实时在线桥梁模态参数自动识别
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

U446.1; U441+.3; TH17

基金项目:

国家重点专项基金资助项目(2018YFB1600301,2019YFB1600702);国家自然科学基金资助项目(51878059);中央高校基本科研业务费专项资金资助项目(300102218403,300102219202)


Real⁃Time Online Automatic Bridge Modal Identification
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为系统实现桥梁实时在线模态参数自动识别,从数据分析和系统搭建两方面解决桥梁模态参数自动识别问题。首先,引入改进的模糊C均值聚类(fuzzy C?means, 简称FCM)算法,通过设定最大聚类数目,得到不同聚类数目下的累积邻接矩阵,并引入图切分算法,自动确定最佳聚类数目,实现稳定图自动识别;其次,提出集数据采集、传输和分析一体化的模态参数自动识别系统框架,通过建立数据解析过程,保证实时在线模态识别的数据获取,并提出动态可变滑动数据窗,保证在线自动识别的实时性;最后,将提出的算法和系统框架运用于拱桥模型来验证所提方法和系统的可行性。结果表明:改进的模糊C均值聚类算法不需要任何人工干预,在默认参数下就可以自动获得最佳聚类数目,实现稳定图自动识别;提出的自动识别系统框架和动态可变滑动数据窗能够实现模态参数自动识别,并保证识别的实时性;提出的桥梁模态参数自动识别方法和自动识别系统能够用于桥梁结构实时在线模态参数的自动识别。

    Abstract:

    The online real-time analysis framework combing the updated fuzzy C-means(FCM) method identifies the automatic bridge modal. The improved FCM algorithm derives the cumulative adjacency matrix from different maximum clustering numbers and the graph-segmentation algorithm solves the matrix for the optimal clustering number to automatically identify the stable graphs. The framework guarantees the online data processing by integrating the acquisition, transmission and analysis into the identification system. An adjustable sliding data window ensures the automatically real-time identification. In experiments, the possibility of applying the proposed framework on an arch bridge model is verified. The improved FCM algorithm automatically optimizes the number of clusters with default parameters. The proposed framework including the sliding data window identifies the real-time modal parameters.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-03-03
  • 出版日期: 2021-02-28
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司