CN115480305A - 边坡地震动力响应及灾变过程多元多域感知监测方法 - Google Patents
边坡地震动力响应及灾变过程多元多域感知监测方法 Download PDFInfo
- Publication number
- CN115480305A CN115480305A CN202210869674.XA CN202210869674A CN115480305A CN 115480305 A CN115480305 A CN 115480305A CN 202210869674 A CN202210869674 A CN 202210869674A CN 115480305 A CN115480305 A CN 115480305A
- Authority
- CN
- China
- Prior art keywords
- slope
- seismic
- spectrum
- hilbert
- domain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及一种边坡地震动力响应及灾变过程多元多域感知监测方法，包括：通过分析多因素耦合下的边坡动力，得到其目标测点的加速度和位移时程并分析，从而获取边坡的第一地震动力响应特征，并分别对加速度和目标测点的速度时程进行傅里叶和希尔伯特黄变换，分别得到目标测点的傅里叶谱及地震希尔伯特能量谱和边际谱，并对边坡进行模态分析，得到第二地震动力响应特征，同时获取其内在关联模型，得到第三地震动力响应特征及边坡动力损伤定量化评估判据，从而建立多域关联分析模型，对边坡地震动力响应及灾变过程进行感知监测。由此，解决了在多种复杂致灾因素耦合作用下，通过单域分析方法难以精准刻画边坡的动力响应及灾变机理等问题。
Description
技术领域
本发明涉及岩土工程地质灾害技术领域，特别涉及一种边坡地震动力响应及灾变过程 多元多域感知监测方法。
背景技术
边坡变形是全球性的主要自然灾害之一，在外界诱发因素下易导致边坡失稳出现滑动 破坏，滑坡灾害已成为了一种严重威胁人民生命财产的地质灾害。我国近一半国土面积位 于Ⅶ度以上地震高烈度区，在强地震、强降雨、地下水、开挖卸荷、自然风化、复杂地质条件等长期的复杂内外动力致灾因素耦合作用影响，边坡的地震动力响应特征变得极其复杂，边坡的地震稳定性及破坏机理难以被充分揭示。多因素耦合作用下复杂边坡的地震动力响应特征体现在时间域、频率域及时频域响应三个方面，具有典型的多域特性。
相关技术中，针对边坡动力响应方面的研究，多是基于时间域、频率域或时频域的边 坡动力响应特性单域研究，但对于开展边坡动力响应特性多域联合分析方面待研究不足， 同时未建立时域、频域及时频域的耦联分析模型。明晰边坡地震动力响应及失稳机理是其 滑坡防控的前提条件，因此，针对相关技术中的边坡动力学时域、频域等单域分析方法难 以全面准确刻画多荷载耦合作用下复杂边坡致灾过程的不足，充分考虑复杂岩土体多域(时 间域-频率域-时频域)动力特性，有必要建立边坡灾变过程分析的多域耦联分析方法。
边坡地震动力响应分析参数的选择及其使用，关系到其分析结果的可靠性及准确性。 目前，边坡的地震动力响应分析常采用的是时间域分析参数，主要包括峰值加速度(Peak Ground Acceleration，PGA)、峰值位移(Peak Ground Displacement，PGD)等；频率域分 析参数主要是采用傅里叶谱特征及传递函数的概念开展研究；时频域分析参数主要采用多 种地震希尔伯特谱及边际谱峰值开展动力响应分析。但是，相关技术中的边坡动力响应分 析参数的选择具有不确定性，由于各个分析参数的物理意义及其表征的响应特征不同，难 以明晰各个分析参数的适用性。此外，在频域分析中为充分考虑多方法的联合分析，模态 分析是结构动力分析的重要方法，也是动力频域分析的基本类型，又称固有频率分析。模 态分析主要利用有限元方法研究工程实体在固有频率作用下的动力变形特征，模态分析结 合边坡实测数据的傅里叶谱分析可以完善频率域参数分析框架。因此，有必要开展多因素 耦合作用下边坡地震动力响应多元多域感知监测关键分析指标研究，厘清时域、频域、时 频域主要分析指标与边坡灾变特征的对应关系，阐明边坡动力响应多域关键分析指标及物 理表征意义。
地震作用下复杂边坡的动力损伤演化过程极为复杂，以往多是采用现场调查、模型试 验、数值模拟等方法开展研究，其分析结果具有定性及半定性的特征，难以定量地复杂边 坡的地震动力损伤演化过程进行准确高效地判识。相关技术人员提出过一种信号分析方法， 即希尔伯特黄变换(HHT)。HHT重点是提出固有模态函数的概念，并借助于经验模态分解 (Empirical Mode Decomposition，EMD)，即EMD法，它是一种自适应的数据处理或挖掘方 法，可以将信号分解成有限个多阶固有模态函数，非常适合处理非平稳非线性信号。EMD 方法可以将十分复杂的信号分解为若干个本征模函数(Intrinsic ModeFunction，IMF)，通过 EMD分解后得到的IMF分量可以较好地反映不同时间尺度的原始信号的局部特征。在此 基础上，对每个IMF进行HHT得到每个IMF的瞬时频率，进而将信号清晰地分布在时间- 频率-幅值轴上。IMF包含多种频率成分，频率随着IMF的阶数增加而逐渐减小。对于地震 波等非线性非平稳信号，HHT可以对这些信号进行自适应的高效分解。HHT首先是对复杂 时间序列进行EMD，EMD通过假设许多互异函数、非正弦的简单IMF组成某一复杂的时 间序列，基于上述假设，EMD能够将任意时间序列分解为许多频率由高到低分布的IMF， 其中每一阶IMF均包含原始信号的全部信息。然后，利用HHT对于所有的IMF进行变换，得到原始信号的所有的瞬时频率、地震希尔伯特谱及其边际谱。HHT方法在工程实体内的震害损伤识别得到了广泛应用，这为该方法在岩土工程的应用提供的基础条件，基于该方法进一步提出基于能量传递的边坡动力损伤定量化评估判据。但是，由于边坡地质条件的复杂性，这使地震希尔伯特能量谱及边际谱的适用性具有局限性，亟待探明地震希尔伯特能量谱及边际谱分析边坡局部-整体变形的适用性。
发明内容
本申请提供一种边坡地震动力响应及灾变过程多元多域感知监测方法，以解决在多种 复杂致灾因素耦合作用下，通过单域分析方法难以精准刻画边坡的动力响应及灾变机理等 问题。
本申请第一方面实施例提供一种边坡地震动力响应及灾变过程多元多域感知监测方 法，包括以下步骤：
对多因素耦合条件下的边坡进行动力分析，得到边坡目标测点的加速度时程和位移时 程，并对所述加速度时程和所述位移时程进行分析，并根据分析结果和目标测点的时程曲 线基于时间域确定所所述边坡的第一地震动力响应特征；
对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里叶谱，并对所述边坡通 过数值建模后进行模态分析，得到所述边坡的基于模态分析得到的固有频率和振型特征， 根据基于所述傅里叶谱的得到的固有频率和基于频谱特征得到的固有频率的每个频率段的 谱峰值、所述基于模态分析得到的固有频率和所述振型特征基于频率域确定所述边坡的第 二地震动力响应特征；
对所述目标测点的速度时程进行希尔伯特黄变换，得到所述目标测点的地震希尔伯特 能量谱和边际谱，并从所述地震希尔伯特能量谱和所述边际谱中获取地震动时间-频率-幅值 关系，并基于所述地震动时间-频率-幅值关系、所述地震希尔伯特能量谱的谱峰值变化及谱 特征和所述边际谱的谱峰值变化及谱特征基于时频域确定所述边坡的第三地震动力响应特 征；
根据所述地震希尔伯特能量谱和所述边际谱，与边坡动力变形的关联特征，得到基于 能量传递的边坡动力损伤定量化评估判据；
基于所述边坡的第一地震动力响应特征、所述边坡的第二地震动力响应特征和所述边 坡的第三地震动力响应特征，建立边坡动力响应的多域关联分析模型，以通过所述多域关 联分析模型和所述边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知 监测。
根据本发明的一个实施例，所述根据所述地震希尔伯特能量谱和所述边际谱，与边坡 动力变形的关联特征，得到基于能量传递的边坡动力损伤定量化评估判据，包括：
提取所述边坡的多个监测点进行加速度时程，并进行滤波处理，对处理后的加速度时 程的进行模态分解，得到多个本征模函数IMF分量
对所述IMF分量进行希尔伯特黄变换，得到不同IMF分量的瞬时频率曲线及希尔伯特 边际谱；
根据所述多个监测点的希尔伯特边际谱幅值的变化规律确定所述边坡内部的能量分布 特征，并根据所述边坡内部的能量分布特征和所述边际谱的变化趋势得到所述边坡内部的 破坏位置；
基于所述边坡内部的破坏位置和边坡表面位移，生成所述基于能量传递的边坡动力损 伤定量化评估判据。
根据本发明的一个实施例，所述对所述加速度时程进行傅里叶变换，得到所述目标测 点的傅里叶谱，包括：
基于预设的变换公式，对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里 叶谱，其中，所述预设的变换公式为：
其中，f(t)是时间域的加速度时程，t为时间，F(ω)是加速度时程f(t)的傅里叶变换。
根据本发明的一个实施例，所述地震希尔伯特能量谱为：
其中，H(t,ω)为加速度时程的希尔伯特黄能量谱，t为时间，ωj为瞬时频率，aj(t,ωj)为 第j阶IMF在时间t与瞬时频率ωj时对应的损失幅值，j为整数。
根据本发明的一个实施例，所述边际谱为：
其中，h(ω,t)为希尔伯特边际谱，ω为频率，T为整个振动信号的持续时间。
根据本申请实施例的边坡地震动力响应及灾变过程多元多域感知监测方法，通过分析 多因素耦合下的边坡动力，得到其目标测点的加速度和位移时程并分析，获取边坡的第一 地震动力响应特征，分别对加速度和目标测点的速度时程进行傅里叶和希尔伯特黄变换， 分别得到目标测点的傅里叶谱及地震希尔伯特能量谱和边际谱，并对边坡进行模态分析， 从而得到第二地震动力响应特征；获取地震希尔伯特能量谱和边际谱中的内在关联模型， 得到第三地震动力响应特征及边坡动力损伤定量化评估判据，从而建立多域关联分析模型， 结合边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知监测。由此， 解决了在多种复杂致灾因素耦合作用下，通过单域分析方法难以精准刻画边坡的动力响应 及灾变机理等问题，通过边坡地震动力响应及灾变过程多元多域感知监测方法，揭示了复 杂边坡地震累积破坏效应及渐进破坏机理，实现了局域破坏-累积变形-全域失稳的边坡灾变 全过程精准监测，提升了相关技术人员对边坡地震动力响应及灾变过程的认知水平。
本申请第二方面实施例提供一种边坡地震动力响应及灾变过程多元多域感知监测装 置，包括：
分析模块，用于对多因素耦合条件下的边坡进行动力分析，得到边坡目标测点的加速 度时程和位移时程，并对所述加速度时程和所述位移时程进行分析，并根据分析结果和目 标测点的时程曲线基于时间域确定所所述边坡的第一地震动力响应特征；
第一变换模块，用于对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里叶 谱，并对所述边坡通过数值建模后进行模态分析，得到所述边坡的基于模态分析得到的固 有频率和振型特征，根据基于所述傅里叶谱得到的固有频率和基于频谱特征得到的固有频 率的每个频率段的谱峰值、所述基于模态分析得到的固有频率和所述振型特征基于频率域 确定所述边坡的第二地震动力响应特征；
第二变换模块，用于对所述目标测点的速度时程进行希尔伯特黄变换，得到所述目标 测点的地震希尔伯特能量谱和边际谱，并从所述地震希尔伯特能量谱和所述边际谱中获取 地震动时间-频率-幅值关系，并基于所述地震动时间-频率-幅值关系、所述地震希尔伯特能 量谱的谱峰值变化及谱特征和所述边际谱的谱峰值变化及谱特征基于时频域确定所述边坡 的第三地震动力响应特征；
获取模块，用于根据所述地震希尔伯特能量谱和所述边际谱，与边坡动力变形的关联 特征，得到基于能量传递的边坡动力损伤定量化评估判据；
监测模块，用于基于所述边坡的第一地震动力响应特征、所述边坡的第二地震动力响 应特征和所述边坡的第三地震动力响应特征，建立边坡动力响应的多域关联分析模型，以 通过所述多域关联分析模型和所述边坡动力损伤定量化评估判据对边坡地震动力响应及灾 变过程进行感知监测。
根据本发明的一个实施例，所述获取模块，具体用于：
提取所述边坡的多个监测点进行加速度时程，并进行滤波处理，对处理后的加速度时 程的进行模态分解，得到多个本征模函数IMF分量
对所述IMF分量进行希尔伯特黄变换，得到不同IMF分量的瞬时频率曲线及希尔伯特 边际谱；
根据所述多个监测点的希尔伯特边际谱幅值的变化规律确定所述边坡内部的能量分布 特征，并根据所述边坡内部的能量分布特征和所述边际谱的变化趋势得到所述边坡内部的 破坏位置；
基于所述边坡内部的破坏位置和边坡表面位移，生成所述基于能量传递的边坡动力损 伤定量化评估判据。
根据本发明的一个实施例，所述第一变换模块，具体用于：
基于预设的变换公式，对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里 叶谱，其中，所述预设的变换公式为：
其中，f(t)是时间域的加速度时程，t为时间，F(ω)是加速度时程f(t)的傅里叶变换。
其中，H(t,ω)为加速度时程的希尔伯特黄能量谱，t为时间，ωj为瞬时频率，aj(t,ωj)为 第j阶IMF在时间t与瞬时频率ωj时对应的损失幅值，j为整数。
根据本发明的一个实施例，所述边际谱为：
其中，h(ω,t)为希尔伯特边际谱，ω为频率，T为整个振动信号的持续时间。
根据本申请实施例的边坡地震动力响应及灾变过程多元多域感知监测装置，通过分析 多因素耦合下的边坡动力，得到其目标测点的加速度和位移时程并分析，获取边坡的第一 地震动力响应特征，分别对加速度和目标测点的速度时程进行傅里叶和希尔伯特黄变换， 分别得到目标测点的傅里叶谱及地震希尔伯特能量谱和边际谱，并对边坡进行模态分析， 从而得到第二地震动力响应特征；获取地震希尔伯特能量谱和边际谱中的内在关联模型， 得到第三地震动力响应特征及边坡动力损伤定量化评估判据，从而建立多域关联分析模型， 结合边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知监测。由此， 解决了在多种复杂致灾因素耦合作用下，通过单域分析方法难以精准刻画边坡的动力响应 及灾变机理等问题，通过边坡地震动力响应及灾变过程多元多域感知监测方法，揭示了复 杂边坡地震累积破坏效应及渐进破坏机理，实现了局域破坏-累积变形-全域失稳的边坡灾变 全过程精准监测，提升了相关技术人员对边坡地震动力响应及灾变过程的认知水平。
本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储 器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实 施例所述的边坡地震动力响应及灾变过程多元多域感知监测方法。
本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程 序被处理器执行，以用于实现如上述实施例所述的边坡地震动力响应及灾变过程多元多域 感知监测方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明 显，或通过本申请的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和 容易理解，其中：
图1为根据本申请实施例提供的一种边坡地震动力响应及灾变过程多元多域感知监测 方法的流程图；
图2为根据本申请一个实施例提供的边坡动力响应及灾变过程分析的流程图；
图3为根据本申请一个实施例提供的多域耦联分析关键指标及模型示例图；
图4根据本申请一个实施例提供的汶川地震波加速度时程示例图；
图5为根据本申请一个实施例提供的边坡测点傅里叶谱示例图；
图6为根据本申请一个实施例提供的边坡的模态分析结果示例图；
图7为根据本申请一个实施例提供的边坡测点地震希尔伯特能量谱及HHT边际谱示例 图；
图8为根据本申请一个实施例提供的EMD分解流程示例图；
图9为根据本申请一个实施例提供的边坡边际谱峰值分布示例图；
图10为根据本申请一个实施例提供的模型边坡地质概化示例图；
图11为根据本申请一个实施例提供的多域耦联分析方法原理流程图；
图12为根据本申请实施例提供的边坡地震动力响应及灾变过程多元多域感知监测装置 方框示例图；
图13为根据本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类 似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的 实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的边坡地震动力响应及灾变过程多元多域 感知监测方法，针对上述背景技术中提到的在多种复杂致灾因素耦合作用下，通过单域分 析方法难以精准刻画边坡的动力响应及灾变机理的问题，本申请提供了一种边坡地震动力 响应及灾变过程多元多域感知监测方法，在该方法中，通过分析多因素耦合下的边坡动力， 得到其目标测点的加速度和位移时程并分析，获取边坡的第一地震动力响应特征，分别对 加速度和目标测点的速度时程进行傅里叶和希尔伯特黄变换，分别得到目标测点的傅里叶 谱及地震希尔伯特能量谱和边际谱，并对边坡进行模态分析，从而得到第二地震动力响应 特征；获取地震希尔伯特能量谱和边际谱中的内在关联模型，得到第三地震动力响应特征 及边坡动力损伤定量化评估判据，从而建立多域关联分析模型，结合边坡动力损伤定量化 评估判据对边坡地震动力响应及灾变过程进行感知监测。由此，解决了在多种复杂致灾因 素耦合作用下，通过单域分析方法难以精准刻画边坡的动力响应及灾变机理等问题，通过 边坡地震动力响应及灾变过程多元多域感知监测方法，揭示了复杂边坡地震累积破坏效应 及渐进破坏机理，实现了局域破坏-累积变形-全域失稳的边坡灾变全过程精准监测，提升了 相关技术人员对边坡地震动力响应及灾变过程的认知水平。
具体而言，本申请实施例的边坡地震动力响应及灾变过程多元多域感知监测方法主要 包括三个方面，分别为边坡动力响应多元多域感知监测关键分析指标、边坡灾变过程多元 多域耦联分析方法以及基于能量传递的边坡动力损伤定量化评估判据。通过以上三个方面 的论证分析，从根本上深入揭示了复杂边坡地震累积破坏效应及渐进破坏机理，在土木工 程领域和地质灾害防治领域应用前景较为广泛，下面则通过具体实施例进行详细说明。
图1是本发明一个实施例的边坡地震动力响应及灾变过程多元多域感知监测方法的流 程示意图。
如图1所示，该边坡地震动力响应及灾变过程多元多域感知监测方法包括以下步骤：
在步骤S101中，对多因素耦合条件下的边坡进行动力分析，得到边坡目标测点的加速 度时程和位移时程，并对加速度时程和位移时程进行分析，并根据分析结果和目标测点的 时程曲线基于时间域确定所边坡的第一地震动力响应特征。
具体地，如图2所示，本申请实施例针对强震、地下水、复杂地质结构等多因素耦合作用下，充分考虑到边坡动力响应的多域，如时间域、频率域、时频域的动力特性， 分别对多因素耦合条件下的边坡进行动力响应的时间域、频率域及时频域的分析，初步得 到各个域的边坡动力响应特征，厘清了多域主要分析指标与边坡灾变特征的对应关系， 从而建立了边坡动力响应多元多域耦联分析模型。
进一步地，本申请实施例首先对时间域进行动力分析，从而得到边坡目标测点的加速 度时程、位移时程等，其中，时域主要分析指标包括峰值加速度、峰值位移、动力安全系 数(Ks)、塑性效应系数(Partially Encased Concrete，PEC)等；其次，对加速度时程和位移时程进行分析，针对边坡目测点的加速度时程及位移等时程曲线，通过分析PGA的放大系数和PGD的变化规律，结合目标测点的时程曲线变化特征基于时间域确定边坡的第一地震动力响应特征。
具体而言，如图2和图3所示，本申请实施例以汶川地震武都记录波为例进行阐述。如图4所示，通过加载汶川地震波对边坡进行地震动力分析，提取边坡目标测点的加速度时程及位移时程等，并对其进行分析，针对边坡目标测点的加速度及位移等时程曲线，通过分析PGA/MPGA和PGD的变化规律，结合边坡目标测点时程曲线特征的变化特征，从 时间域研究边坡地震动力响应特征，探明地形地质条件、地震动参数等对边坡动力放大效 应的影响，从而从力学及变形角度直观地反映边坡的地震动力响应特征。
在步骤S102中，对加速度时程进行傅里叶变换，得到目标测点的傅里叶谱，并对边坡 通过数值建模后进行模态分析，得到边坡的基于模态分析得到的固有频率和振型特征，根 据基于傅里叶谱得到的固有频率和基于频谱特征得到的固有频率的每个频率段的谱峰值、 基于模态分析得到的固有频率和振型特征基于频率域确定边坡的第二地震动力响应特征。
进一步地，在一些实施例中，对加速度时程进行傅里叶变换，得到目标测点的傅里叶 谱，包括：基于预设的变换公式，对加速度时程进行傅里叶变换，得到目标测点的傅里叶谱，其中，预设的变换公式为：
其中，f(t)是时间域的加速度时程，t为时间，F(ω)是加速度时程f(t)的傅里叶变换。
具体地，如图5所示，本申请实施例通过对频率域进行分析，包括模态分析及边坡测 点加速度时程的傅里叶谱特征分析，首先基于预设的变换公式，通过对边坡目标测点的加 速度时程开展快速傅里叶变换(Fast Fourier Transform，FFT)，并对边坡通过数值建模后 进行模态分析，从而得到边坡测点的傅里叶谱，其次通过傅里叶谱分析获取边坡的固有频 率及不同固有频率段的谱峰值等信息。其中，频域主要分析指标包括固有频率(f)、相对 位移(U)、傅里叶谱峰值(PFSA)等，预设的变换公式为：
其中，f(t)是时间域的加速度时程，t为时间，F(ω)是加速度时程f(t)的傅里叶变换。
具体而言，本申请实施例采取有限元方法对边坡进行数值建模进而进行模态分析，从 而获取边坡的固有频率及振型特征等信息。模态分析是结构动力分析的重要方法，也是动 力频域分析的基本类型，又称固有频率分析。有限元法是模态分析中常用的方法，模态分 析主要获取固有振型及固有频率，基于弹性力学原理，模态分析的动力控制方程如下：
其中，[M]为质量矩阵，[C]为阻尼矩阵，[K]为刚度矩阵，{F}为随时间变化的外力荷 载函数，
为模型的加速度矢量，
为模型的速度矢量，{U}为模型的位移矢量，用于描述振型的模态分析。在理想状态下，模态分析不考虑外力和阻尼效应的影响，因此，模 态分析的动态控制方程可表示为：
模态分析动力控制方程的特征方程为：
([K]-ωi 2[M]){U}＝0； (4)
其中，ωi是第i个自然圆频率(i＝1,2,3....,n)，从而得到固有频率fi为：
特征值所对应的特征向量是{U}i，{U}i表示固有频率fi下振动时的振型。其中，一阶振 型为主振型，模型的动力学特性主要由低阶振型控制，进行分析时仅考虑前几阶模态。
举例而言，如图6所示，以边坡的前三阶模态分析结果为例，结合边坡目标测点的傅 里叶谱分析及模态分析结果，得到边坡的基于模态分析得到的固有频率和振型特征，根据 基于傅里叶谱得到的固有频率和基于频谱特征得到的固有频率的每个频率段的谱峰值、基 于模态分析得到的固有频率和振型特征基于频率域确定边坡的第二地震动力响应特征，也 就是说，将模态分析结果与边坡目标测点的傅里叶谱分析互为验证补充，通过频率域角度 确定边坡的地震动力响应特征即第二地震动力响应特征，从而阐明了地震波卓越频率、边 坡固有频率及边坡局部变形机理的关系。
在步骤S103中，对目标测点的速度时程进行希尔伯特黄变换，得到目标测点的地震希 尔伯特能量谱和边际谱，并从地震希尔伯特能量谱和边际谱中获取地震动时间-频率-幅值关 系，并基于地震动时间-频率-幅值关系、地震希尔伯特能量谱的谱峰值变化及谱特征和边际 谱的谱峰值变化及谱特征基于时频域确定边坡的第三地震动力响应特征。
其中，H(t,ω)为加速度时程的希尔伯特黄能量谱，t为时间，ωj为瞬时频率，aj(t,ωj)为 第j阶IMF在时间t与瞬时频率ωj时对应的损失幅值，j为整数。
边际谱为：
其中，h(ω,t)为希尔伯特边际谱，ω为频率，T为整个振动信号的持续时间。
具体地，本申请实施例通过对时频域进行分析，包括对边坡测点加速度时程的地震希 尔伯特能量谱及边际谱特征分析，如图7所示，首先，针对边坡目标测点的加速度时程曲 线进行希尔伯特黄变换获得相应的边坡测点的地震希尔伯特能量谱及边际谱，从而获取地 震动时间-频率-幅值等相关信息，从而从能量传递角度分析边坡的动力响应特征及灾变过程； 其次，通过分析谱峰值变化及谱特征，从时频域角度研究边坡的地震动力响应特征，即第 三地震动力响应特征。其中，时频域主要分析指标包括阿里亚斯强度(Ia)、地震希尔伯 特能量谱峰值(PHSA)、边际谱峰值(PMSA)等。
在步骤S104中，根据地震希尔伯特能量谱和边际谱，与边坡动力变形的关联特征，得 到基于能量传递的边坡动力损伤定量化评估判据。
进一步地，在一些实施例中，根据地震希尔伯特能量谱和边际谱，与边坡动力变形的 关联特征，得到基于能量传递的边坡动力损伤定量化评估判据，包括：提取边坡的多个监 测点进行加速度时程，并进行滤波处理，对处理后的加速度时程的进行模态分解，得到多 个本征模函数IMF分量；对IMF分量进行希尔伯特黄变换，得到不同IMF分量的瞬时频 率曲线及希尔伯特边际谱；根据多个监测点的希尔伯特边际谱幅值的变化规律确定边坡内部的能量分布特征，并根据边坡内部的能量分布特征和边际谱的变化趋势得到边坡内部的破坏位置；基于边坡内部的破坏位置和边坡表面位移，生成基于能量传递的边坡动力损伤定量化评估判据。
进一步地，本申请实施例基于能量角度建立了地震希尔伯特能量谱及边际谱与边坡动 力响应的关联模型，阐明了地震希尔伯特能量谱及边际谱分析边坡局部-整体变形的适用性， 实现了边坡动力损伤演化过程的定量化判识。
具体而言，如图8所示，HHT提出固有模态函数的概念，并借助于经验模态分解，即EMD法，提取边坡的多个监测点进行加速度时程，并进行滤波处理，将复杂的信号分解为 若干个本征模函数IMF，通过EMD分解后得到的IMF分量可以较好地反映不同时间尺度 的原始信号的局部特征。在此基础上，对每个IMF进行HHT，得到每个IMF的瞬时频率， 进而将信号清晰地分布在时间-频率-幅值轴上。
进一步地，IMF包含多种频率成分，频率随着IMF的阶数增加而逐渐减小。对于地震波等非线性非平稳信号，HHT可以对这些信号进行自适应的高效分解。HHT首先是对复杂 时间序列进行EMD，EMD通过假设许多互异函数、非正弦的简单IMF组成某一复杂的时 间序列，基于上述假设，EMD能够将任意时间序列分解为许多频率由高到低分布的IMF， 其中每一阶IMF均包含原始信号的全部信息；其次，利用HHT对于所有的IMF进行变换， 得到原始信号的所有的瞬时频率、地震希尔伯特谱及其边际谱。
其中，振幅与瞬时频率为时间关联函数，地震希尔伯特谱H(ω,t)表征信号的幅值在频 率轴上随时间和频率的分布规律，可由下式表示：
其中，H(t,ω)为加速度时程的希尔伯特黄能量谱，t为时间，ωj为瞬时频率，aj(t,ωj)为 第j阶IMF在时间t与瞬时频率ωj时对应的损失幅值，j为整数。
边际谱是对地震希尔伯特谱进行积分而得到的，可由下式表示：
其中，h(ω,t)为希尔伯特边际谱，ω为频率，T为整个振动信号的持续时间。
由于地震希尔伯特谱反映的是地震信号幅值随时间和频率在整个频率轴上的变化规律， 边际谱反映的是地震信号幅值在频率轴上随频率变化的规律，因此，边际谱和傅里叶谱相 似，且比傅里叶谱的频率分辨率更高。地震希尔伯特边际谱是通过对地震希尔伯特谱积分 得到的，边际谱表征幅值/能量在频率轴上的分布。在边际谱中，某一频率上具有幅值表征 在整个时间序列内具有该频率的振动，边际谱幅值表示出现该频率振动的概率大小，其出 现的具体时刻由地震希尔伯特谱确定。
进一步地，如图7和图9所示，相对于HHT边际谱而言，傅里叶谱具有较为严重的能量泄露并且分辨率较低，边际谱可以基于原始信号提取的本征模态函数分量，可以进一步消除虚假的谐波分量，得到更高分辨率的信号频谱。由于瞬时频率是具有局部、瞬时特征的概念，HHT能量谱可以更好地反映地震波信号的时变特性，但是，傅里叶谱分析非平稳 非线性的信号能力较弱。对于非平稳信号的分析需要集中于信号的局部统计性能方面，局 部性能的研究需要利用信号的局部变换方法，也即时频分析方法。时频分析方法是分析非 线性非平稳信号的一个重要方法，时频分析方法克服传统的频率域分析的局限性，基于局 部变换的方法表示信号，与FFT及小波变换不同，HHT是由自身的某一个自适应局部范围 内的信号确定的，HHT也即局瞬信号分析方法。
进一步地，通过分析地震希尔伯特能量谱及边际谱与边坡动力变形的关联特征，探明 地震希尔伯特能量谱及边际谱分析边坡动力变形特征的适用性，通过分析可以发现地震希 尔伯特能量谱适用于分析边坡的整体性动力变形特征，边际谱适用于分析边坡的局部变形 特征，相对于地震希尔伯特能量谱而言，边际谱更适用于分析边坡的地震累积破坏演化过 程。基于上述分析，进一步提出基于能量传递的边坡动力损伤定量化评估判据，从能量角 度定量地对边坡的震害损伤位置、演化过程及失稳模式进行定量化判识。
具体而言，基于地震希尔伯特边际谱理论进行边坡地震动力破坏演化过程及其破坏位 置的判识步骤如下：首先，针对岩质边坡不同区域的监测点进行加速度时程提取，并且进 行滤波处理，对不同监测点加速度时程进行EMD分解，可以获得一系列的IMF分量；其次，针对不同监测点的IMF分量进行HHT，得到不同IMF分量的瞬时频率曲线及地震希 尔伯特边际谱；再次，如图10所示，通过获得不同位置监测点的地震希尔伯特边际谱幅值 的变化规律分析岩质边坡内部的能量分布特征，然后通过边际谱的变化趋势判识出岩质边 坡内部的破坏位置；最后，通过边坡内部的破坏位置的推测结果，结合边坡表面位移及试 验破坏现象，得到边坡的震害损伤发展过程及破坏模式，例如，以输入0.446g汶川地震波 为例，边坡的边际谱峰值如图9所示，出现了能量传递异常区域，这说明出现了边坡震害 损伤。
在步骤S105中，基于边坡的第一地震动力响应特征、边坡的第二地震动力响应特征和 边坡的第三地震动力响应特征，建立边坡动力响应的多域关联分析模型，以通过多域关联 分析模型和边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知监测。
具体地，如图11所示，本申请实施例通过结合边坡地震动力响应时间域、频率域及时 频域分析结果，建立边坡动力响应多元多域感知监测关键分析指标，以及边坡动力响应的 多域关联分析模型，从受力变形(时域)-固有特性(频域)-能量传递特性(时频域)角度系统地研究地震作用下边坡灾变全过程，揭示复杂边坡地震累积破坏效应及渐进破坏机理， 实现了局域破坏-累积变形-全域失稳的边坡灾变全过程精准监测。
综上，通过上述具体实施例的详细论述，本申请实施例所具有的有益效果如下：
(1)提出了边坡动力响应多域耦联分析方法。针对传统边坡动力学时域、频域等单域 分析方法难以全面准确刻画多荷载耦合作用下复杂岩质边坡致灾过程的不足，充分考虑复 杂岩土体多域(时间域-频率域-时频域)动力特性，建立了边坡灾变过程分析的多域耦联分 析方法；提出了塑性效应系数PEC，实现了边坡塑性变形程度的定量化表征；将模态分析 方法纳入复杂边坡频域分析，完善了频域分析框架，全面提升了复杂边坡动力响应分析的 系统性及可靠性。
(2)建立了多元多域信息融合的滑坡演化感知技术。通过获取边坡测点的加速度时程、 傅里叶谱及地震希尔伯特能量谱等，厘清了时域、频域、时频域主要分析指标与边坡灾变 特征的关系，阐明了分析指标的物理及表征意义，构建了多域多参数与边坡动力响应的耦 联分析模型，建立了滑坡灾变过程的多元多域信息融合感知技术，深入系统地揭示了水力- 动力耦合作用下边坡动力响应特征，提升了边坡的动力响应感知的系统性及全面性。
(3)发展了边坡灾变全过程多元多域识别技术。基于多域耦联分析，提出了边坡灾变 全过程受力变形(时域)-固有特性(频域)-能量传递特性(时频域)的内在关联模型，基于多域多参数耦联分析建立了边坡灾变全过程监测分析技术，深入揭示了复杂边坡地震累积破坏效应及渐进破坏机理，实现了局域破坏-累积变形-全域失稳的边坡灾变全过程精准监 测。
(4)建立了基于能量传递的边坡动力损伤定量化评估方法。基于能量角度建立了地震 希尔伯特能量谱及边际谱与边坡动力响应的关联模型，阐明了两种能量谱分析边坡局部-整 体变形的适用性，提出了边坡动力损伤分析判据，实现了边坡动力损伤演化过程的定量化 判识。其中，以往研究为明晰地震地震希尔伯特能量谱及边际谱在复杂边坡动力响应分析 中的适用于。本发明明确了地震希尔伯特能量谱适用于分析边坡的整体性动力变形特征， 边际谱适用于分析边坡的局部变形特征，相对于地震希尔伯特能量谱而言，边际谱更适用 于分析边坡的地震累积破坏演化过程。
根据本申请实施例的边坡地震动力响应及灾变过程多元多域感知监测方法，通过分析 多因素耦合下的边坡动力，得到其目标测点的加速度和位移时程并分析，获取边坡的第一 地震动力响应特征，分别对加速度和目标测点的速度时程进行傅里叶和希尔伯特黄变换， 分别得到目标测点的傅里叶谱及地震希尔伯特能量谱和边际谱，并对边坡进行模态分析， 从而得到第二地震动力响应特征；获取地震希尔伯特能量谱和边际谱中的内在关联模型， 得到第三地震动力响应特征及边坡动力损伤定量化评估判据，从而建立多域关联分析模型， 结合边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知监测。由此， 解决了在多种复杂致灾因素耦合作用下，通过单域分析方法难以精准刻画边坡的动力响应 及灾变机理等问题，通过边坡地震动力响应及灾变过程多元多域感知监测方法，揭示了复 杂边坡地震累积破坏效应及渐进破坏机理，实现了局域破坏-累积变形-全域失稳的边坡灾变 全过程精准监测，提升了相关技术人员对边坡地震动力响应及灾变过程的认知水平。
图12是本发明一个实施例的边坡地震动力响应及灾变过程多元多域感知监测装置的方 框示意图。
如图12所示，该边坡地震动力响应及灾变过程多元多域感知监测装置10包括：分析 模块100、第一变换模块200、第二变换模块300、获取模块400和监测模块500。
其中，分析模块100，用于对多因素耦合条件下的边坡进行动力分析，得到边坡目标 测点的加速度时程和位移时程，并对加速度时程和位移时程进行分析，并根据分析结果和 目标测点的时程曲线基于时间域确定所边坡的第一地震动力响应特征；
第一变换模块200，用于对加速度时程进行傅里叶变换，得到目标测点的傅里叶谱， 并对边坡通过数值建模后进行模态分析，得到边坡的基于模态分析得到的固有频率和振型 特征，根据基于傅里叶谱得到的固有频率和基于频谱特征得到的固有频率的每个频率段的 谱峰值、基于模态分析得到的固有频率和振型特征基于频率域确定边坡的第二地震动力响 应特征；
第二变换模块300，用于对目标测点的速度时程进行希尔伯特黄变换，得到目标测点 的地震希尔伯特能量谱和边际谱，并从地震希尔伯特能量谱和边际谱中获取地震动时间-频 率-幅值关系，并基于地震动时间-频率-幅值关系、地震希尔伯特能量谱的谱峰值变化及谱 特征和边际谱的谱峰值变化及谱特征基于时频域确定边坡的第三地震动力响应特征；
获取模块400，用于根据地震希尔伯特能量谱和边际谱，与边坡动力变形的关联特征， 得到基于能量传递的边坡动力损伤定量化评估判据；
监测模块500，用于基于边坡的第一地震动力响应特征、边坡的第二地震动力响应特 征和边坡的第三地震动力响应特征，建立边坡动力响应的多域关联分析模型，以通过多域 关联分析模型和边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知监 测。
进一步地，在一些实施例中，获取模块400，具体用于：
提取边坡的多个监测点进行加速度时程，并进行滤波处理，对处理后的加速度时程的 进行模态分解，得到多个本征模函数IMF分量
对IMF分量进行希尔伯特黄变换，得到不同IMF分量的瞬时频率曲线及希尔伯特边际 谱；
根据多个监测点的希尔伯特边际谱幅值的变化规律确定边坡内部的能量分布特征，并 根据边坡内部的能量分布特征和边际谱的变化趋势得到边坡内部的破坏位置；
基于边坡内部的破坏位置和边坡表面位移，生成基于能量传递的边坡动力损伤定量化 评估判据。
进一步地，在一些实施例中，第一变换模块200，具体用于：
基于预设的变换公式，对加速度时程进行傅里叶变换，得到目标测点的傅里叶谱，其 中，预设的变换公式为：
其中，f(t)是时间域的加速度时程，t为时间，F(ω)是加速度时程f(t)的傅里叶变换。
进一步地，在一些实施例中，地震希尔伯特能量谱为：
其中，H(t,ω)为加速度时程的希尔伯特黄能量谱，t为时间，ωj为瞬时频率，aj(t,ωj)为 第j阶IMF在时间t与瞬时频率ωj时对应的损失幅值，j为整数。
进一步地，在一些实施例中，边际谱为：
其中，h(ω,t)为希尔伯特边际谱，ω为频率，T为整个振动信号的持续时间。
根据本申请实施例的边坡地震动力响应及灾变过程多元多域感知监测装置，通过分析 多因素耦合下的边坡动力，得到其目标测点的加速度和位移时程并分析，获取边坡的第一 地震动力响应特征，分别对加速度和目标测点的速度时程进行傅里叶和希尔伯特黄变换， 分别得到目标测点的傅里叶谱及地震希尔伯特能量谱和边际谱，并对边坡进行模态分析， 从而得到第二地震动力响应特征；获取地震希尔伯特能量谱和边际谱中的内在关联模型， 得到第三地震动力响应特征及边坡动力损伤定量化评估判据，从而建立多域关联分析模型， 结合边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知监测。由此， 解决了在多种复杂致灾因素耦合作用下，通过单域分析方法难以精准刻画边坡的动力响应 及灾变机理等问题，通过边坡地震动力响应及灾变过程多元多域感知监测方法，揭示了复 杂边坡地震累积破坏效应及渐进破坏机理，实现了局域破坏-累积变形-全域失稳的边坡灾变 全过程精准监测，提升了相关技术人员对边坡地震动力响应及灾变过程的认知水平。
图13为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括：
存储器1301、处理器1302及存储在存储器1301上并可在处理器1302上运行的计算机 程序。
处理器1302执行程序时实现上述实施例中提供的边坡地震动力响应及灾变过程多元多 域感知监测方法。
进一步地，电子设备还包括：
通信接口1303，用于存储器1301和处理器1302之间的通信。
存储器1301，用于存放可在处理器1302上运行的计算机程序。
存储器1301可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器1301、处理器1302和通信接口1303独立实现，则通信接口1303、存储器1301和处理器1302可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为 便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1301、处理器1302及通信接口1303，集成在一块芯片上实现，则存储器1301、处理器1302及通信接口1303可以通过内部接口完成相互 间的通信。
处理器1302可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是 特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实 施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处 理器执行时实现如上的边坡地震动力响应及灾变过程多元多域感知监测方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、 或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包 含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须 针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一 个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合 和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者 隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐 含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三 个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、 或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包 含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必 须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任 一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的 技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结 合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的， 不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例 进行变化、修改、替换和变型。
Claims (12)
1.一种边坡地震动力响应及灾变过程多元多域感知监测方法，其特征在于，包括以下步骤：
对多因素耦合条件下的边坡进行动力分析，得到边坡目标测点的加速度时程和位移时程，并对所述加速度时程和所述位移时程进行分析，并根据分析结果和目标测点的时程曲线基于时间域确定所所述边坡的第一地震动力响应特征；
对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里叶谱，并对所述边坡通过数值建模后进行模态分析，得到所述边坡的基于模态分析得到的固有频率和振型特征，根据基于所述傅里叶谱得到的固有频率和基于频谱特征得到的固有频率的每个频率段的谱峰值、所述基于模态分析得到的固有频率和所述振型特征基于频率域确定所述边坡的第二地震动力响应特征；
对所述目标测点的速度时程进行希尔伯特黄变换，得到所述目标测点的地震希尔伯特能量谱和边际谱，并从所述地震希尔伯特能量谱和所述边际谱中获取地震动时间-频率-幅值关系，并基于所述地震动时间-频率-幅值关系、所述地震希尔伯特能量谱的谱峰值变化及谱特征和所述边际谱的谱峰值变化及谱特征基于时频域确定所述边坡的第三地震动力响应特征；
根据所述地震希尔伯特能量谱和所述边际谱，与边坡动力变形的关联特征，得到基于能量传递的边坡动力损伤定量化评估判据；
基于所述边坡的第一地震动力响应特征、所述边坡的第二地震动力响应特征和所述边坡的第三地震动力响应特征，建立边坡动力响应的多域关联分析模型，以通过所述多域关联分析模型和所述边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知监测。
2.根据权利要求1所述的方法，其特征在于，所述根据所述地震希尔伯特能量谱和所述边际谱，与边坡动力变形的关联特征，得到基于能量传递的边坡动力损伤定量化评估判据，包括：
提取所述边坡的多个监测点进行加速度时程，并进行滤波处理，对处理后的加速度时程的进行模态分解，得到多个本征模函数IMF分量
对所述IMF分量进行希尔伯特黄变换，得到不同IMF分量的瞬时频率曲线及希尔伯特边际谱；
根据所述多个监测点的希尔伯特边际谱幅值的变化规律确定所述边坡内部的能量分布特征，并根据所述边坡内部的能量分布特征和所述边际谱的变化趋势得到所述边坡内部的破坏位置；
基于所述边坡内部的破坏位置和边坡表面位移，生成所述基于能量传递的边坡动力损伤定量化评估判据。
3.根据权利要求1所述的方法，其特征在于，所述对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里叶谱，包括：
基于预设的变换公式，对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里叶谱，其中，所述预设的变换公式为：
其中，f(t)是时间域的加速度时程，t为时间，F(ω)是加速度时程f(t)的傅里叶变换。
4.根据权利要求3所述的方法，其特征在于，所述地震希尔伯特能量谱为：
其中，H(t，ω)为加速度时程的希尔伯特黄能量谱，t为时间，ωj为瞬时频率，aj(t，ωj)为第j阶IMF在时间t与瞬时频率ωj时对应的损失幅值，j为整数。
5.根据权利要求4所述的方法，其特征在于，所述边际谱为：
其中，h(ω，t)为希尔伯特边际谱，ω为频率，T为整个振动信号的持续时间。
6.一种边坡地震动力响应及灾变过程多元多域感知监测装置，其特征在于，包括：
分析模块，用于对多因素耦合条件下的边坡进行动力分析，得到边坡目标测点的加速度时程和位移时程，并对所述加速度时程和所述位移时程进行分析，并根据分析结果和目标测点的时程曲线基于时间域确定所所述边坡的第一地震动力响应特征；
第一变换模块，用于对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里叶谱，并对所述边坡通过数值建模后进行模态分析，得到所述边坡的基于模态分析得到的固有频率和振型特征，根据基于所述傅里叶谱得到的固有频率和基于频谱特征得到的固有频率的每个频率段的谱峰值、所述基于模态分析得到的固有频率和所述振型特征基于频率域确定所述边坡的第二地震动力响应特征；
第二变换模块，用于对所述目标测点的速度时程进行希尔伯特黄变换，得到所述目标测点的地震希尔伯特能量谱和边际谱，并从所述地震希尔伯特能量谱和所述边际谱中获取地震动时间-频率-幅值关系，并基于所述地震动时间-频率-幅值关系、所述地震希尔伯特能量谱的谱峰值变化及谱特征和所述边际谱的谱峰值变化及谱特征基于时频域确定所述边坡的第三地震动力响应特征；
获取模块，用于根据所述地震希尔伯特能量谱和所述边际谱，与边坡动力变形的关联特征，得到基于能量传递的边坡动力损伤定量化评估判据；
监测模块，用于基于所述边坡的第一地震动力响应特征、所述边坡的第二地震动力响应特征和所述边坡的第三地震动力响应特征，建立边坡动力响应的多域关联分析模型，以通过所述多域关联分析模型和所述边坡动力损伤定量化评估判据对边坡地震动力响应及灾变过程进行感知监测。
7.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于：
提取所述边坡的多个监测点进行加速度时程，并进行滤波处理，对处理后的加速度时程的进行模态分解，得到多个本征模函数IMF分量
对所述IMF分量进行希尔伯特黄变换，得到不同IMF分量的瞬时频率曲线及希尔伯特边际谱；
根据所述多个监测点的希尔伯特边际谱幅值的变化规律确定所述边坡内部的能量分布特征，并根据所述边坡内部的能量分布特征和所述边际谱的变化趋势得到所述边坡内部的破坏位置；
基于所述边坡内部的破坏位置和边坡表面位移，生成所述基于能量传递的边坡动力损伤定量化评估判据。
8.根据权利要求6所述的装置，其特征在于，所述第一变换模块，具体用于：
基于预设的变换公式，对所述加速度时程进行傅里叶变换，得到所述目标测点的傅里叶谱，其中，所述预设的变换公式为：
其中，f(t)是时间域的加速度时程，t为时间，F(ω)是加速度时程f(t)的傅里叶变换。
9.根据权利要求8所述的装置，其特征在于，所述地震希尔伯特能量谱为：
其中，H(t，ω)为加速度时程的希尔伯特黄能量谱，t为时间，ωj为瞬时频率，aj(t，ωj)为第j阶IMF在时间t与瞬时频率ωj时对应的损失幅值，j为整数。
10.根据权利要求9所述的装置，其特征在于，所述边际谱为：
其中，h(ω，t)为希尔伯特边际谱，ω为频率，T为整个振动信号的持续时间。
11.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的边坡地震动力响应及灾变过程多元多域感知监测方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的边坡地震动力响应及灾变过程多元多域感知监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210869674.XA CN115480305B (zh) | 2022-07-22 | 2022-07-22 | 边坡地震动力响应及灾变过程多元多域感知监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210869674.XA CN115480305B (zh) | 2022-07-22 | 2022-07-22 | 边坡地震动力响应及灾变过程多元多域感知监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115480305A true CN115480305A (zh) | 2022-12-16 |
| CN115480305B CN115480305B (zh) | 2024-06-25 |
Family
ID=84423138
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210869674.XA Active CN115480305B (zh) | 2022-07-22 | 2022-07-22 | 边坡地震动力响应及灾变过程多元多域感知监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115480305B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118114507A (zh) * | 2024-04-29 | 2024-05-31 | 中铁四局集团有限公司 | 地震作用下边坡落石风险的评估方法及系统 |
| CN118280092A (zh) * | 2024-06-04 | 2024-07-02 | 中铁四局集团有限公司 | 地震作用下堆积体边坡失稳预警方法、系统、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108445536A (zh) * | 2018-02-07 | 2018-08-24 | 成都理工大学 | 一种基于能量解调频谱的新型层状边坡地震损伤失稳计算系统及方法 |
| CN108663712A (zh) * | 2018-05-08 | 2018-10-16 | 四川大学 | 一种边坡震害损伤的能量识别方法 |
| CN108873069A (zh) * | 2018-05-08 | 2018-11-23 | 四川大学 | 一种边坡地震稳定性的时频分析方法 |
| CN111563289A (zh) * | 2020-04-29 | 2020-08-21 | 西南石油大学 | 一种基于边坡内部震动的滑裂面位置预测方法、系统及介质 |
| WO2022021586A1 (zh) * | 2020-07-30 | 2022-02-03 | 青岛理工大学 | 一种模拟海上结构物多场耦合作用的水槽试验系统 |
-
2022
- 2022-07-22 CN CN202210869674.XA patent/CN115480305B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108445536A (zh) * | 2018-02-07 | 2018-08-24 | 成都理工大学 | 一种基于能量解调频谱的新型层状边坡地震损伤失稳计算系统及方法 |
| CN108663712A (zh) * | 2018-05-08 | 2018-10-16 | 四川大学 | 一种边坡震害损伤的能量识别方法 |
| CN108873069A (zh) * | 2018-05-08 | 2018-11-23 | 四川大学 | 一种边坡地震稳定性的时频分析方法 |
| CN111563289A (zh) * | 2020-04-29 | 2020-08-21 | 西南石油大学 | 一种基于边坡内部震动的滑裂面位置预测方法、系统及介质 |
| WO2022021586A1 (zh) * | 2020-07-30 | 2022-02-03 | 青岛理工大学 | 一种模拟海上结构物多场耦合作用的水槽试验系统 |
Non-Patent Citations (2)
| Title |
|---|
| 曹礼聪;张建经;刘飞成;刘阳;吴金标;王志佳;: "含倾斜强风化带及局部边坡复杂场地的动力响应及破坏模式研究", 岩石力学与工程学报, no. 09, 15 September 2017 (2017-09-15) * |
| 马洪生;庄卫林;刘阳;范刚;: "反倾边坡地震破坏模式及能量判识方法研究", 地震工程与工程振动, no. 04, 15 August 2016 (2016-08-15) * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118114507A (zh) * | 2024-04-29 | 2024-05-31 | 中铁四局集团有限公司 | 地震作用下边坡落石风险的评估方法及系统 |
| CN118280092A (zh) * | 2024-06-04 | 2024-07-02 | 中铁四局集团有限公司 | 地震作用下堆积体边坡失稳预警方法、系统、设备及介质 |
| CN118280092B (zh) * | 2024-06-04 | 2024-08-13 | 中铁四局集团有限公司 | 地震作用下堆积体边坡失稳预警方法、系统、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115480305B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Effect of soil variability on bearing capacity accounting for non-stationary characteristics of undrained shear strength | |
| Krishnan Nair et al. | Time series based structural damage detection algorithm using Gaussian mixtures modeling | |
| Staszewski et al. | Time–frequency and time–scale analyses for structural health monitoring | |
| CN115480305A (zh) | 边坡地震动力响应及灾变过程多元多域感知监测方法 | |
| CN104406623B (zh) | 基于地下水位与位移监测的边坡动态稳定性系数测定方法 | |
| Kesavan et al. | A wavelet‐based damage diagnosis algorithm using principal component analysis | |
| KR20190080712A (ko) | 임의 지진구역 대상 무작위 생성 지진학습데이터를 이용한 지진여부판별 방법 및 이에 의한 진도예측 시스템 | |
| CN108663712A (zh) | 一种边坡震害损伤的能量识别方法 | |
| CN111751070B (zh) | 调谐液体阻尼器性能参数的检测方法、系统、设备和介质 | |
| Zhao et al. | Assessment of concrete pavement support conditions using distributed optical vibration sensing fiber and a neural network | |
| Khabbazi et al. | Estimation of the rock mass deformation modulus using a rock classification system | |
| CN114814165A (zh) | 一种孤立波作用下砂质海床剪切破坏评估方法及评估装置 | |
| Smyth et al. | Surveillance of mechanical systems on the basis of vibration signature analysis | |
| US20240011825A1 (en) | Slope detection apparatus and method based on distributed optical fiber sensing | |
| Ge et al. | Rapid post-earthquake damage assessment of ageing reinforced concrete bridge piers using time-frequency analysis | |
| Prawin et al. | Nonlinear structural damage detection based on adaptive Volterra filter model | |
| Zhao et al. | Modal parameter identification of time-varying systems via wavelet-based frequency response function | |
| Zhang et al. | The state-of-the-art on time-frequency signal processing techniques for high-resolution representation of nonlinear systems in engineering | |
| CN118918698A (zh) | 一种基于水文地质数据的洪水灾害预警方法及系统 | |
| CN116166931A (zh) | 一种基于常时微动的危岩体一阶固有振动频率提取方法 | |
| Nair et al. | Derivation of a damage sensitive feature using the Haar wavelet transform | |
| Yang et al. | Novel joint algorithm for state-of-charge estimation of rechargeable batteries based on the back propagation neural network combining ultrasonic inspection method | |
| Mimoglou et al. | Determination of the parameters of the directivity pulse embedded in near-fault ground motions and its effect on structural response | |
| Razavi et al. | Feature extraction based on dynamic response measurements for structural damage identification: a comparative study | |
| Zhang et al. | Analysis of structural vibration characteristics of embankment dam based on DVMD–VDR |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |