模态振动参数和插值振动参数,对模态振动参数和插值振动参数进行综合数据处理,得到待估计测点的估计振动参数,实现了根据关联的目标测点的振动参数实时估计待估计测点的振动参数的目的,对待估计测点的估计振动参数可以实时进行估计,使设备使用人员能够实时了解设备的结构振动情况,为进一步提高各类设备的运行可靠性和安全性提供了技术支持。保证数据的实时性和准确性,节省数据处理时间,提高反应速度,保障了设备的安全性。
实施例三
图4为本发明实施例三提供的一种结构振动的实时估计装置的结构示意图,该装置包括:测点确定模块31、参数获取模块32、振动参数确定模块33和估计参数确定模块34。
其中,测点确定模块31,用于获取待测结构的待估计测点,并确定所述待估计测点关联的目标测点;参数获取模块32,用于获取各所述目标测点对应的坐标、目标模态和目标振动参数;振动参数确定模块33,用于基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数;目标参数确定模块34,用于根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数。
本发明实施例提供了一种结构振动的实时估计装置,解决了现有振动参数估计方法中无法实时对振动参数进行估计的问题。通过确定与待估计测点关联的目标测点,然后根据目标测点的坐标、目标模态和目标振动参数估计待估计测点的模态振动参数和插值振动参数,对模态振动参数和插值振动参数进行综合数据处理,得到待估计测点的估计振动参数,实现了根据关联的目标测点的振动参数实时估计待估计测点的振动参数的目的,对待估计测点的估计振动参数可以实时进行估计,保证数据的实时性和准确性,节省数据处理时间,提高反应速度,保障了设备的安全性。
进一步地,该装置还包括:
数据获取模块,用于获取数据文件,根据预确定的文件属性特征对所述数据文件进行处理,确定至少一个原始数据集,各所述原始数据集分别对应所述待测结构的一个结构测点;
测点选择模块,用于从所述待测结构的各所述结构测点中选定一个作为当前待选结构测点;
筛选模块,用于从各所述原始数据集中筛选出所述当前待选结构测点关联的备选数据集,并将所述备选数据集对应的结构测点确定为关联测点;
对应关系建立模块,用于建立所述当前待选结构测点与各所述关联测点的对应关系;
返回模块,用于返回当前待选结构测点的选定操作,直至全部结构测点均被选定。
进一步地,筛选模块,包括:
原始数据集确定单元,用于确定所述当前待选结构测点对应的待选原始数据集,以及确定剩余的各所述结构测点对应的测点原始数据集;
对齐单元,用于将所述待选原始数据集和各所述测点原始数据集中的数据进行对齐;
系数确定单元,用于确定对齐后的待选原始数据集和每个测点原始数据集的相关系数;
系数筛选单元,用于从各所述相关系数中筛选出预设数量的备选相关系数;
备选数据集确定单元,用于将各所述备选相关系数对应的各测点原始数据集作为备选数据集。
进一步地,对齐单元,具体用于针对每个所述测点原始数据集,将所述待选原始数据集和所述测点原始数据集中数据的时间戳单位进行统一;对所述待选原始数据集和所述测点原始数据集中数据进行时间戳匹配;将匹配后的所述待选原始数据集和所述测点原始数据集的数据量调整为相同,按照顺序依次将数据进行对齐。
进一步地,参数获取模块32,具体用于根据各所述目标测点的坐标结合预确定的有限元模型确定各所述目标测点的目标模态。
进一步地,振动参数确定模块33,包括:
模态参数确定单元,用于基于所述待估计测点对应的测点模态结合各所述目标测点的目标模态和目标振动参数确定所述待估计测点的模态振动参数;
插值参数确定单元,用于基于所述待估计测点对应的测点坐标结合各所述目标测点的坐标和目标振动参数确定所述待估计测点的插值振动参数。
进一步地,模态参数确定单元,具体用于:根据各所述目标模态和目标振动参数结合给定的回归方程表达式进行线性回归计算,确定线性回归参数;基于所述测点模态、线性回归参数和回归方程表达式确定模态振动参数。
进一步地,插值参数确定单元,具体用于:根据各所述目标测点的坐标和目标振动参数结合给定的拟合方程表达式进行线性回归计算,确定拟合参数;基于所述测点坐标、拟合参数和拟合方程表达式确定插值振动参数。
进一步地,估计参数确定模块34,包括:
输入单元,用于将所述模态振动参数和插值振动参数输入到预确定的目标集成学习模型中;
输出单元,用于将所述目标集成学习模型的输出结果作为估计振动参数。
进一步地,该装置还包括:
样本确定模块,用于采用训练模态振动参数和训练插值振动参数以及对应的标准振动参数作为一个训练样本;
预估参数确定模块,用于将当前迭代下的训练样本输入至给定的待训练网络模型中,获取对应的预估振动参数;
损失函数确定模块,用于采用给定的损失函数表达式,结合所述预估振动参数以及对应的标准振动参数,获得损失函数;
目标模型确定模块,用于基于所述损失函数对所述待训练网络模型进行反向传播,得到用于下一迭代的待训练网络模型,直到满足迭代收敛条件,得到目标集成学习模型。
本发明实施例所提供的结构振动的实时估计装置可执行本发明任意实施例所提供的结构振动的实时估计方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种计算机设备的结构示意图,如图5所示,该设备包括处理器40、存储器41、输入装置42和输出装置43;设备中处理器40的数量可以是一个或多个,图5中以一个处理器40为例;设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的结构振动的实时估计方法对应的程序指令/模块(例如,结构振动的实时估计装置中的测点确定模块31、参数获取模块32、振动参数确定模块33和估计参数确定模块34)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的结构振动的实时估计方法。
存储器41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种结构振动的实时估计方法,该方法包括:
获取待测结构的待估计测点,并确定所述待估计测点关联的目标测点;
确定各所述目标测点对应的坐标、目标模态和目标振动参数;
基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数;
根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的结构振动的实时估计方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory, ROM)、随机存取存储器(RandomAccess Memory, RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述结构振动的实时估计装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种结构振动的实时估计方法,其特征在于,包括:
获取待测结构的待估计测点,并确定所述待估计测点关联的目标测点,所述待估计测点和目标测点具有相关性;
确定各所述目标测点对应的坐标、目标模态和目标振动参数;
基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数;
根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数;
所述方法还包括:
获取数据文件,根据预确定的文件属性特征对所述数据文件进行处理,确定至少一个原始数据集,各所述原始数据集分别对应所述待测结构的一个结构测点;
从所述待测结构的各所述结构测点中选定一个作为当前待选结构测点;
从各所述原始数据集中筛选出所述当前待选结构测点关联的备选数据集,并将所述备选数据集对应的结构测点确定为关联测点;
建立所述当前待选结构测点与各所述关联测点的对应关系;
返回当前待选结构测点的选定操作,直至全部结构测点均被选定;
所述从各所述原始数据集中筛选出所述当前待选结构测点关联的备选数据集,包括:
确定所述当前待选结构测点对应的待选原始数据集,以及确定剩余的各所述结构测点对应的测点原始数据集;
将所述待选原始数据集和各所述测点原始数据集中的数据进行对齐;
确定对齐后的待选原始数据集和每个测点原始数据集的相关系数;
从各所述相关系数中筛选出预设数量的备选相关系数;
将各所述备选相关系数对应的各测点原始数据集作为备选数据集;
所述将所述待选原始数据集和各所述测点原始数据集中的数据进行对齐,包括:
针对每个所述测点原始数据集,将所述待选原始数据集和所述测点原始数据集中数据的时间戳单位进行统一;
对所述待选原始数据集和所述测点原始数据集中数据进行时间戳匹配;
将匹配后的所述待选原始数据集和所述测点原始数据集的数据量调整为相同,按照顺序依次将数据进行对齐。
2.根据权利要求1所述的方法,其特征在于,确定各所述目标测点对应的目标模态,包括:
根据各所述目标测点的坐标结合预确定的有限元模型确定各所述目标测点的目标模态。
3.根据权利要求1所述的方法,其特征在于,所述基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数,包括:
基于所述待估计测点对应的测点模态结合各所述目标测点的目标模态和目标振动参数确定所述待估计测点的模态振动参数;
基于所述待估计测点对应的测点坐标结合各所述目标测点的坐标和目标振动参数确定所述待估计测点的插值振动参数。
4.根据权利要求3所述的方法,其特征在于,所述基于所述待估计测点对应的测点模态结合各所述目标测点的目标模态和目标振动参数确定所述待估计测点的模态振动参数,包括:
根据各所述目标模态和目标振动参数结合给定的回归方程表达式进行线性回归计算,确定线性回归参数;
基于所述测点模态、线性回归参数和回归方程表达式确定模态振动参数。
5.根据权利要求3所述的方法,其特征在于,所述基于所述待估计测点对应的测点坐标结合各所述目标测点的坐标和目标振动参数确定所述待估计测点的插值振动参数,包括:
根据各所述目标测点的坐标和目标振动参数结合给定的拟合方程表达式进行线性回归计算,确定拟合参数;
基于所述测点坐标、拟合参数和拟合方程表达式确定插值振动参数。
6.根据权利要求1所述的方法,其特征在于,所述根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数,包括:
将所述模态振动参数和插值振动参数输入到预确定的目标集成学习模型中;
将所述目标集成学习模型的输出结果作为估计振动参数。
7.根据权利要求6所述的方法,其特征在于,所述目标集成学习模型的训练步骤包括:
采用训练模态振动参数和训练插值振动参数以及对应的标准振动参数作为一个训练样本;
将当前迭代下的训练样本输入至给定的待训练网络模型中,获取对应的预估振动参数;
采用给定的损失函数表达式,结合所述预估振动参数以及对应的标准振动参数,获得损失函数;
基于所述损失函数对所述待训练网络模型进行反向传播,得到用于下一迭代的待训练网络模型,直到满足迭代收敛条件,得到目标集成学习模型。
8.一种结构振动的实时估计装置,其特征在于,包括:
测点确定模块,用于获取待测结构的待估计测点,并确定所述待估计测点关联的目标测点,所述待估计测点和目标测点具有相关性;
参数获取模块,用于获取各所述目标测点对应的坐标、目标模态和目标振动参数;
振动参数确定模块,用于基于所述待估计测点结合各所述目标测点的目标模态、目标振动参数和坐标确定所述待估计测点的模态振动参数和插值振动参数;
估计参数确定模块,用于根据所述模态振动参数和插值振动参数确定所述待估计测点的估计振动参数;
数据获取模块,用于获取数据文件,根据预确定的文件属性特征对所述数据文件进行处理,确定至少一个原始数据集,各所述原始数据集分别对应所述待测结构的一个结构测点;
测点选择模块,用于从所述待测结构的各所述结构测点中选定一个作为当前待选结构测点;
筛选模块,用于从各所述原始数据集中筛选出所述当前待选结构测点关联的备选数据集,并将所述备选数据集对应的结构测点确定为关联测点;
对应关系建立模块,用于建立所述当前待选结构测点与各所述关联测点的对应关系;
返回模块,用于返回当前待选结构测点的选定操作,直至全部结构测点均被选定;
筛选模块,包括:
原始数据集确定单元,用于确定所述当前待选结构测点对应的待选原始数据集,以及确定剩余的各所述结构测点对应的测点原始数据集;
对齐单元,用于将所述待选原始数据集和各所述测点原始数据集中的数据进行对齐;
系数确定单元,用于确定对齐后的待选原始数据集和每个测点原始数据集的相关系数;
系数筛选单元,用于从各所述相关系数中筛选出预设数量的备选相关系数;
备选数据集确定单元,用于将各所述备选相关系数对应的各测点原始数据集作为备选数据集;
对齐单元,具体用于针对每个所述测点原始数据集,将所述待选原始数据集和所述测点原始数据集中数据的时间戳单位进行统一;对所述待选原始数据集和所述测点原始数据集中数据进行时间戳匹配;将匹配后的所述待选原始数据集和所述测点原始数据集的数据量调整为相同,按照顺序依次将数据进行对齐。
9.一种计算机设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的结构振动的实时估计方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的结构振动的实时估计方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111026403.XA CN113465734B (zh) | 2021-09-02 | 2021-09-02 | 一种结构振动的实时估计方法 |
US17/897,744 US20230066703A1 (en) | 2021-09-02 | 2022-08-29 | Method for estimating structural vibration in real time |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111026403.XA CN113465734B (zh) | 2021-09-02 | 2021-09-02 | 一种结构振动的实时估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113465734A CN113465734A (zh) | 2021-10-01 |
CN113465734B true CN113465734B (zh) | 2021-12-10 |
Family
ID=77867442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111026403.XA Active CN113465734B (zh) | 2021-09-02 | 2021-09-02 | 一种结构振动的实时估计方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230066703A1 (zh) |
CN (1) | CN113465734B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116256054B (zh) * | 2023-05-15 | 2023-08-04 | 广东电网有限责任公司阳江供电局 | 一种桥臂电抗器的故障监测方法、***、设备和介质 |
CN116878638B (zh) * | 2023-06-21 | 2024-03-05 | 交通运输部水运科学研究所 | 一种船闸人字门结构多样化监测点的组网方法及*** |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02134531A (ja) * | 1988-11-15 | 1990-05-23 | Fuji Electric Co Ltd | 振動の固有ベクトル測定方法 |
CN1275024C (zh) * | 2003-07-09 | 2006-09-13 | 何林 | 大型结构损伤状况实时识别的变时基监测方法 |
CN101051217A (zh) * | 2007-05-11 | 2007-10-10 | 上海大学 | 基于形态感知的太空帆板结构低模态振动主动控制方法与装置 |
US8577628B2 (en) * | 2009-04-10 | 2013-11-05 | University Of South Carolina | System and method for modal identification using smart mobile sensors |
CN101957601A (zh) * | 2009-07-21 | 2011-01-26 | 上海宝冶工程技术有限公司 | 一种大型及复杂结构施工过程安全监测与成套控制*** |
MY157452A (en) * | 2009-08-07 | 2016-06-15 | Exxonmobil Upstream Res Co | Methods to estimate downhole drilling vibration amplitude from surface measurement |
CN103335858B (zh) * | 2013-06-06 | 2016-03-23 | 湖南大学 | 一种桥梁结构动态位移和振动频率的测量方法 |
CN105043770B (zh) * | 2015-05-13 | 2017-06-16 | 北京天源科创风电技术有限责任公司 | 一种风电机组振动异常的判断方法及其装置 |
JP6844143B2 (ja) * | 2016-08-02 | 2021-03-17 | 富士ゼロックス株式会社 | 情報処理装置 |
KR101875018B1 (ko) * | 2016-11-15 | 2018-07-09 | 연세대학교 산학협력단 | 실시간 구조물 모니터링을 위한 구조물 동특성 추정 시스템 및 방법 |
CN107220403B (zh) * | 2017-04-20 | 2020-12-01 | 南京航空航天大学 | 飞行器弹性模态的控制关联建模方法 |
CN107741312B (zh) * | 2017-09-27 | 2020-01-14 | 中国舰船研究设计中心 | 一种非均布式结构振动场工程测试方法 |
CN108228958A (zh) * | 2017-11-08 | 2018-06-29 | 中国舰船研究设计中心 | 基于模态强度的振动场监测优化方法 |
CN109918614B (zh) * | 2019-03-14 | 2022-10-14 | 合肥工业大学 | 一种基于模态学习的全局动应变测量方法 |
CN109883379B (zh) * | 2019-03-22 | 2020-07-10 | 西安交通大学 | 基于模态振型的叶片位移应变测量方法 |
CN110032776B (zh) * | 2019-03-22 | 2021-02-26 | 西安交通大学 | 基于模态解耦的叶片动应变场与位移场重构方法及其*** |
CN110375690B (zh) * | 2019-03-22 | 2021-02-26 | 西安交通大学 | 一种旋转叶片非接触式位移场测量方法及其*** |
CN113049217A (zh) * | 2021-03-29 | 2021-06-29 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种大型风洞柔板结构多状态信息的动态监测方法 |
-
2021
- 2021-09-02 CN CN202111026403.XA patent/CN113465734B/zh active Active
-
2022
- 2022-08-29 US US17/897,744 patent/US20230066703A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CN113465734A (zh) | 2021-10-01 |
US20230066703A1 (en) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446210B (zh) | ***性能的度量方法、存储介质和服务器 | |
CN113465734B (zh) | 一种结构振动的实时估计方法 | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
US7243049B1 (en) | Method for modeling system performance | |
CN113792453A (zh) | 基于数字孪生的局部放电监测***、方法和装置 | |
CN106803799B (zh) | 一种性能测试方法和装置 | |
CN112989563A (zh) | 一种大坝安全监测数据分析方法 | |
Guan et al. | Development of verification methodology for extreme weather forecasts | |
CN113268403A (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
CN114325405A (zh) | 电池组一致性分析方法、建模方法、装置、设备及介质 | |
CN114978877A (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
CN111027190A (zh) | 一种用于设备模型数值相似度的评估方法及装置 | |
CN107085544B (zh) | 一种***错误定位方法及装置 | |
Khokhlov et al. | Data security and quality evaluation framework: Implementation empirical study on android devices | |
CN115344495A (zh) | 批量任务测试的数据分析方法、装置、计算机设备及介质 | |
CN115049267A (zh) | 一种风电机组数据处理方法、***、设备及计算机介质 | |
CN113468771B (zh) | 一种利用结构固有参数的振动估计方法 | |
CN113191674A (zh) | 一种安全风险评估方法、装置、存储介质及电子设备 | |
JP5842704B2 (ja) | 推定装置、プログラム、及び推定方法 | |
CN107230005B (zh) | 一种数据处理方法及设备 | |
CN114970741B (zh) | 数据处理方法、装置及电子设备 | |
CN115291528B (zh) | 模型不确定性等级确定方法、装置、***及存储介质 | |
CN108535707B (zh) | 一种雷达性能预测模型建立方法及装置 | |
CN114861800B (zh) | 模型训练方法、概率确定方法、装置、设备、介质及产品 | |
WO2013190627A1 (ja) | 相関分析装置及びその方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230523 Address after: Room 409, 4th Floor, Building C, No. 2 Cuizhu Second Street, Qianshan, Xiangzhou District, Zhuhai City, Guangdong Province, 519070 Patentee after: Zhiwei Technology (Zhuhai) Co.,Ltd. Address before: 30 Shuangqing Road, Haidian District, Beijing 100091 Patentee before: TSINGHUA University |