基于桥梁实测应变大数据的超重车信号识别方法研究

以珠江黄埔大桥北汊斜拉桥为研究对象,初步尝试利用实测应变大数据对超重车荷载这类异常信号进行识别。通过在桥梁有限元实体模型上施加临界荷载,得到判别超重车信号的应变阈值;将小波变换得到的实测应变数据的高频分量与应变阈值进行对比,从而提出基于应变阈值的超重车信号识别方法。将该方法与文献中基于小波临界系数的纯信号处理识别方法进行对比,证明了该方法的合理有效性。结合两种方法对多个监测点实测数据进行识别,不仅可以初步确定超重车信号发生的高频时间段;而且可以提高超重车信号识别的概率。该结果可以为桥梁管理部门提供更有价值的指导。     

基于应变信号时频分析与 CNN网络的车辆荷载识别方法

针对现有神经网络车辆荷载识别方法的识别精度不足且训练样本采集困难的问题,提出了一种基于应变信号时频分析与CNN网络的车辆荷载识别方法,对移动车辆总重进行荷载识别.首先,利用连续小波时频变换方法处理桥梁跨中应变信号,得到应变信号的时频特征,并利用双线性插值算法将时频信号矩阵变为大小为64×64的数值矩阵,作为CNN网络的输入数据;其次,利用CNN网络的回归学习算法,在训练少量数值矩阵后直接建立应变响应与车辆荷载的映射关系,从而实现对未知车辆荷载的识别;最后,通过模拟试验发现虽然在不同路面粗糙度和噪声影响下,CNN网络的荷载识别结果会受到不同程度的影响,但在一定范围内的路面粗糙度和噪声影响下仍然能较精确地识别车辆荷载.     

基于EEMD-小波阈值去噪的桥梁结构模态参数识别

为研究环境激励下大跨径桥梁结构振动响应特性,采用拾振器监测结构动态变形.针对监测信号中的噪声影响,提出EEMD-小波阈值联合滤波方法来提升信号精度.首先,利用EEMD算法对信号进行分解,基于平均周期图法和相关系数法双重判定准则剔除虚假分量,然后,结合小波阈值去噪方法对重构信号进行二次降噪,再利用RDT-ITD法识别结构模态参数.将滤波降噪和模态识别方法应用于天津永和桥实测振动响应分析中,并结合有限元分析结果进行对比.结果表明:EEMD-小波阈值联合滤波方法优于应用单一方法,能进一步提升信号精度;信号降噪后,利用RDT-ITD方法成功提取了结构前3阶竖向自振频率和相应阻尼比;识别的结构自振频率值与有限元分析结果基本一致,基频值相差3.07%.     

不同超重规定下重车荷载特性及效应计算

为获取超重车荷载构成特性以及重车并行过桥产生的荷载效应,收集了美国加州历时3a实测WIM数据,根据美国联邦政府和加州交通厅超重规定,将超重车分为3类,对比分析了3类超重车辆分布及荷载构成特点.根据随机过程理论建立了多车道车辆并行荷载效应计算模型,分别计算了第Ⅱ类超重车和加州超重车最大荷载效应,结果表明两类超重车起控制作用的荷载相同;与中美规范对比显示,由超重车引起的最不利弯矩和剪力分别为美国规范值和我国规范值的1.5倍,因此在桥梁设计和评估工作中,应充分考虑重车过桥对桥梁结构的影响.     

基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

高频GPS桥梁动态监测及数据特征信息识别

在GPS单历元定位方法的基础上,利用GAMIT/GLOBK10.4中的双差动态定位模块Track模块,对振动桥体的实测数据进行了解算,得出了桥梁的振动时间序列;采用小波分析方法对桥梁振动时间序列进行频谱分析及小波消噪处理,得到了桥梁在荷载作用下的主振频率范围及两个主要周期项,最后利用对每层高频系数进行软阈值处理方法得到去噪后的时间序列.     

基于改进Inception网络及LightGBM的弓网电弧识别方法

针对弓网电弧识别方法对数据识别的单一性问题,提出一种基于改进多尺度卷积网络（GInception）结合LightGBM的弓网电弧识别方法。运用完整集合经验模态分解（CEEMDAN)和小波软阈值相结合的方法对原始信号进行降噪重构,将重构信号进行广播机制（Broadcasting）处理,变成多维信号后输入到GInception网络中进行特征提取,再将GInception网络提取的特征导入到轻量级梯度提升机中进行识别。研究结果表明：该识别方法在5组工况下弓网电弧识别的准确率达到96.3%。研究结论可为电车弓网电弧识别提供参考。     

基于经验模态分解的核磁共振去噪方法研究

核磁共振（NMR）在孔隙结构评估和流体识别方面具有独特的优势，但NMR信号很容易受到噪声影响。根据NMR噪声的时域和频域特征，提出了基于一种经验模态分解（EMD）的NMR去噪方法。首先，利用EMD将信号由高频到低频分解为一系列的本征模态函数，以此分解噪声和噪声NMR信号，然后，使用曲线趋势法和改进的过零点率曲线确定信号噪声分离准则，将有用信号叠加到剩余项以获得去噪信号。通过岩芯数据和测井数据对比发现，基于EMD的去噪方法可以提高信噪比的同时保留孔隙结构信息，其去噪效果优于小波阈值和EMD小波阈值法，计算得到的孔隙度接近实际孔隙度。     

分段小波滤波原理及应用

针对实测侵彻加速度信号受到高频干扰的问题,提出了一种基于小波滤波的分段滤波技术,并称之为分段小波滤波. 选择理想的小波基和滤波时段的长度是分段小波滤波的关键. 将分段小波滤波应用到侵彻加速度信号处理中进行仿真验证,仿真结果表明该方法可以有效地去除高频噪声,并且可以很好地满足滤波的实时性要求. 最后计算了滤波结果对应的侵彻深度,并将其与实测侵彻深度进行对比,证明了处理方法的可靠性.     

基于BP神经网络的改进型新奇检测技术诊断大跨度拱桥异常状态

为了诊断大跨度拱桥的异常状态,使用了基于BP神经网络的改进型新奇检测技术的方法,该方法通过BP神经网络对大量实测数据进行训练,得到桥梁状态正常时的新奇指标,并确定阈值,通过阈值判定是否发生异常. 经实际分析以及实测数据的验证,该方法可以较准确地识别大型桥梁异常情况,并可以定位异常区域,避免了模型误差的影响,大大提高了方法的实用价值,同时降低了漏警、虚报警,使识别结果更为准确,更符合实际要求.      

大跨斜拉桥运营模态分析方法对比

以某大跨度斜拉桥一年的实测数据为依托,对桥梁结构运营模态分析的常用频域和时域方法进行对比分析.用探索性数据分析对桥梁实测数据进行评判,从实测数据中筛选符合识别方法基本假定的数据;分别运用频域和时域运营模态参数识别方法识别了主梁和斜拉索12个月的运营模态参数,并对识别结果进行了对比分析;对比分析表明:不同构件可采用不同的识别方法,基于自适应总体平均经验模态分解的数据驱动随机子空间法,对运营状态下斜拉桥主梁的密集模态参数识别效果最好;峰值拾取法能准确、快捷地识别运营状态下斜拉索的模态参数.研究结果可为大跨度斜拉桥运营模态参数识别提供依据和参考.     

基于动态规划提取信号小波脊和瞬时频率

提出一种基于动态规划提取信号小波脊和瞬时频率的方法,其基本思路是：对信号进行连续复Morlet小波变换,由变换得到的小波系数的局部模极大值初步提取其小波脊;为降低噪音影响,在初步提取的各小波脊附近选取部分小波系数,通过施加罚函数平滑噪音干扰引起的小波脊变化的不连续性,将小波脊的提取问题转变为最优化问题,采用动态规划方法计算得到新的小波脊;根据小波尺度与频率的关系由提取的小波脊识别出信号的瞬时频率。将提出的方法运用于含噪调频信号进行数值模拟分析和实测索冲击响应信号分析。研究结果表明,基于连续小波变化的模极大值可以有效提取信号小波脊和瞬时频率;采用施加罚函数的方法可有效降低噪音的影响;基于动态规划的方法可有效提高计算效率。     

基于应变模态小波神经网络的结构损伤识别方法

以框架结构为研究对象,利用小波分析和神经网络理论,结合二者的优点,运用小波分析来确定框架结构的损伤位置,运用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法.通过建立基于振型模态和应变模态的损伤识别方法,分别对9种不同工况下框架的裂缝位置进行识别,并对比了这2种模态下损伤位置的识别效果.然后,分别对框架的振型模态和应变模态进行连续小波变换,获得2种模态参数下的小波系数模极大值.利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这2种模态下损伤程度的识别效果.数值分析结果表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,基于应变模态的损伤识别方法具有更好的准确性.     

采用复连续小波变换的桩基损伤位置识别方法

提出基于复连续小波变换(CCWT)的桩基损伤位置识别方法.首先,对响应信号进行复连续小波变换,得到小波系数矩阵;然后,分析不同频段的相位角,确定桩身损伤位置;最后,通过桩基三维有限元模型数值算例和桥梁桩基实例,对基于复连续小波变换的桩基损伤位置识别方法进行验证.结果表明:复连续小波变换不但能够准确估计桩长,而且能够捕捉相位图上的交叉点,实现桩身损伤位置识别;与传统损伤检测方法相比,复连续小波变换可凸显响应信号的相位信息,成功识别桩身微小损伤的位置;但该方法在识别过程中出现较多的干扰点,需要借助其他桩身损伤检测方法进行判定和排除.     

一种改进的小波变换信号消噪方法

根据小波阈值消噪方法的步骤及特点提出一种新的消噪方法——小波系数放大法,并对该方法进行仿真对比实验。该方法在运用小波变换对含噪信号进行消噪前,先对信号进行小波级数分解,对其中的低频系数和高频系数进行适当的放大,然后对信号采取阈值消噪法进行消噪,最后运用小波变换对所得到的小波系数进行适当的宿小,并将其重构。仿真实验结果表明,小波系数放大法消噪后信号的均方根误差有很大的降低,信噪比提高。该方法优于一般的消噪方法。     

基于小波变换的眉毛识别方法

提出了一种基于小波变换的眉毛识别方法.该方法利用小波变换进行眉毛特征提取,选取奇偶行三层小波变换的高频、水平分量、垂直分量和整体二层小波变换的低频部分作为特征,利用最近邻法则进行识别.实验结果对比表明,该方法简单且识别率较高.     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.     

静态效应的小波阈值法和EMAP校正在EH-4数据处理中的应用

电磁阵列剖面法(EMAP)和小波分析在压制静态效应中都得到了不同程度的应用,取得了很好的效果.对于EMAP方法,由于它在加窗的过程中,其窗宽是受到了静态效应影响的Bostick反演深度,在某种程度上影响了它的处理效果.小波分析通过小波变换模极大值与Lipschitz指数相结合对信号奇异性进行判断,能够准确确定畸变信号的位置,再通过低通滤波处理达到有效的消除静态效应,将高频部分完全滤除,它也存在校正不足和过校正现象.笔者在此基础上讨论阈值的选取对小波分析压制静态效应的影响,从小波分析方法的阈值处理着手,选用不同的阈值方法,通过仿真和实测数据处理比较了它们在静态效应中的应用,并对安徽某矿区的实测数据进行了处理,结果表明小波阈值法和EMAP都能很好的压制静态效应.与EMAP比较,小波分析在静态效应的识别上有相对的优势.     

基于索力模型修正的斜拉桥主梁损伤识别与验证

为了快速检测斜拉桥主梁损伤,提出了一种基于索力模型修正的识别方法.首先建立了桥梁有限元模型并进行模型验证,形成优选原则以确定重点关注节段,将其单元刚度变化作为损伤识别参数修正变量,并将运营阶段实测索力作为跟踪目标.通过不断更新主梁不同节段局部刚度折减系数的取值进行模型修正,直至模型中的索力数值与实测索力值一致,此时的局部刚度折减系数取值与区域代表了主梁的刚度退化程度与所在位置.以蚌埠淮河大桥为例,利用荷载试验原始数据得到该桥成桥初态,以主梁节段接缝处局部刚度作为识别对象,以运营阶段实测索力作为跟踪目标,利用所提方法对主梁刚度退化的程度与位置进行识别,并基于桥检实测数据与结论验证该识别结果的准确性.分析结果表明,该方法具有科学合理与便捷经济的特点,适用于斜拉桥主梁运营状态的快速诊断与异变检测,可融入常规桥梁检测项目中.     

CEEMD联合小波阈值去噪法及其在GPS多路径效应中的应用

为了解决GPS数据采集过程中的噪音以及多路径效应影响,提出一种CEEMD联合小波阈值去噪法。该方法主要先采用CEEMD算法对GPS测量数据或信号进行分解,再利用模态相关系数准则法确定数据分解后噪音区与信号区的分界点,最后选取判定后的有效信号分量并依次将其通过小波软阈值法进一步去噪,从而得到去噪后的GPS测量数据或信号。通过正弦模拟信号和GPS实测信号实验结果可以看出,联合去噪法与其他相关方法比较,具有较好的去除噪声以及削弱GPS多路径效应影响效果。