CrbnsCat10n
1b3e836d98
modified: README.md new file: requirement.txt new file: scripts_2/README.md new file: scripts_2/__init__.py new file: scripts_2/__pycache__/__init__.cpython-310.pyc new file: scripts_2/__pycache__/signal_utils.cpython-310.pyc new file: scripts_2/__pycache__/task3_identify.cpython-310.pyc new file: scripts_2/signal_utils.py new file: scripts_2/task3_identify.py new file: scripts_3/README.md new file: scripts_3/__init__.py new file: scripts_3/__pycache__/__init__.cpython-310.pyc new file: scripts_3/__pycache__/task4_predict_freq.cpython-310.pyc new file: scripts_3/task4_predict_freq.py
5.0 KiB
5.0 KiB
建筑结构课程评测代码总览 (Course Evaluation Toolkit)
项目简介
本项目面向建筑结构振动课程评测场景，提供三类核心功能：
- 根据基底简谐激励频率，预测模型顶部加速度 Z 向响应的整体均方根 RMS 值。
- 根据顶部自由衰减响应，识别结构一阶自振频率和阻尼比。
- 根据顶部强迫振动响应，反推出输入简谐波的激振频率。
项目包含三套脚本目录：scripts、scripts_2、scripts_3。三套脚本分别对应 RMS 预测、结构动力特性识别、激振频率逆向预测。
课程评测流程
教师评测时可按以下流程使用代码：
- 顶部响应 RMS 预测
教师进行一组基底激励输入试验。对每组简谐波频率，使用
scripts目录下的脚本预测顶部加速度 Z 向响应的整体 RMS 值。 - 结构动力参数识别
教师对模型略微做出改动后，采集顶部自由衰减响应，使用
scripts_2目录下的脚本识别一阶自振频率和阻尼比。 - 激振频率逆向预测
教师再次进行一组基底激励输入试验，使用
scripts_3目录下的脚本，根据顶部加速度响应反推输入简谐波的激振频率。
项目结构
Building-main/
├── downloads/ # 数据目录
│ └── Non_TMD/
│ ├── free_vib/ # 自由衰减数据
│ ├── train/ # 简谐波训练数据
│ ├── val/ # 简谐波验证数据
│ └── test/ # 其他测试数据
├── scripts/ # 任务 1：顶部响应 RMS 预测
├── scripts_2/ # 任务 2：自振频率与阻尼比识别
├── scripts_3/ # 任务 3：激振频率逆向预测
├── requirement.txt # Python 依赖清单
└── README.md # 总说明文档
三套脚本说明
scripts
该目录用于完成顶部响应 RMS 预测任务。
- 输入为基底传感器信号与文件频率标签。
- 输出为顶部加速度 Z 向响应的整体 RMS 预测值。
- 主要脚本包括
train_final.py、evaluate.py、predict_single.py。
scripts_2
该目录用于完成结构动力特性识别任务。
- 数据来源为
downloads/Non_TMD/free_vib/目录下的自由衰减 CSV 文件。 - 使用顶部响应传感器
WSMS00007的value3列。 - 输出一阶自振频率、阻尼比与诊断图像。
scripts_3
该目录用于完成激振频率逆向预测任务。
- 使用强迫振动数据，如
downloads/Non_TMD/val/或downloads/Non_TMD/test/。 - 使用顶部响应传感器
WSMS00007的value3列识别主频。 - 主要脚本为
task4_predict_freq.py。
传感器约束
- 顶部响应传感器
任务 2 和任务 3 统一使用
WSMS00007的value3列。 - 基底输入传感器
WSMS00012的value1列用于参考与对照。 - 任务 3 频率逆推 激振频率预测直接基于顶部响应频谱结果。
环境准备
项目建议使用 Python 3.10 创建新的虚拟环境，再安装根目录的 requirement.txt。
1. 创建虚拟环境
py -3.10 -m venv .venv
2. 激活虚拟环境
.\.venv\Scripts\activate
3. 安装依赖
python -m pip install -r requirement.txt
requirement.txt 已包含三套脚本使用到的核心依赖：
numpypandasscipymatplotlibscikit-learn
使用方法
1. 顶部响应 RMS 预测
对单个简谐波文件预测顶部响应 RMS：
python scripts\predict_single.py --file downloads\Non_TMD\val\harmonic_5mm_0.75Hz.csv
对全量样本进行评估：
python scripts\evaluate.py
如需重新训练模型：
python scripts\train_final.py
2. 自由衰减法识别自振频率和阻尼比
对自由衰减文件执行识别：
python scripts_2\task3_identify.py --file downloads\Non_TMD\free_vib\free_decay.csv
脚本输出内容包括：
- 一阶自振频率
f_n - 对数衰减率
delta - 阻尼比
zeta - 原始波形、滤波结果与包络线图像
3. 根据顶部响应反推激振频率
对单个强迫振动文件执行频率逆推：
python scripts_3\task4_predict_freq.py --file downloads\Non_TMD\val\harmonic_5mm_0.75Hz.csv
脚本输出内容包括：
- 稳态段采样范围
- 预测激振频率
- 文件名中的频率真值
- 绝对误差
- 时域与频域诊断图像
结果输出
运行脚本后，图像与评测结果默认保存到 evaluation_outputs/ 目录下，对应子目录如下：
evaluation_outputs/task1_final/evaluation_outputs/task3_identify/evaluation_outputs/task4_predict_freq/
说明
scripts目录负责 RMS 预测。scripts_2目录负责自由衰减识别。scripts_3目录负责激振频率逆推。- 数据文件命名中包含频率标签时，脚本会自动提取真值用于误差统计。