Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连海事大学;中建一局集团第二建筑有限公司崔春义获国家专利权

大连海事大学;中建一局集团第二建筑有限公司崔春义获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉大连海事大学;中建一局集团第二建筑有限公司申请的专利一种风载作用下工程结构动力舒适度评估方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120028029B

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510120479.0,技术领域涉及:G01M13/00;该发明授权一种风载作用下工程结构动力舒适度评估方法是由崔春义;刘海龙;赵兴达;王坤鹏;刘志新;杨小立;涂毅;鄢波设计研发完成,并于2025-01-25向国家知识产权局提交的专利申请。

一种风载作用下工程结构动力舒适度评估方法在说明书摘要公布了:本发明公开了一种风载作用下工程结构动力舒适度评估方法,包括采集并获取风荷载作用下高层建筑的动态响应数据;基于经验模态分解方法将加速度时序信号分解为若干本征模态信号,基于希尔伯特变换获取各本征模态信号的瞬时频率与瞬时幅值;根据各本征模态信号的瞬时频率与瞬时幅值,获取各时刻的加权平均瞬时频率与最大瞬时幅值;基于卡尔曼滤波算法并引入积累误差修正机制,根据采集的加速度时序信号获取风载作用下工程结构的各时刻的估计位移数据,获取各时刻的综合舒适度评分,以实现对风载作用下工程结构动力舒适度评估。本发明解决了由于忽视非线性、非平稳的动态响应特性,而风荷载产生的振动往往具备随机性和随时间变化的特性,使得无法精确实现对风载作用下工程结构动力舒适度的评估的问题。

本发明授权一种风载作用下工程结构动力舒适度评估方法在权利要求书中公布了:1.一种风载作用下工程结构动力舒适度评估方法,其特征在于,具体包括以下步骤: S1:采集并获取风荷载作用下高层建筑的动态响应数据; 且所述动态响应数据即为:通过安装在高层建筑关键部位的加速度传感器采集的加速度时序信号; 所述高层建筑关键部位包括高层建筑的质心位置或结构接缝连接位置; S2:基于经验模态分解方法将加速度时序信号分解为若干本征模态信号; 并基于希尔伯特变换,对各本征模态信号进行特征提取获取各本征模态信号的瞬时频率与瞬时幅值; 具体包括以下步骤 S21:基于经验模态分解方法将加速度时序信号分解为若干本征模态信号,其表达式为 式中:表示第个本征模态函数,且为的简化形式即本征模态信号;表示加速度时序信号的局部均值;表示风荷载作用下高层建筑的动态响应数据; S22:对每一个本征模态信号进行希尔伯特变换,其表达式为 式中:表示本征模态信号的Hilbert变换;表示遍历信号的整个时间范围的积分变量;表示时间变量; S23:对希尔伯特变换后的本征模态信号进行特征提取,获取瞬时频率与瞬时幅值,其表达式为 式中:表示Hilbert变换相位;表示每个本征模态函数提取的瞬时频率;表示每个本征模态函数提取的瞬时幅值; S3:根据各本征模态信号的瞬时频率与瞬时幅值,获取各时刻的加权平均瞬时频率与最大瞬时幅值,其表达式为 式中:表示每一时刻的加权平均瞬时频率,表示第i个本征模态函数提取的瞬时频率且;表示本征模态函数的总数量;表示第i个本征模态函数提取的瞬时幅值且;表示最大瞬时幅值;表示由每个模态的瞬时幅值确认的权重; S4:基于卡尔曼滤波算法并引入积累误差修正机制,根据采集的加速度时序信号获取风载作用下工程结构的各时刻的估计位移数据; 具体包括 S41:建立风载荷下高层建筑的动态响应状态方程; 且所述动态响应状态方程的表达式为 式中:表示关于高层建筑水平位移与速度的时刻k的状态向量且;A表示状态转移矩阵;B表示控制输入矩阵;表示控制输入向量-加速度信号;表示过程噪声; S42:对卡尔曼滤波算法进行参数初始化; 且所述初始化的参数包括状态转移矩阵A:; 控制输入矩阵B:; 观测矩阵H:; 过程噪声的协方差Q:; 观测噪声协方差R:根据经验值设定的标量; 误差协方差P: 状态向量:,其中表示高层建筑的当前水平位移的初始估计值;表示高层建筑的当前速度的初始估计值; S43:基于卡尔曼滤波算法,根据状态观测方程实现对风载荷下高层建筑的动态响应状态的预测估计与误差协方差; 所述动态响应状态的预测估计的表达式为 式中:k表示时刻;表示k时刻动态响应状态的预测估计;表示k-1时刻的更新状态估计; 所述误差协方差的表达为 式中:表示k时刻的预测误差协方差矩阵;表示k-1时刻的更新误差协方差矩阵;表示过程噪声协方差矩阵,即动态响应状态方程中的过程噪声;表示A的转置; S44:根据动态响应状态方程获取风荷载作用下高层建筑的测量方程,其表达式为 式中:表示测量的水平位移; S45:根据误差协方差的更新公式,获取卡尔曼滤波算法的卡尔曼增益; 且所述卡尔曼增益的表达式为 式中:表示卡尔曼增益矩阵;表示观测噪声协方差矩阵;表示的转置; S46:基于卡尔曼增益,根据测量方程与动态响应状态的预测估计,获取高层建筑的当前状态估计更新方程; 且所述当前状态估计更新方程的表达式为 式中:表示k时刻的更新状态估计;表示用于表征测量值与预测测量值之间差异的测量残差; 并将当前状态估计更新方程的状态估计,作为当前迭代下高层建筑的动态响应; 设定累计更新迭代阈值,并确认当前迭代时的累计更新迭代次数是否达到累计更新迭代阈值; 若确认当前迭代时的累计更新迭代次数达到累计更新迭代阈值; 则基于积累误差修正机制对当前迭代下高层建筑的动态响应进行误差修正,以获取优化动态响应并将其更新为当前迭代下高层建筑的动态响应; 否则,不对当前迭代下高层建筑的动态响应进行误差修正; 当需要执行下一次迭代时,执行步骤S47; S47:根据误差协方差的预测误差协方差矩阵,获取更新协方差矩阵,其表达式为 并将当前迭代下高层建筑的动态响应与更新协方差矩阵重新作为卡尔曼滤波算法的输入,并重复执行S44至S46; S5:对获取的加速度时序信号、加权平均瞬时频率、最大瞬时幅值以及估计位移数据进行比例归一化处理,并对归一化处理后的数据进行加权计算,获取各时刻的综合舒适度评分,以实现对风载作用下工程结构动力舒适度评估。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人大连海事大学;中建一局集团第二建筑有限公司,其通讯地址为:116000 辽宁省大连市甘井子区凌水街道凌海路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。