[发明专利]一种斜拉桥施工振动参数的主动控制智能数据处理方法

权利要求书

1.一种斜拉桥施工振动参数的主动控制智能数据处理方法，其特征在于，包括：

步骤一、按照施工周期获取多个传感器的多组斜拉桥施工振动参数数据，并进行异常值筛选和修正；

步骤二、对所述振动参数数据进行小波转换，去除所述参数数据中的噪声；

步骤三、计算所述振动参数与振动类型之间的关联概率；

所述振动参数包括位移、刚度、阻抗值、风向、风攻角和雨量；

所述振动类型包括风雨激振、涡激振动、参数振动和线性内部共振；

步骤四、以所述关联概率作为特征值提取函数的向量，得到异构振动参数融合模型；

所述异构振动参数融合模型为：

其中，F表示特征值提取函数，α_ij表示第i个传感器振动参数数据与第j类振动类型之间的关联概率；

步骤五、利用卡尔曼滤波法对所述异构振动参数融合模型进行滤波，得到异构振动参数融合滤波模型；

所述异构振动参数融合滤波模型为：

其中，表示第i个传感器在t_k时刻的状态向量，表示第i个传感器在t_k-1时刻的特征值提取函数，表示第i个传感器在t_k时刻的量测矩阵，表示第i个传感器在t_k时刻的参数数据，ω表示传感器过程噪声，v表示传感器量测噪声。

2.如权利要求1所述的斜拉桥施工振动参数的主动控制智能数据处理方法，其特征在于，所述异常值筛选和修正包括：

设定所述振动参数分布概率区间阈值；

将超出所述区间阈值的参数作为异常值，并剔除所述异常值；

采用平均滤波法对缺失的参数进行插值替补。

3.如权利要求2所述的斜拉桥施工振动参数的主动控制智能数据处理方法，其特征在于，所述小波转换包括：

选取小波基函数，并根据所述振动参数确定小波分解的尺度；

利用模极大值寻找振动参数突变位置作为奇异点，并选取自适应小波阈值；

将分解系数小于阈值的奇异点舍去，分解系数高于阈值的奇异点，使用修正系数进行修正；

从第一层开始，将各层识别出的奇异点经修正后再重构，达到预期畸变率时跳出小波分解层，否则继续下一层振动参数的重构。

4.如权利要求3所述的斜拉桥施工振动参数的主动控制智能数据处理方法，其特征在于，所述修正系数公式为：

其中，表示修正系数，thd_λ表示畸变率，thd_e表示预期畸变率。

5.如权利要求4所述的斜拉桥施工振动参数的主动控制智能数据处理方法，其特征在于，所述步骤三包括：

列出所述传感器振动参数与振动类型之间的组合关系的阵列；

其中，θ_ij，l(t_k)表示t_k时刻第l个组合中与第j类振动类型相关的第i个传感器的振动参数，i表示传感器i∈(1，n)，j表示振动类型j∈(1，m)，l表示组合i∈(1，mn)；

计算所述组合关系的关联概率，遍历所述阵列得到关联概率集合。

6.如权利要求5所述的斜拉桥施工振动参数的主动控制智能数据处理方法，其特征在于，所述滤波包括：

正向滤波：从输入数据的第一历元起，通过后续历元中观测向量及协方差矩阵对状态向量及其协方差阵进行估计与更新；

反向滤波：在正向滤波的最后一个历元，对其滤波估计结果进行反向卡尔曼滤波估计，递归从最后一个历元反向移动到第一个历元；

计算用于加权平均的卡尔曼平滑增益矩阵，对正向滤波解和反向滤波解进行加权平均。

7.如权利要求6所述的斜拉桥施工振动参数的主动控制智能数据处理方法，其特征在于，所述正向滤波包括：

计算噪声协方差阵并预测状态向量估计值；

计算观测矩阵及观测噪声协方差阵，并更新滤波增益矩阵和残差向量；

根据振动参数更新状态向量的估计值和协方差阵。