(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210570406.8 (22)申请日 2022.05.24 (71)申请人 中国铁路 设计集团有限公司 地址 300308 天津市滨 海新区自贸试验区 （空港经济区） 东七道109号 (72)发明人 庄哲　薄海青　侯黎明　肖威　 张骋　庞雪峰　 (74)专利代理 机构 天津市鼎和专利商标代理有 限公司 12101 专利代理师 张倩 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06F 30/13(2020.01) (54)发明名称 一种基于改进型Laplac e基稀疏分解提取结 构模态参数的方法 (57)摘要 本发明公开了一种基于改进型Laplac e基稀 疏分解提取结构 模态参数的方法， 步骤如下： (1) 设待分解信号x 采样频率 为fs， 采样周期 (2)设原子库中的原子gγ的频率为 ω， 原子周期 gγ表达式加入相位 参数θ； (3)原子gγ在其一个周期 内的采样 个数为N； (4)采用遍历法， 构造频率相同、 阻尼相 同、 相位不相同的原子库， 相位 各原 子与原待分解信号分别做内积， 取内积最大值对 应的原子作为该原子频率和采样频率下相位最 接近原信号的原子， 记该相位为θT； (5)将相位 θT带入原子库中， 构造新原子库， 并基于新原子 库对信号展开稀 疏分解。 本发明实现精确提取模 态参数。 权利要求书1页 说明书5页 附图2页 CN 114970626 A 2022.08.30 CN 114970626 A 1.一种基于改进型Laplace基稀疏分解提取结构模态参数的方法， 其特征在于， 包括如 下步骤： (1)设待分解信号x 采样频率 为fs， 采样周期 (2)设原子库中的原子gγ的频率为ω， 原子周期 加入相位参 数θ后， gγ表达式 如公式(1)所示： 式中， t为信号时间点， u为信号的时移参数， θ∈(0， 2 π ]； (3)原子gγ在其一个周期 内的采样个数为 (4)采用遍历法， 构造频率相同、 阻尼相同、 相位不相同的原子库， 相位 (k＝1， 2，…， N)， 各原子与 原待分解信号分别做内积， 取内积最大值对应的原子作为该原子频率和 采样频率下相位 最接近原信号的原子， 记该相位 为θT； (5)将该相位θT带入原子库中， 构造新的原子库， 并基于此原子库对信号展开稀疏分解。 2.根据权利 要求1所述的基于改进型Laplace基稀疏分解提取结构模态参数的方法， 其 特征在于， 所述 步骤(2)中， 原子gγ为Laplace原子， 是一种单边指数衰减的正弦曲线原子 。 3.根据权利 要求1所述的基于改进型Laplace基稀疏分解提取结构模态参数的方法， 其 特征在于， 所述步骤(4)中， 遍历法是指对原子库中所有原子均进行计算的算法， 待分解信 号x与原子gγ的内积表达式为 权　利　要　求　书 1/1 页 2 CN 114970626 A 2一种基于改进型Laplace基稀 疏分解提取结构模 态参数的 方法 技术领域 [0001]本发明涉及稀疏分解技术领域， 特别是涉及一种基于改进型Laplace基稀疏分解 提取结构模态参数的方法。 背景技术 [0002]随着工业和城市现代化发展， 高层建筑(如桥梁、 高塔、 海洋平台和高层楼房等)及 机械结构不仅越来越多， 而且结构日趋复杂， 其安全性检测已成为亟待解决 的课题之一。 在 高层建筑抗震、 抗风、 健康监测及损伤诊断等研究中， 结构模态参数是非常重要的设计参数 之一。 高层建筑一般都体量巨大， 很难对其施加足够大的可控力或振动作为输入。 即使可能 的话， 也因为对输入设备要求高、 试验费用昂贵及试验时影响建筑物的正常使用并可能造 成结构损坏而不切实际， 因而常规的模态分析方法很难有效地估算出系统的模态参数。 高 层建筑模态参数辨识问题在结构工程领域引起了许多研究者的关注。 [0003]李鹤等； 基于小波变换方法的高层建筑模态参数辨识[J]； 振动与冲击； 2005年05 期.针对高层建筑模态参数辨识问题， 其利用随机减量技术从环境激励下 的高层建筑振动 响应数据中提取自由衰减信号， 对自由衰减信号进行连续小波变换， 从而有效地识别高层 建筑固有频率和粘性阻尼系 数。 且其数值模拟表明， 在有白噪声干扰的情况下该方法有着 良好的精度， 证实了该方法的有效性。 该方法还成功地运用于某高层楼房的固有频率和粘 性阻尼系数的辨识， 为该高层楼房健康监测提供了重要的参考依据。 与常规方法相比， 该方 法无需对高层建筑进行激励， 节省费用， 安全性好， 不会影响高层建筑的正常工作， 能反映 高层建筑在工作条件下的模态参数， 可以通过实测的模态参数对高层建筑进 行健康评估和 损伤诊断， 而且环境激励下的振动测试使得长期的和在线的高层建筑健康监测成为可能。 [0004]通过小波变换法开展结构模态参数识别通常有两种不同的方式： 第一种是利用小 波变换所具有的良好的时频分析能力， 对信号进行分解， 然后根据分解后的信号进行模态 参数识别； 第二种采用小波变换直接对原始振动信号进行时频分析， 从而获得系统的时频 图， 进而通过小波脊线进行模态参数识别。 但通常小波变换会受到数据长度以及辨识精度 的影响。 [0005]虽然稀疏分解算法是自适应的信号分析方法， 但根据待分析信号的特征有选择的 选取特定基函数构造原子库可让分解结果更加准确 。 Laplace基与近似自由衰减仿真信号 具有较强的相似性， 这种相似性将大大有利于 分解特征提取。 传统基于Laplace基稀疏分解 算法， 首先使用经验模态分解(Empirical  Mode Decomposition， 简称EMD)方法对仿真信号 进行趋势项消除后， 接着使用随机减量技术(Random  Decrement  Technique， RD T)法提取近 似自由衰减仿真信号， 再对近似自由衰减仿真信号采用传 统基于Laplace基稀疏分解算法 进行模态参数识别。 [0006]但经研究发现， 采用基于传统Laplace基稀疏分解算法对基于 随机减量法所得近 似自由衰减仿真信号进行模态参数识别， 识别结果存在较大误差。 这是由于通常传统说　明　书 1/5 页 3 CN 114970626 A 3