CN117889945B - 一种公路桥梁施工振动测试方法 - Google Patents
一种公路桥梁施工振动测试方法 Download PDFInfo
- Publication number
- CN117889945B CN117889945B CN202410288097.4A CN202410288097A CN117889945B CN 117889945 B CN117889945 B CN 117889945B CN 202410288097 A CN202410288097 A CN 202410288097A CN 117889945 B CN117889945 B CN 117889945B
- Authority
- CN
- China
- Prior art keywords
- sequence
- vibration
- vibration data
- segment
- imf component
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 55
- 238000012360 testing method Methods 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000005856 abnormality Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000010606 normalization Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007306 functionalization reaction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及结构部件的振动测试技术领域,具体涉及一种公路桥梁施工振动测试方法,包括:获取公路桥梁施工过程中的振动数据序列,将振动数据序列分解为若干个IMF分量序列,分别将振动数据序列以及所有IMF分量序列等分为若干个序列段,获取每个IMF分量序列的规律因子以及振动数据序列中每个序列段的振动相似因子,从而得到振动数据序列中每个序列段的振动规律异常因子,由此使用局部离群因子算法对振动数据序列进行异常检测,得到公路桥梁施工的异常振动检测结果。本发明通过自适应局部离群因子算法中的邻域大小,提高了公路桥梁施工振动异常检测的准确性。
Description
技术领域
本发明涉及结构部件的振动测试技术领域,具体涉及一种公路桥梁施工振动测试方法。
背景技术
公路桥梁是现代交通***的重要组成部分,确保其结构安全和稳定对于保障交通流畅与乘客安全至关重要。在桥梁的施工阶段,振动测试是一种常用的健康监测手段。通过分析桥梁在受力时产生的振动特性,可以评估桥梁的动态响应性能及其可能存在的结构问题。因此通常采用多个振动监测传感器在施工现场的多个区域进行振动监测,并通过局部离群因子算法对异常振动进行检测。
现有的问题:在实际的桥梁施工中,引起施工环境振动的除了桥梁结构性的振动外,还有其余设备引起的振动,且这些设备振动通常具有不同的振动模式,因此当出现多种振动出现混淆时,对于实际的桥梁结构的监测便不够精准。而常规的局部离群因子算法是通过设定固定的邻域大小,对于每一振动数据都采用相同的敏感度,便会导致邻域较小时,会由于其余振动信息的干扰,导致将其余设备引起的振动错误检测为结构异常振动,而邻域较大时,则又可能导致对于异常振动的迟钝,由此降低了公路桥梁施工振动异常检测的准确性。
发明内容
本发明提供一种公路桥梁施工振动测试方法,以解决现有的问题。
本发明的一种公路桥梁施工振动测试方法采用如下技术方案:
本发明一个实施例提供了一种公路桥梁施工振动测试方法,该方法包括以下步骤:
获取公路桥梁施工过程中的振动数据序列;
将振动数据序列分解为若干个IMF分量序列;分别将振动数据序列以及所有IMF分量序列等分为若干个序列段;根据振动数据序列与每个IMF分量序列中序列段中的振动数据之间的差异,得到每个IMF分量序列的规律因子;
根据振动数据序列中序列段之间的差异,得到振动数据序列中每个序列段的振动相似因子;
根据振动数据序列中每个序列段的振动相似因子、每个IMF分量序列的规律因子以及IMF分量序列中序列段中的振动数据,得到振动数据序列中每个序列段的振动规律异常因子;
根据振动数据序列中每个序列段的振动规律异常因子,使用局部离群因子算法对振动数据序列进行异常检测,得到公路桥梁施工的异常振动检测结果。
进一步地,所述分别将振动数据序列以及所有IMF分量序列等分为若干个序列段,包括的具体步骤如下:
对每个IMF分量序列进行希尔伯特变换,得到每个IMF分量序列的周期大小;
计算所有IMF分量序列的周期大小的最小公倍数L,分别将振动数据序列以及所有IMF分量序列等分为若干个长度为L的序列段。
进一步地,所述根据振动数据序列与每个IMF分量序列中序列段中的振动数据之间的差异,得到每个IMF分量序列的规律因子,包括的具体步骤如下:
计算第个IMF分量序列中第/>个序列段中所有振动数据的标准差,再计算第/>个IMF分量序列中所有序列段中所有振动数据的标准差的均值,将所述第/>个IMF分量序列中第/>个序列段中所有振动数据的标准差减去所述标准差的均值的差值,记为第/>个IMF分量序列中第/>个序列段的第一差值;
计算振动数据序列中第个序列段中所有振动数据的标准差的归一化值,将1减去所述标准差的归一化值的差值,记为第/>个IMF分量序列中第/>个序列段的第二差值;
使用一阶导数法对振动数据序列进行求导,得到振动数据序列中的极值点;
计算振动数据序列中第个序列段中的极值点数量的归一化值,将1减去所述极值点数量的归一化值,记为第/>个IMF分量序列中第/>个序列段的第三差值;
根据第个IMF分量序列中第/>个序列段的第一差值、第二差值以及第三差值,得到第/>个IMF分量序列的规律因子。
进一步地,所述根据第个IMF分量序列中第/>个序列段的第一差值、第二差值以及第三差值,得到第/>个IMF分量序列的规律因子,包括的具体步骤如下:
计算第个IMF分量序列中第/>个序列段的第一差值、第二差值以及第三差值的乘积,将所述乘积的平方,记为第/>个IMF分量序列中第/>个序列段的第四差值;
将第个IMF分量序列中所有序列段的第四差值的平均值,记为第/>个IMF分量序列的规律因子。
进一步地,所述根据振动数据序列中序列段之间的差异,得到振动数据序列中每个序列段的振动相似因子,包括的具体步骤如下:
将振动数据序列中不是第个序列段的序列段,记为参考段;
在振动数据序列中,使用DTW算法对第个序列段和第/>个参考段中的振动数据进行匹配,得到若干组匹配数据以及每组匹配数据的匹配距离;
在任意一组匹配数据中,将任意一个振动数据,记为目标数据;
在目标数据所处的序列段内,将目标数据与目标数据最近的极值点的差值的绝对值,记为目标数据的调整差异;当目标数据为极值点时,将目标数据的调整系数设置为预设的常数;当目标数据不是极值点时,计算目标数据与目标数据最近的极值点之间的距离,将所述目标数据与目标数据最近的极值点之间的距离的反比例的归一化值,记为目标数据的调整系数;
将目标数据的调整差异与目标数据的调整系数的乘积,记为目标数据的权重;
将每组匹配数据中所有振动数据的权重的和值的归一化值,记为每组匹配数据的权重;
根据振动数据序列中所有序列段对应的每组匹配数据的权重以及匹配距离,得到振动数据序列中每个序列段的振动相似因子。
进一步地,所述根据振动数据序列中所有序列段对应的每组匹配数据的权重以及匹配距离,得到振动数据序列中每个序列段的振动相似因子,包括的具体步骤如下:
计算振动数据序列中第个序列段与第/>个参考段对应的第/>组匹配数据的匹配距离与权重的乘积,将振动数据序列中第/>个序列段与第/>个参考段对应的所有组匹配数据的匹配距离与权重的乘积之和,记为振动数据序列中第/>个序列段与第/>个参考段的不相似性;
计算振动数据序列中第个序列段与第/>个参考段的不相似性的倒数,将振动数据序列中第/>个序列段与所有参考段的不相似性的倒数的均值,记为振动数据序列中第/>个序列段的振动相似因子。
进一步地,所述根据振动数据序列中每个序列段的振动相似因子、每个IMF分量序列的规律因子以及IMF分量序列中序列段中的振动数据,得到振动数据序列中每个序列段的振动规律异常因子,包括的具体步骤如下:
计算第个IMF分量序列中第/>个序列段中所有振动数据的标准差/>,再计算所有IMF分量序列中第/>个序列段中所有振动数据的标准差的和值/>,将/>与/>的比值,记为第/>个序列段的第/>个IMF分量序列的幅值占比;
根据每个序列段的每个IMF分量序列的幅值占比、振动数据序列中每个序列段的振动相似因子以及每个IMF分量序列的规律因子,得到振动数据序列中每个序列段的振动规律异常因子。
进一步地,所述根据每个序列段的每个IMF分量序列的幅值占比、振动数据序列中每个序列段的振动相似因子以及每个IMF分量序列的规律因子,得到振动数据序列中每个序列段的振动规律异常因子,包括的具体步骤如下:
在所有IMF分量序列中,将每个IMF分量序列中不是第个序列段的序列段,记为参考段;
将第个序列段的第/>个IMF分量序列的幅值占比与第/>个参考段的第/>个IMF分量序列的幅值占比的差值的绝对值,记为第/>个序列段与第/>个参考段的第/>个IMF分量序列的第一幅值差;
计算第个IMF分量序列的规律因子的归一化值,将1减去所述第/>个IMF分量序列的规律因子的归一化值的差值,记为第/>个IMF分量序列的调整值;
将第个IMF分量序列的调整值与所述第/>个序列段与第/>个参考段的第/>个IMF分量序列的第一幅值差的乘积,记为第/>个序列段与第/>个参考段的第/>个IMF分量序列的第二幅值差;
将第个序列段与第/>个参考段的所有IMF分量序列的第二幅值差的和值,记为第个序列段与第/>个参考段的第三幅值差;
将第个序列段与所有参考段的第三幅值差的均值,记为第/>个序列段的第四幅值差;
将第个序列段的第四幅值差与振动数据序列中第/>个序列段的振动相似因子的比值,记为振动数据序列中第/>个序列段的振动规律异常因子。
进一步地,所述根据振动数据序列中每个序列段的振动规律异常因子,使用局部离群因子算法对振动数据序列进行异常检测,得到公路桥梁施工的异常振动检测结果,包括的具体步骤如下:
根据振动数据序列中每个序列段的振动规律异常因子、预设的第一邻域大小以及预设的第二邻域大小,得到振动数据序列中每个序列段中每个振动数据的邻域大小;
根据振动数据序列中每个振动数据的邻域大小,使用局部离群因子算法对振动数据序列进行运算,得到振动数据序列中每个振动数据的局部离群因子值;
使用最大最小规范法对振动数据序列中所有振动数据的局部离群因子值进行归一化,得到每个振动数据的局部离群因子值的归一化值;
在振动数据序列中,将局部离群因子值的归一化值大于预设的判断阈值的振动数据,记为异常数据;当振动数据序列中存在异常数据时,判定公路桥梁施工出现了异常振动。
进一步地,所述根据振动数据序列中每个序列段的振动规律异常因子、预设的第一邻域大小以及预设的第二邻域大小,得到振动数据序列中每个序列段中每个振动数据的邻域大小,包括的具体步骤如下:
将预设的第二邻域大小减去预设的第一邻域大小的差值,记为第一范围值;
计算振动数据序列中第个序列段的振动规律异常因子的归一化值与第一范围值的乘积,将所述乘积的向上取整值,记为振动数据序列中第/>个序列段的第二范围值;
将预设的第二邻域大小减去振动数据序列中第个序列段的第二范围值的差值,记为振动数据序列中第/>个序列段的邻域大小;
将振动数据序列中第个序列段中每个振动数据的邻域大小设置为振动数据序列中第/>个序列段的邻域大小。
本发明的技术方案的有益效果是:
本发明实施例中,获取公路桥梁施工过程中的振动数据序列,将振动数据序列分解为若干个IMF分量序列,分别将每个序列等分为若干个序列段,根据振动数据序列与每个IMF分量序列中序列段中的振动数据之间的差异,得到每个IMF分量序列的规律因子,由此结合多个IMF分量序列的规律因子分析振动数据序列,提高了振动数据异常检测的准确性。获取振动数据序列中每个序列段的振动相似因子,结合IMF分量序列的规律因子,得到振动数据序列中每个序列段的振动规律异常因子,由此通过振动数据序列与其分量序列的分析,得到准确可信的振动规律异常因子,从而保障了每个振动数据的邻域大小自适应的准确性,再使用局部离群因子算法对振动数据序列进行异常检测,得到准确可信的公路桥梁施工的异常振动检测结果。至此本发明通过自适应局部离群因子算法中的邻域大小,提高了公路桥梁施工振动异常检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种公路桥梁施工振动测试方法的步骤流程图;
图2为本发明实施例中公路桥梁施工的异常振动检测结果的获取流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种公路桥梁施工振动测试方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种公路桥梁施工振动测试方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种公路桥梁施工振动测试方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取公路桥梁施工过程中的振动数据序列。
在公路桥梁施工振动数据中,由于桥梁结构性振动数据的随机性出现,以及其余设备振动导致的振动数据叠加,使得常规的局部离群因子算法通过固定邻域大小的检测往往无法取得较好的结果。本实施例通过对采集的桥梁施工振动数据进行EMD分解,并基于多分量之间的差异以及原数据的特征,对数据进行邻域大小的自适应,从而优化离群数据检测结果。
通过公路桥梁上安置的振动监测传感器,采集公路桥梁施工过程中一段时间内的振动数据序列,即为原振动数据,该振动数据序列为时序序列,采集频率为一秒一次,以此为例进行叙述,其它实施方式中可设置为其它值,本实施例不进行限定。
步骤S002:将振动数据序列分解为若干个IMF分量序列;分别将振动数据序列以及所有IMF分量序列等分为若干个序列段;根据振动数据序列与每个IMF分量序列中序列段中的振动数据之间的差异,得到每个IMF分量序列的规律因子。
在桥梁施工过程中,可以将原振动数据看作是由各个引起振动的施工设备的振动数据与桥梁隐藏的结构性振动数据组合而成,而不同的施工设备如压实机,钻孔机等,其工作时引起的振动都较为固定,因此其振动数据在较长的时序下是具有一定周期规律且较稳定的,因此通过EMD分解后,不同的施工设备所对应的不同频率的振动数据都会主要分布在某一分量中,但由于不同模态的振动数据叠加后,EMD分解并不能完全将每一振动数据完全的分解在某一分量中,且由于EMD分解是基于包络线,是会考虑整体的振动特征,因此当某一局部范围内的振动数据在多个分量中都出现异常变化时,反而是小概率的桥梁结构性的振动,此时对于这类振动数据的敏感性应该相对更强。
故对振动数据序列进行EMD分解,得到若干个IMF分量序列。对每个IMF分量序列进行希尔伯特变换,得到每个IMF分量序列的周期大小。计算所有IMF分量序列的周期大小的最小公倍数L,分别将振动数据序列以及所有IMF分量序列等分为若干个长度为L的序列段。其中序列段的长度用序列段中的数据数量表示,即分别将每个序列等分为若干个序列段。
所需说明的是:EMD分解、希尔伯特变换以及最小公倍数的计算均为公知技术,具体方法在此不做介绍。EMD分解是指经验模态分解,英文全称为Empirical ModeDecomposition,IMF中文名称为固有模态函数,英文名称为Intrinsic Mode Functions。振动数据序列与每个IMF分量序列等长。因此振动数据序列以及所有IMF分量序列对应的序列段数量相等,若最后一个序列段的长度不为L,其也为一个序列段。使用各IMF分量序列的周期大小的最小公倍数进行分段,是为了保证每一序列段在每一分量中都恰好都对应一个或多个完整的周期。最小公倍数为正整数。
虽然EMD分解后,每一施工设备对应的振动特征会主要分布在某一IMF分量中,但基于上述所提到的,本实施例并不能确定具体的哪一分量是对应的某一施工设备的震动特征,且有的分量中甚至可能并不对应某一施工设备的振动特征,因此首先需要对每一IMF分量中的分量的波动规律进行分析。
由此通过计算每个IMF分量序列等分的每个序列段中所有振动数据的标准差,认为每一分量中的标准差越高,在IMF分量中的振动强度越高,而进一步的,以第n个IMF分量序列为例,第n个IMF分量序列中若确实存在某一或多个施工设备的振动信息,那么对应的其在连续多个序列段内的振动是非常接近的,因此首先对于第n个IMF分量中的多个序列段内的振动强度进行差异分析,同时在不同序列段对应的原数据中,当原数据中的波动与其余序列段对应的原数据相比,越复杂时,其在进行EMD分解时,其分解出的多个分量中的信号振动特征会存在差异,即可以理解为越复杂,分解出来的质量越差,可信度越低,进而影响每一分量中本身对应的振动特征,使用一阶导数法对振动数据序列进行求导,得到振动数据序列的极值点。因此基于上述内容,可以得到第n个IMF分量序列的规律因子对应的计算公式为:
其中为第/>个IMF分量序列的规律因子,/>为每个IMF分量序列中的序列段数量,也为振动数据序列中的序列段数量,/>为第/>个IMF分量序列中第/>个序列段中所有振动数据的标准差,/>为第/>个IMF分量序列中的/>个序列段中所有振动数据的标准差的均值,/>为振动数据序列中第/>个序列段中所有振动数据的标准差,/>为振动数据序列中第个序列段中的极值点数量,/>为线性归一化函数,将数据值归一化至/>区间内。
所需说明的是:为第/>个IMF分量序列中第/>个序列段的第一差值,为第/>个IMF分量序列中第/>个序列段的第二差值,/>为第/>个IMF分量序列中第/>个序列段的第三差值,为第/>个IMF分量序列中第/>个序列段的第四差值。分量序列中各序列段中所有振动数据的标准差之间的差异越大,说明当前分量中的振动特征越不稳定,分量越不可信,即进一步的恰好对应一个或多个施工设备的振动信号的可能性越小。而当原数据中的振动越强,且其中的极值点数量越多,即/>和/>越大时,则表征原数据中可能存在更多更复杂的振动叠加,因此序列段中的振动数据变化本身较为剧烈,为了减小此类序列段自身的影响,当/>和/>越大时,需要将/>适当的调小,因此基于所述逻辑,这里对这类序列段在参与计算时的差异进行权重调节,振动数据越复杂,则对应的可信度越低,即用/>和/>对/>进行调整,/>越大,第/>个IMF分量序列越不规律,即越不可信。
步骤S003:根据振动数据序列中序列段之间的差异,得到振动数据序列中每个序列段的振动相似因子。
当某一序列段内存在桥梁结构性振动时,由于额外的振动信号的加入,会破坏EMD分解在长时序下所保持的分解规律,这一分解规律不仅体现在单个IMF分量中,同时也表现为多个IMF分量在同一序列段内的幅值关系。
但对应的,不同序列段,其内部在分析时通常存在一定差异,在长时序下,固定的施工行为通常对应着固定的振动表现,不仅是IMF分量中存在规律,其原数据中也存在规律,因此进一步的评估原数据中的规律差异,从而基于该差异作为每一序列段的规律因子差异的权重设置。
在振动数据序列以及所有IMF分量序列中,以第个序列段为例,将不是第/>个序列段的序列段,记为参考段。
在振动数据序列中,以第个参考段为例,使用DTW算法,对第/>个序列段和第/>个参考段进行匹配,得到若干组匹配数据以及每组匹配数据的匹配距离。每组匹配数据包括第/>个序列段中的一个振动数据和第/>个参考段中的一个振动数据,每组匹配数据的匹配距离,即每组匹配数据中两个振动数据的欧式距离。其中DTW算法为公知技术,具体方法在此不做介绍。
按照上述方式,得到振动数据序列中第个序列段和每个参考段对应的若干组匹配数据。
在任意一组匹配数据中,将任意一个振动数据,记为目标数据。在目标数据所处的序列段内,将目标数据与目标数据最近的极值点的差值的绝对值,记为目标数据的调整差异。所需说明的是,若目标数据为极值点,则目标数据最近的极值点就是其本身,则此时调整差异应为0。
在目标数据所处的序列段内,当目标数据为极值点时,将目标数据的调整系数设置为预设的常数。当目标数据不是极值点时,计算目标数据与目标数据最近的极值点之间的距离,即两者之间的振动数据的数量,将所述距离的反比例的归一化值,记为目标数据的调整系数。
将目标数据的调整差异与目标数据的调整系数的乘积,记为目标数据的权重。
所需说明的是:将所述距离记为,则/>为目标数据的调整系数,其中/>为以自然常数为底的指数函数,本实施例以/>来呈现反比例关系及归一化处理,实施者可根据实际情况设置反比例函数及归一化函数。本实施例预设的常数为1,以此为例进行叙述,这是因此/>的最大值为1,因此预设的常数为1,当对/>的值变换到其它数值区间时,其它实施方式中可设置为其它数值区间中的最大值,本实施例不进行限定。
按照上述方式,得到任意一组匹配数据中任意一个振动数据的权重。
将每组匹配数据中所有振动数据的权重的和值的归一化值,记为每组匹配数据的权重。
所需说明的是:使用线性归一化函数,对每个匹配数据中所有振动数据的权重的和值进行归一化处理至0到1之间。
已知DTW算法的匹配距离越大,数据的相似性越小。因此根据振动数据序列中序列段之间的差异,得到第个序列段的振动相似因子的计算公式为:
其中,为振动数据序列中第/>个序列段的振动相似因子,/>为振动数据序列中参考段的数量,/>为振动数据序列中第/>个序列段与第/>个参考段对应的第/>组匹配数据的匹配距离,/>为振动数据序列中第/>个序列段与第/>个参考段对应的第/>组匹配数据的权重,/>为振动数据序列中第/>个序列段与第/>个参考段对应的匹配数据的组数。为振动数据序列中第/>个序列段与第/>个参考段的不相似性。
所需说明的是:越大,振动数据序列中第/>个序列段与第/>个参考段越不相似,而序列段中的极值点为序列段匹配的关键振动数据,这是因为极值点越大,越表征为实际的设备引起的振动,而非一些干扰数据,如距离传感器极近的地方有施工人员经过等。因此这里认为每一极值点的差异越大,则在参与匹配距离计算时,其实际表达的距离的权重更高,且振动数据距离其最近的极值点之间的距离越近时,则从该极值点分配的权重相对更多。因此当振动数据与极值点差异越大,距离越小时,说明振动数据最近的极值点较为突出,应令权重越大,由此用/>对/>进行调整,故用/>表示振动数据序列中第/>个序列段的振动相似因子,/>越大,振动数据序列中第/>个序列段与其它序列段越相似。则认为该序列段内的振动规律表现越强,其内部可能存在的结构性振动特征对于整体的干扰相对较弱甚至没有,因此后续对该序列段内的差异的敏感性相对较低。
按照上述方式,得到振动数据序列中每个序列段的振动相似因子。
步骤S004:根据振动数据序列中每个序列段的振动相似因子、每个IMF分量序列的规律因子以及IMF分量序列中序列段中的振动数据,得到振动数据序列中每个序列段的振动规律异常因子。
在所有IMF分量序列中的第个序列段中,将/>与/>的比值,记为第/>个序列段的第/>个IMF分量序列的幅值占比。其中/>为第/>个IMF分量序列中第/>个序列段中所有振动数据的标准差,/>为所有IMF分量序列中第/>个序列段中所有振动数据的标准差的和值。
按照上述方式,得到每个序列段的每个IMF分量序列的幅值占比。
根据上述参考段的标记方式,可知每个IMF分量序列中不是第个序列段的序列段,被记为参考段。
由此通过计算每个序列段内多个IMF分量之间的幅值占比与其余序列段的差异,并结合振动相似因子作为权重,从而得到振动数据序列中第个序列段的振动规律异常因子对应的计算公式为:
其中为振动数据序列中第/>个序列段的振动规律异常因子,/>为每个IMF分量序列中参考段的数量,/>与U相等。/>为振动数据序列中第/>个序列段的振动相似因子,/>为IMF分量序列的数量,/>为第/>个序列段的第/>个IMF分量序列的幅值占比,/>为第/>个参考段的第/>个IMF分量序列的幅值占比,/>为第/>个IMF分量序列的规律因子,/>为线性归一化函数,将数据值归一化至/>区间内。/>为绝对值函数。/>为第/>个序列段与第/>个参考段的第/>个IMF分量序列的第一幅值差,/>为第/>个IMF分量序列的调整值,/>为第/>个序列段与第/>个参考段的第/>个IMF分量序列的第二幅值差,/>为第/>个序列段与第/>个参考段的第三幅值差,/>为第/>个序列段的第四幅值差。
所需说明的是:当越大时,说明同一序列段在不同分量重的幅值占比,其在同一分量中的不同序列段之间的差异越大,则表征当前序列段内可能存在结构性这一突发性振动导致的分解异常。/>越小,说明第/>个IMF分量序列越可信,则该分量为实际的设备引起的振动的可能性越高,因此用/>对/>进行调整。而/>越小,则表明振动数据序列中第/>个序列段的振动数据越规律,越正常,因此/>与/>为反比,由此得到振动数据序列中第/>个序列段的振动规律异常因子/>,/>越大,则振动数据序列中第/>个序列段中的振动数据越异常,即存在结构性振动的可能性越高。
步骤S005:根据振动数据序列中每个序列段的振动规律异常因子,使用局部离群因子算法对振动数据序列进行异常检测,得到公路桥梁施工的异常振动检测结果。
本实施例预设的第一邻域大小为5,预设的第二邻域大小/>为15,以此为例进行叙述,其它实施方式中可设置为其它值,但/>要大于/>,本实施例不进行限定。
由此可知振动数据序列中第个序列段的邻域大小的计算公式为:
其中为振动数据序列中第/>个序列段的邻域大小,/>为预设的第一邻域大小,为预设的第二邻域大小,/>为振动数据序列中第/>个序列段的振动规律异常因子,/>为向上取整函数,/>为线性归一化函数,将数据值归一化至/>区间内。/>为第一范围值,/>为振动数据序列中第/>个序列段的第二范围值。
所需说明的是:当振动规律异常因子越大时,则需要较小的邻域大小,保障异常振动的识别灵敏度越高。
由此将振动数据序列中第个序列段中每个振动数据的邻域大小设置为/>。
按照上述方式,得到振动数据序列中每个序列段中每个振动数据的邻域大小,由此得到振动数据序列中每个振动数据的邻域大小。
根据振动数据序列中每个振动数据的邻域大小,使用局部离群因子算法对振动数据序列进行运算,得到振动数据序列中每个振动数据的局部离群因子值。
所需说明的是:局部离群因子算法为公知技术,具体方法在此不做介绍,邻域大小为该算法的输入参数,局部离群因子值为该算法的输出参数。局部离群因子值越大,数据越异常。
本实施例预设的判断阈值为0.8,以此为例进行叙述,其它实施方式中可设置为其它值,本实施例不进行限定。
使用最大最小规范法对振动数据序列中所有振动数据的局部离群因子值进行归一化处理,得到每个振动数据的局部离群因子值的归一化值。
在振动数据序列中,将局部离群因子值的归一化值大于预设的判断阈值的振动数据,记为异常数据。当存在异常数据时,判定公路桥梁施工出现了异常振动,此时需要将该结果及时的提供给相关技术人员或进行预警。获取公路桥梁施工的异常振动检测结果的流程,如图2所示。
至此,本发明完成。
综上所述,在本发明实施例中,获取公路桥梁施工过程中的振动数据序列,将振动数据序列分解为若干个IMF分量序列,分别将振动数据序列以及所有IMF分量序列等分为若干个序列段,根据振动数据序列与每个IMF分量序列中序列段中的振动数据之间的差异,得到每个IMF分量序列的规律因子,根据振动数据序列中序列段之间的差异,得到振动数据序列中每个序列段的振动相似因子,根据振动数据序列中每个序列段的振动相似因子、每个IMF分量序列的规律因子以及IMF分量序列中序列段中的振动数据,得到振动数据序列中每个序列段的振动规律异常因子,根据振动数据序列中每个序列段的振动规律异常因子,使用局部离群因子算法对振动数据序列进行异常检测,得到公路桥梁施工的异常振动检测结果。本发明通过自适应局部离群因子算法中的邻域大小,提高了公路桥梁施工振动异常检测的准确性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种公路桥梁施工振动测试方法,其特征在于,该方法包括以下步骤:
获取公路桥梁施工过程中的振动数据序列;
将振动数据序列分解为若干个IMF分量序列;分别将振动数据序列以及所有IMF分量序列等分为若干个序列段;根据振动数据序列与每个IMF分量序列中序列段中的振动数据之间的差异,得到每个IMF分量序列的规律因子;
根据振动数据序列中序列段之间的差异,得到振动数据序列中每个序列段的振动相似因子;
根据振动数据序列中每个序列段的振动相似因子、每个IMF分量序列的规律因子以及IMF分量序列中序列段中的振动数据,得到振动数据序列中每个序列段的振动规律异常因子;
根据振动数据序列中每个序列段的振动规律异常因子,使用局部离群因子算法对振动数据序列进行异常检测,得到公路桥梁施工的异常振动检测结果;
所述分别将振动数据序列以及所有IMF分量序列等分为若干个序列段,包括的具体步骤如下:
对每个IMF分量序列进行希尔伯特变换,得到每个IMF分量序列的周期大小;
计算所有IMF分量序列的周期大小的最小公倍数L,分别将振动数据序列以及所有IMF分量序列等分为若干个长度为L的序列段;
所述根据振动数据序列与每个IMF分量序列中序列段中的振动数据之间的差异,得到每个IMF分量序列的规律因子,包括的具体步骤如下:
计算第个IMF分量序列中第/>个序列段中所有振动数据的标准差,再计算第/>个IMF分量序列中所有序列段中所有振动数据的标准差的均值,将所述第/>个IMF分量序列中第/>个序列段中所有振动数据的标准差减去所述标准差的均值的差值,记为第/>个IMF分量序列中第/>个序列段的第一差值;
计算振动数据序列中第个序列段中所有振动数据的标准差的归一化值,将1减去所述标准差的归一化值的差值,记为第/>个IMF分量序列中第/>个序列段的第二差值;
使用一阶导数法对振动数据序列进行求导,得到振动数据序列中的极值点;
计算振动数据序列中第个序列段中的极值点数量的归一化值,将1减去所述极值点数量的归一化值,记为第/>个IMF分量序列中第/>个序列段的第三差值;
根据第个IMF分量序列中第/>个序列段的第一差值、第二差值以及第三差值,得到第/>个IMF分量序列的规律因子;
所述根据振动数据序列中序列段之间的差异,得到振动数据序列中每个序列段的振动相似因子,包括的具体步骤如下:
将振动数据序列中不是第个序列段的序列段,记为参考段;
在振动数据序列中,使用DTW算法对第个序列段和第/>个参考段中的振动数据进行匹配,得到若干组匹配数据以及每组匹配数据的匹配距离;
在任意一组匹配数据中,将任意一个振动数据,记为目标数据;
在目标数据所处的序列段内,将目标数据与目标数据最近的极值点的差值的绝对值,记为目标数据的调整差异;当目标数据为极值点时,将目标数据的调整系数设置为预设的常数;当目标数据不是极值点时,计算目标数据与目标数据最近的极值点之间的距离,将所述目标数据与目标数据最近的极值点之间的距离的反比例的归一化值,记为目标数据的调整系数;
将目标数据的调整差异与目标数据的调整系数的乘积,记为目标数据的权重;
将每组匹配数据中所有振动数据的权重的和值的归一化值,记为每组匹配数据的权重;
根据振动数据序列中所有序列段对应的每组匹配数据的权重以及匹配距离,得到振动数据序列中每个序列段的振动相似因子;
所述根据振动数据序列中每个序列段的振动相似因子、每个IMF分量序列的规律因子以及IMF分量序列中序列段中的振动数据,得到振动数据序列中每个序列段的振动规律异常因子,包括的具体步骤如下:
计算第个IMF分量序列中第/>个序列段中所有振动数据的标准差/>,再计算所有IMF分量序列中第/>个序列段中所有振动数据的标准差的和值/>,将/>与/>的比值,记为第个序列段的第/>个IMF分量序列的幅值占比;
根据每个序列段的每个IMF分量序列的幅值占比、振动数据序列中每个序列段的振动相似因子以及每个IMF分量序列的规律因子,得到振动数据序列中每个序列段的振动规律异常因子;
所述根据振动数据序列中每个序列段的振动规律异常因子,使用局部离群因子算法对振动数据序列进行异常检测,得到公路桥梁施工的异常振动检测结果,包括的具体步骤如下:
根据振动数据序列中每个序列段的振动规律异常因子、预设的第一邻域大小以及预设的第二邻域大小,得到振动数据序列中每个序列段中每个振动数据的邻域大小;
根据振动数据序列中每个振动数据的邻域大小,使用局部离群因子算法对振动数据序列进行运算,得到振动数据序列中每个振动数据的局部离群因子值;
使用最大最小规范法对振动数据序列中所有振动数据的局部离群因子值进行归一化,得到每个振动数据的局部离群因子值的归一化值;
在振动数据序列中,将局部离群因子值的归一化值大于预设的判断阈值的振动数据,记为异常数据;当振动数据序列中存在异常数据时,判定公路桥梁施工出现了异常振动。
2.根据权利要求1所述一种公路桥梁施工振动测试方法,其特征在于,所述根据第个IMF分量序列中第/>个序列段的第一差值、第二差值以及第三差值,得到第/>个IMF分量序列的规律因子,包括的具体步骤如下:
计算第个IMF分量序列中第/>个序列段的第一差值、第二差值以及第三差值的乘积,将所述乘积的平方,记为第/>个IMF分量序列中第/>个序列段的第四差值;
将第个IMF分量序列中所有序列段的第四差值的平均值,记为第/>个IMF分量序列的规律因子。
3.根据权利要求1所述一种公路桥梁施工振动测试方法,其特征在于,所述根据振动数据序列中所有序列段对应的每组匹配数据的权重以及匹配距离,得到振动数据序列中每个序列段的振动相似因子,包括的具体步骤如下:
计算振动数据序列中第个序列段与第/>个参考段对应的第/>组匹配数据的匹配距离与权重的乘积,将振动数据序列中第/>个序列段与第/>个参考段对应的所有组匹配数据的匹配距离与权重的乘积之和,记为振动数据序列中第/>个序列段与第/>个参考段的不相似性;
计算振动数据序列中第个序列段与第/>个参考段的不相似性的倒数,将振动数据序列中第/>个序列段与所有参考段的不相似性的倒数的均值,记为振动数据序列中第/>个序列段的振动相似因子。
4.根据权利要求1所述一种公路桥梁施工振动测试方法,其特征在于,所述根据每个序列段的每个IMF分量序列的幅值占比、振动数据序列中每个序列段的振动相似因子以及每个IMF分量序列的规律因子,得到振动数据序列中每个序列段的振动规律异常因子,包括的具体步骤如下:
在所有IMF分量序列中,将每个IMF分量序列中不是第个序列段的序列段,记为参考段;
将第个序列段的第/>个IMF分量序列的幅值占比与第/>个参考段的第/>个IMF分量序列的幅值占比的差值的绝对值,记为第/>个序列段与第/>个参考段的第/>个IMF分量序列的第一幅值差;
计算第个IMF分量序列的规律因子的归一化值,将1减去所述第/>个IMF分量序列的规律因子的归一化值的差值,记为第/>个IMF分量序列的调整值;
将第个IMF分量序列的调整值与所述第/>个序列段与第/>个参考段的第/>个IMF分量序列的第一幅值差的乘积,记为第/>个序列段与第/>个参考段的第/>个IMF分量序列的第二幅值差;
将第个序列段与第/>个参考段的所有IMF分量序列的第二幅值差的和值,记为第/>个序列段与第/>个参考段的第三幅值差;
将第个序列段与所有参考段的第三幅值差的均值,记为第/>个序列段的第四幅值差;
将第个序列段的第四幅值差与振动数据序列中第/>个序列段的振动相似因子的比值,记为振动数据序列中第/>个序列段的振动规律异常因子。
5.根据权利要求1所述一种公路桥梁施工振动测试方法,其特征在于,所述根据振动数据序列中每个序列段的振动规律异常因子、预设的第一邻域大小以及预设的第二邻域大小,得到振动数据序列中每个序列段中每个振动数据的邻域大小,包括的具体步骤如下:
将预设的第二邻域大小减去预设的第一邻域大小的差值,记为第一范围值;
计算振动数据序列中第个序列段的振动规律异常因子的归一化值与第一范围值的乘积,将所述乘积的向上取整值,记为振动数据序列中第/>个序列段的第二范围值;
将预设的第二邻域大小减去振动数据序列中第个序列段的第二范围值的差值,记为振动数据序列中第/>个序列段的邻域大小;
将振动数据序列中第个序列段中每个振动数据的邻域大小设置为振动数据序列中第个序列段的邻域大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410288097.4A CN117889945B (zh) | 2024-03-14 | 2024-03-14 | 一种公路桥梁施工振动测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410288097.4A CN117889945B (zh) | 2024-03-14 | 2024-03-14 | 一种公路桥梁施工振动测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117889945A CN117889945A (zh) | 2024-04-16 |
CN117889945B true CN117889945B (zh) | 2024-05-31 |
Family
ID=90647570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410288097.4A Active CN117889945B (zh) | 2024-03-14 | 2024-03-14 | 一种公路桥梁施工振动测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117889945B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113339208A (zh) * | 2021-07-21 | 2021-09-03 | 申能新能源(青海)有限公司 | 风电机组振动异常片段的选取方法 |
CN113419222A (zh) * | 2021-05-10 | 2021-09-21 | 北方工业大学 | 基于雷达信号提取桥梁振动频率的方法及*** |
CN115238753A (zh) * | 2022-09-21 | 2022-10-25 | 西南交通大学 | 一种基于局部离群因子的自适应shm数据清洗方法 |
CN115235613A (zh) * | 2022-09-21 | 2022-10-25 | 江苏泰恩特环境技术有限公司 | 一种风机盘管的质量检测方法 |
CN116202617A (zh) * | 2023-03-15 | 2023-06-02 | 南方电网科学研究院有限责任公司 | 变压器的故障确定方法及装置、变压器 |
CN116609440A (zh) * | 2023-05-22 | 2023-08-18 | 浙江嘉宇工程管理有限公司 | 基于云边协同的建筑工程质量智能验收管理方法及*** |
CN117272210A (zh) * | 2023-11-20 | 2023-12-22 | 湖南省瑞大工程建设有限公司 | 一种建筑施工异常隐患数据检测方法及*** |
CN117633696A (zh) * | 2024-01-26 | 2024-03-01 | 深圳市智德森水务科技有限公司 | 一种基于bim模型的水利工程施工监测方法及*** |
CN117665862A (zh) * | 2023-12-05 | 2024-03-08 | 天津理工大学 | 一种CEEMDAN-sPCA算法修正GNSS-RTK多路径误差 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7346461B2 (en) * | 2005-09-30 | 2008-03-18 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | System and method of analyzing vibrations and identifying failure signatures in the vibrations |
CN109682561B (zh) * | 2019-02-19 | 2020-06-16 | 大连理工大学 | 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法 |
CN114036974A (zh) * | 2021-10-15 | 2022-02-11 | 东南大学 | 一种基于健康监测数据的桥梁冲刷动力识别方法 |
-
2024
- 2024-03-14 CN CN202410288097.4A patent/CN117889945B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419222A (zh) * | 2021-05-10 | 2021-09-21 | 北方工业大学 | 基于雷达信号提取桥梁振动频率的方法及*** |
CN113339208A (zh) * | 2021-07-21 | 2021-09-03 | 申能新能源(青海)有限公司 | 风电机组振动异常片段的选取方法 |
CN115238753A (zh) * | 2022-09-21 | 2022-10-25 | 西南交通大学 | 一种基于局部离群因子的自适应shm数据清洗方法 |
CN115235613A (zh) * | 2022-09-21 | 2022-10-25 | 江苏泰恩特环境技术有限公司 | 一种风机盘管的质量检测方法 |
US11809517B1 (en) * | 2022-09-21 | 2023-11-07 | Southwest Jiaotong University | Adaptive method of cleaning structural health monitoring data based on local outlier factor |
CN116202617A (zh) * | 2023-03-15 | 2023-06-02 | 南方电网科学研究院有限责任公司 | 变压器的故障确定方法及装置、变压器 |
CN116609440A (zh) * | 2023-05-22 | 2023-08-18 | 浙江嘉宇工程管理有限公司 | 基于云边协同的建筑工程质量智能验收管理方法及*** |
CN117272210A (zh) * | 2023-11-20 | 2023-12-22 | 湖南省瑞大工程建设有限公司 | 一种建筑施工异常隐患数据检测方法及*** |
CN117665862A (zh) * | 2023-12-05 | 2024-03-08 | 天津理工大学 | 一种CEEMDAN-sPCA算法修正GNSS-RTK多路径误差 |
CN117633696A (zh) * | 2024-01-26 | 2024-03-01 | 深圳市智德森水务科技有限公司 | 一种基于bim模型的水利工程施工监测方法及*** |
Non-Patent Citations (4)
Title |
---|
Xu ZK, et al.Automatic Hyperparameter Tuning Method for Local Outlier Factor, with Applications to Anomaly Detection.《2019 IEEE INTERNATIONAL CONFERENCE ON BIG DATA (BIG DATA)》.2019,第4201-4207页. * |
刘少清.基于神经网络的旋转机械故障诊断及模型迁移方法研究.《中国博士学位论文全文数据库》.2023,(第1期),正文第1-110页. * |
徐旭 ; 黄声享 ; 徐北海 ; .基于EMD方法的桥梁施工期结构振动规律研究.测绘通报.2015,(S1),第124-128页. * |
杨德贺 ; 袁静 ; 王秀英 ; 申旭辉 ; 滕海涛 ; 李文静 ; 谭巧 ; 卫清 ; .形变观测数据的多异常形态统一识别.地球物理学报.2017,(12),第4623-4632页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117889945A (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2857917A1 (en) | State diagnosing method and state diagnosing apparatus | |
CN109255395B (zh) | 一种滚珠丝杠副的寿命预测方法 | |
CN114167838B (zh) | 一种伺服***多尺度健康评估与故障预测方法 | |
CN116842348B (zh) | 基于人工智能的桥梁健康监测*** | |
CN116380445B (zh) | 基于振动波形的设备状态诊断方法及相关装置 | |
CN116242443B (zh) | 一种超声波计量仪表的动态计量方法 | |
CN109255201B (zh) | 一种基于som-mqe的滚珠丝杠副健康评估方法 | |
CN111504647A (zh) | 基于ar-mset的滚动轴承的性能退化评估方法 | |
CN116609440B (zh) | 基于云边协同的建筑工程质量智能验收管理方法及*** | |
Liguori et al. | Towards the evaluation of the measurement uncertainty of environmental acoustic noise | |
CN116357396A (zh) | 一种瓦斯曲线关联波动异常识别方法、装置及相关组件 | |
CN117889945B (zh) | 一种公路桥梁施工振动测试方法 | |
CN117538710A (zh) | 用于局部动态放电监测的智能预警方法及*** | |
CN110956112B (zh) | 一种新的高可靠性回转支承寿命评估方法 | |
CN113237619A (zh) | 变转速旋转机械振动的故障预警方法、装置、设备以及存储介质 | |
CN109840386B (zh) | 基于因子分析的损伤识别方法 | |
JP2002323371A (ja) | 音響診断装置及び音響診断方法 | |
CN114371677B (zh) | 基于谱半径-区间主成分分析的工业过程状态监测方法 | |
CN114090949A (zh) | 一种鲁棒的振动信号特征值计算方法 | |
Zhang et al. | Detection capability for incipient faults in a noisy environment using PDF and CDF based techniques: a comparative study | |
CN117273547B (zh) | 基于边缘计算的生产设备运行数据处理方法 | |
CN117466153B (zh) | 故障检测方法、装置、计算机设备和可读存储介质 | |
CN118035772B (zh) | 基于机器学习的土木工程检测数据的智能分析方法 | |
CN108287194A (zh) | 基于局部特征尺度分解和波形指数的结构损伤预警方法 | |
CN114324974B (zh) | 一种单星辐射源无源监测目标运动属性判别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |