Page 47 - 《武汉大学学报(信息科学版)》2025年第6期
P. 47

第 50 卷第 6 期            王   坚等:超高层建筑变形 GNSS 多源融合监测方法及进展                               1069


                                                                的常用手段,其采样频率可达 1 000 Hz,为短时
                                                                间 内 精 细 结 构 监 测 提 供 了 有 效 方 法 。 加 拿 大
                                                                Measurand 公司采用加速度计阵列进行空间形态
                                                                监测,开发的 SAA(shape accel array)监测系统已
                                                                广泛应用于隧道掘进过程变形、大坝变形与滑坡
                                                                等领域的变形监测         [31] 。中国清华大学研究团队
                                                                利用 IMU 监测机器人的姿态,浙江大学研究团队
                         图 4 阵列式 IMU 变形监测模组                     利用 IMU 获取硅橡胶的姿态重构水下曲面                 [32] ,中
                 Fig. 4 Arrayed IMU Deformation Monitoring Module  国海洋大学研究团队利用 SAA 监测系统在黄河
                                                                三角洲浅水区域监测水下地形的横向变形                    [33] ,但
                核心参数。功率谱密度作为频谱分析中最为广
                                                                目前尚未见到 IMU 在超高层建筑变形监测中的
                泛应用的方法之一,通过傅里叶变换将随机信号
                                                                应用报道。
                从时域或空间域转换到频域,进而提取随机信号
                                                                    IMU 的加速度计在进行变形监测时不需要
                的主征频率     [30] 。功率与频率的关系由功率谱密
                                                                外界信息辅助,但其变形结果需要通过二次积分
                度(power spectral density,PSD)曲线表示。计算
                                                                得 到 ,容 易 受 到 温 度 、气 压 、光 照 等 环 境 因 素 影
                过程如下:将随机信号 x(n)作为有限能量级数,
                                                                响,导致稳定性较差,并且随着时间的推移存在
                计 算 其 快 速 傅 里 叶 变 换(fast Fourier transform,
                                                                系统性偏移。随时间产生的漂移误差主要由加
                FFT)。X(k)是 FFT 函数的结果,是信号在频域
                                                                速度数据的高低频噪声引起,通过引入 FID(free
                上的表示,包含信号的幅度谱和相位谱信息,计
                                                                induction decay)数字滤波方法可以有效滤除高频
                算式为:
                                                                和 低 频 噪 声 ,从 而 补 偿 随 时 间 累 积 的 误 差 。 然
                                   N - 1
                                      x
                           X (k) =  ∑ (n) e -j2πkn/N    (1)     而,滤波方法通常需要位移和速度的初始值,而
                                   n = 0
                式中,x(n)为采集的加速度信号序列,其中 n 为序                      在实际应用中往往难以获得这些初始条件。频
                列 的 索 引 数 ,取 值 范 围 为 0,1,… ,N− 1,N 为 x          域积分方法通过将加速度信号从时域转换到频

               (n)的采样点个数;j 为虚数;k 为频率索引,k=0,                     域,去除高频和低频噪声后再将其转换回时域,
                1,2,… ,N − 1。 FFT 揭 示 了 信 号 的 频 率 组 成 ,         从而获取高精度的位移信息             [34-35] ,计算式为:
                                                                                     ù
                                                                          é
                                                                          ê ê
                                                                                     ú ú
                PSD 进一步提供了信号各频率分量中存在的功                                   F êê∫ t  a( t ) dtúú =  1  ⋅ F [ a( t ) ]  (4)
                率信息,特别适用于了解能量或功率在各个频率                                     ë  -∞      û   jω
                                                                式中,F[⋅]为傅里叶变换;a(t)表示加速度信号;t
                上的分布,如振动分析。
                    将 X(k)的模方除以 N 可得到信号的 PSD,记                  表示时间变量;w 表示频率。由式(4)可知,对加
                为 S(k),计算式为:                                    速度信号积分结果进行傅里叶变换,等价于对该
                                                                信号的傅里叶变换除以因子 jω,这一性质可将复
                             S(k) = | X (k) |  2        (2)
                                     1
                                     N                          杂的积分运算简化为除法运算。频域积分法首
                    由于估计方差较大,上述传统的 PSD 存在失                      先对加速度信号做傅里叶变换,将时域信号转化
                效问题。此外,随着 x(n)长度的增加,方差并没有                       为频域信号,在频域内完成运算;然后经傅里叶
                减小。为了克服这些限制,Welch 方法首先将随机                       逆变换得到时域的速度和位移信息。
                信号分段且每个段之间部分重叠,以降低方差;然                              对加速度信号作傅里叶变换后的频谱 A(k)
                后计算每个段的 PSD,并取其平均值以获得更稳                         计算式为:
                定的估计。平均周期图函数 S xx (k)的定义为:                                         N - 1    -j2πnk/N
                                                                            A( k )=  ∑  a( n )e         (5)
                                     M
                                  1      X i(k) X i (k)
                        S xx(k) =    ∑          *       (3)                        n = 0
                                 MN                             式中,a(n)是 a(t)的离散化表达。
                                     i = 1
                式中,i 为段的索引,取值范围为 1≤i≤M,M 为平                         根据式(4)和式(5),经过一次积分得到速度
                均次数; X i (k) 为随机信号第 i 段的傅里叶变换;                  信号的频域 V(n),计算式为:
                X i (k) 为 X i (k) 的共轭复数。                                  A( k )  N - 1  1
                  *
                                                                  V ( n )=     =  ∑        H ( k ) a( n )e -j2πnk/N
                3.2.2 IMU 平移‑沉降监测                                          jω    k = 0  j2πkΔf
                    IMU 中 的 加 速 度 计 是 监 测 位 移 变 形 信 息                                                   (6)
   42   43   44   45   46   47   48   49   50   51   52