一种公路桥梁强动态环境结构倾角信号处理方法及系统与流程

本发明涉及结构健康监测、智能信号处理与结构动力学交叉，具体来说，涉及一种公路桥梁强动态环境结构倾角信号处理方法及系统。

背景技术：

1、桥梁结构在服役期内承受着交通荷载、温度效应、风致振动等多源动态作用的持续耦合影响。倾角信号作为反映结构空间姿态的核心指标，其测量精度与稳定性直接关系到结构安全评估的可靠性。然而，在实际监测中，倾角传感器往往部署于存在强烈振动和冲击的环境，实测倾角信号中真实的结构姿态变化与振动扰动成分高度耦合，给后续分析带来严重干扰。

2、卡尔曼滤波作为目前桥梁结构倾角与振动信号处理中最广泛采用的状态估计方法，其核心思想建立在系统模型精确已知且过程噪声与观测噪声均为高斯白噪声的假设之上。然而，这一理论框架在面对公路桥梁强动态环境时存在根本性局限。首先，卡尔曼滤波要求预先准确设定初始状态矩阵和测量噪声协方差矩阵，而在重载车辆通过、强风、地震等强动态工况下，噪声统计特性呈现显著的非平稳和非高斯特征，预设的协方差参数无法匹配实际噪声的时变特性，导致滤波精度严重下降甚至发散。其次，卡尔曼滤波本质上是一阶马尔可夫模型，仅利用当前时刻的观测值对状态进行递推更新，无法有效利用振动响应的长程历史信息。研究表明，当桥梁结构发生倾斜时，0.1°的结构倾角即可引起超过10mm/s²的加速度测量偏差，而这种偏差在常规卡尔曼滤波框架下难以有效补偿。第三，现有扩展卡尔曼滤波等方法在面对时变系统时，无法有效在线跟踪结构参数的实时变化，对于桥梁刚度退化等长期演化过程缺乏自适应跟踪能力。第四，多传感器融合场景下的卡尔曼滤波高度依赖于外部激励已知或可观测的假设，而桥梁强动态环境下外部激励往往未知且不可直接测量。

3、除上述理论层面的根本局限外，常规卡尔曼滤波在实时在线处理中还面临固有的量测时滞问题。当传感器量测值存在时间延迟时，当前新息所对应的实际是系统过去的状态而非当前状态，导致估计偏差随延迟时间持续累积；即便滤波器已收敛至稳态，其低通滤波特性在动态场景下仍会产生不可忽略的相位滞后。更为复杂的是，工程实际中的延迟值通常未知且时变，无法通过简单的时间平移加以补偿。与此同时，对于桥梁强动态环境下普遍存在的非高斯、非平稳振动噪声，卡尔曼滤波仅利用其一阶和二阶统计量进行估计，高阶统计信息的缺失进一步加剧了状态估计的系统性偏差。

4、除卡尔曼滤波外，现有倾角处理方法还普遍存在以下技术缺陷：均假设结构的振动响应是瞬时独立的马尔可夫过程，忽略了土木工程结构中普遍存在的能量耗散长尾特性。实际桥梁在受到冲击后，振动能量会以幂律形式缓慢衰减，但现有方法完全未加以利用。在处理记忆效应时，通常采用单一的指数衰减权重或单一的幂律衰减权重，无法描述真实结构中“不同时间尺度上的记忆强度各异”这一物理现象。实际桥梁振动中，近期记忆与远期记忆的衰减规律往往不同，现有技术未能刻画。

5、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、针对相关技术中的问题，本发明提出一种公路桥梁强动态环境结构倾角信号处理方法及系统，以克服现有相关技术所存在的上述技术问题。

2、为此，本发明采用的具体技术方案如下：

3、根据本发明的一个方面，提供了一种公路桥梁强动态环境结构倾角信号处理方法，包括：

4、s1、采集公路桥梁结构的原始倾角信号与三轴加速度信号；

5、s2、根据三轴加速度信号计算瞬时振动惯量；构建多阶记忆核函数；其中，多阶记忆核函数包括指数衰减率、各幂律项的阶次及幅度系数；

6、s3、利用当前时刻的多阶记忆核函数对当前瞬时振动惯量向前预测未来若干个采样点的影响强度并累加得到前向记忆势，将前向记忆势规范至预设区间得到规范化前向记忆势；

7、s4、构建包含准静态倾角分量和振动耦合分量的状态向量；根据前向记忆势动态调整各幂律项的阶次，利用各阶次的幂律权重系数对历史状态向量进行加权递推以更新状态向量；将原始倾角信号与当前重构倾角的误差加到准静态倾角分量上进行修正，得到当前输出的倾角信号；

8、s5、利用当前时刻的多阶记忆核函数加权历史瞬时振动惯量以预测当前瞬时振动惯量，根据预测误差采用梯度下降法更新多阶记忆核函数；

9、s6、输出当前采样点的倾角信号并进行存储或发送。

10、进一步地，s2包括：

11、s21、获取离线标定的敏感系数；根据当前采样点的三轴加速度信号计算加速度矢量模的平方；根据当前采样点与上一采样点的加速度矢量计算加加速度项的模；将加速度矢量模的平方与加加速度项的模乘以敏感系数后相加，得到当前采样点的瞬时振动惯量；

12、s22、获取离线标定的指数衰减率固有值、各幂律项的固有阶次及固有幅度系数，对于预设范围内的各历史时刻，构建由指数衰减项与多个不同阶次幂律衰减项加权叠加而成的多阶记忆核函数；

13、s23、计算当前采样点与上一采样点加速度矢量之差的模作为加速度变化量；若变化量大于预设阈值，则增大指数衰减率、减小各幂律项阶次并重新分配幅度系数以增强低阶项权重；否则恢复至离线标定的固有值。

14、进一步地，得到当前采样点的瞬时振动惯量的公式为：

15、；

16、式中，表示第个采样点瞬时振动惯量；表示第个采样点三轴加速度矢量的模；表示敏感系数；表示相邻采样点加速度矢量差值的模；表示采样间隔。

17、进一步地，构建由指数衰减项与多个不同阶次幂律衰减项加权叠加而成的多阶记忆核函数的公式为：

18、；

19、式中，表示第个采样点下的多阶记忆核函数；表示时间延迟；表示幂律项的个数；表示第个采样点的时变指数衰减率；表示第个幂律项的幅度系数；表示第个采样点下第个幂律项的阶次。

20、进一步地，s3包括：

21、s31、获取离线标定的预观窗口长度，预观窗口长度用于限定向前预测的采样点个数；

22、s32、在当前采样点，获取当前时刻的多阶记忆核函数与瞬时振动惯量；针对预设范围内的各未来采样点，利用当前时刻的多阶记忆核函数参数，计算当前瞬时振动惯量对未来各采样点的影响强度；将所有预测的影响强度累加，得到当前采样点的前向记忆势；

23、s33、获取离线标定的前向记忆势参考值，将前向记忆势除以前向记忆势参考值，若所得值大于一，则取一，并将前向记忆势规范至零到一的预设区间，得到规范化前向记忆势。

24、进一步地，s4包括：

25、s41、对状态向量执行初始化，将初始振动耦合分量置为零，准静态倾角分量赋值为采集得到的原始倾角信号；

26、s42、计算规范化前向记忆势的加权平均值以及记忆势变化趋势，依据加权平均值与变化趋势自适应更新各幂律项的阶次；

27、s43、计算各阶次对应的幂律权重系数，对历史状态向量进行加权处理，求解状态增量并更新状态向量；

28、s44、计算原始倾角信号与当前重构倾角之间的误差，将误差乘以学习率后仅对准静态倾角分量进行修正，且振动耦合分量保持不变；

29、s45、将修正后的准静态倾角分量与振动耦合分量相加，得到当前输出的倾角信号。

30、进一步地，s42包括：

31、s421、采用与多阶记忆核函数同构的权重，对历史规范化前向记忆势做加权运算，得到规范化前向记忆势的加权平均值；

32、s422、取当前加权平均值与上一时刻加权平均值做差值，得到记忆势的变化趋势；

33、s423、以各幂律项的固有阶次为基础，分别结合由加权平均值确定的指数压缩关系、由变化趋势确定的趋势调制关系，计算得到更新后的各幂律项阶次；

34、s424、校验更新后各幂律项阶次的取值范围，对各幂律项阶次执行升序排序。

35、进一步地，s43包括：

36、s431、读取各幂律项的阶次以及采样间隔；

37、s432、根据预设的分数阶微积分定义，按照各个历史延迟时刻依次递推求解各阶次对应的幂律权重系数；

38、s433、调用预设驱动函数，结合规范化前向记忆势、准静态倾角分量及振动耦合分量，得到各个历史时刻对应的驱动向量；

39、s434、引入采样间隔幂系数，将各阶次下幂律权重系数和对应历史时刻驱动向量相乘后求和，得到状态增量；

40、s435、将状态增量叠加至上一时刻的状态向量，完成当前时刻状态向量的更新。

41、进一步地，s5包括：

42、s51、采用当前时刻的多阶记忆核函数对历史瞬时振动惯量做加权运算，输出瞬时振动惯量的预测值；

43、s52、将实际瞬时振动惯量减去预测值，计算得到预测误差；

44、s53、采用数值差分近似求取各个核参数对应的偏导数，通过梯度下降算法分别更新指数衰减率、各幂律项的幅度系数及各幂律项的阶次；

45、s54、更新完毕后，对各幂律项的幅度系数做重新归一化处理，使全部幅度系数之和等于一，并将各幂律项的阶次按照升序重新排序。

46、根据本发明的另一个方面，还提供了一种公路桥梁强动态环境结构倾角信号处理系统，该系统包括：

47、信号采集模块，用于采集公路桥梁结构的原始倾角信号与三轴加速度信号；

48、多阶记忆核构建模块，用于根据三轴加速度信号计算瞬时振动惯量；构建多阶记忆核函数；其中，多阶记忆核函数包括指数衰减率、各幂律项的阶次及幅度系数；

49、前向记忆势计算模块，用于利用当前时刻的多阶记忆核函数对当前瞬时振动惯量向前预测未来若干个采样点的影响强度并累加得到前向记忆势，将前向记忆势规范至预设区间得到规范化前向记忆势；

50、多阶状态演化模块，用于构建包含准静态倾角分量和振动耦合分量的状态向量；根据前向记忆势动态调整各幂律项的阶次，利用各阶次的幂律权重系数对历史状态向量进行加权递推以更新状态向量；将原始倾角信号与当前重构倾角的误差加到准静态倾角分量上进行修正，得到当前输出的倾角信号；

51、参数自适应模块，用于利用当前时刻的多阶记忆核函数加权历史瞬时振动惯量以预测当前瞬时振动惯量，根据预测误差采用梯度下降法更新多阶记忆核函数；

52、输出模块，用于输出当前采样点的倾角信号并进行存储或发送。

53、本发明的有益效果为：

54、1、本发明提出多阶记忆张量场概念，构建了由指数衰减项与多个不同阶次幂律衰减项加权叠加而成的多阶记忆核函数，能够精确刻画真实公路桥梁结构中不同时间尺度上的记忆强度差异。

55、2、本发明设计了多阶记忆核函数，由多个不同阶次的幂律项加权合成，并可随环境状态动态调整各阶次的权重系数，实现了对结构耗散行为的多尺度描述。

56、3、本发明提出前向记忆势概念，实现了对振动持续影响的定量评估，使处理参数可随记忆势动态调整。

57、4、本发明设计了多阶记忆张量算子作为状态演化的核心数学结构，取代常规的状态转移矩阵，使信号处理过程具有真实的多阶历史依赖特性。

58、5、本发明无需预设噪声统计模型、不依赖一阶马尔可夫假设、不要求外部激励已知，通过多阶记忆张量场的自适应调制，在单一动力学框架内同时实现真实姿态保持与振动扰动物理分离，有效克服了卡尔曼滤波在强动态非平稳环境下精度下降甚至发散的系统性缺陷。

59、6、本发明通过前向记忆势的主动预判机制，在冲击到达前即完成记忆核参数的预调制，避免卡尔曼滤波因稳态增益过小导致的相位滞后；同时，多阶幂律项的联合递推赋予算法多时间尺度并行跟踪能力，实测数据表明，在重载车辆突入桥面的初始冲击阶段，本发明较常规卡尔曼滤波的输出滞后时间显著缩短，确保强动态环境下倾角输出的实时性与真实性。