基于改进DATA-SSI和聚类分析的桥梁结构模态参数识别

桥梁结构的模态参数主要用于桥梁结构损伤识别及使用性能评估,在桥梁健康监测系统中具有十分重要的意义。目前较为常用的模态参数识别算法是随机子空间识别算法,主要包括协方差驱动的随机子空间识别算法和数据驱动的随机子空间识别算法。在利用随机子空间算法识别桥梁结构的模态参数时,首先需人为依据稳定图来进行系统阶次的确定,通过对稳定图定阶的不断研究,发现其依然存在模态失真和计算量大这两方面的缺陷,为此提出了新的定阶算法以实现系统阶次的自适应确定。其次需要人为参与稳定图中真实模态的辨识,这不仅降低参数识别效率,还导致筛选的结果带有一定主观性。为了避免人为参与定阶和真实模态的筛选,提高模态参数识别的效率,在现有随机子空间算法的基础上引入聚类分析算法,提出了一种改进的模态参数自动化识别算法,以实现系统阶次的自动化确定和稳定图中真实模态的自动化筛选。再通过一座试验桥验证了真实模态存在的规律。最后将改进算法运用于识别实际大型斜拉桥的结构参数。结果表明:改进算法能够实现实际桥梁结构的模态参数自动化识别,且识别结果具有可靠性。     

基于固有频率和模态振型差值曲率的结构损伤识别研究

摘要本文采用单元划分的原则,建立了悬臂梁结构的ANSYS有限元模型。对此悬臂梁有限元模型损伤前后的基本模态参数——固有频率进行对比分析,并利用对结构损伤识别更敏感、有效的模态参数——模态振型差值曲率进行结构损伤单元的识别研究。研究表明：结构损伤后固有频率明显降低,且随着损伤程度的增大固有频率衰减加剧,固有频率的衰减在一定程度上反映了结构的损伤性状;模态振型差值曲率对于结构的损伤位置和损伤程度具有优异的鉴别性,它的研究对于工程实践和科学研究都具有深远意义。     

基于位移模态四阶导数的梁结构损伤识别

结构损伤识别一直是工程界关注的热点问题,针对混凝土梁结构的动力损伤识别,提出了利用位移模态的4阶导数进行损伤识别的新方法。通过有限元建模和分析,对钢筋混凝土梁进行损伤识别和算例仿真,从而验证这种方法的敏感性和可行性。研究结果和分析算例表明：利用位移模态4阶导数分析,对结构单处损伤、多处损伤以及对不同的损伤程度都能有效识别,而且不需要结构损伤前的模态参数,显示了该指标检测损伤的优越性和有效性。     

基于模态识别的波形钢腹板箱梁损伤位置研究

为解决波形钢腹板箱梁损伤识别和损伤定位问题,以上海塘大桥工程中波形钢腹板箱梁为研究对象,采用Ansys Workbench有限元建立波形钢腹板箱梁损伤结构计算模型,结合BP神经网络学习和重复训练功能,对波形钢腹板箱梁损伤前后的模态进行重复训练和计算,探索波形钢腹板箱梁损伤程度和位置与模态参数之间的变化规律。研究表明：波形钢腹板箱梁损伤后模态参数呈现下降趋势,不同程度和位置损伤后对模态参数影响存在一定的差异性,结构损伤程度与模态参数下降呈线性关系,训练后的BP神经网络对波形钢腹板箱梁损伤识别误差在3%范围内,验证了训练后的BP神经网络对波形钢腹板箱梁损伤识别的可靠性和准确性。     

基于模态分析理论和神经网络的斜拉桥拉索损伤识别研究

将振动模态分析和神经网络技术结合起来,以振动模态构造的损伤标识量作为神经网络识别输入的特征参数,进行结构健康监测。根据云阳长江公路大桥设计资料,考虑桥梁拉索结构的单构件损伤、2个构件损伤、3个构件损伤3类损伤工况,分别采用了模态频率、位移振型模态、曲率模态3种指标作为神经网络的输入参数,共建立9个BP神经网络模型进行了桥梁损伤识别的研究。研究结果表明基于振动模态分析理论和BP神经网络的桥梁损伤识别方法可用于识别斜拉桥拉索结构的损伤位置和损伤程度。     

桥梁结构模态参数识别方法综述

随着传感技术、信号采集与处理等技术的发展,桥梁结构模态参数识别方法在桥梁结构健康监测领域已经得到普遍重视。然而,将这些方法应用于实际工程中遇到了很多困难。该文基于近20a来国内外振动信息的桥梁结构模态参数识别算法的研究和应用现状,重点回顾了桥梁结构模态参数识别算法,并对有待于进一步研究的问题进行了展望。     

基于K-means聚类算法的桥梁结构真实模态筛选研究

现阶段,随机子空间算法被广泛运用于识别桥结构的模态参数,虽然已不少学者对其进行了深入研究,但依然无法精确地对稳定图中的真假模态作出辨识和筛选。为了识别稳定图中的真实模态,首先通过对比分析数据驱动随机子空间算法和协方差驱动随机子空间算法在基本原理和计算效率两方面的差异,最终选定数据驱动随机子空间算法作为模态参数识别算法;其次以某试验桥为背景,通过分析大量稳定图中真假模态的存在形式来总结稳定图中真实模态存在的一般规律;同时基于K-means聚类算法的特点——不仅能实现不同维度数据的聚类,也能判别数据间是否属于同一类,还能筛选出同类的数据点,将该算法与稳定图定阶法中的振型辨识原理进行融合,运用于模态参数识别的流程中以完成真假模态的自动化筛选。为验证所提算法具有可信性,将其运用于识别某试验桥和实际桥梁结构的模态参数结果,并将所得结果与理论值进行对比分析。结果表明:所提算法能有效辨识稳定图中的真假模态,且识别结果具有可信性。     

基于应变模态的桥梁损伤识别方法研究进展

应变模态相比其他模态参数对损伤有更高的敏感性,基于应变模态的损伤识别方法能够对局部损伤进行有效的识别,如何利用应变模态对桥梁结构进行准确而又全面的损伤识别(尤其是损伤定量)成为重要的研究方向。该文总结了近些年来基于应变模态的多种识别方法并分析了其特点,对进一步的研究提出了相关建议。     

桥梁结构模态参数的时频域识别

为在时频域内识别桥梁结构的模态参数,针对HHT(Hilbert-Huang Transform)方法识别桥梁结构模态参数中存在的端点效应、模态混叠以及频率识别与阻尼识别相互耦合现象,应用带通滤波和扩展随机减量法对HHT方法进行改进,建立了一种基于现代信号时频域分析的桥梁结构模态参数识别方法,然后基于MATLAB平台,编制了桥梁结构模态参数时频域识别程序,并以某吊拉组合桥梁全桥模型试验为例,利用实测数据对所提方法进行验证。结果表明,该方法能正确识别出模型桥梁的前11阶竖向自振频率、前6阶阻尼比以及前3阶模态振型;阻尼比的识别结果为0.2%~2%;识别结果与有限元模型修正后的计算结果相差不大。所提方法能正确、有效地在时频域内识别桥梁结构的频率、阻尼及模态等参数。     

一种基于灵敏度矩阵进行桥梁损伤识别的方法

重点研究了一种基于灵敏度矩阵对桥梁进行损伤识别的方法。基于振动分析的矩阵摄动理论,首先讨论了求取模态参数对结构物理参数灵敏度矩阵的方法,形成灵敏度矩阵的过程中避免了偏微分计算;基于灵敏度矩阵,建立了桥梁的损伤识别模型,并给出了此模型具体的求解方法;然后利用Guyan缩减的方法来缩减结构的模态自由度,保证了在进行损伤识别的过程中利用较少的模态参数,进而提高了方法的实用性;最后把所述方法应用于三跨预应力混凝土连续箱梁桥的实际损伤诊断工程。结果表明,利用所述方法进行预应力混凝土连续梁桥的损伤识别是有效的。     

径向基网络在简支梁损伤识别中的应用

对简支梁进行了损伤分析,研究了不同损伤工况下的频率变化率和模态振型曲率变化,并采用径向基神经网络对结构进行了损伤识别研究,研究中采用了三种方案:仅利用频率变化率;仅用第1阶模态曲率变化;综合使用前3阶频率变化率和模态曲率变化.结果表明,基于动力参数和径向基神经网络的结构损伤识别方法能够准确地识别结构的损伤程度,神经网络...     

基于柔度矩阵曲率差法识别结构损伤

提出利用柔度矩阵曲率差法研究结构的损伤识别,利用结构损伤前后的柔度矩阵分别求得各列的平均值,然后进行差分,并以其作为损伤识别的指标;以有限元分析含损伤结构的模态参数为基础,分别建立简支梁含有一处损伤、多处损伤、连续梁各跨和支座处含有一处损伤的ANSYS有限元模型,分析该方法识别结构损伤的效果。数值分析表明该方法仅需低阶模态参数即可准确简便地识别结构单处或多处损伤的位置;通过与已有的MF、MFC、RFD等损伤指标的数值模拟分析对比,显示了该指标的优越性。     

连续梁结构损伤识别的小波神经网络方法研究

以含损伤的连续梁结构为研究对象,研究了识别结构损伤位置和损伤程度的小波神经网络方法。通过有限元分析和Lanczos法计算得到损伤结构的曲率模态参数,再利用曲率和应变的关系得到应变模态参数。根据连续小波变换理论并用Matlab小波工具箱,得到小波系数模极大值并判断出结构损伤的位置。以此为基础,将小波系数模极大值作为BP神经网络输入参数构造神经网络,通过损伤程度与小波系数模极大值之间的非线性关系,由神经网络的输出参数确定结构的损伤程度。建立了一种既能识别结构损伤位置又能确定损伤程度的小波神经网络方法。通过对一含裂缝的三跨连续梁的损伤识别计算分析,验证了该方法的有效性。     

环境激励下桥梁结构模态识别与损伤检测的新方法

已有的环境激励下模态参数识别的方法对模态频率的识别精度相对较高,而对位移模态的识别则误差较大。本文提出一种利用移动质量块在不同位置时对桥梁的模态频率进行多次测量,用各次测得的频率值确定位移模态的新方法,使得位移模态识别的精度接近频率识别的精度,推导了频率与位移模态关系的理论公式,并给出利用以曲率形式表示的单元模态应变能对结构进行损伤标定的基本方法。最后,通过数值模拟对该方法的有效性进行说明。     

数据驱动随机子空间算法的桥梁运营模态分析

以某自锚式悬索桥模型试验为研究背景,采用数据驱动随机子空间识别算法和改进稳定图方法对桥梁结构运营模态分析进行研究.为解决数据驱动随机子空间识别中的系统定阶和虚假模态问题,采用奇异熵增量进行系统定阶,并对稳定图进行改进,实现了虚假模态的识别与剔除,最终达到了精确识别桥梁结构模态参数的目的.采用模型试验在不同数据采集方案下的测试数据,识别该模型桥相应测试条件下的模态参数,将识别结果分别与ANSYS理论计算值、DASY-Lab模态参数识别结果进行比较,验证了所提方法及自编程序的正确性,该方法可应用于桥梁结构的运营模态分析中.     

基于EEMD和ARMA算法的某大型斜拉桥的模态参数识别

识别桥梁结构模态参数是结构健康监测和振动控制等研究及工程实践中的一个重要环节。基于EEMD和ARMA算法的模态参数识别技术,利用EEMD分解对原始加速度信号进行分析,然后对所得的IMF进行信号重构。将重构的加速度信号作为ARMA算法的输入,进行模态参数识别,得到了某大桥的前6阶频率,并分析了每阶频率1d内的变化波动情况。通过对比分析每阶频率与实际值的差距,表明该识别方法能有效识别该斜拉桥频率。     

混凝土曲线梁桥损伤识别干扰性分析研究

目前桥梁损伤识别主要采用曲率模态分析、振型曲率变化指标、结构固有频率变化、能量变化等方法理论,其中曲率模态分析法应用广泛,识别效果好。但是对桥梁结构同时存在多处不同程度损伤的识别效果并不理想;非结构损伤因素导致结构刚度变化对其识别结果的干扰性亦值得探讨。本文在基于曲率模态绝对差值理论的基础上,分析多处损伤识别的相互干扰性和非结构损伤因素导致结构刚度变化的干扰性,对该方法进一步优化完善。以云南大保高速某特大桥为依托工程,建立空间有限元模型,对该桥的损伤进行模拟分析。研究表明按模态振型幅值大小来优化损伤识别区段可以有效排除其干扰性,提高识别结果的准确性和可靠性。     

基于温度影响的简支梁桥损伤识别的研究

近年来,基于振动的桥梁损伤识别成为土木工程的研究重点,而环境因素对模态参数的影响越来越引起人们的关注,温度是影响模态频率的主要环境因素。本文利用有限元软件ANSYS进行模态分析得出了不同温度下桥梁的模态频率值,实现了考虑温度影响的桥梁损伤位置和程度的定量识别。     

斜拉桥环境激励模态参数识别不确定性试验研究

为分析环境激励法模态参数识别的不确定性,对一模型斜拉桥进行了分区模态试验,测试了主梁竖向和扭转、主塔面内和面外模态。首先,分析了非白噪声激励对模态参数识别的影响,提出采用结构有限元模型仿真分析结合稳定图剔除虚假模态的方法。其次,采用特征系统实现算法(ERA)结合提出的虚假模态剔除方法,识别出全桥15阶模态。再次,采用峰值法(PP)、正交多项式法(RP)、最小二乘复指数法(LSCE)、随机子空间法(SSI)分别进行模态参数识别,对比了各方法模态参数识别结果,统计了其不确定性,频率的识别结果变异性小,阻尼和振型有较大的变异性。最后,采用MONTE CARLO法对实测频响函数添加噪声后进行模态参数识别,结果表明,测点位于振型振幅较大位置时,模态参数识别结果的不确定性小,模态参数识别方法的不确定性比噪声的不确定性大。     

基于曲率模态振型进行梁式桥损伤识别研究

以刚架桥为具体研究对象,根据曲率模态振型,对刚架桥的损伤识别进行数值仿真研究。利用刚架桥损伤前后的曲率模态振型变化对刚架桥的损伤进行定位识别,探讨曲率模态振型用于刚架桥在不同损伤情况,以及不同损伤程度下的损伤识别诊断能力。数值仿真结果表明,曲率模态振型是梁式桥结构损伤识别的敏感标示量,可以对刚架桥的损伤进行识别。