CN117169346A - 一种基于小波包能量谱分析的高空建筑损伤识别方法 - Google Patents
一种基于小波包能量谱分析的高空建筑损伤识别方法 Download PDFInfo
- Publication number
- CN117169346A CN117169346A CN202311128021.7A CN202311128021A CN117169346A CN 117169346 A CN117169346 A CN 117169346A CN 202311128021 A CN202311128021 A CN 202311128021A CN 117169346 A CN117169346 A CN 117169346A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- signal
- energy spectrum
- wavelet packet
- energy
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 30
- 239000013598 vector Substances 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 238000000513 principal component analysis Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000000354 decomposition reaction Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000013074 reference sample Substances 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于小波包能量谱分析的高空建筑损伤识别方法，它涉及建筑安全检测技术领域。其步骤为：数据采集；采用小波信号消噪方法处理原始振动信号；主成分分析与特征向量提取；小波包能量谱分析；待检状态下的信号处理与损伤识别。本发明结合小波信号消噪和小波包能量谱分析，从复杂的振动信号中提取结构损伤的特征信息，该方法能够有效消除噪声干扰，准确地识别高空建筑结构的损伤，提高损伤识别的准确性和可靠性，确保建筑的安全性和稳定性，为结构的监测和维护提供有力支持，应用前景广阔。
Description
技术领域
本发明涉及的是建筑安全检测技术领域，具体涉及一种基于小波包能量谱分析的高空建筑损伤识别方法。
背景技术
在高空建筑领域，损伤识别对于确保建筑结构的安全和可靠性至关重要。传统方法主要依赖于传感器获取结构振动信号，并通过信号分析和处理来判断结构的健康状态。然而，高空建筑常常受到外部环境因素的影响，如风、交通振动等，导致结构振动信号受到噪声干扰，噪声的存在会掩盖或改变损伤信号的特征，降低损伤识别的准确性和可靠性。此外，传统的信号处理方法在处理噪声信号方面效果有限，无法准确提取结构振动信号中的有用信息，而常用的滤波方法虽然可以消除部分噪声，但往往无法同时去除噪声和保留有用信号，导致滤波效果不理想。为了克服传统损伤易受到信号噪声的干扰、无法准确提取与损伤相关的结构信息等局限性，开发一种基于小波信号消噪与小波包能量谱分析的高空建筑损伤识别方法尤为必要。
发明内容
针对现有技术上存在的不足，本发明目的是在于提供一种基于小波包能量谱分析的高空建筑损伤识别方法，具有优良的信号局部特征提取能力和抗噪性能，提供更丰富的频域特征信息，能够有效消除噪声干扰，提高损伤识别的准确性和可靠性，易于推广使用。
为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于小波包能量谱分析的高空建筑损伤识别方法，其步骤为：
(1)数据采集：获取高空建筑结构在健康状态下的振动信号；
(2)采用小波信号消噪方法处理原始振动信号：
①根据信号的特性和需要突出的特征，选择适当的小波基函数；
②将原始振动信号进行小波分解，得到不同尺度下的小波系数；
③设定门限阈值，通过分析小波系数的统计特性，确定适当的门限阈值；
④小波系数处理：将小于门限阈值的小波系数置零，保留大于门限阈值的小波系数；
⑤重构信号：对处理后的小波系数进行逆变换，得到消噪后的信号；(3)主成分分析与特征向量提取：
①数据标准化：对经过小波信号消噪处理的信号数据进行标准化，消除不同信号尺度之间的差异；
②协方差矩阵计算：计算标准化后的信号数据的协方差矩阵，衡量不同信号之间的相关性；
③特征值分解：对协方差矩阵进行特征值分解，得到特征值和对应的特征向量；
④特征值排序：将特征值按照大小进行排序，选取具有较大特征值的主成分；
⑤特征向量提取：根据所选取的特征值，提取对应的特征向量，形成特征向量矩阵；
⑥主成分矩阵计算：将经过小波信号消噪处理后的信号数据与特征向量矩阵相乘，得到主成分矩阵，主成分矩阵将原始信号投影到主成分空间；
(4)小波包能量谱分析：
①小波包分解：将经过主成分分析得到的信号数据进行小波包分解，得到不同频率段上的小波包系数；
②能量计算：计算每个小波包系数的能量，即将系数的绝对值平方，得到能量谱；
③能量归一化：对能量谱进行归一化处理，使得不同频率段上的能量具有可比性；
④能量谱分析：分析归一化的能量谱，观察不同频率段上的能量分布情况；
(5)待检状态下的信号处理与损伤识别：利用待检状态下的小波包能量谱与健康状态下的参考样本的小波包能量谱进行距离计算，评估待检状态下的信号与健康状态下的信号之间的差异程度，进行损伤识别。
作为优选，所述的步骤(2)①中选择的小波基函数包括有Daubechies小波、Haar小波。
作为优选，所述的步骤(3)④选择特征值大于某个阈值或满足累积方差贡献率达到一定阈值的主成分，以保留较多的方差信息。
作为优选，所述的步骤(4)③采用将能量谱除以总能量的方式进行归一化；步骤(4)④计算总体能量、平均能量以及特定频段的能量等指标，以了解结构在不同频率段上的响应特性。
作为优选，所述的步骤(5)中距离计算的具体步骤为：
①将待检状态下的小波包能量谱表示为向量A＝[a1，a2，...，an]，其中ai表示第i个频段上的能量值；
②将健康状态下的参考样本的小波包能量谱表示为向量B＝[b1，b2，...，bn]，其中bi表示第i个频段上的能量值；
③通过计算向量A和向量B之间的标准欧式距离，即dist(A，B)＝sqrt((a1-b1)^2+(a2-b2)^2+...+(an-bn)^2)，来衡量待检状态下的信号与健康状态下的信号之间的差异程度。
作为优选，所述的步骤(5)中损伤识别的具体步骤为：设定预设的阈值，判断待检状态下的信号与健康状态下的信号之间的距离是否超过阈值：如果距离dist(A，B)超过阈值(dist(A，B)＞threshold)，则判定结构存在损伤；反之，如果距离未超过阈值(dist(A，B)≤threshold)，则判定结构处于健康状态，即无损伤。
本发明的有益效果：本方法通过结合小波信号消噪和小波包能量谱分析，从复杂的振动信号中提取结构损伤的特征信息，其中小波变换作为一种多分辨率分析方法，具有优良的信号局部特征提取能力和抗噪性能；小波包能量谱分析可以将结构振动信号的能量在不同频段进行分解和分析，提供更丰富的频域特征信息；该方法能够有效消除噪声干扰，提高损伤识别的准确性和可靠性，应用前景广阔。
附图说明
下面结合附图和具体实施方式来详细说明本发明；
图1为本发明的流程图；
图2为本发明小波信号消噪的流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
参照图1-2，本具体实施方式采用以下技术方案：一种基于小波包能量谱分析的高空建筑损伤识别方法，其步骤为：(1)数据采集；(2)采用小波信号消噪方法处理原始振动信号；(3)主成分分析与特征向量提取；(4)小波包能量谱分析；(5)待检状态下的信号处理与损伤识别。具体地各个步骤的具体方法如下：
(1)数据采集：获取高空建筑结构在健康状态下的振动信号；将传感器安装在建筑结构的适当位置，记录建筑结构在不同条件下的振动行为，由于获取到的振动信号包含了来自例如环境噪声、测量误差和其他结构振动信号多种源头的噪声和干扰，这些干扰信号淹没了与结构损伤相关的信息，因此需要进行信号处理来减少噪声并突出损伤特征。
(2)采用小波信号消噪方法处理原始振动信号。小波变换能够将信号分解成不同频率和时间尺度上的成分，具有多分辨率分析的特点，可以提取信号的局部特征。其具体方法为：
①根据信号的特性和需要突出的特征，选择适当的小波基函数，小波基函数包括有Daubechies小波、Haar小波等；
②将原始振动信号进行小波分解，得到不同尺度下的小波系数；
③设定门限阈值，通过分析小波系数的统计特性，确定适当的门限阈值，用于判定哪些小波系数代表噪声；
④小波系数处理：将小于门限阈值的小波系数置零，保留大于门限阈值的小波系数；
⑤重构信号：对处理后的小波系数进行逆变换，得到消噪后的信号。
通过小波信号消噪处理，噪声和干扰成分被抑制，而结构损伤相关的特征得以保留，这样，消噪后的信号可以更准确地反映结构的动态行为，为后续的损伤识别提供了更可靠的数据基础。
(3)主成分分析与特征向量提取。主成分分析通过线性变换将原始数据转化为一组新的变量，这些主成分按照方差的大小排列，其中第一个主成分包含了原始数据中最大的方差，第二个主成分包含了剩余的最大方差，以此类推；主成分分析应用于经过小波信号消噪处理的信号数据，提取结构的动力特征参数，包括模态频率、模态阻尼和静态模型等，为后续的损伤识别做准备。其具体方法为：
①数据标准化：对经过小波信号消噪处理的信号数据进行标准化，消除不同信号尺度之间的差异；
②协方差矩阵计算：计算标准化后的信号数据的协方差矩阵，衡量不同信号之间的相关性；
③特征值分解：对协方差矩阵进行特征值分解，得到特征值和对应的特征向量，其中特征值表示每个主成分所解释的方差大小，特征向量表示每个主成分的方向；
④特征值排序：将特征值按照大小进行排序，选取具有较大特征值的主成分，可选择特征值大于某个阈值或满足累积方差贡献率达到一定阈值的主成分，以保留较多的方差信息。
⑤特征向量提取：根据所选取的特征值，提取对应的特征向量，形成特征向量矩阵，该特征向量代表原始信号在主成分空间中的投影；
⑥主成分矩阵计算：将经过小波信号消噪处理后的信号数据与特征向量矩阵相乘，得到主成分矩阵，主成分矩阵将原始信号投影到主成分空间，表示每个主成分在原始信号中的贡献。
(4)小波包能量谱分析：基于小波变换的频谱分析，通过对信号进行多尺度分解和频域分析，得到不同频率段的能量分布情况，能揭示信号的频域特性，包括频率成分的强弱和分布情况。通过小波包能量谱分析研究经过主成分分析后的信号数据，以提取结构的频域特征，并进行结构损伤的识别，其具体方法为：
①小波包分解：将经过主成分分析得到的信号数据进行小波包分解，得到不同频率段上的小波包系数；
②能量计算：计算每个小波包系数的能量，即将系数的绝对值平方，得到能量谱；
③能量归一化：对能量谱进行归一化处理，采用将能量谱除以总能量的方式进行归一化，使得不同频率段上的能量具有可比性；
④能量谱分析：分析归一化的能量谱，计算总体能量、平均能量以及特定频段的能量等指标，以了解结构在不同频率段上的响应特性，观察不同频率段上的能量分布情况。
(5)待检状态下的信号处理与损伤识别：利用待检状态下的小波包能量谱与健康状态下的参考样本的小波包能量谱进行距离计算，评估待检状态下的信号与健康状态下的信号之间的差异程度，进行损伤识别。
①距离计算的具体步骤为：
ⅰ.将待检状态下的小波包能量谱表示为向量A＝[a1，a2，...，an]，其中ai表示第i个频段上的能量值；
ⅱ.将健康状态下的参考样本的小波包能量谱表示为向量B＝[b1，b2，...，bn]，其中bi表示第i个频段上的能量值；
ⅲ.通过计算向量A和向量B之间的标准欧式距离，即dist(A，B)＝sqrt((a1-b1)^2+(a2-b2)^2+...+(an-bn)^2)，来衡量待检状态下的信号与健康状态下的信号之间的差异程度。
②损伤识别的具体步骤为：设定预设的阈值，判断待检状态下的信号与健康状态下的信号之间的距离是否超过阈值：如果距离dist(A，B)超过阈值(dist(A，B)＞threshold)，则判定结构存在损伤；反之，如果距离未超过阈值(dist(A，B)≤threshold)，则判定结构处于健康状态，即无损伤。
本具体实施方式基于小波信号消噪和小波包能量谱分析，采用小波信号消噪技术，具有优良的信号局部特征提取能力和抗噪性能，能够有效地滤除噪声和干扰信号，提取结构的有效信息，保留与损伤相关的频域特征，还利用主成分分析方法，通过对信号进行矩阵分解和特征向量提取，得到结构的动力特征参数，为后续的分析提供准确的基础。同时，本方法针对待检状态下的信号，利用小波包能量谱分析法，将结构振动信号的能量在不同频段进行分解和分析，计算信号在不同频段上的能量值，获得待检状态下信号的频域特征信息，然后，通过与健康状态下的参考样本进行距离计算，评估待检状态下的信号与健康状态下的信号之间的差异程度，基于预设的阈值，可以快速、准确地判断结构是否存在损伤。
本具体实施方式可以在高空建筑的监测和维护过程中，消除噪声干扰，准确地识别高空建筑结构的损伤，并及时采取修复措施，不仅提高损伤识别的准确性和可靠性，也确保建筑的安全性和稳定性，该方法简单高效，为专业人士提供一种有效的技术工具，为结构的监测和维护提供有力支持，为高空建筑的管理和维护提供了一种有效的技术手段，促进高空建筑的安全与可持续发展，具有广阔的市场应用前景。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种基于小波包能量谱分析的高空建筑损伤识别方法，其特征在于，其步骤为：
(1)数据采集：获取高空建筑结构在健康状态下的振动信号；
(2)采用小波信号消噪方法处理原始振动信号：
①根据信号的特性和需要突出的特征，选择小波基函数；
②将原始振动信号进行小波分解，得到不同尺度下的小波系数；
③设定门限阈值，通过分析小波系数的统计特性，确定门限阈值；
④小波系数处理：将小于门限阈值的小波系数置零，保留大于门限阈值的小波系数；
⑤重构信号：对处理后的小波系数进行逆变换，得到消噪后的信号；
(3)主成分分析与特征向量提取：
①数据标准化：对经过小波信号消噪处理的信号数据进行标准化，消除不同信号尺度之间的差异；
②协方差矩阵计算：计算标准化后的信号数据的协方差矩阵，衡量不同信号之间的相关性；
③特征值分解：对协方差矩阵进行特征值分解，得到特征值和对应的特征向量；
④特征值排序：将特征值按照大小进行排序，选取大特征值的主成分；
⑤特征向量提取：根据所选取的特征值，提取对应的特征向量，形成特征向量矩阵；
⑥主成分矩阵计算：将经过小波信号消噪处理后的信号数据与特征向量矩阵相乘，得到主成分矩阵，主成分矩阵将原始信号投影到主成分空间；
(4)小波包能量谱分析：
①小波包分解：将经过主成分分析得到的信号数据进行小波包分解，得到不同频率段上的小波包系数；
②能量计算：计算每个小波包系数的能量，即将系数的绝对值平方，得到能量谱；
③能量归一化：对能量谱进行归一化处理，使得不同频率段上的能量具有可比性；
④能量谱分析：分析归一化的能量谱，观察不同频率段上的能量分布情况；
(5)待检状态下的信号处理与损伤识别：利用待检状态下的小波包能量谱与健康状态下的参考样本的小波包能量谱进行距离计算，评估待检状态下的信号与健康状态下的信号之间的差异程度，进行损伤识别。
2.根据权利要求1所述的一种基于小波包能量谱分析的高空建筑损伤识别方法，其特征在于，所述的步骤(2)①中选择的小波基函数包括有Daubechies小波、Haar小波。
3.根据权利要求1所述的一种基于小波包能量谱分析的高空建筑损伤识别方法，其特征在于，所述的步骤(3)④选择特征值大于阈值或满足累积方差贡献率达到阈值的主成分。
4.根据权利要求1所述的一种基于小波包能量谱分析的高空建筑损伤识别方法，其特征在于，所述的步骤(4)③采用将能量谱除以总能量的方式进行归一化。
5.根据权利要求1所述的一种基于小波包能量谱分析的高空建筑损伤识别方法，其特征在于，所述的步骤(4)④计算总体能量、平均能量以及特定频段的能量指标，了解结构在不同频率段上的响应特性。
6.根据权利要求1所述的一种基于小波包能量谱分析的高空建筑损伤识别方法，其特征在于，所述的步骤(5)中距离计算的具体步骤为：
①将待检状态下的小波包能量谱表示为向量A＝[a1，a2，...，an]，其中ai表示第i个频段上的能量值；
②将健康状态下的参考样本的小波包能量谱表示为向量B＝[b1，b2，...，bn]，其中bi表示第i个频段上的能量值；
③通过计算向量A和向量B之间的标准欧式距离，即dist(A，B)＝sqrt((a1-b1)^2+(a2-b2)^2+...+(an-bn)^2)，来衡量待检状态下的信号与健康状态下的信号之间的差异程度。
7.根据权利要求1所述的一种基于小波包能量谱分析的高空建筑损伤识别方法，其特征在于，所述的步骤(5)中损伤识别的具体步骤为：设定预设的阈值，判断待检状态下的信号与健康状态下的信号之间的距离是否超过阈值：如果距离dist(A，B)超过阈值(dist(A，B)＞threshold)，则判定结构存在损伤；反之，如果距离未超过阈值(dist(A，B)≤threshold)，则判定结构处于健康状态，即无损伤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311128021.7A CN117169346A (zh) | 2023-09-04 | 2023-09-04 | 一种基于小波包能量谱分析的高空建筑损伤识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311128021.7A CN117169346A (zh) | 2023-09-04 | 2023-09-04 | 一种基于小波包能量谱分析的高空建筑损伤识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117169346A true CN117169346A (zh) | 2023-12-05 |
Family
ID=88946348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311128021.7A Pending CN117169346A (zh) | 2023-09-04 | 2023-09-04 | 一种基于小波包能量谱分析的高空建筑损伤识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117169346A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117554487A (zh) * | 2024-01-10 | 2024-02-13 | 中建海龙科技有限公司 | 一种墙体结构内部损伤检测方法及*** |
-
2023
- 2023-09-04 CN CN202311128021.7A patent/CN117169346A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117554487A (zh) * | 2024-01-10 | 2024-02-13 | 中建海龙科技有限公司 | 一种墙体结构内部损伤检测方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117169346A (zh) | 一种基于小波包能量谱分析的高空建筑损伤识别方法 | |
| CN110823356B (zh) | 基于梅尔频谱的分布式光纤入侵检测方法 | |
| CN106653032A (zh) | 低信噪比环境下基于多频带能量分布的动物声音检测方法 | |
| CN106682278B (zh) | 基于图像处理的超声速流场预测准确度判定装置及方法 | |
| CN109768838B (zh) | 一种基于WiFi信号的干扰检测及手势识别方法 | |
| US20190376874A1 (en) | A method of estimating the number of modes for the sparse component analysis based modal identification | |
| CN109805936B (zh) | 基于地面振动信号的人体摔倒检测*** | |
| CN112381063A (zh) | 一种基于信道状态信息的人数统计方法 | |
| CN116805061B (zh) | 基于光纤传感的泄漏事件判断方法 | |
| CN114626413A (zh) | 一种基于随机子空间算法的结构模态参数识别方法及装置 | |
| CN111797887A (zh) | 一种基于密度筛选与k-均值聚类的反窃电预警方法及*** | |
| CN110599425A (zh) | 一种适用于acfm信号小波去噪的小波参数选择方法 | |
| CN115220396A (zh) | 一种数控机床智能监控方法及*** | |
| CN113345443A (zh) | 基于梅尔频率倒谱系数的海洋哺乳动物发声检测识别方法 | |
| CN115618205A (zh) | 一种便携式声纹故障检测***及方法 | |
| CN116453544A (zh) | 一种基于声纹识别的工业设备运行状态监测方法 | |
| CN112600659B (zh) | 基于神经网络的安全芯片侧信道泄漏检测方法及*** | |
| CN112033656A (zh) | 一种基于宽带谱处理的机械***故障检测方法 | |
| CN117541626A (zh) | 基于深度学习的遥感影像变化检测方法 | |
| CN110333506B (zh) | 一种提取索力测量雷达的拉索位置参数的方法 | |
| CN109840386B (zh) | 基于因子分析的损伤识别方法 | |
| CN109682463B (zh) | 变电站可听噪声测量方法 | |
| CN114781466B (zh) | 基于旋转机械振动信号谐波基频的故障诊断方法及*** | |
| CN108919068B (zh) | 电力设备间歇性缺陷信号识别方法 | |
| CN110458118B (zh) | 基于信道状态信息的简单手语识别方法 |
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 |