流式环境下基于递归EMD处理框架的监测数据在线筛分技术

英文题目： Online Sifting Technique for Structural Health MonitoringData Based on Recursive EMD Processing Framework 作者： Danhui Dan, Chenqi Wang, Ruiyang Pan, Yangmei Cao

英文题目 ： Online Sifting Technique for Structural Health Monitoring

Data Based on Recursive EMD Processing Framework

作者： Danhui Dan, Chenqi Wang, Ruiyang Pan, Yangmei Cao

刊物： Buildings

引用格式： Dan, D.; Wang, C.; Pan, R.; Cao, Y. Online Sifting Technique for Structural Health Monitoring Data Based on Recursive EMD Processing Framework. Buildings 2022 , 12 , 1312.

原文链接： https://www.mdpi.com/2075-5309/12/9/1312

摘要

单一载荷效应信号监测的实时和在线筛选技术是智能结构监测的关键问题之一。本文提出了一个基于递归经验模式分解（EMD）的在线信号筛查框架。该框架使用极值递归和特征系统实现算法（ERA）扩展来优化EMD边界效应，并结合本征模态函数（IMFs）的相关系数和自适应滤波来选择IMFs进行信号重建以达到筛分目的。通过模拟信号验证，该方法满足在线环境下的信号筛分要求，具有高适应性、低参数敏感性和良好的鲁棒性的特点。将该方法应用于岱山二桥健康监测系统采集的动态应变数据，实现了对交通荷载引起的应变信号的实时在线筛分，为后续的数据分析应用提供了基础，并证实了该方法在实际桥梁健康监测系统中的应用价值。

研究内容和方法

（1）、目的

结构健康监测系统（SHM）与传统的结构检测相比，具有实时、连续采集结构性能参数的特点，可以进行在线数据处理和工程结构健康状况评估。

工程结构的状态评估包括工作状态评估和使用性能评估，前者多与工作荷载效应有关，而后者则需要从工作荷载下的结构效应中提取相关指标。

实际工程中SHM采集的实际结构效应信号是在多种荷载下混合叠加的结果，需要进一步从中获取单一的工作荷载效应，结合SHM实时信号处理的优势，本文旨在提出一种流数据环境下单个载荷效应的在线实时筛选技术，最终实现工程结构健康状态的实时感知。

（2）、工作内容

本文首先提出了一种基于递归经验模式分解（EMD）的在线信号筛查框架(OREMD）。利用仿真数据与实桥监测数据进行对比筛分，得到车辆荷载应变信号。

（3）、主要创新方法

递归经验模态分解（EMD）

解决初始边界效应问题的关键是提供更合理的扩展信息。通过将前一帧产生的同阶IMF分量的末端极值传递给下一帧进行迭代，而不是将信号的整个部分传递给下一帧，这样的做法可以保证下一帧迭代的包络与前一帧的部分极值仍然满足IMF特性。一方面有利于实现相邻帧信号的同阶IMF分量的无缝连接，另一方面可以减少迭代计算量，使分解结果更接近于一次批量处理的信号结果。