基于混沌粒子群随机子空间的桥梁多点损伤识别

受复杂荷载与不利环境影响,桥梁结构服役性能日趋退化。结构模态参数是结构整体力学性态的特征指标,通过敏感模态参数可对结构服役状态进行判识。针对传统模态识别存在虚假模态,易遗漏真实模态,且计算效率较低的不足,采用混沌局部搜索对粒子群算法进行改进,优化加速度信号加窗截断位置和大小,结合协方差随机子空间法对各子信号进行模态识别;构建基于比例柔度矩阵和均布荷载曲率的损伤识别模型,通过挠度曲率相对变化判断结构损伤位置和程度;并通过开展斜拉桥缩尺模型损伤识别试验,对本方法的有效性进行验证。研究结果表明：混沌粒子群随机子空间方法具有较好的模态识别精度,可实现斜拉桥拉索、主梁等典型损伤准确定量和定位识别;结构跨中位置发生损伤对结构性能影响更大,实际工程中应提高跨中区域主梁和拉索的承载力储备以提升结构安全性。     

基于多级神经网络的桥梁结构模态参数识别方法

桥梁结构模态参数识别方法在识别过程中难以获得完整阶次，构造的基准模型不完整，导致识别结果出现误差，因此，设计一种基于多级神经网络算法的桥梁结构模态参数识别方法.使用多级神经网络对识别算法进行优化，建立交配池，利用交叉和变异算子对交配池中的参量个体进行识别，建立新的群体，利用信号匹配识别结构模态参数，选择模态确信准则(MAC)以及相位共线性指标(MPC)作为模态区分的辨别指标并计算，最后优化整体模态参数识别流程.方法性能测试结果表明，设计的基于多级神经网络的桥梁结构模态参数识别方法在不同采集方式下得到的参数误差更小，可靠性更高.     

基于环境激励的桥梁模态参数识别

深入研究基于环境激励的模态参数识别方法的原理及特点,归纳分析了基于环境激励的模态参数识别方法的优点,并借助一定的桥梁实例分析,对基于环境激励的模态参数识别方法进行了深入的研究,为基于环境激励的桥梁模态参数识别的研究和发展奠定了坚实的基础。     

一种改进模态参数识别方法在结构工程中的应用

提出了一种采用带有间断频率的经验模式分解(EMD)与自然激励法(NEXT)相结合的新的模态时域识别方法,并在理论上证明了该方法的正确性.数值模拟与工程实例识别结果表明,该方法能够准确识别出结构的模态频率和模态阻尼比.     

基于复Morlet小波变换的车体模态参数识别

详细推导了基于复Morlet小波变换的车体模态参数识别过程.对国内某高速动车组纯车体进行多点激励正弦扫频,利用随机减量法对车体振动响应信号进行随机减量处理,获取自由振动信号,首次运用小波理论对高速动车进行模态参数识别.同时也运用最小二乘法识别各阶振型.识别结果与商用软件Test.Lab对比,频率误差小于2％,说明小波分析适合用于高速车体这样复杂系统的参数识别.     

基于变分模态分解和奇异值分解的结构模态参数识别方法

为了准确获得结构的固有频率、阻尼比与振型, 将变分模态分解与奇异值分解相结合, 提出一种新的结构模态参数识别方法; 基于已有时频参数识别方法, 根据测量的脉冲激励与加速度响应估计系统的频响函数, 对系统的频响函数进行反傅里叶变换得到脉冲响应函数; 对各测点的脉冲响应函数进行变分模态分解, 得到与结构固有频率对应的本征模态分量; 提取本征模态分量的固有频率, 利用与固有频率相近的本征模态分量作为行向量构造奇异值分解矩阵, 对所构矩阵做奇异值分解, 利用最大奇异值重构左、右奇异值向量, 识别结构的振型、固有频率和阻尼比; 通过四自由度质量-弹簧-阻尼模态仿真试验和车体横梁锤击模态试验, 验证了所提出的模态参数识别方法的有效性。研究结果表明: 在四自由度理论模型参数识别中, 系统固有频率和阻尼比的识别结果与理论计算结果的最大相对误差分别不超过0.025%和1.490%, 理论计算与识别的1~4阶振型的模态置信度分别为0.999、1.000、0.999和0.999;在车体横梁锤击模态试验中, 提出方法识别的固有频率和阻尼比与理论计算结果的最大相对误差分别不超过1.57%和1.47%, 且车体横梁的理论振型与识别振型趋势相同。可见, 提出的方法能有效识别结构的模态参数。      

考虑温度效应的简支梁桥损伤识别方法研究

基于模态频率的损伤识别方法得到了广泛的应用,而温度往往会掩盖桥梁损伤造成的模态参数变化.通过建立简支梁有限元模型,改变混凝土弹性模量进行模态分析,得出了温度和损伤作用下的简支梁模态频率.结合BP神经网络,对温度影响下的简支梁桥损伤进行了有效识别.     

径向基网络在简支梁损伤识别中的应用

对简支梁进行损伤分析,研究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损伤识别研究。研究中分别采用频率变化率、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3种方案。结果表明,基于动力参数和径向基网络的结构损伤识别方法能够准确识别结构的损伤程度;神经网络的输入参数选择对结果有较大影响,综合使用频率变化率和模态曲率变化方案的识别效果最好。     

AR模型功率谱改进的频域模态自动识别方法

针对频域分解法在模态自动识别上的不足,提出了一种基于AR模型功率谱改进的频域模态自动识别方法——AR-AFDD法。首先,通过AR模型功率谱估计确定所有可能是物理模态的频率点,并对相应功率谱矩阵进行奇异值分解,然后,利用时间振型相关性对所选取的峰值进行判别,实现物理模态与噪声模态的自动区分,最后,以自功率谱的最优拟合完成阻尼比估计;采用试验模型和实际桥梁对AR-AFDD法进行验证。研究表明：AR-AFDD法能够快速有效地实现结构模态参数的自动识别,识别结果能够区分物理模态与噪声模态,在实际结构的健康监测数据分析中具有良好的可靠性。     

变微分模态分解罚参量选择方法与时变系统识别

针对变微分模态分解（variational mode decomposition，VMD）罚参量会对分解结果产生影响的问题，提出一种基于数据驱动的VMD罚参量选择方法.该方法首先通过傅里叶变换的主频峰值确定罚参量；然后调整层数参量，获得有限个固有模式分量，通过对比不同层数参量时所得固有模式分量的固有频率与阻尼比变化，剔除伪分量；最后对真实固有模式分量进行希尔伯特变换，用于识别时变系统的瞬时频率. 为证明所提方法对时变系统识别的有效性和准确性，分别对具有时变刚度的结构系统和柴油发动机的时变做功过程进行研究，将所提方法结果与经验模态分解方法结果进行比较. 比较结果表明，当罚参数取值是信号最大幅值的1.5～16.0倍时VMD分解结果最优，所提方法可以更准确地识别瞬时频率，在工程应用中的能够更有效地对系统瞬时频率进行识别.      

振动台试验过程中基于加速度响应的动力特性识别

在一组不同构造类型桥墩抗震性能研究的振动台试验研究中,采用了基于白噪声激励的频率识别方法和直接基于加速度时程响应的频率振型识别方法,对各个试件的动力特性结果进行了研究．与常规振动台试验过程中的动力损伤识别方法不同,建议采用时域随机子空间方法进行结构频率振型的识别．另一方面,针对本实验研究中的桥墩,采用单自由度模型对不同简化程度的模型进行了动力特性比较．分析结果表明：采用动力特性识别方法是合理可行的．     

铁路轨道不平顺随机过程的数值模拟

分析了目前广泛应用的几种轨道不平顺模拟方法,构造了基于频域功率谱等效的一种新的算法,分别求出频谱的幅值和随机相位,再通过傅立叶逆变换是到轨道平顺时域模拟样本。数值模拟试验表明,这种模拟方法较其它模拟方法更为简洁有效。     

基于高斯曲率模态差的T梁结构二维损伤识别研究

曲率模态是识别损伤的敏感指标,基于曲率模态的损伤识别研究大多局限于一维结构。为将曲率模态的损伤识别方法推广到二维结构,提出了基于高斯曲率模态的损伤识别方法,综合考虑二维结构的加速度振型曲面在纵向和横向上的弯曲程度,通过计算结构损伤前后加速度振型的高斯曲率差来判断结构损伤的位置。T梁组合结构的模态试验及试验分析结果验证了该方法的可行性。     

大跨径桥梁自振特性试验的环境随机激振法

采用快速可靠的环境随机振动激振法,基于结构止各测点的脉动时域应信号,应用ＩＴＤ时域模态参数识别理论,分析大路径桥梁实桥的结构固有模态并列举了工程应用实例。     

Analysis of Key Factors in Cable Force Calculation for Cable-Stayed Bridges

Three methods for calculating cable force (analytic method, fitting method and finite element method) are analyzed and compared. The effects of boundary condition, spectrum resolution, sampling time, and number of sampling points on the precision of cable force identification are discussed, and error analysis is conducted. The results of three methods applied to a practical project are significantly less than the design value. Comparatively, the result of finite element method is the closest to the design value. Moreover, their computational precision and error are compared and analyzed. The precision of frequency identification of cables, long cables in particular, is strongly affected by frequency resolution. If the frequency resolution is included in calculating the cable force, the identification error can be reduced greatly.     

基于动态识别区间的路面识别方法研究

以路面附着系数为参数指标,在Burckhardt轮胎—路面数学模型的基础上设计了7种典型路面的动态识别区间,同时根据附着系数和附着系数曲线斜率之差对干鹅卵石和湿沥青路面作进一步区分,据此在制动时完成路面状态的动态识别。使用双轮模型进行仿真试验,结果表明:该方法能够准确快速地完成路面状态识别,实现了实时滑移率下的动态识别,对不同路面附着条件的利用明显改善,同时该方法具备自动纠错功能。     

基于ICEEMDAN的连续梁桥车致振动信号的HHT分析

改进的带有自适应噪声的完备集合经验模式分解（improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN）是传统经验模式分解（empirical mode decomposition,EMD）方法的发展,在桥梁结构损伤识别领域具有较好的应用前景. 首先,以数值模拟信号为对象,采用ICEEMDAN方法进行桥梁车致动信号的数据分解和Hilbert谱分析,提取损伤引起的频谱特征变化和建立损伤识别方法;然后,利用该方法对实测振动信号的振型分量进行识别;最后,以实测信号的一阶振型分量为对象,对其Hilbert瞬时频率谱的特征进行了分析和讨论. 研究结果表明:模拟信号中的振型振动分量数比实测信号中多,其中模拟信号中不显著的高阶竖弯振动分量在实测信号中没有发现; 一阶振型振动分量的瞬时频率可作为桥梁损伤识别的特征参数,用于进行损伤有无、损伤定位甚至损伤定量的判断; 损伤识别效果受测点位置影响很小; 该方法不依赖有限元模型即可完成桥梁损伤有无的识别和损伤定位,且数据采集简单,具有实际工程中应用可行性.      

����վ�׶μƻ������ػ���滮ģ�ͼ��㷨

在铁路当前的运输组织模式下,编组站阶段计划鲁棒性和列车到达计划兑现率的矛盾十分突出. 为提高阶段计划的鲁棒性,本文运用随机规划方法,研究列车实际到达时刻随机条件下（相对于计划到达时刻）的阶段计划优化编制问题. 以最大化阶段计划在列车到达时刻随机扰动下保持最优的概率为目标,建立阶段计划随机相关机会规划模型. 并设计了随机模拟、禁忌搜索算法相结合的混合智能算法对模型进行求解. 算例结果表明,本文构建的模型能取得鲁棒性较高的阶段计划,能为阶段计划计算机编制提供辅助决策支持.     

曲率模态和柔度曲率对损伤的敏感性研究

以简支梁的损伤识别为例,用有限元方法进行建模和计算,比较分析了曲率模态和柔度曲率对结构损伤识别的敏感性.当梁发生损伤的类型不同时,损伤部位对未损伤部位的影响以及各处损伤部位间的相互影响不同,导致曲率模态或柔度曲率对损伤的敏感性有时会下降,单独用一种方法不能准确地识别结构的损伤,应综合运用两种方法对损伤进行识别;而且这两种方法能互相补其不足,可以更有效的对结构的损伤进行识别.     

轨道不平顺概率模型

为了高效选取轨道不平顺随机样本, 以满足车辆-轨道系统随机动力与可靠度分析中的激振源遍历性要求, 依据轨道随机不平顺的弱平稳与谱相似特征, 提出了一种轨道不平顺概率模型; 采用离散概率积分和统计方法, 在时域中将大量轨道不平顺检测信号分成若干个时程序列, 对每个序列采用谱分析法计算其统计功率谱密度分布; 采用矩阵法对轨道不平顺功率谱密度函数进行集合表征, 视每条谱线在不同频率点的功率谱密度概率具有累加性, 采用单一频率下的功率谱密度概率分布推知整条谱线的出现概率; 采用通用随机模拟方法选取代表性轨道谱, 并反演随机不平顺序列; 实测了某高速铁路约269km的轨道高低和方向不平顺, 基于车辆-轨道耦合动力学理论, 从轨道不平顺模拟幅值与车辆-轨道系统动力响应的概率密度分布出发, 对比了轨道不平顺概率模型与轨道不平顺随机模型的计算结果, 以验证轨道不平顺概率模型的正确性和高效性。计算结果表明: 以2种模型生成的轨道随机不平顺为激振源, 获得的车辆-轨道系统动力响应分布熵差异小于2%, 2种模型均能准确表达不平顺激扰特性; 为保证模拟与实测不平顺的概率密度分布一致, 采用随机模型和概率模型分别需要生成131和33个随机样本, 概率模型具有更高的分析效率; 在给定计算工况下, 轮轨力和车体加速度的幅值分别为38~152kN和-0.042g~0.043g (g为重力加速度), 均未超过《高速铁路设计规范》 (TB 10621—2014) 中的限值(轮轨力为170kN, 车体加速度为0.25g), 表明此高速铁路轨道不平顺状态较优, 行车安全性和舒适性可以得到保证。