橋梁振動監測數據處理方法研究

摘" 要：振動作為橋梁健康監測關鍵參數之一，是評價橋梁整體安全性能的重要指標。目前在國內外關于橋梁振動監測的研究工作中，研究的重點常常是振動數據的采集、存儲、分析、應用，忽略對振動數據的預先處理，這明顯是不符合實際工作需求的。該文闡述橋梁振動監測數據的特點，指出振動監測數據需預先處理的必要性，對常用的數據處理方法進行詳細列舉，并逐一介紹每種方法的特點。

關鍵詞：橋梁；振動；監測數據；數據處理方法；安全性

中圖分類號：U446" " " " 文獻標識碼：A" " " " " 文章編號：2095-2945（2023）19-0145-04

Abstract： As one of the key parameters of bridge health monitoring， vibration is an important index to evaluate the overall safety performance of bridges. At present， in the research work on bridge vibration monitoring at home and abroad， the focus of the research is often on the collection， storage， analysis and application of vibration data， ignoring the pre-processing of vibration data， which obviously does not meet the needs of actual work. This paper expounds the characteristics of the bridge vibration monitoring data， points out the necessity of pre-processing the vibration monitoring data， enumerates the commonly used data processing methods in detail， and introduces the characteristics of each method one by one.

Keywords： bridge; vibration; monitoring data; data processing method; safety

為了保障服役期橋梁安全，及時準確地發現橋梁運營中可能出現的損傷，近年來橋梁健康監測技術受到廣泛青睞，很多長大橋梁都安裝了健康監測系統[1]。橋梁健康監測系統的主要工作內容是通過安裝各類型傳感器，實時采集橋梁結構在服役過程中的各種參數與數據。隨著現代測試與傳感技術的提升，橋梁健康監測的參數也在不斷拓展，一般包含溫度、濕度、振動、應變、撓度、索力和車輛荷載等多項參數。在上述監測參數中，振動作為關鍵參數之一，是評價橋梁整體安全性的重要指標。橋梁振動反映橋梁的剛度，是橋梁整體變化最明顯的反應，可以用于評價橋梁質量及運營狀態。對于實際橋梁來說，想要獲取橋梁振動狀態，需在橋梁不同部位安裝拾振傳感器，傳感器數量根據橋梁大小，一般從幾個至幾十個不等，這些傳感器一經安裝便長時間連續不間斷地采集數據?？偟膩碚f，橋梁振動監測具有傳感器數量多、長時間連續運行、數據采樣頻率高、易受環境干擾等特點，每天都會產生大量的數據。

目前國內外關于橋梁振動監測的研究工作中，研究的關注點一般是以下2點：一是如何確保傳感器準確地采集數據且長時間連續運行；二是如何利用采集到的振動數據評估橋梁安全性能。然而在對橋梁安全性能評估之前，對振動數據的處理工作較為忽視，往往是系統采集到的原始數據即被用于橋梁狀態評估工作中。只注重數據的采集、存儲、應用而忽略數據的處理，明顯是不符合實際工作需求的。因此如何對采集到的振動數據進行處理，分析數據特點，剔除干擾，提煉、匯總有價值的信息已成為了當下工程研究人員面對的一個重要問題，也是橋梁健康監測領域中的難點和熱點。

近年來國內學者針對橋梁振動監測數據在特征參數識別、相關性分析、可靠性檢驗、參數預測和預警及處理流程等方面已經開展了一定深度的研究。由于實際環境中各種原因導致了橋梁振動監測數據常常包含許多噪聲、不完整、甚至是不一致的數據，所以在建立時間序列模型之前，必須預先處理這些動態監測數據，剔除那些不符合實際規律的異常數據，并且檢驗這些數據的基本統計特性，從而提高數據的置信度和結果的可靠性。本文對常用的橋梁振動監測數據處理方法進行總結，闡述橋梁振動監測數據的特點，詳細列舉多個數據處理方法，并逐一介紹每種方法的特點。

1" 橋梁振動監測數據特點

橋梁健康監測中為了獲取橋梁振動特性，通常在橋梁不同部位安裝拾振傳感器，這些傳感器一經安裝便按照一定采樣頻率，長時間連續不間斷地采集振動數據。振動數據是時域數據，是以時間為序列排序的，隨著采樣時間不停推移，振動數據量將變得非常龐大，形成海量數據。此外，由于橋梁所處環境較為復雜，實際環境中各種意外因素都會導致振動監測數據包含許多干擾、噪聲、隨機、不完全、甚至是不一致的數據[2]。然而對監測數據的分析及應用評價是建立在監測數據準確有效的基礎上，數據精度低及受干擾都會影響最后的應用評價。因此基于以上數據的特征，需要預先對振動數據進行處理，對原始數據進行數據“修復”和規范化處理，便于進行后續的分析應用。

2" 橋梁振動監測數據預處理

2.1" 數據的平滑處理

受橋梁所處環境影響，在橋梁健康監測中采集到的振動數據含有噪聲是非常常見的現象，這表現在數據時程信號曲線上就是數據看起來有很多“毛刺”。為了去除“毛刺”，減少噪聲對數據的影響，可采用平滑處理的方法處理“毛刺”。平滑處理不僅能有效去除“毛刺”還能把數據中的短期不規則趨勢去除。數據的平滑處理方法主要有基于滑動平均法和基于最小二乘法[3]。

2.1.1" 基于滑動平均法

該方法原理是將時間序列數據的相鄰兩項或者多項進行平均處理。N項數據的平均處理公式如下

基于滑動平均法處理振動數據最明顯的作用是消除噪聲對監測數據的影響，凸顯數據的趨勢化變化規律。在滑動平均法處理過程中，N值越大，平滑處理的效果越好，但丟失掉的項數（N-1）也越多，故需在消除噪聲和保留數據完整性之間做出合理選擇。近年來，基于這種方法演變出更多類似方法，比如加權滑動平均法、二次滑動平均法、指數滑動法。

2.1.2" 基于最小二乘法

基于最小二乘法平滑數據原理是將時間序列數據的5項進行3次擬合處理，使數據曲線變得光滑，能夠有效消除振動數據中的高頻噪聲影響，也稱為五點三次平滑處理法。該方法不僅能消除噪聲影響，也能保持數據量的完整性，但平滑次數不宜過多，過多的平滑次數會使得數據曲線變的“矮胖”，因此會造成數據失真，與原始數據對比存在誤差。圖1為黃山市太平湖大橋振動加速度信號經五點三次平滑法處理前后的曲線對比圖。

2.2" 數據消除趨勢項

在振動數據采集過程中，由于放大器隨溫度變化及周圍環境干擾，振動數據會產生零點漂移，偏離平衡位置處，而且隨著時間變化數據偏離平衡位置的程度也會變化，即產生了趨勢項。趨勢項的存在會使得數據在頻域功率譜分析中產生誤差，特別會對數據在低頻頻譜分析中產生影響，往往無法辨別低頻頻譜，因此有必要采用一定的技術手段來消除趨勢項的影響。通常，采用最小二乘法來消除趨勢項是一種比較實用的方式，其結果滿足計算精度的要求，基于MATLAB軟件中的detrend函數或者polyfit函數來消除趨勢項的影響。圖2為經過detrend函數消除趨勢項前后的曲線比較圖，可以發現消除后的曲線基線在0附近，且相應的信號質量有所提高。

2.3" 信號降噪

在進行信號分析時，由于噪聲的干擾而導致分析結果達不到理想的精度甚至失真，因此一般在分析的時候盡量提高信噪比（S/N），有必要對原始信號采用一定的算法進行降噪或去噪。降噪或去噪目的是消除噪聲干擾，還原信號本身，對原始信號進行濾波是常用的一種信號降噪算法，但是有些情況下效果不理想，如果噪聲分布在特定頻段，且與信號在頻域上不重疊，那么濾波就難以去掉這種噪聲。而奇異值分解（SVD）和小波分析降噪則是一種比較理想的手段，且不喪失信號所包含的測量信息。

小波變換（WT）則是一種比較高級的降噪手段，其窗口大小固定但形狀可變，可以突出信號的局部特征，具有較高的頻率分辨率，適于分析正常信號中的瞬態反常現象并展示其成分[4]，圖3為使用小波變換penalty閾值降噪前后的信號曲線比較圖，通過降噪處理可以明顯地提高信噪比。

3" 橋梁振動監測數據處理分析

3.1" 振動數據分析時段確定

在橋梁健康監測系統中，考慮到橋梁的基頻一般均在10 Hz以內，而拉索（吊桿）的基頻頻帶較寬，一般均在20 Hz以內，根據Shannon采樣定理，相應的傳感器采樣頻率分別至少為20、40 Hz，由此會產生大量的時程數據，需要及時對所采集的數據進行處理分析，否則會造成數據庫資源及存儲等的極大浪費。一般而言，在日模式下的頻率統計分析時，通過設置一定的運算觸發條件，可每15 min進行計算1次，即每個測點共20×15×60=18 000個時域點數（20 Hz采樣頻率），如此一天下來共得到96個頻率值，一年下來共計35 040個數值；在進行年模式分析時，盡量排除車橋耦合振動的影響，一般取車輛較少的凌晨2點的數據作為當天的代表值，即每年共365個數值，這樣可進行多年的數據比較、分析和變化趨勢預測。

因此，每座橋的數值滿一年后，除了凌晨2點的數據外，其他數據均刪除，這樣既實現了資源的節約又保留了有代表的數值，實現由價值信息的存儲和日后進行多年數據預測與壽命評估等工作。

在進行了上面的處理之后，對振動信號進行相關的算法實現和相應的存儲分析，可以實現網級橋梁監測系統的各項監測數據統計和分析。實現了日模式下的短視數據查看，以便查看一天內的受人群、車輛及溫度作用下的監測數據的變化情況，結合相應的溫度、車流量監測數據，可以繼續進行下一步的工作，如：分析溫度效應對撓度、應變、索力和基頻等指標的影響，分離其中的溫度效應；也可以挖掘這些指標之間的內在聯系，由大數據分析來探尋其中蘊含的奧秘。對年模式下的數據進行分析，可以從多年監測的有代表性的數值監測年化曲線，直觀地發現其中的變化趨勢，即可進行趨勢分析和預測等工作，實現橋梁壽命評估等工作，為橋梁管養提供幫助。

3.2" 振動頻率識別

對于安裝在橋上的振動傳感器和振動法索力傳感器，均需要對采集的信號進行處理和分析，來計算其特征頻率。

對特征頻率不集中且阻尼比小的多自由度振動系統，由于結構的頻響函數會在其特征頻率位置產生極大值，所以通過頻譜圖中的極大值來進行識別特征頻率是有效的[5]。

對于阻尼比，則可以通過半功率帶寬法算估計得到？孜i

式中：l為測點數；n為離散后的總頻率點數；wm為第m個頻率點；PSDm為第m個通道的功率譜密度。

對于環境激勵下的橋梁結構振動監測數據，識別結構振動特征頻率的方法有3種。這3種方法分別是由自功率譜密度曲線識別、由互功率譜曲線識別、由相干函數曲線識別。利用上述3種方法識別時要注意以下3點[6]。

1）振動數據的自功率譜反應曲線，各個監測點的振動數據功率幅值的峰值應位于相同頻率處。

2）在互功率譜反應曲線上，結構上各個分測點與所選參考監測點在結構同階基頻處會表現出近似相同或相反相位的特點。

3）在相干函數反應曲線上，結構上各個測點與參考測點在同階頻率處的函數值較大，該頻率處的2組信號之間的相關性接近1.0，一般在0.7～1.0之間。

圖4為黃山市太平湖大橋索力測點一小時內的時程曲線，圖5為該時程數據的Welch譜曲線，圖6為通過該算法實現的平均正則化功率譜密度（ANPSD）曲線，根據譜線圖可知該測點譜線峰值比較明顯，且頻率比較分散，基于該譜線識別的基頻為0.449 2 Hz，同理依次可以選擇其他階次的特征頻率。

4" 結束語

由于橋梁所處環境較為復雜，實際環境中各種意外因素都會導致橋梁振動數據包含許多干擾、噪聲、隨機、不完全及甚至是不一致的數據。本文詳細列舉了幾個振動監測數據預處理方法，如數據的平滑處理方法、數據消除趨勢項方法、信號降噪方法。這些方法能有效消除數據中噪聲，剔除數據中的干擾因素。在振動數據分析過程中列舉了確定數據分析時段方法，振動頻率識別方法。文中的示例表明，經過預處理和分析處理的橋梁振動數據能有效識別出振動特征參數，從而評估橋梁安全狀態。

參考文獻：

[1] 張翼飛，劉洪濤，耿棟.橋梁健康監測技術問題和基于關鍵指標的監測系統研究[J].工程技術研究，2022，7（18）：188-190.

[2] 董輝.橋梁健康監測數據的數據挖掘模型[D].重慶：重慶大學，2006.

[3] 韋躍.基于長期監測數據的混凝土梁橋健康狀態評判方法研究[D].重慶：重慶交通大學，2014.

[4] 吳吉.基于小波變換的語音壓縮算法研究與DSP實現[D].上海：上海大學，2006.

[5] 王樂.基于環境激勵的安慶鐵路長江大橋模態參數識別[D].合肥：合肥工業大學，2015.

[6] 魏國祥.基于MATLAB的橋梁健康監測數據處理與可靠度分析[D].蘭州：蘭州交通大學，2012.

第一作者簡介：劉洪濤（1979－），男，碩士，高級工程師。研究方向為公路水運工程試驗檢測。