结构风致振动时间序列信号非平稳段自动提取方法

技术领域

本发明属于结构数字化监测、检测与评价领域，具体涉及一种结构风致振动时间序列信号非平稳段自动提取方法。

背景技术

结构及其构件从建造伊始就受到风荷载的持续作用，风荷载的随机作用会在结构或构件的振动信号中产生随机的非平稳段。准确有效地提取结构风致振动时间序列信号中的非平稳段，是分析结构在风荷载作用下的振动性能的前提。随着测试与传输技术的发展，实时并准确地获得结构在真实风环境下振动时间序列信号已不是难事。然而，风致振动时间序列信号中的平稳段和非平稳段没有明确可量化的界限，缺乏专业知识的人员难以准确区分，并通过计算机程序自动地将其提取出来，制约了数据分析的实时性。

目前，土木、机械领域内关于结构风致振动时间序列信号非平稳段自动提取的方法较少，常用的方法有以下几种：(1)通过有专业知识的人员凭借经验对已经画出来振动时间序列信号进行非平稳段的人工判别和手动提取，该方法简单明了，但十分依赖实施人员主观判断，且由于需要人工完成，方法的时效性极差；(2)通过有专业知识的人员设定一个经验阈值，然后采用计算机自动将超过阈值的信号进行提取，但由于振动信号的特殊性，非平稳段是一段均值近似为零的并上下来回振荡的信号，经验阈值无法完整提取非平稳段中小于阈值的部分。综上所述，现有技术均无法实现在尽量少依赖结构动力学经验的情况下由计算机自动提取完整的风致振动非平稳段。

因此，有必要研发一种较少依赖相关从业人员专业知识的自动化结构风致振动时间序列信号非平稳段提取方法，实现结构风致振动非平稳特征的快速感知。

发明内容

针对以上问题，本发明提出一种结构风致振动时间序列信号非平稳段自动提取方法，可以帮助非相关专业从业人员借由计算机完成结构风致振动时间序列信号非平稳段的快速提取。

为实现本发明的目的，本发明所采用的技术方案是：

一种结构风致振动时间序列信号非平稳段自动提取方法，具体包括如下步骤：

步骤1，提取结构的风致振动的时间序列信号，计算风致振动的时间序列信号在每个既定长度段的最大值，采用三次样条插值方法基于各既定长度段的最大值对最大值位置外的其余采样点坐标位置进行插值，并以所得插值曲线结果为振动时间序列信号的上包络线数据；

步骤2，使用高斯混合模型拟合上包络线数据的概率密度分布；

步骤3，将高斯混合模型中均值最小的一阶单高斯分布拟合参数定义为风致振动信号的平稳数据的统计特征参数，在[0,∞]上使得平稳数据的单高斯分布曲线的积分值归一化为1，得到平稳数据的高斯分布概率密度曲线；

步骤4，对平稳数据的高斯分布概率密度曲线进行积分得到其累积分布函数曲线，令风致振动信号中振动幅值小于等于α的概率具有β的保证率，计算给定β逼近于1时的α值；其中α为平稳数据和非平稳数据的临界值；

步骤5，从风致振动的时间序列信号中截取上包络线数据连续大于α的对应数据段，选取截取的数据段中时间长度大于预设长度且风致振动信号最大值大于预设值的数据段作为风致振动非平稳段的有效结果。

进一步地，所述步骤1中从安装于结构的加速度、速度或动位移等振动传感器中提取风致振动的时间序列信号；

进一步地，所述步骤1中设定传感器采样频率整数倍(一般在10倍以上)的既定长度段。

进一步地，所述步骤2中使用高斯混合模型拟合上包络线数据的概率密度分布的计算公式如下：

式中，f(x)为上包络线数据的概率密度分布，x为上包络线数据，μ

进一步地，所述步骤4的方法具体如下：

步骤4.1，对平稳数据的高斯分布概率密度曲线进行积分得到其累积分布函数曲线，令风致振动信号中振动幅值小于等于α的概率具有β的保证率如下：

式中，f

步骤4.2，给定一个工程上逼近于1的保证率β(如使得β等于0.999)，反算满足步骤4.1中β所对应的α值。

有益效果：与现有技术相比，本发明技术方案具有以下有益效果：

(1)方法逻辑严密。本发明针对结构风致振动非平稳响应数据存在高于平稳响应数据的幅值的特性，提出一种基于风致振动时间序列信号包络线高斯混合模型的非平稳段数据位置定位方法，该方法用高斯混合模型中第一阶单高斯模型描述平稳段数据的幅值特征，服从结构动力学原理，能基于包络线数据的统计特征参数有效区分平稳段和非平稳段的幅值特征。发明方法逻辑清晰，符合力学基本原理。

(2)考虑因素全面。本发明考虑结构振动时间序列信号是均值近似为零的特性，提出通过先求时间序列信号包络线，再以包络线数据的统计特征描述振动时间序列信号中平稳段和非平稳段的幅值特征，最后根据包络线数据统计特征提取同位置振动时间序列信号非平稳段的策略，从而有效保留了风致振动非平稳段中的全部数据与特征。发明方法考虑全面，所得结果较传统方法更加符合工程实际。

(3)实施有章可循。本发明实施过程基本都建立在传感器测试数据的处理与计算之上，经验因素少，任何拥有一定力学、数学、计算机基础的技术人员都能依照本专利实现结构风致振动时间序列信号非平稳段的自动提取。发明方法可复制性强，便于应用和推广。

附图说明

图1是本发明所述方法的流程图；

图2为应用示例中的振动加速度时间序列信号及其上包络线示意图；

图3为应用示例中上包络线高斯混合模型及平稳/非平稳数据临界值α确定示意图；

图4为应用示例中的风致振动非平稳段有效提取结果示意图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

如图1所示，本发明所述一种结构风致振动时间序列信号非平稳段自动提取方法，主要包括如下步骤：

步骤1：从安装于结构的加速度、速度或动位移等振动传感器中提取振动的时间序列信号；设定传感器采样频率整数倍(一般在10倍以上)的既定长度值，计算振动时间序列信号在每个既定长度段的最大值；采用三次样条插值方法基于各既定长度段的最大值对最大值位置外的其余采样点坐标位置进行插值计算，并以所得插值曲线为振动时间序列信号的上包络线。

步骤2：使用高斯混合模型拟合上包络线数据的概率密度分布如下：

式中，μ

步骤3：选取高斯混合模型中均值最小的一阶单高斯分布拟合参数μ

步骤4：对平稳数据的高斯分布概率密度曲线进行积分得到其累积分布函数曲线，令振动数据小于等于α的概率具有β的保证率如下：

给定一个工程上逼近于1的保证率β(如使得β等于0.999)，反算上式中满足保证率β的α值。

步骤5：以α为平稳数据和非平稳数据的临界值，从振动时间序列信号中截取上包络线数据连续大于临界值α的对应数据段；选取截取的数据段中时间长度大于预设长度且风致振动信号最大值大于预设值的数据段作为风致振动非平稳段的有效结果。

实施例1：

下面以江苏省内某大跨径斜拉桥某根斜拉索振动加速度监测数据为例，说明本发明的具体实施过程。

(1)从安装于斜拉桥拉索的加速度传感器中提取加速度的时间序列信号，加速度信号的采样频率为50Hz，单位是mm/s

(2)如图3所示，使用三阶高斯混合模型拟合上包络线数据的概率密度分布。

(3)选取高斯混合模型中均值最小的一阶单高斯分布拟合参数，并将其定义为振动信号的平稳数据的统计特征参数；在[0,∞]上使得平稳数据的单高斯分布曲线的积分值归一化为1，并以此为平稳数据的高斯分布概率密度曲线。

(4)对平稳数据的高斯分布概率密度曲线进行积分得到其累积分布函数曲线，令振动数据小于等于α的概率具有β的保证率；假定保证率β等于0.999时加速度数据小于等于α的概率可近似为1，反算上式中满足该保证率的α值等于39.695(如图3所示)。

(5)以α为平稳数据和非平稳数据的临界值，从振动时间序列信号中截取上包络线数据连续大于临界值α的对应时刻数据段；预设有效长度值为27000、有效高度值为120，选取截取的数据段中长度大于预设有效长度且最大值大于预设有效高度值的数据段，并将其作为风致振动非平稳段的有效结果(如图4所示，图中虚线为时间序列信号，实线为时间序列信号的有效非平稳段)。

以上实施例仅是对本发明方案的进一步具体说明，在阅读了本发明实施例之后，本领域普通技术人员对本发明的各种等同形式的修改和替换均属于本发明申请权利要求所限定的保护的范围。