本发明涉及土木工程与人工智能计算机视觉交互技术领域，具体涉及一种基于android与hht的时变索力识别方法。
背景技术：
斜拉索张拉力的大小和变化情况直接决定着主塔以及整体结构的受力、变形状态；研究斜拉索的索力变化还可以研究斜拉索的疲劳效应，为斜拉索的维护提供科学依据。现有测量索力的方法主要有振动基频法、磁通量传感器法、静力法。现有技术中的三种方法均利用的是有线加速度传感器，该种传感器携带安装不方便，并且均不能测量时变索力，无法研究斜拉索的疲劳效应，造价较高。
技术实现要素：
本发明的目的在于提供一种基于android与hht的时变索力识别方法。
本发明的技术方案是：一种基于android与hht的时变索力识别方法，包括如下步骤：
s1：利用android手机获取斜拉索振动加速度时程数据信号，获取斜拉索振动加速度时程数据信号；
s2：利用信号处理中的小波去噪方法，对s1中得到的加速度时程数据信号进行去噪处理；
s3：利用功率谱psd算法对s2中得到的信号进行频谱分析，得到拉索的基频；
s4：根据s3步得到的基频，使用带通滤波器对s2步得到的信号进行滤波处理；
s5：利用hht算法对s4步得到的信号进行分解，得到拉索振动的基频时程数据；
s6：根据索力-基频计算公式对s5步得到的基频时程数据进行计算，得到拉索的时变索力数据。
进一步的技术方案，步骤s2中，利用信号处理中的小波去噪方法，对s1步得到的加速度时程数据信号进行去噪处理，分解层数选取3层。
进一步的技术方案，步骤s6中，索力-基频计算公式如下：
t＝4ml2(fn/n)2
式中t代表拉索索力，m代表拉索单位长度的质量，l代表拉索的长度，fn代表第n阶频率，n表示模态阶数。
本发明的有益效果：
本发明提供了一种基于android与hht的时变索力识别方法，相较于利用加速度传感器进行测量的方法，本发明中的信息采集更加方便便携，通过本发明提供的技术公式，可计算得到时变索力，从而能够研究斜拉索的疲劳效应。
附图说明
图1为本发明中系统流程示意图。
具体实施方式
下面通过非限制性实施例，进一步阐述本发明，理解本发明。
如图1所示，本发明为一种基于android与hht的时变索力识别方法，包括如下步骤：
s1：利用android手机获取斜拉索振动加速度时程数据信号，获取斜拉索振动加速度时程数据信号；
s2：利用信号处理中的小波去噪方法，对s1步得到的加速度时程数据信号进行去噪处理，分解层数选取3层；
s3：利用功率谱psd算法对s2中得到的信号进行频谱分析，得到拉索的基频；
s4：根据s3步得到的基频，使用带通滤波器对s2步得到的信号进行滤波处理；
s5：利用hht算法对s4步得到的信号进行分解，得到拉索振动的基频时程数据；
s6：根据索力-基频计算公式对s5步得到的基频时程数据进行计算，得到拉索的时变索力数据，索力-基频计算公式如下：
t＝4ml2(fn/n)2
式中t代表拉索索力，m代表拉索单位长度的质量，l代表拉索的长度，代表第n阶频率，n表示模态阶数。
1.一种基于android与hht的时变索力识别方法，其特征在于，包括如下步骤：
s1：利用android手机获取斜拉索振动加速度时程数据信号，获取斜拉索振动加速度时程数据信号；
s2：利用信号处理中的小波去噪方法，对s1步得到的加速度时程数据信号进行去噪处理；
s3：利用功率谱psd算法对s2中得到的信号进行频谱分析，得到拉索的基频；
s4：根据s3得到的基频，使用带通滤波器对s2得到的信号进行滤波处理；
s5：利用hht算法对s4中得到的信号进行分解，得到拉索振动的基频时程数据；
s6：根据索力-基频计算公式对s5得到的基频时程数据进行计算，得到拉索的时变索力数据。
2.根据权利要求1所述的一种基于android与hht的时变索力识别方法，其特征在于，s2中，利用信号处理中的小波去噪方法，对s1步得到的加速度时程数据信号进行去噪处理，其中分解层数选取3层。
3.根据权利要求1所述的一种基于android与hht的时变索力识别方法，其特征在于，s6中，索力-基频计算公式如下：
t＝4ml2(fn/n)2
式中t代表拉索索力，m代表拉索单位长度的质量，l代表拉索的长度，fn代表第n阶频率，n表示模态阶数。
技术总结