基于Matlab三点雨流计数法的载荷时间历程分析与循环疲劳评估

news2024/12/27 3:10:48

随着工程领域中机械设备和结构系统的复杂性不断增加,疲劳分析成为评估其可靠性与使用寿命的关键环节。载荷时间历程数据在疲劳分析中扮演着重要角色,而雨流计数法作为经典的循环计数方法,能够有效地从载荷时间历程中提取疲劳载荷循环信息。本研究基于Matlab平台,提出了一种改进的三点雨流计数法(MOG-88),用于精确分析载荷时间历程并评估结构的循环疲劳。

本文首先通过对原始载荷时间历程数据进行预处理,采用峰谷交替筛选方法去除无效的极值数据,确保后续分析的有效性。接着,使用三点雨流计数法进行载荷循环的提取,该方法通过考虑相邻的三个数据点,有效地提高了循环计数的精度,特别是在高频振动和噪声干扰的情况下。重构后的数据被进一步分析,计算其幅值、均值以及相关的统计特征(均值、方差、标准差),为疲劳评估提供了关键参数。

在此基础上,本文还采用了Z-score异常值检测方法,识别数据中的潜在异常点,以提高数据的准确性和分析的可靠性。通过将异常值与正常数据进行对比,揭示了载荷数据中的潜在问题,帮助研究者在实际应用中做出更为精确的疲劳预测。

最后,本文结合Matlab平台的可视化功能,展示了载荷时间历程数据的分布、幅值和均值的变化趋势以及异常值检测结果。这些分析结果不仅增强了对载荷数据的理解,也为实际工程中机械结构的疲劳寿命预测提供了科学依据。

本研究的成果为使用三点雨流计数法进行载荷时间历程分析提供了一种新的技术方案,具有较强的应用价值和推广潜力。

算法流程

运行 main.m
图1:雨流计数法 – 三点循环计数分析

图2:幅值和均值的分布图

图3:周期图(幅值与均值的关系)

图4:结果分析:绘制统计指标图

图5:箱型图

图6:Q-Q图

图7:评价指标

步骤一:峰谷交替完成,已删除不必要的峰谷
(1)剩余数据点数:652
(2)这一输出表示在加载并处理原始数据后,经过筛选后,保留了有效的峰值和谷值交替的数据点,删除了不符合峰谷交替规律的数据。

步骤二:重构载荷时间历程,已从最大值开始拼接
(1)剩余数据点数:653
(2)重构操作将载荷数据从最大值开始拼接,确保数据的顺序合理。此时,数据点数量仅增加了1,说明拼接过程没有丢失数据,只有数据的顺序发生了变化。

步骤三:波峰波谷筛选完成
(1)剩余数据点数:653
(2)进一步筛选波峰和波谷,确保数据符合雨流计数法的要求。数据点数没有变化,说明筛选后的数据依然是有效的波峰波谷点。

步骤四:雨流计数法计算完成
(1)计算出326个循环周期
(2)在进行雨流计数法时,成功地从载荷时间历程中识别出326个完整的循环周期。这是一个重要的结果,表示对数据的有效分析。

统计指标分析:
1.幅值统计信息:
(1)均值: 1026.1779
(2)方差: 313493.7652
(3)标准差: 559.9051
(4)这些指标表示幅值的整体分布。均值为1026.18,说明大部分循环的幅值集中在这个范围附近。方差和标准差较大,意味着幅值存在一定的波动,数据中可能存在较大的变化。

2.均值统计信息:
(1)均值: -2.862
(2)方差: 57857.9224
(3)标准差: 240.5367
(4)均值为-2.86,表示数据的整体均值略偏负值,可能与测量过程中偏差有关。方差和标准差较大,表明均值的波动也比较大。

异常值检测:
1.幅值的Z-score异常值个数: 0
(1)幅值数据没有检测到任何异常值(Z-score超出设定阈值3的范围)。
(2)这意味着幅值数据在整体上是稳定的,没有异常的极端值。

2.均值的Z-score异常值个数: 7
(1)均值数据有7个异常值,说明在计算均值时,某些点的Z-score超出了3的范围。
(2)这些异常值可能会对统计结果产生影响,需要进一步检查和处理这些异常点。

总结:
(1)数据处理和分析方面:从加载数据、筛选峰谷、重构数据到计算循环周期,所有步骤都顺利完成。最终得到了有效的循环周期数(326个)。
(2)统计分析方面:幅值和均值的均值、方差和标准差提供了对数据的整体了解,尤其是幅值数据较为波动(标准差较大),可能需要进一步分析。
(3)异常值分析方面:幅值数据没有异常点,但均值数据存在7个异常值。这些异常值可能影响均值的统计结果,需要进一步分析是否要将其剔除或进行修正。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2254130.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

帝可得-策略管理

策略管理 需求说明 策略管理主要涉及到二个功能模块,业务流程如下: 新增策略: 允许管理员定义新的策略,包括策略的具体内容和参数(如折扣率)策略分配: 将策略分配给一个或多个售货机。 #mermaid-svg-PSQOJMLJqVGn3W…

【数据结构】手搓链表

一、定义 typedef struct node_s {int _data;struct node_s *_next; } node_t;typedef struct list_s {node_t *_head;node_t *_tail; } list_t;节点结构体(node_s): int _data;存储节点中的数据struct node_s *_next;:指向 node…

嵌入式 C 编程必备(7):const 关键字 —— 打造稳定的常量空间

目录 一、const关键字的基本含义与用法 1.1. 修饰基本数据类型 1.2. 修饰指针 1.3. 修饰数组 1.4. 修饰结构体 二、const关键字在嵌入式编程中的优势 2.1. 提升代码可读性 2.2. 增强代码安全性 2.3. 优化内存使用 2.4. 促进模块化设计 2.5. 支持静态分析和测试 三、…

Day28 买卖股票的最佳时机 跳跃游戏 跳跃游戏 II K 次取反后最大化的数组和

贪心算法 part02 122. 买卖股票的最佳时机 II - 力扣&#xff08;LeetCode&#xff09; 求最大利润 将每天的正利润加和 public int maxProfit(int[] prices) {int totalPrices 0;for(int i0;i<prices.length;i){if(i<prices.length-1&&prices[i1]>prices[…

【专题】计算机网络之运输层(传输层)

1. 运输层协议概述 1.1 进程之间的通信 (1) 运输层的作用 运输层提供进程间的逻辑通信。 运输层的屏蔽作用&#xff1a; 运输层向高层用户屏蔽了下面网络核心的细节&#xff08;如网络拓扑、所采用的路由选择协议等&#xff09;&#xff0c;使应用进程看见的就是好像在两个运…

Ansible 运维工具

安装 apt install ansible /etc/ansible/hosts , 指定密码或密钥访问分组机器 [k8s_masters] master0.c0.k8s.sb[k8s_nodes] node0.c0.k8s.sb node1.c0.k8s.sb[k8s:children] k8s_masters k8s_nodes[k8s_masters:vars] ansible_ssh_usersbadmin ansible_ssh_pass"***&q…

matlab 中的 bug

在matlab中绘图&#xff0c;设置 axe 的背景颜色 axes_in3.Color #00235B ;打印的时候 print(figure_handle1,-dpng,-r300,"merge_yt_ey") ;此时保存的图片无法识别背景颜色 原因在于 matlab 中的 InverseHardcopy 将 InvertHardcopy 设置成 off 则可以解决这个问…

利用Python爬虫快速获取淘宝/天猫SKU详细信息数据

引言 在当今的电商环境中&#xff0c;获取商品的详细信息对于市场分析和竞争策略至关重要。阿里作为中国最大的电商平台&#xff0c;拥有海量的商品数据。本文将介绍如何利用Python编写爬虫程序&#xff0c;快速获取商品的SKU详细信息数据&#xff0c;并提供相应的代码示例。 …

R语言机器学习论文(二):数据准备

禁止商业或二改转载,仅供自学使用,侵权必究,如需截取部分内容请后台联系作者! 文章目录 介绍加载R包数据下载导入数据一、数据描述二、数据预处理(一)修改元素名称(二)剔除无关变量(三)缺失值检查(四)重复值检查(五)异常值检查三、描述性统计(一)连续变量数据情…

基于图像变化检测的毁伤效果评估——学习笔记

前言 闲的无聊&#xff0c;看看论文。 基本评估步骤 第一步&#xff1a;图像预处理。通过图像配准、不同波段提取、图像校正、图像滤波等手段&#xff0c;统一图像格式&#xff08;文中统一为灰度图&#xff09;&#xff0c;得到待检测图像&#xff1b; 第二步&#xff1a;…

A1228 php+Mysql旅游供需平台的设计与实现 导游接单 旅游订单 旅游分享网站 thinkphp框架 源码 配置 文档 全套资料

旅游供需平台 1.项目描述2. 开发背景与意义3.项目功能4.界面展示5.源码获取 1.项目描述 随着社会经济的快速发展&#xff0c;生活水平的提高&#xff0c;人们对旅游的需求日益增强&#xff0c;因此&#xff0c;为给用户提供一个便利的查看导游信息&#xff0c;进行导游招募的平…

青海摇摇了3天,技术退步明显.......

最近快手上的青海摇招聘活动非常火热&#xff0c;我已经在思考是否备战张诗尧的秋招活动。开个玩笑正片开始&#xff1a; 先说一下自己的情况&#xff0c;大专生&#xff0c;20年通过校招进入杭州某软件公司&#xff0c;干了接近4年的功能测试&#xff0c;今年年初&#xff0c…

工业—使用Flink处理Kafka中的数据_ProduceRecord2

使用 Flink 消费 Kafka 中 ProduceRecord 主题的数据,统计在已经检验的产品中,各设备每 5 分钟 生产产品总数,将结果存入HBase 中的 gyflinkresult:Produce5minAgg 表, rowkey“

Python爬虫——猫眼电影

用python中requests库爬取猫眼电影信息并保存到csv文件中 猫眼专业版 爬取界面 效果预览 代码 import requests import jsonurl1https://piaofang.maoyan.com/dashboard-ajax?orderType0&uuid1938bd58ddac8-02c2bbe3b009ed-4c657b58-144000-1938bd58ddac8&timeStamp…

ArcGIS求取多个点距离线要素的最近距离以及距离倒数

本文介绍在ArcMap软件中&#xff0c;对于点要素中的每一个点&#xff0c;求取其距离最近的道路的距离、距离倒数的方法。 首先&#xff0c;看一下本文的需求。现在已知一个点要素&#xff0c;其中含有多个点&#xff0c;假设每一个点表示城市中的一家商店&#xff1b;同时&…

SpringBoot开发——Spring Boot3.4 强大的结构化日志记录

文章目录 1. 简介2. 实战案例2.1 环境依赖2.2 快速入门2.3 输出到文件2.4 添加附加字段2.5 自定义日志格式总结1. 简介 日志记录是应用故障排除中早已确立的部分,也是可观测性的三大支柱之一,另外两个是指标和追踪。在生产环境中,没有人喜欢盲目行事,而当故障发生时,开发…

多级IIR滤波效果(BIQUAD),system verilog验证

MATLAB生成IIR系数 采用率1k&#xff0c;截止频率30hz&#xff0c;Matlab生成6阶对应的biquad3级系数 Verilog测试代码 // fs1khz,fc30hz initial beginreal Sig_Orig, Noise_white, Mix_sig;real fs 1000;Int T 1; //周期int N T*fs; //1s的采样点数// 数组声明…

MySQL索引(三):选错索引

优化器选择索引的目的&#xff0c;是找到一个最优的执行方案&#xff0c;并用最小的代价去执行语句。 思考 假设有表结构&#xff1a; -- T表结构&#xff1a; CREATE TABLE t (id int(11) NOT NULL,a int(11) DEFAULT NULL,b int(11) DEFAULT NULL,PRIMARY KEY (id),KEY a (…

区块链学习笔记(2)--区块链的交易模型part1

模型基础 区块链的tx分为两种模型&#xff0c;分别是比特币为代表的UTXO&#xff08;Unspent Transaction Output&#xff09;模型&#xff0c;和以太坊为代表的Account模型。前者适用于货币记账&#xff0c;后者适用于链上应用。 UTXO模型 类似于现金的交易模型 一个tx包含…

Redis 基础、Redis 应用

Redis 基础 什么是 Redis&#xff1f; Redis &#xff08;REmote DIctionary Server&#xff09;是一个基于 C 语言开发的开源 NoSQL 数据库&#xff08;BSD 许可&#xff09;。与传统数据库不同的是&#xff0c;Redis 的数据是保存在内存中的&#xff08;内存数据库&#xf…