本发明涉及混凝土重力坝安全监控，特别是涉及一种基于自振频率的混凝土重力坝安全监控方法、设备、存储介质及产品。
背景技术：
1、环境激励(包括地脉动、泄流激励、风荷载等)常具有宽谱的性质，振动激励一般持续不断。利用环境振动测试(ambientvibrationtesting，avt)的数据进行系统辨识和结构健康诊断，成本低，方便易行，具有很大的优势。ellis和brownjohn等分别通过avt，识别了contra大坝的自振频率，最早尝试进行大坝动力系统辨识的研究。练继建等应用泄洪振动下的结构响应监测数据，基于ssi(stochastic subspace identification)方法得到了二滩拱坝的前四阶模态。张建伟等采用era(eigensystem realizationalgorithm)和hht(hilbert-huang transform)方法进行结构模态参数辨识。程琳等提出了基于hankel矩阵联合近似对角化(hankel matrix joint approximate diagonalization，hjad)的模态分析方法。现有的自振频率一般通过模态识别得到，但是现有环境激励下的模态识别面临虚假模态的问题，导致得到的自振频率不准确，进而影响对大坝的安全监控结果。
技术实现思路
1、本发明的目的是提供一种基于自振频率的混凝土重力坝安全监控方法、设备、存储介质及产品，可提高混凝土重力坝自振频率的预测准确度，进而实现对混凝土重力坝更准确的安全监控。
2、为实现上述目的，本发明提供了如下方案：
3、一种基于自振频率的混凝土重力坝安全监控方法，包括：
4、采用hjad模态分析方法对混凝土重力坝在环境激励下的结构响应数据进行处理，得到所述混凝土重力坝的模态参数；所述结构响应数据包括各时刻的振动响应和各时刻的振动响应对应的时延数据；所述模态参数包括自振频率和阻尼比；
5、根据所述混凝土重力坝的模态参数得到所述混凝土重力坝的稳定图；
6、采用ap聚类算法对所述混凝土重力坝的稳定图中的极点进行处理得到所述混凝土重力坝的聚类稳定图；
7、根据预选因子集构建统计模型；
8、采用贝叶斯模型平均方法对所述统计模型和所述混凝土重力坝的聚类稳定图中的自振频率进行处理，得到预测模型，所述预测模型用于预测混凝土重力坝的自振频率，进而实现对混凝土重力坝的安全监控。
9、一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述所述基于自振频率的混凝土重力坝安全监控方法。
10、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，该计算机程序被处理器执行时实现上述所述基于自振频率的混凝土重力坝安全监控方法。
11、一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现上述所述基于自振频率的混凝土重力坝安全监控方法。
12、根据本发明提供的具体实施例，本发明公开了以下技术效果：
13、采用hjad模态分析方法对混凝土重力坝在环境激励下的结构响应数据进行处理，得到混凝土重力坝的模态参数；根据模态参数得到稳定图；采用ap聚类算法对稳定图中的极点进行处理得到聚类稳定图，基于hjad联合ap算法对稳定图进行聚类分析，可以得到精确的自振频率，实现对环境激励下混凝土坝自振频率的自动识别，bma能够在考虑模型的不确定性下进行最优模型以及集成模型分析，科学地建立频率与环境量之间的关系，从而使总体模型具有更加准确的预测效果。
1.一种基于自振频率的混凝土重力坝安全监控方法，其特征在于，包括：
2.根据权利要求1所述的基于自振频率的混凝土重力坝安全监控方法，其特征在于，所述统计模型为：
3.根据权利要求1所述的基于自振频率的混凝土重力坝安全监控方法，其特征在于，所述极点包括：所述模态参数和模态参与因子。
4.根据权利要求1所述的基于自振频率的混凝土重力坝安全监控方法，其特征在于，所述预选因子集，具体包括：水压分量、温度分量和时效分量。
5.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-4中任一项所述基于自振频率的混凝土重力坝安全监控方法。
6.一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，该计算机程序被处理器执行时实现权利要求1-4中任一项所述基于自振频率的混凝土重力坝安全监控方法。
7.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-4中任一项所述基于自振频率的混凝土重力坝安全监控方法。
