软件X 2022年论文：Pyoma和Pyoma GUI——一个关于操作模态分析的Python模块

SoftwareX 20 （ 2022 ）101216Original 软件Publication 出版Pyoma 的And Pyoma _ GUI ：A python Module 模块And软件关于Operational Modal分析Dag帕斯夸莱过往A，ANGELA Aloisio B，Marco马丁诺红色C，∗，Stefanos Sotropoulos CA挪威Treteknisk 其它研究 所 、饰 Børrestuveien 3, 0373,奥斯陆 ，挪威B Department of Civil ， Construction-Architectural and Environmental Engineering ， 拉奎拉 大学 ， 拉奎拉 ， 意大利ItalyCDepartment 部of Structural 结构 ，地理And building 建筑Engineering 工程Politecnico 技术di都灵 ，Corso公爵degi Abruzzi ，24, 10129,都灵 ，ItalyA r t i C l Ei n F oArticle 文章历史 ：6 月 3 日 出版2022获得in Revised形式26 August 八 月2022年 9 月 24 日 Accepted 2022Keywords：Modal 模式分析 环境 振动测试 Python 结构 动力 学只有outputlyModal 模式testing测试graphical 用户InterfaceA B St rA C tinstructural 结构health 健康监测（ SHM ）Paradigm ，operational 操作Modal 模式分析（ OMA ）买下 several techniques and algorithms for estimating the dynamic characteristics of a structure inoperational conditions from its vibration response . （ 严格 的 技术 和 算法 分析 其 振动 响应 的 结构的 动态 特性 。上一篇：OMA方法已经在过去两年内泄漏to多重advantages compared to输入输出识别方法. In the current work the authors 目前 的 工作 作者出席The实施of A python Module 模块曲名 ： Named Pyoma 的And ITS graphical使用 者GUI （ PyOMA _ GUI ） 核心本 软件 为 Python 环境中 的 第 一 次 用户 友好 框架 提供 了 一 个 用于 estimating 实验 模块 参数 （ 自然 频率 ， 模式 阴影 ，动态 ） 的 用户 友好 框架 。ratios ）of A structure 结构From output-only 只Vibration 振动测量inoperational 操作条件 .©2022 The作者 （ S ） 。 出版by Elsevier 的B . V 。 this is年open 开放Access 的article 文章Under 下面The ccBY license 许可）http://creativecommons.org/licenses/by/4.0/）.codeMetadataCurrent代码Version 版本V1.4permanent 永久LINK TO Code/Repository 文件used为这个代码Version 版本https://github.com/ElsevierSoftwareX/SOFTX-D-22-00147海洋 密码 Code Ocean计算Capsule 胶囊NoneLegal 法律code license 许可 证GPL - 3.0 license 许可Code 版本System usedgit软件代码语文 ，工具 ，And服务usedPython ，PyQtCompilation Requirements ， Operating Environment 编辑&依赖 性numpy ， pandas ， scipy ， matplotlib ， seaborn ，mplcursors If available 链接 到开发 者Documentation/手册https://github.com/dagghe/PyOMA/wikiEmail 支持为Questions 问题supportPyOMA@polito.it软件MetadataCurrent软件Version 版本1.0Permanent link to executables of this （ 永久 链接 到 执行 者 ）Version 版本For example ：https://github.com/dagghe/PyOMA/blob/master/PyOMA_GUI/PyOMA_GUI.exeLegal 法律软件license 许可 证GPL - 3.0 license 许可Computing 计算机平台/操作系统Microsoft Windows安装 要求&依赖 性None ， One Single Executable ， 单一 执行file 档案If available ， link to user manual - if formally published include a reference to如果 有的 话The Publication 出版in The参考 资料listhttps://github.com/dagghe/PyOMA/blob/master/PyOMA_GUI/PyOMA_GUI_user_manual_v1.0.pdfEmail 支持为Questions 问题supportPyOMA@polito.it∗ Corresponding作者 |E—mail Address：马克 · 罗斯@polito.it（ 马 可 · 马蒂诺 ）红 ） 。https://doi.org/10.1016/j.softx.2022.1012161. 动机 和意义操作 模式 分析 （ OMA ） 对 公民 结构 和 基础 设施 的 做法已经 显著 增长 在 最 后 十 年 [ 10 ] 1]. OMA allows estimatingthe modal proper - ties （ natural frequencies ， mode shapesand damping ratios ） （ 以上 简称 OMA allows estimating themodal proper - ties ）From2352-7110/© 2022 年 ： The Author （ 作者 ） B2017 年 7 月 17 日 读 过 这 本 书 吗 ？ -http://creativecommons.org/licenses/by/4.0/）.Contents lists available 在scienceDirectSoftware软件日记homepage ：www.elsevier.com/locate/softxDag帕斯夸莱过往 ，ANGELA Aloisian ，Marco马丁诺红色etAl 。SoftwareX 20 （ 2022 ）1012162==外 部 环 境 振 动 测 试 while the structure is in its operatingconditions.测量输入环境对民用工程结构的excitations几乎不可能。没有人可以随意删除他们使用常规设备，such是影响制造商和仓库的人。在另一个人手中输出vi—bration data acquiredthrough accelerometers are relatively easy to obtain。在 OMA中 ， 输入 例外 的 确定 性 知识 是 由 假设 输入 是 一 个realization 所 取代 的of A Stochastic 工作过程 。 adidingly ，OMA And输出 ： only dynamic identification are consideredsynonyms . 只有 动态 识别 是 系统 性 的 。在 这里 is到 large变量of Algorithms 算法为不过 。 among them ，The Stochastic 亚空间 识别 （ SSI ） 和 频率 域定位 （ position ）（ FDD ）HAVE 证 明 TO BE Effective And Reliable 的 Algorithms forOutput-only dynamic identification （ 仅 动态 识别 算法 ）1].第一 个 问题 是 ： The SSI is a time domain method that estimatesthe stochastic space model from stationary output-only data .（ 这个 SSI 是 一 个 时间 领域 的 方法 ， 它 把 只有 外部 数据 的统计 型 国家 空间 模型 从 静态 模型 中 提取 出来 。 2].Furthermore （ 仅 限 非 官方 外部 数据 ）3自由 衰减 振动 响应（Free Decay Vibrational Response ） A 变 量 of The 基 于covarian 的 SSI Algorithm 算 法 ， Which is equivalent to theNatural Excitation Technique （ NExT ） with Eigensystem（ 英 语 ： Which is equivalent to the Natural ExcitationTechnique （ 英 语 ： Which is equivalent to the NaturalExcitation Technique （ NExT ） with Eigensystem ）现实 化Algorithm 算法（ Era ）方法 论 ，曲名 ： Named NExT - ERA[4，5] WAS开发 商 。 The FDD is A频率domain方法 论 如何 使用 输入/输出 模式 参数自由 时报 （ DOF ） 系统 统计 过程（ System Stochastic Process ）6]. PyOMA 是 一 个 开源 的Python 模块 ， 它 允许 将 模型 参数 的 估计 值 传递 给 一 个 结构 使用 六 个 已知 的 技术 ， 这些 技术 来自 于 SSI 和FDD ：1. Frequency Domain Deposition 频率 域 合成[6];2. 加强频率Domain 域名Deposition 作曲[7];3. Frequency Spatial Domain Deposition （ 频率 空间 域 合成 ）[8];4. Covariance driven Stochastic Subspace Identification 公司[2];5. Stochastic Subspace Identification 数据 驱动[9];常用 领域 方法 （ No 1 - 3 ） Are based on the computationof the power spectrum density （ PSD ） Matrix （ 英文 ）10].Conversely，the time domain methods（No 4—6）是基于相关功 能 或 响 应 时 间 历 史 的 分 析 。 The FDD is one of the mostpopular OMA techniques （ 美国 最 大 的 民主 人士 之 一 ）6].这是PSD矩阵中基于单一最大价值推断（SVD）的pick—peaking方法的扩展。2. FDD的主要限制是用于调整比率的可靠方法的缺陷。 （ The Edd ） 7 [ represents an extension of the FDD toovercome this issue and estimate the damping ratios . ] （ 提交《 探讨 这 一 问题 的 扩展 》 ， 并 重新 评估 了 该 问题 。this方法uses颠倒DISCRETE Fourier 的transform将 PSD 转换 为 响应速度 的 区域 。Damping is obtained from the logarith （ 英语 ：Damping is obtained from the logarith ）Decree 命令of The通讯员正常 化自 相关 功能 。EFDD可以被使用到准确地estimate自然频率和密切间隔的模式。The FSDD Represents A Further 的 影人改进of The FDD based 基础on操纵The PSD 矩阵同The Modesestimates From 季羡林 FDD .Stochas - tic subspaceidentification （ SSI ） 是 OMA 最 典型 的 时间 域方法 | ITWAS开发 商 Developed in 1991 by范Overschee ，And在 moor[11]. SSI allows the identification of the state space model ofdynamic systems under stochastic excitation . （ 斯 多 禄 斯 特豁 免 的 动 力 系 统 状 态 空 间 模 型 的 识 别 ） 2]. 在 这 里2Algorithms 算 法 of SSI ： 数 据驱 动 SSI （sis-da ） Andcovariance - driven SSI （ SSI-VOC ）在SSI—VOC中，块汉克尔矩阵被数据关联所忽略。可以 说 ， 在 SSI-DAT 中 ， QR 分解 数据 汉克尔 矩阵 正在 使用 该 项目 未来 的 外部 空间 进入 未来 的角 落 空 间 [12].both 希 希 秦 And 陈 逸 达 are capable 的 ofestimating 系统Modes And胁迫Spillations 。 nonetheless ，希希 秦is未 缩放 的 模式 阴影 ： 知识 的 缺陷原 书名 ： And ForceDoes Not Allow the Mode Shapes标准 化 。高斯白噪音（Gaussian white noise）：它被假设所有模式都是平等的，由高斯白噪声引起。nonetheless ， this isnever true in practice ， and harmonic components ，non-stationary （ 英语 ： nonetheless ， this is never truein practice ， and harmonic components ） 非 官方 的或narrow-band 乐队兴奋 ，CAN BIOS The成就 了 OMA 。Itmust be remarked that when dealing with non - stationaryexcitation ， the above methods cannot be rigor - ouslyapplicable （ seismic response ， vehicle-bridge interac -action problems ） ， 正确 的 定义 。E.G. ）2. 软件DescriptionPyoma 的Module 模块is年开放 源python Module 模块thatimple - ments a complete output-only OMA framework forresearchers ， engineers 研究 员 ， 工程 师And从业 人员 。through 通过The实施 ED功能 ， 它is可能 的TO估计The Modal模式parameters 参数of A civil 公民结构 使用 动态 识别 技术 源自 SSI 和 FDD [1]，as Illustrated 说明in Fig. 1. in Addition ，The作者提供 了 A graphical user接口软件Version 版本of Thecurrent 当前Module ，命名 PyOMA _ GUI 。PyOMA—GUI AimsTo Improve the Appeal（英语：Gui aims to Improve the Appeal）of the existing open source Python OMA module，which hasalready been used in several applications（当Python OMA模块已经在严格的应用程序中使用时）上 一篇 ： Not secondarily ，the graphical user interface does not require any python 图形 用户 界面 不 需要 任何 Python 语言python 知识 编码先决 条件 。2.1. 软件功能 性Pyoma _ GUI 的 is A graphical user 接 口 软 件 开 发 者 ：Developed In PyQt 5 的作者 ： which implements in a singleintegrated tool the oper - ational modal analysis of civilstructures with output-only mea - surement 日 期 。 A 将 军Overview of The软件functionalities are depicted in 功能 性Fig.2.软件 名称 ： Mentioned Above Offered By The FunctionalPyoma 的python 模块Therefore ， PyOMA _ GUI 提供 了 一 个exceptionally 用户 友好 的 接口 ， 以 改进 PyOMA 模块 的 可 访问 性 。Widesprepagation 的usage为科学 家 ，研究 员 ，And适用 于 公民 和 结构 工程 师 。The main features PyOMA _ GUIprovides are listed 主要 功能 PyOMA _ GUI 提供below ：进口 日期tab ？下 一篇 ： 对 结构 和 manti - toring system （ channels anddegres of freedom ， DOFs ） 的 几何 特性 的 定义 ; 伴随着 衰减 和 decimation 的 默认 信号 的 预 处理选项 ;Dynamic Identification algorithms with visualization of theresults （ 动态 识别 算法 ， 结果 的 视觉 化 ）Shapes ） ;• 后 处理 标签 和 输出 输出 导出功能 性 ;3. Illustrative 说明样品在 目前 的 插图 示例 中 ， 一 个 5 度 的 自由 （ DOFs ） 剪切类型 的 框架 已经 考虑 过 了 泄漏大众 M25.91 米2/mm ateach floor ， and same storey stiffness k 10000 N/mm to eachfloor ./mm at each floor ， and same storey stiffness k 10000N/mm to each floor ./mm at each floor ， and samestiffness ./mm at each floor ， and same stiffness k 10000 N/mmto each floor ./mm to each floor ， and same stiffness ./mm toeach floor .功能EXDATA（）generates the data needed relatedto the current example.与当前示例相关的数据。分析 师 TheAnalytical解决 方案TO The eigenvalue 的问题供应 商The······Dag帕斯夸莱过往 ，ANGELA Aloisian ，Marco马丁诺红色etAl 。SoftwareX 20 （ 2022 ）1012163⎡粤⎣F4⎦⎣⎦5.6.0001natural 自然系统 频率[14]：more computationally efficient compared to SSI-DAT . Inaddition ， SSI 更多 信息方法 论allow A high 高parameter 参数估计精确 度And high 高⎡F1粤F20. 889952. 59776计算 效率 与 其他 OMA 方法 比较[13].OMA 的 两 个 主要 限制方法 ：F=⎢F⎥=⎢4. 09511⎥（ Hz ）（ 1）两 个 到 这些 优势 ， SSI 已 成为 一 个 标准不过 。n n ⎢F3⎥⎢5 2607 ⎥Dag帕斯夸莱过往 ，ANGELA Aloisian ，Marco马丁诺红色etAl 。SoftwareX 20 （ 2022 ）1012164Fig. 1。 PyOMA 模块flowchart 。Fig. 2. Pyoma _ GUI 中 的graphical user接口软件将军的 Overview 。Dag帕斯夸莱过往 ，ANGELA Aloisian ，Marco马丁诺红色etAl 。SoftwareX 20 （ 2022 ）1012165⎡粤⎢⎣⎥⎦AndThe正常 化mode shapes ，返回by Scaling Each Shape 模式TO Set ITS largest component in绝对Value 价值TO Unity ，are ：φ= [φ1φ2φ3φ4φ5]0. 28463 -0. 76352110. 918986-0. 54620. 5462- 10. 28463-0. 7635210. 918986=0. 763521-0. 4562-0. 918986-0. 28463-10. 9189860. 28463-0. 546210. 76352110. 9189860. 763521 - 0. 4562- 0. 28463（2）下一 篇：The damping matrix is calculated assuming aconstant damping ratio of 2% for everymode 。合成 信号 ， 对 加速 时间 的 反应 ， 它 的 旋转 在 地板 上 ，是 由 功能 生成 的scipy 的' s signal.StateSpace class 。All the 5DOF are excited by a Gaus - sian white noise input ， then theresults from each channel are polluted with a noise source witha signal-to - noise ratio （ SNR ） equal to ： 所有 5 DOF 都 被一 家 大楼 - 白色 噪音 投入 ， 但 只有 渠道 的 结果 被 污染10% 。Theinput 中parameters 参数Assumed in Each OMA方法在计算 效率 和 准确 性 之间 进行 权衡的 结果 。3.1. 初步运营Preliminary operationFirst and foremost ， it is fundamental to import all theneces—sary modules，and the input data as an array.首先和foremost，这是很重要的所有必要—sary modules，和输入数据作为一个数组。In this example a call to the function在这个例子中，函数的调用EXDATA（）获取输入数据Permits to get theinput data.如果用户自己在乎数据（On the other hand if theuser is importing its own data） may take advantage of pandasmodule ， e . g . 也 许 ， 还 需 要 使 用 pandas module 。pd.read/csv 功能 | It ’ s worth reminding that the time instantcolumn need to be removed by the user . It ’ s worth remindingthat the time instant column need to be paid to the arguments .（ 时间 推移 需要 被 用户 取代 ， 未来 的 关注 必须 对 库存 保持冷静 ）''Header 的''，which 什么Locate The spreadsheet 的table桌子header ， and separator character argument 编辑 器SEP（ A ） 正确 读取 并 导入 数据档案 。◎ ◎进口 Modules进口numpy 是 NP 的进口Pandas 为 PD进口饰Seaborn As ssnFrom scipy 的进口信号进口matplotlib . pyplot as plt ：进口Pyoma 的as妈妈= = 准备 工作========# TO开放 A. txt 档案创建 一 个 变量 与 路径 到file 档案- File=r”C：\ex _ file文件. txt”◎ ◎ open the 开放file 档案创建 一 个 pandas and createa Dataframe 的#n. B.whatchout 什么为Header 的，分离 器Andremove时间column （ s ）历=pd.read. csv （ file ） ，header = 0 ，sep =”\t”，index _ col = false ）历=data.to_ numpy （ ）◎ ◎ TORetrieveThe Example 样品历历 ，（ Fex ）FI _ EX ，xi _ ex ）= EXDATA （ ）Fig. 3. SV Diagram of The PSD矩阵关注From The FDD Algorithm 算法#using使用SciPy的信号Module模块3.用户可以预先处理数据#E. G.Decision，TrendremovalAndFiltering.◎ ◎在 Detrendand Decimal历= Signal . detrenda （ data ， axis = 0 ） （ 数据 ， 轴 = 0 ）◎ ◎趋势 移除Q = 5 ◎◎decimation因素历= decimal . decimal （ 日期 ）Q ，Ftype =”Fir 。，轴 = 0 ）#decimationfs=fs/q#[Hz]颓废 的sampling 的频率#Filterb，a_= signal. butter（12，（0.3，6.5），fs = fs，Btype ='bandpass乐队'）filtdata 的= filtfilt （ _ b ）a ， data ， axis =0◎ ◎过滤 器历3.2. Identification — 频率domain在 当前 的 示例 中 ， 作者 聚焦 首先oma.FDDsvp TO run 运行The频率Domain 域名Deposition 作曲（ FDD ） 算法 。 thisFunction返回The singular 的价值 观（ SV ）Diagram 关于ThePower 力量Spectral Density（ PSD ）Matrix ，And A词典thatcontains the results that will be processed later to extract themodal （ 那个 容器 的 结果 会 在 较 后 的 时间 被 处理 到 提取模式 ）财产 。# 跑步FDDTDD = FDDSvp （ date ） ：fs ）英文片名The Peaks In Fig. 3推荐 一 个 系统 的 自然 现象 。To help the identification of the peaks ， the user can takeadvantage of（去帮助那些peaks的辨识，用户能获取优势）mplcursor module ， which enables the click interactivity withthe graphed data which are depicted in模块，因为点击交互性与图形数据的交互性Fig. 3.Dag帕斯夸莱过往 ，ANGELA Aloisian ，Marco马丁诺红色etAl 。SoftwareX 20 （ 2022 ）1012166Theuser必须Provide The信号sampling 的频率 ，EX -Pressedin Hz 。 in The季 羡 林operation ） ，The Pyoma 的Module allows the user to perform the most common and basicsignal pre-processing actions such as degrending ， decimal ，and fil - tering process ， through the standard 模块 allows theuser 到 大多 数 普通 和 基本 信号 处理 前 的 操作scypy.signal 功能 | Subsequently ， 系统 已经 准备 好 执行 唯一 动态 标识Algorithms 算法#define 定义/array/数组同The Peaks identifiedFrom The Plot 图Freq =[ 0.89 ， 2.6 ， 4.1 ， 5.27 ， 6 ]◎ ◎identifiedPeaksat这个Point ，it is可能 的TO run 运行The oma.FDDmodEX或/or Theoma.EFDDmodEXFunctions TO exract The Modal 模式资讯AC -CORDING TO The关于 FDD方法 '或/or The ' 加强 - FDD（ EFDD ）◎ ◎ Sampling 的频率fs=100#[Hz]Sampling 的频率方法 'Respectively 的 。 全部《 Modex 》Functions返回A词典that contains The结果of The Identification in terms of Modal 模式Dag帕斯夸莱过往 ，ANGELA Aloisian ，Marco马丁诺红色etAl 。SoftwareX 20 （ 2022 ）1012167财产。The oma.FDDmodEX function will only extract the nat - uralfrequency and the mode shape ， according to the original FDDalgorithm as presented （ 函数 只 会 外 推 非 ural frequency 和 模式 形状 ）6]. The EFDmodEX（）它有两种方法可以选择。Method' ' EFDD ' ' 从 模式 中 提取财产（ 频率 ） ， mode shapes ，Damping ）According 的both the data-driven version denoted as ' SSI-date ' （ 英 语 ：Both the data 驱动 的 版本 否认 为 “ SSI-date ” ）9（ with thecommand ）oma.SSIdatStaDiag） ， 并 以 变量 为 基础 的 方法证 明 为 “ SSI-coved ” 。 2 曲 名 ： Through the Commandoma.SSIcovStaDiag. To analyze the data with these time domainparametric procedures one can run the following （ 分析 这 段时间 内 的 数据 ， 你 可以 使用 参数 化 进程 来 进行 跟踪 ）Functions ：TOThe EFD Algorithm 算法as介绍in [7]. The方法“ FSDD ”Instead extract the modal properties （ frequencies ， modeshapes ， damping ） 模式 抽象 抽象 模式According 的TO The频 次 空间Domain 域名Decompo-sition （ FSDD ） 方法8].首页 > 外 文书 > 人文 > 心理 励志 > The Latter Method Isolates theModal Coordinatesby Modal 模 式 Filtering And 供 应 商 增 强OUTPUT PSD 估计 ，which 什么in返回yield 的better自我 关联功能 |功能 所 需 的 参数 ： FreQ ， which is thelist of Peaks前言Previously identified in The SV Diagram ？ ' ' Results ' which（ 英 语 ： ' 结果 ' ）is The词典of结果返回by oma.FDDsvp.These functions allows the user to customize the return ，permitting the extraction （ 所有 功能 都 让 用户 自 定义 返回 ，允许 提取of The single 单身DOF（ sdof ）贝尔斯EXTRATIONFrom The PSD Peaks （ 英文 ）[1]，ONE为Each mode ，asDepicted为instance in Fig. 4.◎ ◎提取 模式 Extract The Modal财产◎ ◎extracting 的Modal 模式使用 标准 的 属性FDD res_ fdd = oma . fddmodex （ Freq ， freq ， fdd ）CFDs [ 1 ]#extracting 的Modal 模式财产using 使用加强-FDDRes _EFDD 的=EFDmodEX （ FreQ ）（ 1 ） （