[發(fā)明專利]用于橋梁監(jiān)測信號的預(yù)處理方法

有效

• 申請?zhí)枺?/td>: 201510276110.5
• 申請日: 2015-05-26
• 公開（公告）號: CN104897180B
• 公開（公告）日: 2018-01-26
• 發(fā)明（設(shè)計）人: 饒瑞;姜曉勇;傅繼陽;劉愛榮;張芝芳;黃友欽;黃永輝
• 申請（專利權(quán)）人: 廣州大學
• 主分類號: G01D3/032
• 分類號: G01D3/032
• 代理公司: 北京高航知識產(chǎn)權(quán)代理有限公司11530
• 代理人: 趙永強

技術(shù)領(lǐng)域

本申請涉及橋梁領(lǐng)域，尤其涉及一種用于橋梁監(jiān)測信號的預(yù)處理方法。

背景技術(shù)

橋梁結(jié)構(gòu)健康監(jiān)測信號隱含結(jié)構(gòu)的健康狀態(tài)信息。對信號合適的預(yù)處理，能有效提高信噪比，使后續(xù)的信息挖掘具有更好的結(jié)果，如實反映結(jié)構(gòu)狀態(tài)。利用GPS系統(tǒng)能對橋梁結(jié)構(gòu)進行健康監(jiān)測，所獲取的監(jiān)測信號是非平穩(wěn)的數(shù)據(jù)集，里面含有復雜的干擾信息(如長周期信號及噪聲)，必須對GPS監(jiān)測信號進行預(yù)處理，消除干擾信息，才能獲取真實的橋梁結(jié)構(gòu)動力特性。經(jīng)驗?zāi)B(tài)分解方法(EMD)在非平穩(wěn)信號處理中具有獨特優(yōu)勢，但存在端點效應(yīng)和模態(tài)混疊現(xiàn)象的不足。加入Kriging插值法的K-EMD方法能夠有效抑制端點效應(yīng)，但是K-EMD方法利用模式搜索方法對相關(guān)模型參數(shù)θ尋優(yōu)，其優(yōu)化結(jié)果很大程度上依賴于參數(shù)θ的初始值，很難實現(xiàn)全局優(yōu)化。

發(fā)明內(nèi)容

本申請的目的在于避免現(xiàn)有技術(shù)中的上述不足之處而提供一種用于橋梁監(jiān)測信號的預(yù)處理方法。

本申請的目的通過以下技術(shù)方案實現(xiàn)：

本申請實施例提供了一種用于橋梁監(jiān)測信號的預(yù)處理方法，所述用于橋梁監(jiān)測信號的預(yù)處理方法，包括：采用加入Kriging插值法的EMD分解方法(K-EMD)對橋梁監(jiān)測信號進行預(yù)處理；其中，采用粒子群方法(PSO)對所述K-EMD過程中涉及的相關(guān)模型參數(shù)θ進行尋優(yōu)，形成PSO優(yōu)化的K-EMD方法。

優(yōu)選地，所述K-EMD方法包括以下步驟：

步驟1，提取橋梁監(jiān)測信號x(t)的極值點及其對應(yīng)的時刻；

步驟2，將提取的時刻-極值作為已知樣本點，根據(jù)所述樣本點的特征，選定回歸模型及相關(guān)模型，構(gòu)建初始的DACE模型；

步驟3，利用PSO法對所述相關(guān)模型的參數(shù)θ進行優(yōu)化，確定最優(yōu)的參數(shù)θ；

步驟4，根據(jù)所述回歸模型和所述最優(yōu)的參數(shù)θ，構(gòu)建最終的DACE模型；

步驟5，利用所述最終的DACE模型，對橋梁監(jiān)測信號x(t)的極值點包絡(luò)線進行預(yù)測插值、擬合，獲得整個時間段內(nèi)橋梁監(jiān)測信號x(t)的極大值包絡(luò)線e_max(t)和極小值包絡(luò)線e_min(t)；

步驟6，計算所述極大值包絡(luò)線e_max(t)和所述極小值包絡(luò)線e_min(t)的極值包絡(luò)線均值m₁：

步驟7，將橋梁監(jiān)測信號x(t)減去所述極值包絡(luò)線均值m₁，獲得去均值信號y₁(t)：

y₁(t)＝x(t)-m₁

根據(jù)預(yù)設(shè)判斷準則判定去均值信號y₁(t)是否是IMF分量，若去均值信號y₁(t)不滿足所述預(yù)設(shè)判斷準則，則將去均值信號y₁(t)作為原始數(shù)據(jù)，重復篩選，直至去均值信號y₁(t)滿足所述預(yù)設(shè)判斷準則，此時，記y₁(t)＝c₁(t)，則c₁(t)為橋梁監(jiān)測信號x(t)的第一個IMF分量；

步驟8，計算剩余信號r₁(t)：

r₁(t)＝x(t)-c₁(t)；

步驟9，將剩余信號r₁(t)作為原始信號，重復步驟5、步驟6、步驟7和步驟8，分解n次得到n階IMF和余項r_n(t)，分解第n次時的極值包絡(luò)線均值記為m_n，若所述余項r_n(t)為一個單調(diào)信號或所述極值包絡(luò)線均值m_n足夠小時，EMD分解結(jié)束；

步驟10，綜合上述結(jié)果，按需要將IMF與所述余項r_n(t)進行重構(gòu)，獲取重構(gòu)信號λ(t)：

優(yōu)選地，所述PSO法對相關(guān)模型參數(shù)θ的尋優(yōu)過程包括以下步驟：

步驟1，設(shè)定所述相關(guān)模型參數(shù)θ的上下邊界及粒子群參數(shù)，生成k個粒子；

步驟2，在可行解空間和速度空間內(nèi)隨機初始化所述粒子群，即確定所述粒子的初始位置和初始速度

步驟3，評價各個所述粒子獲得的個體t時刻的最優(yōu)位置和群體最優(yōu)位置

步驟4，用下式更新所述粒子的速度和位置：