[发明专利]一种桥梁监测数据模态识别方法及装置

说明书

本发明实施例提供一种桥梁监测数据模态识别方法及装置，该方法包括：对原始汉克尔矩阵进行化简处理，得到简化后的汉克尔矩阵；根据所述简化后的汉克尔矩阵创建自相关矩阵；根据所述自相关矩阵确定模态阶数；根据所述简化后的汉克尔矩阵计算投影矩阵，对所述投影矩阵进行加权，得到加权投影矩阵；对所述加权投影矩阵进行奇异值分解和所述模态阶数得到可观测矩阵；根据所述可观测矩阵识别模态参数。通过简化后的汉克尔矩阵创建自相关矩阵，利用自相关矩阵特征值之间的相对差异来精确选取模型阶数，消除了估计结果中不重要模态，避免了噪声和计算误差引起的伪模干扰。

技术领域

本发明涉及桥梁工程技术领域，尤其涉及一种桥梁监测数据模态识别方法及装置。

背景技术

桥梁上的桥面随着时间的推移会出现不同程度的损坏，裂纹类的损害用眼就可以直接观察到，但是如果桥面内部出现了损害，则很难观察到，如果不进行及时处理，很容易发生危险，因此桥梁检测十分重要。

而桥梁检测的最重要内容就是通过监测数据来识别桥梁损失或劣化程度，对桥梁监测数据进行模态参数识别是确定桥梁损伤部位和损伤程度、准确评估剩余寿命的关键环节之一，而现有技术中数据驱动随机子空间识别算法是随机子空间识别的两种实现之一。该算法利用二维因子分解、奇异值分解和最小二乘等鲁棒数值技术对状态空间矩阵进行识别。该算法被称为最稳健和最精确的输出系统识别方法之一，已成功地应用于运行条件下多种类型的土木工程结构。

而高维矩阵的分解需要大量的内存和计算时间，这使得它不适用于需要处理大量数据或需要高计算效率的情况。其次，在利用子空间辨识技术提取模态参数时，必须选择辨识模型的系统阶次，为了避免低估系统阶次，通常会高估系统阶次，由于采用了冗余模型，估计结果中不可避免地会出现由噪声和计算误差引起的伪模干扰。

因此如何更有效的实现桥梁监测数据模态识别已经成了业界亟待解决的问题。

发明内容

本发明实施例提供一种桥梁监测数据模态识别方法及装置，用以解决上述背景技术中提出的技术问题，或至少部分解决上述背景技术中提出的技术问题。

第一方面，一种桥梁监测数据模态识别方法，包括：

对原始汉克尔矩阵进行化简处理，得到简化后的汉克尔矩阵；

根据所述简化后的汉克尔矩阵创建自相关矩阵；根据所述自相关矩阵确定模态阶数；

根据所述简化后的汉克尔矩阵计算得到投影矩阵，对所述投影矩阵进行加权，得到加权投影矩阵；对所述加权投影矩阵进行奇异值分解并根据所述模态阶数确定可观测矩阵；

根据所述可观测矩阵识别模态参数。

更具体的，所述对原始汉克尔矩阵进行化简处理，得到简化后的汉克尔矩阵的步骤，具体包括：

获取输出的时序数据，根据输出的时序数据构建原始汉克尔矩阵；

对原始汉克尔矩阵进行分析处理，识别所述原始汉克尔矩阵中的低范数列向量信息；

消除所述原始汉克尔矩阵中的低范数列向量信息，得到简化后的汉克尔矩阵。

更具体的，所述根据所述简化后的汉克尔矩阵创建自相关矩阵；根据所述自相关矩阵确定模态阶数的步骤具体包括：

根据所述简化后的汉克尔矩阵创建自相关矩阵，确定所述自相关矩阵的特征值；

根据所述自相关矩阵的特征值确定特征值相对差信息；

根据所述特征值相对差信息确定模态阶数估计信息；

对所述模态阶数估计信息进行识别，确定模态阶数。

更具体的，所述对所述模态阶数估计信息进行识别，确定模态阶数，具体为：