[发明专利]一种基于经验模态分解的桥梁影响线识别方法在审
申请号: | 202310294802.7 | 申请日: | 2023-03-22 |
公开(公告)号: | CN116341068A | 公开(公告)日: | 2023-06-27 |
发明(设计)人: | 周宇;孙文卓;贺文宇;李舒;陈建国;陈东;李宁波;林键;卢恋;尚稳齐 | 申请(专利权)人: | 安徽建筑大学;合肥工业大学;清华大学合肥公共安全研究院 |
主分类号: | G06F30/13 | 分类号: | G06F30/13;G06F30/20;G06F17/10 |
代理公司: | 合肥昊晟德专利代理事务所(普通合伙) 34153 | 代理人: | 何梓秋 |
地址: | 230000 安徽省*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 经验 分解 桥梁 影响 识别 方法 | ||
1.一种基于经验模态分解的桥梁影响线识别方法,其特征在于,包括以下步骤:
S1:数据预处理
基于EMD方法剔除桥梁实测时程响应中结构动力成分,得到含有车辆多轴效应的桥梁准静态时程响应;
S2:建立影响线识别数学模型
基于采样频率、车辆轴距构建车辆信息矩阵,并基于车辆信息矩阵建立影响线识别数学模型;
S3:影响线求解
引入误差项并采用Tikhonov正则化方法对影响线识别数学模型进行优化,利用优化后的影响线识别数学模型求解桥梁结构准静态影响线。
2.根据权利要求1所述的一种基于经验模态分解的桥梁影响线识别方法,其特征在于:在所述步骤S1中,具体处理过程如下:
S11:输入桥梁原始时程响应y(t),寻找局部极大值点和极小值点;
S12:通过三次样条插值计算局部极大值函数与极小值函数,并绘制极大、极小值函数包络线emax(t)、emin(t);
S13:通过下式计算局部均值:m(t)=(emax(t)+emin(t))/2;
S14:用桥梁原始时程响应y(t)减去局部均值得到第一个震荡函数,即h1(t)=y(t)-m(t);
S15:当h1(t)满足IMF预设条件时,h1(t)成为第一个IMF(t),否则,用h1(t)代替步骤S11中的y(t)并重复步骤S11-S14;
S16:当筛选出第一个IMF1(t),对应的余量为r1(t)=y(t)-IMF1(t),令r1(t)作为新的原始时程响应重复步骤S11-S15并找出IMF2(t),依次类推,r2(t)=r1(t)-IMF2(t),…,rn(t)=rn-1(t)-IMFn(t);通过快速傅里叶变换获取各IMF主频率,当IMFi主频率小于桥梁结构基频时筛选终止,将小于桥梁结构基频的IMF与余量进行重构;
S17:经过步骤S11-S16的分解,桥梁原始时程响应表示如下:
其中,IMF1(t)为本征模态函数,rn(t)为余量;重构后的余量rn(t)即为桥梁的准静态时程响应。
3.根据权利要求2所述的一种基于经验模态分解的桥梁影响线识别方法,其特征在于:在所述步骤S1中,桥梁准静态时程响应的表达式如下:
其中,Rs(t)为移动车辆荷载作用所引起的桥梁响应,即桥梁准静态时程响应,N为车辆轴数,Ai为车辆轴重,为第i个轴对应的影响线系数;
其中,Di为第i轴与第一轴的距离,f为采样频率,v为车辆行驶速度。
4.根据权利要求3所述的一种基于经验模态分解的桥梁影响线识别方法,其特征在于:在所述步骤S2中,对于N轴车辆,车辆信息矩阵采用车辆前轴上桥、后轴下桥的车辆行驶模型来构建,车辆信息矩阵L如下:
其中,AN为车辆轴重。
5.根据权利要求4所述的一种基于经验模态分解的桥梁影响线识别方法,其特征在于:在所述步骤S2中,将连续影响线离散成结构节点上的离散影响线系数,得到影响线识别数学模型如下:
Rs=LΦ
其中,Rs为桥梁准静态时程响应向量,Φ为桥梁影响线系数。
6.根据权利要求5所述的一种基于经验模态分解的桥梁影响线识别方法,其特征在于:在所述步骤S3中,引入识别误差项η对影响线识别模型进行修正,修正后的影响线识别模型如下:
R=LΦ+η。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽建筑大学;合肥工业大学;清华大学合肥公共安全研究院,未经安徽建筑大学;合肥工业大学;清华大学合肥公共安全研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310294802.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:双层编织支架
- 下一篇:信用数据处理方法及装置