基于EVSEWT的下击暴流时变平均风提取*

2020-08-06 01:13:58李春祥
振动、测试与诊断 2020年3期
关键词:风速信号结构

李春祥, 李 洲

(上海大学土木工程系 上海,200444)

引 言

极端风(热带气旋、下击暴流、龙卷风等)特性研究对于提高结构抗风设计水平、完善风荷载规范等意义重大。与大气边界层(atmospheric boundary layer,简称ABL)风不同,极端风具有明显的非平稳性,即风信号的统计特征值具有时变性。为了便于分析,学者们通常将非平稳风视为时变平均风与零均值随机脉动风的叠加[1]。在非平稳风特性分析中时变平均风提取的准确与否会影响时域中的相关分析或频域中的功率谱分析,从而产生较大误差,甚至使低频谱完全失去真实性。另外,在非平稳脉动风模拟与预测、结构非平稳振动响应分析和结构参数识别等研究中都涉及到信号时变平均项的提取[2]。因此,合理时变平均风速的提取对于非平稳风研究具有重要意义。

在时变均值提取的各类方法中,平均斜率法、差分法、最小二乘拟合等通常需要预先知道信号趋势项的类型,对处理具有复杂变化趋势的信号并不适用[3]。线性拟合、高阶滤波和滑动平均等缺乏统一的定量提取方法或准则,提取效果依赖于使用者的经验以及计算参数的选择,影响了模型的实用[4]。与此同时,由于经验模态分解(empirical mode decomposition,简称EMD)具有自适应性,不需要先验信息,使用方便;离散小波变换(discrete wavelet transform,简称DWT)在处理复杂信号上具有良好的时频分辨率,故这两种方法得到了学者们的普遍使用。陈隽等[4-5]提出使用EMD方法,并引入脉动风平稳度标准和截止频率,来提取台风风速记录中的时变平均风。……

登录APP查看全文

猜你喜欢
风速信号结构
《形而上学》△卷的结构和位置
哲学评论(2021年2期)2021-08-22 01:53:34
信号
鸭绿江(2021年35期)2021-04-19 12:24:18
基于Kmeans-VMD-LSTM的短期风速预测
基于最优TS评分和频率匹配的江苏近海风速订正
海洋通报(2020年5期)2021-01-14 09:26:54
完形填空二则
论结构
中华诗词(2019年7期)2019-11-25 01:43:04
基于FPGA的多功能信号发生器的设计
电子制作(2018年11期)2018-08-04 03:25:42
论《日出》的结构
基于GARCH的短时风速预测方法
基于LabVIEW的力加载信号采集与PID控制