首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于多源数据融合的结构全场精细位移识别方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:湖南大学;湖南省交通科学研究院有限公司

摘要:本发明公开了基于多源数据融合的结构全场精细位移识别方法、系统及存储介质,属于结构位移监测技术领域,包括步骤:获取目标结构在图像坐标下的全场图像低频位移的响应;对所述全场图像低频位移的响应进行处理获取所述目标结构的全场预测高阶振型;通过加速度响应提取目标结构的稀疏实测高频位移和高阶振型,对全场预测高阶振型进行校准并重构目标结构的全场物理高频位移;获取全场图像低频位移对应的全场物理低频位移;利用自适应多速率卡尔曼滤波将全场物理低频位移和全场物理高频位移进行异步数据融合,获取目标结构的全场精细位移。实现了基于普通消费级相机和离散布置的加速度计获取结构全场精细位移的有益效果。

主权项:1.一种基于多源数据融合的结构全场精细位移识别方法,其特征在于,包括如下步骤:S10,利用图像采集和图像处理技术获取目标结构在图像坐标下的全场图像低频位移的响应,同步采集所述目标结构的稀疏测点的实测加速度响应;其中,所述全场图像低频位移包括多个原始单点图像低频位移;S20,对所述全场图像低频位移进行处理获取所述目标结构的全场预测高阶振型;利用频域分解法对所述全场图像低频位移进行处理,提取所述目标结构的全场低阶振型并获取所述目标结构的各阶振型函数参数;将所述各阶振型函数参数和所述全场低阶振型代入图卷积神经网络的约束条件,预测获取所述目标结构的全场预测高阶振型;S30,对所述实测加速度响应进行处理获取所述目标结构的稀疏实测高阶振型和实测点稀疏物理高频位移,利用所述稀疏实测高阶振型对所述全场预测高阶振型进行校准得到全场校准高阶振型;结合所述全场校准高阶振型和所述实测点稀疏物理高频位移重构所述目标结构的全场物理高频位移,所述全场物理高频位移包括多个原始单点物理高频位移;利用频域分解法对实测加速度响应进行处理获取目标结构的稀疏实测高阶振型,通过多速率卡尔曼滤波技术对所有测点的实测加速度响应进行处理,获取目标结构的实测点稀疏物理高频位移;S40,将所述原始单点图像低频位移和所述原始单点物理高频位移进行带通滤波后获取有效单点图像低频位移和有效单点物理高频位移;通过所述目标结构的任一位置的有效单点图像低频位移和有效单点物理高频位移获取自适应比例转换因子;利用所述自适应比例转换因子将所述任一位置的所述原始单点图像低频位移转换为单点物理低频位移,对所有位置进行处理进而获取所述目标结构的全场物理低频位移;S50,对于所述任一位置,若相邻时刻的所述原始单点物理高频位移之间存在所述单点物理低频位移,将所述单点物理低频位移和所述原始单点物理高频位移进行异步数据融合,获取所述目标结构的所述任一位置的单点实时精细位移,对所有位置进行异步数据融合进而获取所述目标结构的全场精细位移。

全文数据:

权利要求:

百度查询: 湖南大学 湖南省交通科学研究院有限公司 基于多源数据融合的结构全场精细位移识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。