法律状态公告日
法律状态信息
法律状态
2017-09-29
授权
授权
2015-07-22
实质审查的生效 IPC(主分类):G06F19/00 申请日:20150331
实质审查的生效
2015-06-24
公开
公开
技术领域
本发明涉及铁路桥梁工程的无损检测领域,特别是一种应用于强信号干扰下铁路桥 梁模态频率识别中功率谱数据的修正方法。
背景技术
高速列车在铁路桥梁上运行时可能产生比较大的振动,对高速列车运行安全和桥梁 结构安全的影响必须予以重视。因此,针对铁路桥梁开展振动监测,对于保障铁路桥梁 运营安全具有重要的应用价值。铁路桥梁振动监测的重要内容是识别出桥梁模态频率, 通过模态频率的变化反映铁路桥梁的振动状态。桥梁模态频率识别的常用方法是基于功 率谱分析的峰值拾取法,即在桥梁结构上安装加速度传感器,通过加速度传感器采集结 构振动的时域信号,然后对振动时域信号进行功率谱分析得到功率谱曲线,根据功率谱 曲线在结构模态频率处出现峰值的原理可以直接从功率谱图上识别出桥梁模态频率。峰 值拾取法在公路桥梁结构的模态频率识别中得到了广泛应用。
然而,铁路桥梁采用峰值拾取法识别模态频率时,存在强信号干扰的问题。这是由 于铁路桥梁的线路工程中安装了多种仪表和通讯设备,用以传递有关机车车辆运行条 件、行车设备状态以及行车的指示和命令等信息。这些仪表和通讯设备会对铁路桥梁的 振动时域信号中产生显著的强干扰信号,导致功率谱曲线上不仅有桥梁实测模态频率对 应的峰值,同时也有各类干扰信号所引起的“伪”峰值,后者引起的“伪”峰值具有随 机性。因此,强干扰信号会导致功率谱图较为紊乱,无法直接根据功率谱峰值确定铁路 桥梁的模态频率。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种强信号干扰下铁路桥 梁模态频率识别中功率谱的修正方法,用于解决峰值法识别铁路桥梁的模态频率时存在 较多强干扰导致功率谱图较为紊乱,无法直接根据功率谱峰值确定铁路桥梁的模态频率 的技术问题。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种强信号干扰下铁路桥梁模态频率识别中功率谱的修正方法,包括顺序执行的以下步 骤:
步骤一、将加速度传感器安装在铁路桥梁上,用以测量铁路桥梁的时域振动信号;
步骤二、对加速度传感器获取的时域振动信号进行功率谱分析,得到实测功率谱曲 线;
步骤三、建立铁路桥梁有限元分析模型,并进行动力特性分析,得到铁路桥梁的理 论模态频率fD;并根据理论模态频率fD确定实测功率谱曲线的待修正频率区间为[f1,f2], 其中,频率区间的下限值f1=fD×0.9,频率区间的上限值f2=fD×1.1;
步骤四、采用D-S证据理论对步骤二得到的实测功率谱曲线在待修正频率区间[f1,f2] 内的数据进行修正;
步骤五、根据修正后功率谱曲线的峰值位置识别出铁路桥梁的实测模态频率fE。
进一步的,在本发明中,步骤二中,每10分钟获得一组实测功率谱曲线;步骤四中, 修正的方法如下:对于在频率区间[f1,f2]内的频率值fi,m1(fi)、m2(fi)、m3(fi)、m4(fi)、 m5(fi)、m6(fi)分别为1小内获得的6组实测功率谱曲线中对应频率值fi的功率谱值;按 照下列(1)至(5)式计算出该小时内频率值fi对应的修正后的功率谱值M(fi):
对频率区间[f1,f2]内所有频率值对应的实测功率谱值均按上述方法进行修正,最终 得到修正后的功率谱曲线。
有益效果:铁路桥梁由于线路工程中存在显著的强干扰信号,导致功率谱图较为紊 乱,无法根据功率谱峰值确定铁路桥梁的模态频率。本发明采用D-S证据理论对实测功 率谱数据进行修正,能够有效抑制强干扰信号引起的功率谱值,并且显著放大实测模态 频率对应的功率谱值,从而可以准确识别铁路桥梁的模态频率。该方法实施起来简捷方 便,可得到广泛推广与应用。
附图说明
图1为本发明实施例中京沪高铁南京大胜关大桥的主视图;
图2为本发明实施例中6组实测功率谱曲线在待修正频率区间内的数据;
图3为本发明实施例中在待修正频率区间内修正后的功率谱曲线。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明的一种强信号干扰下铁路桥梁模态频率识别中功率谱的修正方法,该方法包括 如下步骤:
(1)将加速度传感器安装在铁路桥梁上,用以测量铁路桥梁的时域振动信号;
(2)以10分钟为计算区间,对加速度传感器获取的时域振动信号进行功率谱分析, 1小时内可以得到6组实测功率谱曲线;
(3)建立铁路桥梁有限元分析模型,并进行动力特性分析,得到铁路桥梁的理论 模态频率fD。根据理论模态频率fD确定实测功率谱曲线的待修正频率区间为[f1,f2],其 中,频率区间的下限值f1为f1=fD×0.9,频率区间的上限值f2为f2=fD×1.1。
(4)以1小时为计算区间,采用D-S证据理论对步骤(2)得到的6组实测功率谱 曲线在待修正频率区间[f1,f2]内的数据进行修正:
(4a)设fi为频率区间[f1,f2]内的某一个频率值,m1(fi)、m2(fi)、m3(fi)、m4(fi)、 m5(fi)、m6(fi)分别为6组实测功率谱曲线中对应频率fi的功率谱值,则修正后的功率 谱值M(fi)按下述公式计算(T1(fi)、T2(fi)、T3(fi)和T4(fi)均为中间计算结果):
(4b)对频率区间[f1,f2]内所有频率值对应的实测功率谱值均按步骤(4a)进行 修正,最终得到修正后的功率谱曲线。
(5)根据修正后功率谱曲线的峰值位置识别出铁路桥梁的实测模态频率fE。
实施例:
下面以京沪高铁南京大胜关大桥模态频率识别为例,说明本发明的具体实施过程:
(1)南京大胜关大桥的整体结构如图1所示,在桥梁跨中位置安装一个竖向加速 度传感器,用以测量铁路桥梁的时域振动信号。
(2)以10分钟为计算区间,对加速度传感器获取的时域振动信号进行功率谱分析, 1小时内可以得到6组实测功率谱曲线。
(3)建立南京大胜关大桥的有限元分析模型,并进行动力特性分析(本实施例中 给出了一阶竖向振动频率的分析结果)。计算表明,大胜关大桥一阶竖向振动的理论模 态频率fD为0.3280Hz,因此,实测功率谱曲线的待修正频率区间为[0.2952Hz,0.3608 Hz]。
(4)步骤(2)得到的6组实测功率谱曲线在待修正频率区间[0.2952Hz,0.3608Hz] 内的数据如图2所示。从图中可以看出,强信号干扰下多次识别的功率谱较为紊乱,无 法有效确定桥梁一阶竖向振动频率。
(5)对频率区间[0.2952Hz,0.3608Hz]内所有频率值对应的6组实测功率谱数据采 用D-S证据理论进行修正,修正后的功率谱曲线如图3所示。从图中的峰值位置可以准 确识别出一阶竖向振动的实测频率fE为0.3174Hz。因此,采用D-S证据理论对实测功 率谱数据进行修正,能够有效抑制强干扰信号引起的功率谱值,并且显著放大实测模态 频率对应的功率谱值,这表明该方法适用于铁路桥梁这类存在强信号干扰的结构模态频 率识别。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员 来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也 应视为本发明的保护范围。
机译: 弱信号背景下的方案技术强噪声最佳处理,用于克服接收器的灵敏度阈值并从外部连续干扰中增强对信号的保护
机译: 弱信号背景下的方案技术强噪声最佳处理,用于克服接收器的灵敏度阈值并从外部连续干扰中增强对信号的保护
机译: 在存在强同信道干扰信号的状态下如何解调OFDM类型的信号