一种振测数据最佳分析长度的确定方法

数据分析长度的选取是提取结构振动特征信息的关键,人为选取信号分析的数据长度会导致其计算结果存在一定误差,为减少主观因素影响,提出一种基于改进多尺度排列熵(improved multi-scale permutation entropy,简称IMPE)的振测数据分析长度的方法.对于获得的振动信号,将一维的时间序列数据多尺...     

基于〖WTHZ〗Copula函数的渡槽结构地震动易损性分析

在结构易损性分析中,由于构件之间的地震需求存在相关性,直接建立渡槽系统中基本构件的联合概率分布函数较为困难,为此引入二维Copula函数对构件地震需求之间的相关结构进行描述,简化联合分布函数的建模过程。首先,对某输水渡槽中的一跨进行时程分析,以地面峰值加速度为自变量,以排架的位移延性比和橡胶支座的变形大小为损伤指标,考虑地震动和结构参数的不确定性,建立排架、橡胶支座的易损性曲线;其次,通过Copula函数建立渡槽系统的易损性曲线;最后,通过1阶界限法得到渡槽系统易损性的上、下界。计算结果表明,基于Copula函数计算得到的失效概率均位于1阶界限法的上、下界之间。研究结果有助于简化渡槽系统易损性曲线的建模过程,为研究渡槽构件地震需求之间的相关性提供新思路和方法。     

信息融合与响应面联合的渡槽结构模型修正

针对大型渡槽损伤诊断研究中有限元模型精度问题,提出一种基于信息融合与响应面法(response surface method,简称RSM)的有限元模型修正方法,能够兼顾优化目标和参数优化两个环节。以某灌区渡槽为研究对象,建立初始有限元模型,采用试验设计方法构建待修正参数与特征频率的设计空间,经过参数筛选后建立设计样本的响应面模型;引入自适应噪声的完整集成经验模态分解和奇异值分解(complete ensemble empirical mode decomposition with adaptive noise-singular value decompose,简称CEEMDAN-SVD)降噪方法联合方差贡献率数据级融合算法,对正常运行工况下覆盖三跨槽身振测信号进行多通道融合处理以获取完整有效的实测频率,并以此为目标值对响应面模型进行最优化求解,实现多跨渡槽有限元模型的参数优化。结果表明,修正后的有限元模型计算出的频率与实测频率吻合较好,最大误差为-4.38%,有效解决了大型渡槽结构有限元模型的精度问题,为后续结构损伤诊断等仿真研究提供基准模型。     

基于多指标的黄河流域空间均衡状态评价

通过对黄河流域水资源与人口经济配置的空间特征进行分析,以干流和13条主要支流为单元对黄河流域水资源开发利用程度进行评价;以70个地级行政区为单元对水资源和水环境承载状况进行评价;基于水资源禀赋及供用水、经济社会、粮食和能源、水资源承载状况、水环境承载状况构建空间均衡状态评价指标体系,基于多指标综合评价法开展黄河流域空间均衡状态分析。结果表明,黄河流域74%的面积处于"不均衡"和"极不均衡"状态,空间处于"极不均衡"状态的区域主要分布在上游宁蒙河段、中游汾渭平原及下游河道滩区。     

基于WD-COA-LSTM模型的月降水量预测

为进一步提高月降水量预测精度,提出了基于小波分解（WD）和郊狼优化（COA）算法的长短期记忆神经网络（LSTM）降水量预测模型（WD-COA-LSTM）。首先用小波分解对时间序列进行预处理,消除序列的非平稳性,得到1个低频序列和3个高频序列;然后通过郊狼优化算法对神经网络（LSTM）模型进行参数优化;最后将各子序列预测值叠加得到月降水量预测值。将提出的模型应用于洛阳市栾川县白土镇和洛宁县故县镇两个雨量站的月降水量预测中,并与LSTM、COA-LSTM、WD-LSTM模型预测结果进行对比。结果表明：提出的WD-COA-LSTM模型的预测精度最高,说明小波分解和郊狼优化算法能有效加强LSTM模型预测的精度和泛化能力,为月降水量的预测提供了一种新的途径。     

IVMD对泵站管道振动响应趋势的预测分析

采用改进的变分模态分解(improved variational mode decomposition,简称IVMD)与支持向量机(support vector machine,简称SVM)相联合的方法,对泵站管道的振动响应趋势进行预测。首先,基于互信息准则确定IVMD的分解模态数,克服变分模态分解(variatronal mode decomposition,简称VMD)盲目选取分解参数的缺点,利用IVMD将机组和管道的振动序列分解为多个固态模量(intrinsic mode function,简称IMF),分别作为SVM模型的输入和输出;其次,利用粒子群优化(particle swarm optimization,简称PSO)分别寻找各模态分量对应SVM模型的最优参数并对各分量分别进行预测;最后,将各测点对应的IMFs预测结果重构作为最终的预测值。结合某大型泵站2号压力管道振动响应数据,分别采用IVMD-SVM,PSO-SVM和BP神经网络3种模型对管道振动响应趋势进行预测,并将预测结果进行对比分析。结果表明,IVMD-SVM模型得到的预测结果和实测值更加接近,计算精度更高,且误差较小,该方法对管道及类似工程结构的振动趋势预测具有一定的参考价值。     

AVMD-KELM方法在水闸结构振动趋势预测中的应用

采用自适应的变分模态分解(adaptive variational modal decomposition,简称AVMD)与核极限学习机(kernel extreme learning machine,简称KELM)联合的方法对水闸在泄流过程中的监测信号进行振动预测分析,用以辅助决策和及时预警。首先,基于互信息准则确定AVMD的分解模态数,克服变分模态分解(variatronal modal decomposition,简称VMD)盲目选取分解参数的缺点,利用AVMD把水闸振动信号分解成K个固态模量(intrinsic mode function,简称IMF);其次,通过KELM对各IMF分量分别进行预测;最后,将各测点对应的IMFs预测结果相加作为最终的预测值。结合某水闸在自由泄流工况下的振动数据,分别采用AVMD-KELM和KELM模型、支持向量机(support vector machine,简称SVM)模型对其振动趋势进行预测,并将预测结果进行对比分析。结果表明,AVMD-KELM模型得到的预测结果与实测值更加接近,计算速度更快,精度更高,且误差较小,该方法可有效预测水闸结构的振动趋势。     

基于递归理论的泵站压力管道运行状态监测

针对不利因素导致的管道运行异常问题,提出一种基于递归理论的泵站管道运行状态监测方法。首先,通过振动传感器提取压力管道关键部位的实测信息,并将同一位置不同方向的数据信息进行融合,得到一组反映结构整体动力特性的综合数据;其次,利用伪近临法与互信息法分别选取相空间重构参数m和τ;最后,绘制并计算代表管道动力特性的递归图及递归量化指标。将该方法应用于景泰川工程二期七泵站管道运行监测,通过设置不同的运行工况进行验证,结果表明：机组开关瞬间与稳定运行工况下,管道结构振动信号的递归图呈现不同模式,递归量化指标-确定性、对角线平均长度L、递归率及递归熵也呈现明显差异,能有效区分管道振动状态。该方法为压力管道的无损动态监测提供了新思路。     

干旱区扬水灌溉对区域地下水动态特征的影响分析

受季节性人工灌溉的影响,干旱扬水灌区不同运移带的地下水具有独特的时空动态特性。以甘肃省景电一期灌区为研究区,利用其1982~2011年地下水位实时监测数据,分析灌区地下水时空变化规律,探索干旱扬黄灌区不同地下水运动带的地下水动态特性。研究表明,灌区内的潜水汇聚带与潜水运移带年际地下水位具有明显的上升趋势,地势比较低洼的潜水汇聚带甚至出现地下水出露现象,而灌溉水入渗带与潜水排泄带地下水位处于相对平衡状态;灌区内不同地下水运动带年内的地下水位变化过程具有显著差异性,这种差异主要是受灌溉过程及区域局部开采共同作用影响;灌区地下水空间动态以自西南向东北运移为主。     

一种振测数据最佳分析长度的确定方法

数据分析长度的选取是提取结构振动特征信息的关键，人为选取信号分析的数据长度会导致其计算结果存在一定误差，为减少主观因素影响，提出一种基于改进多尺度排列熵（improved multi?scale permutation entropy，简称IMPE）的振测数据分析长度的方法。对于获得的振动信号，将一维的时间序列数据多尺度化后进行粗粒化处理，确定其相空间重构参数。选取不同长度的振测数据，分别计算多尺度排列熵（multi?scale permutation entropy， 简称MPE）熵值，发现熵值对数据长度的变化敏感，随着数据长度的增加而变化，最后趋于稳定值。定义该稳定值为标准熵值，满足标准熵值97%精度的熵值作为有效熵值，选出满足精度要求的熵值，将其所对应的最短数据长度定义为振测数据的最佳分析长度。将该方法应用于仿真信号和具体泄流工程振动信号的最佳数据长度选取中，可为结构监测选取准确的数据分析长度，有较好的普适性。