具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种桥梁非平稳非高斯随机风场模拟方法、装置、设备及介质，获取待模拟桥梁的桥址区桥位信息，根据所述桥址区桥位信息确定所述待模拟桥梁的桥梁参数；基于预设谱表示法与所述待模拟桥梁的桥梁参数，生成所述待模拟桥梁的高斯风场；基于预设高斯功率谱密度函数与预设边缘累计分布函数确定目标非高斯功率谱密度函数；基于所述目标非高斯功率谱密度函数与所述高斯风场，生成所述待模拟桥梁的非高斯脉动风场；对所述非高斯脉动风场进行时变演变谱的调制，生成所述待模拟桥梁的非平稳非高斯脉动风场；获取时变平均风速，根据所述时变平均风速与所述非平稳非高斯脉动风场，生成所述待模拟桥梁的目标非平稳非高斯风场。本申请先通过谱表示法与待模拟桥梁的桥梁参数生成待模拟桥梁的高斯风场，再通过目标非高斯功率谱密度函数、时变演变谱以及时变平均风速将高斯风场生成为目标非平稳非高斯脉动风场，生成的目标非平稳非高斯风场符合桥址区极端风荷载的非高斯特性，提高模拟的目标非平稳非高斯风场的准确度。

如图1所示，图1是本申请实施例方案涉及的硬件运行环境的桥梁非平稳非高斯随机风场模拟设备结构示意图。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

本申请实施例桥梁非平稳非高斯随机风场模拟设备可以是PC，也可以是平板电脑、便携计算机等可移动式终端设备。

如图1所示，该桥梁非平稳非高斯随机风场模拟设备可以包括：处理器 1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003 可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速 RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的桥梁非平稳非高斯随机风场模拟设备结构并不构成对桥梁非平稳非高斯随机风场模拟设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及桥梁非平稳非高斯随机风场模拟程序。

在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的桥梁非平稳非高斯随机风场模拟程序，并执行以下操作：

获取待模拟桥梁的桥址区桥位信息，根据所述桥址区桥位信息确定所述待模拟桥梁的桥梁参数；

基于预设谱表示法与所述待模拟桥梁的桥梁参数，生成所述待模拟桥梁的高斯风场；

基于预设高斯功率谱密度函数与预设边缘累计分布函数确定目标非高斯功率谱密度函数；

基于所述目标非高斯功率谱密度函数与所述高斯风场，生成所述待模拟桥梁的非高斯脉动风场；

对所述非高斯脉动风场进行时变演变谱的调制，生成所述待模拟桥梁的非平稳非高斯脉动风场；

获取时变平均风速，根据所述时变平均风速与所述非平稳非高斯脉动风场，生成所述待模拟桥梁的目标非平稳非高斯风场。

进一步地，所述基于预设高斯功率谱密度函数与预设边缘累计分布函数确定目标非高斯功率谱密度函数的步骤包括：

基于预设高斯功率谱密度函数与预设边缘累计分布函数计算初始非高斯功率谱密度函数；

对所述初始非高斯功率谱密度函数进行迭代运算，得到目标非高斯功率谱密度函数。

进一步地，所述对所述初始非高斯功率谱密度函数进行迭代运算，得到目标非高斯功率谱密度函数的步骤包括：

对所述初始非高斯功率谱密度函数进行迭代运算，得到迭代非高斯功率谱密度函数；

计算所述迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数之间的迭代差；

若所述迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数的迭代差小于预设值，则将所述迭代非高斯功率谱密度函数确定为目标非高斯功率谱密度函数。

进一步地，所述对所述初始非高斯功率谱密度函数进行迭代运算，得到迭代非高斯功率谱密度函数的步骤包括：

获取迭代公式并获取基准非高斯功率谱密度函数；

将所述初始非高斯功率谱密度函数与所述基准非高斯功率谱密度函数输入所述迭代公式；

通过所述迭代公式对所述初始非高斯功率谱密度函数与所述基准非高斯功率谱密度函数进行迭代运算，得到迭代非高斯功率谱密度函数。

进一步地，所述基于预设高斯功率谱密度函数与预设边缘累计分布函数计算初始非高斯功率谱密度函数的步骤包括：

获取预设高斯功率谱密度函数与预设边缘累计分布函数；

基于所述预设高斯功率谱密度函数与所述预设边缘累计分布函数，计算非高斯自相关函数；

基于预设逆变换方法对所述非高斯自相关函数进行计算，得到初始非高斯功率谱密度函数。

进一步地，所述基于所述预设高斯功率谱密度函数与所述预设边缘累计分布函数，计算非高斯自相关函数的步骤包括：

获取预设变换方法，通过所述预设变换方法计算所述对应的高斯自相关函数；

获取所述自相关函数的方差，根据所述高斯自相关函数与所述方差计算高斯归一化相关函数；

根据非线性映射算法，对所述高斯归一化相关函数与所述预设边缘累计分布函数进行运算，得到非高斯自相关函数。

进一步地，所述基于所述目标非高斯功率谱密度函数与所述高斯风场，生成所述待模拟桥梁的非高斯脉动风场的步骤包括：

获取所述目标非高斯功率谱密度函数对应的目标边缘累计分布函数；

根据所述目标边缘累计分布函数与所述待模拟桥梁的高斯风场，生成所述待模拟桥梁的非高斯脉动风场。

为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

参照图2，本申请第一实施例提供一种桥梁非平稳非高斯随机风场模拟方法的流程示意图。该实施例中，所述桥梁非平稳非高斯随机风场模拟方法包括以下步骤：

步骤S10，获取待模拟桥梁的桥址区桥位信息，根据所述桥址区桥位信息确定所述待模拟桥梁的桥梁参数；

本实施例中桥梁非平稳非高斯随机风场模拟方法可以应用于智能终端，其中智能终端包括智能手机、平板电脑等移动终端，以及计算机等固定终端。

一方面地，具有桥梁非平稳非高斯随机风场模拟需求的用户可以向智能终端输入待模拟桥梁的桥址区桥位信息，以便于智能终端基于输入的桥址区桥位信息进行待模拟桥梁的非平稳非高斯随机风场模拟，准确地得到待模拟桥梁的目标非平稳非高斯风场。

另一方面地，智能终端获取用户输入的待模拟桥梁的桥址区桥位信息，通过桥址区桥位信息在公路桥梁抗风设计规范中获取对应的桥位设计风速与边界层风特征参数等参数，并将桥位设计风速与边界层风特性参数等参数确定为待模拟桥梁的桥梁参数。

步骤S20，基于预设谱表示法与所述待模拟桥梁的桥梁参数，生成所述待模拟桥梁的高斯风场；

在获取待模拟桥梁的桥梁参数后，智能终端通过预设谱表示法对待模拟桥梁的桥梁参数进行计算，生成待模拟桥梁的高斯风场，具体地，将待模拟桥梁的桥位设计风速与边界层风特性参数等桥梁参数输入至预设谱表示法的公式中，通过谱表示法的计算公式对桥位设计风速与边界层风特性参数等桥梁参数进行运算，得到待模拟桥梁的高斯风场，其中桥位设计风速可以包含在某一高度处的平均风速，边界层风特性参数可以包含待模拟桥梁距离地面的高度以及地面粗糙度等参数。其中，预设谱表示法的计算公式如下所示：

其中，S(ω)为自功率谱；i＝0，1，2，...；ω为角频率；f_G(t)为高斯风场，t为时间；并且S_G(ω_i)＝S(ω，k)，S(ω，k)如下公式所示：

其中，S(ω)为自功率谱，γ(ζ，ω)为相干函数，ζ为空间分离距离，ω为角频率，k为波数，自功率谱可以包含Kaimal谱与Panofsky谱(脉动风速功率谱)，顺风向选用Kaimal谱，竖向选用Panofsky谱。其中Kaimal 谱可以如下公式所示：

其中，z是地面以上的高度，U(z)是高度z处的平均风速，u_*的定义如下公式所示：

其中，k是von Karman常数(k约等于0.4)，z₀是描述地面粗糙度的参数。

进一步地，相干函数可以如下公式所示：

γ(ξ,ω)＝e^{-λωξ2πU(z)}

其中，λ是一个衰减参数，通常选择在7到10之间。

步骤S30，基于预设高斯功率谱密度函数与预设边缘累计分布函数确定目标非高斯功率谱密度函数；

本申请中需要通过转换过程将生成的高斯风场转换为非高斯脉动风场，而通过转换过程将生成的高斯风场转换为非高斯脉动风场的前提是具有兼容的功率谱密度函数PSDF(power spectral density function，功率谱密度函数) 与边缘累积密度函数CDF(Cumulative Distribution Function，累积分布函数)，而功率谱密度函数与边缘累积密度函数在初始条件下是不兼容的，因此智能终端需要根据预设高斯功率谱密度函数与预设边缘累计分布函数确定出相容的非高斯功率谱密度函数与边缘累计分布函数。其中，转换过程可以将一组具有指定特征的高斯随机过程映射到一组具有指定分布函数的非高斯随机过程。具体地，智能终端先基于预设高斯功率谱密度函数与预设边缘累计分布函数计算非高斯自相关函数ACF(自相关函数)，然后根据非高斯自相关函数计算初始非高斯功率谱密度函数；再对初始非高斯功率谱密度函数进行迭代运算，当初始非高斯功率谱密度函数迭代完成时得到目标非高斯功率谱密度函数。其中功率谱密度函数是当波的功率频谱密度乘以一个适当的系数后，得到每单位频率波携带的功率的函数；累积分布函数是概率密度函数的积分，用于完整描述一个实随机变量X的概率分布；自相关函数用来度量时间序列中每隔k个时间单位的观测值之间的相关。

步骤S40，基于所述目标非高斯功率谱密度函数与所述高斯风场，生成所述待模拟桥梁的非高斯脉动风场；

在生成待模拟桥梁的高斯风场并获得目标非高斯功率谱密度函数后，智能终端先获取与目标非高斯功率谱密度函数相兼容的目标边缘累计分布函数，再通过目标边缘累计分布函数与待模拟桥梁的高斯风场，生成待模拟桥梁的非高斯脉动风场。

进一步地，所述基于所述目标非高斯功率谱密度函数与所述高斯风场，生成所述待模拟桥梁的非高斯脉动风场的步骤包括：

步骤S41，获取所述目标非高斯功率谱密度函数对应的目标边缘累计分布函数；

步骤S42，根据所述目标边缘累计分布函数与所述待模拟桥梁的高斯风场，生成所述待模拟桥梁的非高斯脉动风场。

可以理解地，在根据预设高斯功率谱密度函数与预设边缘累计分布函数确定目标非高斯功率谱密度函数后，智能终端即得到了一个兼容的目标非高斯功率谱密度函数及其相应的基础高斯功率谱密度函数，由此可以确定出与目标非高斯功率谱密度函数相兼容的目标边缘累计分布函数。因此，智能终端获取与目标非高斯功率谱密度函数相兼容的目标边缘累计分布函数，再通过转换过程的平移映射将待模拟桥梁的高斯风场映射至目标边缘累计分布函数中，得到待模拟桥梁的非高斯脉动风场，由此可生成指定分布的非高斯随机过程，且避免了生成大量样本函数。具体地，映射过程如下所示：

其中，F_NG为目标边缘累计分布函数，f_G为高斯风场，F_G为预设边缘累计分布函数，f_NG为非高斯脉动风场。

步骤S50，对所述非高斯脉动风场进行时变演变谱的调制，生成所述待模拟桥梁的非平稳非高斯脉动风场；

进一步地，智能终端可以根据Priestly的进化谱理论，将Kaimal谱推导为如下公式所示的第一非均匀调制函数：

其中，U(t)为时变平均风速，为平均风速，z为地面以上的高度，ω为角频率。

进一步地，智能终端通过第一非均匀调制函数将演变谱调制为时变演变谱，再对非高斯脉动风场进行时变演变谱的调制，将非高斯脉动风场调制成为非平稳非高斯脉动风场，得到待模拟桥梁的非平稳非高斯脉动风场。

可以理解地，智能终端可以根据Priestly的进化谱理论，将Panofsky谱推导为如下公式所示的第二非均匀调制函数：

其中，U(t)为时变平均风速，为平均风速，z为地面以上的高度，ω为角频率。

进一步地，智能终端通过第二非均匀调制函数将演变谱调制为时变演变谱，再对非高斯脉动风场进行时变演变谱的调制，将非高斯脉动风场调制成为非平稳非高斯脉动风场，得到待模拟桥梁的非平稳非高斯脉动风场。

步骤S60，获取时变平均风速，根据所述时变平均风速与所述非平稳非高斯脉动风场，生成所述待模拟桥梁的目标非平稳非高斯风场。

在得到待模拟桥梁的非平稳非高斯脉动风场后，智能终端获取常幅值余弦函数、线性函数、指数函数或包含三种因子的复合函数，通过常幅值余弦函数、线性函数、指数函数或包含三种因子的复合函数调制常均值获得时变平均风速，其中时变平均风速可以如下公式所示：

其中，U(t)为时变平均风速，为平均风速，t为时间，时变平均风速假定服从余弦函数模型。

进一步地，智能终端将待模拟桥梁的非平稳非高斯脉动风场与时变平均风速进行叠加，得到待模拟桥梁的目标非平稳非高斯风场。

可以理解地，本实施例中每进行一次桥梁非平稳非高斯随机风场模拟方法可以得到待模拟桥梁的一个目标非平稳非高斯风场，其中目标非平稳非高斯风场可以为待模拟桥梁中主塔顺风向的目标非平稳非高斯风场、主塔竖风向的目标非平稳非高斯风场、主梁顺风向的目标非平稳非高斯风场、主梁竖风向的目标非平稳非高斯风场等多个目标非平稳非高斯风场中的一种，具体为哪一种目标非平稳非高斯风场需根据待模拟桥梁的桥梁参数确定。若需要模拟待模拟桥梁中主塔与主梁的竖风向与竖风向目标非平稳非高斯风场，则需要通过智能终端多次执行桥梁非平稳非高斯随机风场模拟方法。以此将桥址区一维非高斯风场推广到多维(三维)非高斯风场，能够考虑主梁的水平和竖向非高斯脉动风速，以及桥塔的水平非高斯脉动风速。

还可以理解地，为了确保生成的目标非平稳非高斯风场的准确性，智能终端还可以对生成的目标非平稳非高斯风场进行非平稳性检验和非高斯性检验。具体地，平稳性检验方法有很多种，常见方法有图检验法、轮次检验法、逆序数检验法、单位根检验法等，其中轮次检验法是平稳性的非参数检验法，本实施例中可采用轮次(游程)检验法对目标非平稳非高斯风场进行平稳性检验：将目标非平稳非高斯风场的数据分成若干个子段，计算每个子段的均方差，组成一个新的序列，检验新的序列是否是随机的.零假设H0：新的序列是随机的，即目标非平稳非高斯风场是平稳的，否则目标非平稳非高斯风场是非平稳的。以及，对目标非平稳非高斯风场进行概率密度函数估计，在完成对目标非平稳非高斯风场的概率密度函数估计后，得到非高斯特性的偏度与峰度，对非高斯特性的偏度与峰度进行分析，以此检验目标非平稳非高斯风场的非高斯特性是否满足要求，若目标非平稳非高斯风场的非高斯特性满足要求，则确定目标非平稳非高斯风场通过非高斯特性检验。其中，偏度用于衡量样本的对称性，对于正态分布，偏度为0；若偏度为正，则x均值左侧的离散度比右侧弱；若偏度为负，则x均值左侧的离散度比右侧强。而峰度用于度量样本偏离某分布的程度，正态分布的峰度是3，当时间序列的曲线峰值比正态分布的高时，峰度大于3；当比正态分布的低时，峰度小于3。例如：参照图3，图3为本申请桥梁非高斯特性的偏度与峰度图，图3中纵坐标轴上包含0、10、20、30、40、50、60、70、80、90、100等数值点，横坐标轴上包含-1.5、-1、-0.5、0、0.5、1、1.5、2、2.5等数值点。由图3可知，非高斯脉动风速样本偏度值为0.45206，偏度左移，均值左侧的离散度比右侧要弱，而非高斯样本的峰度为3.7923，峰度上升，明显高于正态分布的曲线峰值。若目标非平稳非高斯风场通过了非平稳性检验和非高斯性检验，说明生成的目标非平稳非高斯风场是准确的；反之，若目标非平稳非高斯风场未通过非平稳性检验和/或非高斯性检验，则确定生成的目标非平稳非高斯风场不准确，需要对待模拟桥梁的桥梁参数进行检查与调整，以生成准确的目标非平稳非高斯风场。

本实施例提供一种桥梁非平稳非高斯随机风场模拟方法、装置、设备及介质，获取待模拟桥梁的桥址区桥位信息，根据所述桥址区桥位信息确定所述待模拟桥梁的桥梁参数；基于预设谱表示法与所述待模拟桥梁的桥梁参数，生成所述待模拟桥梁的高斯风场；基于预设高斯功率谱密度函数与预设边缘累计分布函数确定目标非高斯功率谱密度函数；基于所述目标非高斯功率谱密度函数与所述高斯风场，生成所述待模拟桥梁的非高斯脉动风场；对所述非高斯脉动风场进行时变演变谱的调制，生成所述待模拟桥梁的非平稳非高斯脉动风场；获取时变平均风速，根据所述时变平均风速与所述非平稳非高斯脉动风场，生成所述待模拟桥梁的目标非平稳非高斯风场。本申请先通过谱表示法与待模拟桥梁的桥梁参数生成待模拟桥梁的高斯风场，再通过目标非高斯功率谱密度函数、时变演变谱以及时变平均风速将高斯风场生成为目标非平稳非高斯脉动风场，生成的目标非平稳非高斯风场符合桥址区极端风荷载的非高斯特性，提高模拟的目标非平稳非高斯风场的准确度。

进一步地，参照图4，基于本申请桥梁非平稳非高斯随机风场模拟方法的第一实施例，提出本申请桥梁非平稳非高斯随机风场模拟方法的第二实施例，在第二实施例中，所述基于预设高斯功率谱密度函数与预设边缘累计分布函数确定目标非高斯功率谱密度函数的步骤包括：

步骤S31，基于预设高斯功率谱密度函数与预设边缘累计分布函数计算初始非高斯功率谱密度函数；

步骤S32，对所述初始非高斯功率谱密度函数进行迭代运算，得到目标非高斯功率谱密度函数。

智能终端获取预设高斯功率谱密度函数与预设边缘累计分布函数，根据预设高斯功率谱密度函数与预设边缘累计分布函数，计算非高斯自相关函数。进一步地，智能终端获取预设逆变换方法，根据预设逆变换方法对计算得到的非高斯自相关函数进行计算，得到初始非高斯功率谱密度函数。进一步地，智能终端获取迭代公式以及基准非高斯功率谱密度函数，将初始非高斯功率谱密度函数与基准非高斯功率谱密度函数输入迭代公式，通过迭代公式对初始非高斯功率谱密度函数与基准非高斯功率谱密度函数进行迭代运算，得到迭代非高斯功率谱密度函数，其中基准非高斯功率谱密度函数为用于作为基准与迭代非高斯功率谱密度函数进行迭代差比较所设置的函数。

进一步地，智能终端将计算得到的迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数进行迭代差计算，并当迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数的迭代差为预设值时，判定终止迭代方案，将迭代非高斯功率谱密度函数确定为目标非高斯功率谱密度函数，预设值为用户根据实际迭代需求设置的数值；若迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数的迭代差不等于预设值，则将基准非高斯功率谱密度函数确定为新的预设高斯功率谱密度函数，并对新的预设高斯功率谱密度函数进行迭代运算，直到由新的预设高斯功率谱密度函数迭代得到的迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数的迭代差为预设值时，判定终止迭代方案，将迭代非高斯功率谱密度函数确定为目标非高斯功率谱密度函数。

进一步地，所述基于预设高斯功率谱密度函数与预设边缘累计分布函数计算初始非高斯功率谱密度函数的步骤包括：

步骤S311，获取预设高斯功率谱密度函数与预设边缘累计分布函数；

步骤S312，基于所述预设高斯功率谱密度函数与所述预设边缘累计分布函数，计算非高斯自相关函数；

步骤S313，基于预设逆变换方法对所述非高斯自相关函数进行计算，得到初始非高斯功率谱密度函数。

进一步地，本实施例桥梁非高斯随机风场的模拟方法包含两个输入量：边缘累计分布函数和非高斯功率谱密度函数，根据转换过程理论，边缘累计分布函数和非高斯功率谱密度函数是不相容的。因此，智能终端需要为潜在的高斯功率谱密度函数提供一个初始猜测，即设置预设高斯功率谱密度函数，具体地，可以使用带限白噪声谱，将初始猜测设置为指定的非高斯功率谱密度函数，即本实施例用预设高斯功率谱密度函数代替非高斯功率谱密度函数，以提高收敛速度，并获取预设边缘累计分布函数。进一步地，智能终端根据获取的预设高斯功率谱密度函数与预设边缘累计分布函数进行计算，得到非高斯自相关函数，具体地，先通过预设变换方法计算预设高斯功率谱密度函数对应的高斯自相关函数与方差，再根据高斯自相关函数与方差计算高斯归一化相关函数，最后根据高斯归一化相关函数与预设边缘累计分布函数，运算得到非高斯自相关函数，其中预设变换方法在本实施例中为Wiener-Khintchine变换。进一步地，智能终端从内部存储器或通过无线网络获取预设逆变换方法，通过预设逆变换方法对非高斯自相关函数进行计算，得到初始非高斯功率谱密度函数，具体地，本实施例中使用逆Wiener– Khintchine变换从计算迭代(i)处对应的初始非高斯功率谱密度函数i为想象中的单位，逆Wiener–Khintchine变换的公式如下：

其中为迭代(i)处的非高斯自相关函数，为迭代(i)处的初始非高斯功率谱密度函数，π为圆周率。

进一步地，所述基于所述预设高斯功率谱密度函数与所述预设边缘累计分布函数，计算非高斯自相关函数的步骤包括：

步骤S3121，获取预设变换方法，通过所述预设变换方法计算所述对应的高斯自相关函数；

步骤S3122，获取所述自相关函数的方差，根据所述高斯自相关函数与所述方差计算高斯归一化相关函数；

步骤S3123，根据非线性映射算法，对所述高斯归一化相关函数与所述预设边缘累计分布函数进行运算，得到非高斯自相关函数。

进一步地，智能终端从内部存储器或通过无线网络获取预设变换方法Wiener-Khintchine变换，并通过获取的Wiener-Khintchine变换计算预设高斯功率谱密度函数对应的高斯自相关函数，具体地，通过将预设高斯功率谱密度函数输入至Wiener-Khintchine变换的计算公式中，计算出高斯自相关函数， Wiener–Khintchine变换的公式如下：

其中为迭代(i)处的预设高斯功率谱密度函数，为迭代(i) 处的非高斯自相关函数。

进一步地，智能终端获取潜在高斯过程即预设高斯功率谱密度函数的方差，并将获取的方差与高斯自相关函数输入至高斯归一化相关函数计算公式中，计算出高斯归一化相关函数，其中高斯归一化相关函数计算公式如下：

其中，为潜在高斯过程即预设高斯功率谱密度函数在迭代(i)处的方差，为迭代(i)处的非高斯自相关函数，为迭代(i)处的高斯归一化相关函数。

进一步地，智能终端从内部存储器或通过无线网络获取表征经典转换过程的非线性映射算法，通过非线性映射算法对高斯归一化相关函数与预设边缘累计分布函数进行运算，得到非高斯自相关函数，具体地，终端将高斯归一化相关函数与预设边缘累计分布函数输入非线性映射算法的计算公式中，对高斯归一化相关函数与预设边缘累计分布函数进行计算，得到非高斯自相关函数，非线性映射算法的计算公式如下所示：

其中，为迭代(i)处的高斯归一化相关函数，F_G为高斯边缘累计分布函数，为预设边缘累计分布函数，为迭代(i)处的非高斯自相关函数。

进一步地，所述对所述初始非高斯功率谱密度函数进行迭代运算，得到目标非高斯功率谱密度函数的步骤包括：

步骤S321，对所述初始非高斯功率谱密度函数进行迭代运算，得到迭代非高斯功率谱密度函数；

步骤S322，计算所述迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数之间的迭代差；

步骤S323，若所述迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数的迭代差为预设值，则将所述迭代非高斯功率谱密度函数确定为目标非高斯功率谱密度函数。

进一步地，智能终端获取迭代差计算公式，通过迭代差计算公式对迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数进行计算，得到迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数之间的迭代差，具体地，将迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数代入迭代差计算公式中进行计算，在完成计算后得到迭代差，迭代差计算公式如下：

其中，为迭代(i+1)处的迭代非高斯功率谱密度函数，为基准非高斯功率谱密度函数。

进一步地，若经计算迭代非高斯功率谱密度函数与基准非高斯功率谱密度函数之间的迭代差为预设值，则说明满足完成迭代的条件，智能终端判定迭代非高斯功率谱密度函数完成迭代，将计算得到的迭代非高斯功率谱密度函数确定为目标非高斯功率谱密度函数，其中预设值在本申请中为i+1。可以理解地，本实施例中选择指数β来优化收敛速度和相对差，对β影响的参数研究表明，较小的值(β<1.0)提供较小的相对差异，但需要相当多的迭代才能收敛。而较大的值(β>1.5)在经过少量迭代后会表现出不稳定的收敛性。结果表明，在1.3≤β≤1.5范围内，收敛速度和相对差是最优的组合。

进一步地，所述对所述初始非高斯功率谱密度函数进行迭代运算，得到迭代非高斯功率谱密度函数的步骤包括：

步骤S3211，获取迭代公式并获取基准非高斯功率谱密度函数；

步骤S3212，将所述初始非高斯功率谱密度函数与所述基准非高斯功率谱密度函数输入所述迭代公式；

步骤S3213，通过所述迭代公式对所述初始非高斯功率谱密度函数与所述基准非高斯功率谱密度函数进行迭代运算，得到迭代非高斯功率谱密度函数。

进一步地，智能终端获取作为基准与迭代非高斯功率谱密度函数进行迭代差比较所设置的基准非高斯功率谱密度函数，以及获取用于对初始非高斯功率谱密度函数进行迭代的迭代公式。进一步地，终端将初始非高斯功率谱密度函数与基准非高斯功率谱密度函数输入迭代公式，通过迭代公式对非高斯功率谱密度函数进行迭代，在完成迭代后，得到迭代非高斯功率谱密度函数，具体地，将初始非高斯功率谱密度函数与基准非高斯功率谱密度函数代入迭代公式中，通过迭代公式对初始非高斯功率谱密度函数进行运算，得到迭代非高斯功率谱密度函数，其中迭代公式如下：

其中，为迭代(i)处的预设高斯功率谱密度函数，为迭代 (i+1)处的非高斯功率谱密度函数，为基准非高斯功率谱密度函数，为迭代(i)处的非高斯自相关函数。

本实施例在通过预设高斯功率谱密度函数与预设预设边缘累计分布函数计算初始非高斯功率谱密度函数的每次迭代中，初始非高斯功率谱密度函数是从预设高斯功率谱密度函数通过Wiener-Khintchine变换、逆 Wiener-Khintchine变换与非线性映射算法计算出来的，而无需生成任何样本函数，有效提高计算效率且不会损失精度，可以提高模拟的目标非平稳非高斯风场的准确度。

可以理解地，参照图5，图5为本申请桥梁非平稳非高斯随机风场模拟方法实施例方案涉及的脉动风速选点布置图，本申请以一座双塔双索面混合梁斜拉桥为例，主桥总长1070m，桥面以上高153.71m。该桥梁所处标准场地是 B类地貌，地表等效粗糙高度z0＝0.05m。主梁距水面的最高高度为41.425m, 主梁桥面高度设计基准风速39.3m/s。取桥梁主梁上及主塔上固定点的脉动风速时程，取脉动风速时程点数如图5所示，图5中1、21、22、30、31、39 等不同固定点上均对应有不同的脉动风速。

进一步地，对该桥梁的主梁和主塔来进行非高斯风场的模拟，Gamma分布作为非高斯随机波模拟脉动风速的边缘概率密度函数，Kaimal谱作为顺风向功率谱密度函数，Panofsky谱作为竖向功率谱密度函数，Davenport函数为相干函数。生成的主梁非高斯风速样本如附图6-10所示，参照图6与图7，图6与图7分别为本申请桥梁非平稳非高斯随机风场模拟方法实施例方案涉及的主梁的非平稳非高斯脉动风速时程的顺风向图与竖向图，其中图6中包含时间坐标轴，单位为s，坐标轴由0作为起点，坐标轴上至少包含0、100、 200、300等数值点；以及包含桥长坐标轴，单位为m，坐标轴由0作为起点，坐标轴上至少包含0、500、1000等数值点；还包含风速坐标轴，单位为m/s，坐标轴由-4作为起点，坐标轴上至少包含-4、-2、0、2、4、6等数值点。图7 中包含时间坐标轴，单位为s，坐标轴由0作为起点，坐标轴上至少包含0、 100、200、300等数值点；以及包含桥长坐标轴，单位为m，坐标轴由0作为起点，坐标轴上至少包含0、500、1000等数值点；还包含风速坐标轴，单位为m/s，坐标轴由-2作为起点，坐标轴上至少包含-2、-1、0、1、2、3、4等数值点。参照图8，图8为本申请桥梁非平稳非高斯随机风场模拟方法实施例方案涉及的主梁非高斯脉动风功率谱密度估计图，图8中包含频率(Hz)、桥长(m)、谱密度(m²/s)等坐标轴，其中频率坐标轴由0作为起点，坐标轴上至少包含0、1、2、3、4、5等数值点，桥长坐标轴由0作为起点，坐标轴上至少包含0、133.75、267.5、401.25、535、668.75、802.5、936.25、1070 等数值点，谱密度坐标轴由0作为起点，坐标轴上至少包含0、100、200、300、 400、500等数值点。参照图9，图9为本申请桥梁非平稳非高斯随机风场模拟方法实施例方案涉及的与目标Davenport相干函数的对比图，图9中包含频率(rad/s)与相干函数等坐标轴，其中频率坐标轴由0作为起点，坐标轴上至少包含0、5、10、15、20、25等数值点，相干函数坐标轴由0作为起点，坐标轴上至少包含0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1，图9 中包含估计值与目标值，其中分离距离为ξ＝2.34m。参照图10，图10为本申请桥梁非平稳非高斯随机风场模拟方法实施例方案涉及的PDF比对图，图10 中包含x与PDF坐标轴，其中x轴的坐标轴由-5作为起点，坐标轴上至少包含-5、-4、-3、-2、-1、0、1、2、3、4、5等数值点，PDF坐标轴由0作为起点，坐标轴上至少包含0、0.05、0.1、0.15、0.2、0.25、0.3、0.35、0.4、0.45，其中图10中包含估计折线与目标折线。

进一步地，基于样本估计的相干函数、自功率谱函数与目标值吻合较好，验证了本方法的有效性。而且，与现有的基于风速时程建模为随机向量过程 (多元随机过程)的方法相比，该方法的模拟效率非常明显，当迭代完成后，生成一个高斯采样函数(数据点)所需的CPU时间为2s，将其映射到相应的非高斯样本函数(数据点)额外需要33s，这些CPU时间是使用64位 MATLABR2018a在带有Intel(R)Core(TM)i7-7700处理器和16GB RAM的台式机上计算。

基于ANSYS建立斜拉桥有限元模型，并将静风力、抖振力以及气动自激力施加在桥梁模型上，抖振力是根据前面生成的非平稳非高斯脉动风速计算得来，选取桥梁跨中点，抖振响应计算结果如附图11-13所示。参照图11，图11为本申请桥梁非平稳非高斯随机风场模拟方法实施例方案涉及的斜拉桥跨中点在桥梁侧向位移时程图，图11中包含时间(t)与位移(m)等坐标轴，其中时间坐标轴由0作为起点，坐标轴上至少包含0、50、100、150、200、 250等数值点，位移坐标轴由0作为起点，坐标轴上至少包含0、4、6、8、 10(x10^-3)，图11中包含跨中点y方向平动位移的折线；参照图12，图12 为本申请桥梁非平稳非高斯随机风场模拟方法实施例方案涉及的斜拉桥跨中点在桥梁竖向位移时程图，图12中包含时间(t)与位移(m)等坐标轴，其中时间坐标轴由0作为起点，坐标轴上至少包含0、50、100、150、200、250 等数值点，位移坐标轴由-0.18作为起点，坐标轴上至少包含-0.18、-0.17、-0.16、 -0.15、-0.14等数值点，图12中包含跨中点z方向平动位移的折线；参照图 13，图13为本申请桥梁非平稳非高斯随机风场模拟方法实施例方案涉及的斜拉桥跨中点在沿桥扭转方向位移时程图，图13中包含时间(t)与位移(m) 等坐标轴，其中时间坐标轴由0作为起点，坐标轴上至少包含0、50、100、 150、200、250等数值点，位移坐标轴由-0.16作为起点，坐标轴上至少包含 -0.16、-0.15、-0.14、-0.13、-0.12等数值点，图13中包含跨中点x方向平动位移的折线。

进一步地，本申请还提供一种桥梁非平稳非高斯随机风场模拟装置。

参照图14，图14为本申请桥梁非平稳非高斯随机风场模拟装置第一实施例的功能模块示意图。

所述桥梁非平稳非高斯随机风场模拟装置包括：

获取模块10，用于获取待模拟桥梁的桥址区桥位信息，根据所述桥址区桥位信息确定所述待模拟桥梁的桥梁参数；

第一生成模块20，用于基于预设谱表示法与所述待模拟桥梁的桥梁参数，生成所述待模拟桥梁的高斯风场；

确定模块30，用于基于预设高斯功率谱密度函数与预设边缘累计分布函数确定目标非高斯功率谱密度函数；

第二生成模块40，用于基于所述目标非高斯功率谱密度函数与所述高斯风场，生成所述待模拟桥梁的非高斯脉动风场；

第三生成模块50，用于对所述非高斯脉动风场进行时变演变谱的调制，生成所述待模拟桥梁的非平稳非高斯脉动风场；

第四生成模块60，用于获取时变平均风速，根据所述时变平均风速与所述非平稳非高斯脉动风场，生成所述待模拟桥梁的目标非平稳非高斯风场。

此外，本申请还提供一种介质，所述介质优选为计算机可读存储介质，其上存储有桥梁非平稳非高斯随机风场模拟程序，所述桥梁非平稳非高斯随机风场模拟程序被处理器执行时实现上述桥梁非平稳非高斯随机风场模拟方法各实施例的步骤。

在本申请桥梁非平稳非高斯随机风场模拟设备和计算机可读存储介质的实施例中，包含了上述桥梁非平稳非高斯随机风场模拟方法各实施例的全部技术特征，说明和解释内容与上述桥梁非平稳非高斯随机风场模拟方法各实施例基本相同，在此不做赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是固定终端，如物联网智能设备，包括智能空调、智能电灯、智能电源、智能路由器等智能家居；也可以是移动终端，包括智能手机、可穿戴的联网AR/VR装置、智能音箱、自动驾驶汽车等诸多联网设备)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。