随机子空间方法在桥塔模态参数识别中的应用

基于环境振动的结构模态参数识别方法正逐渐成为国内外研究的一大热点。环境振动方法就是仅仅利用结构测试的输出信号进行结构的模态参数识别,随机子空间方法就是其中的一种。随机子空间法是近年来发展起来的一种线性系统辩识方法,可以有效地从环境激励的结构响应中获取模态参数。它属于时域的方法,该方法不需要进行FFT变换,它不仅可以识别结构的频率,而且可以识别结构的阻尼和振型。文章首先介绍了随机子空间的理论,然后用该方法对正在施工中的南京长江三桥的南塔进行模态参数识别,通过与其他方法的识别结果进行比较,证明随机子空间方法不失为一种有效的模态参数识别方法。     

基于Hilbert-Huang变换和随机子空间识别的模态参数识别

基于Hilbert-Huang变换和随机子空间识别技术提出了两种土木工程结构的模态参数识别方法。方法一是基于Hilbert-Huang变换和自然激励技术,通过经验模态分解和Hilbert变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态参数;方法二是基于经验模态分解和随机子空间识别技术,通过经验模态分解对信号进行预处理,进而运用随机子空间识别方法处理得到的结构单阶模态响应以识别结构的模态参数。利用这两种方法,通过对一12层钢筋混凝土框架模型振动台试验测点加速度记录的处理,识别了该模型结构的模态参数。识别结果与传统的基于傅里叶变换的识别结果及有限元分析结果的对比验证了这两种方法的可行性和实用性。     

工作状态下梁及桥梁模态与损伤识别的新方法

工作状态下桥梁结构的模态参数识别是桥梁损伤识别的重要环节,考虑桥梁检测的实用性,桥梁检测一般应建立在环境激励的基础上,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的精度较高,而对位移模态的识别则误差较大。提出了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,建立了该方法的初步模型,推导了频率与位移模态关系的理论公式,并通过数值模拟对该方法的有效性进行了说明。     

环境激励下桥梁结构模态频率与波速变化监测研究

基于环境激励的桥梁健康监测方法是未来的发展方向。我们采用宽频带地震计Guralp CMG-6TD,建立了在线桥梁监测系统,对北京市昌平区鲁疃西路大桥进行了连续监测。分别使用随机子空间识别获得桥梁模态参数和尾波干涉法监测桥梁波速变化。结果表明：（1）采用的高灵敏度宽频带速度型地震计,能够连续准确记录宽频带范围内的三分量振动信号,非常适用于长期桥梁动态监测;（2）基于连续记录的环境激励信号,随机子空间法能够稳定可靠地识别桥梁低阶模态参数,尾波干涉法能够连续精确地监测桥梁材料的细微波速变化;（3）温度变化会引起桥梁材料的弹性模量发生显著变化。波速变化呈现振幅为1%的日变化特征,与温度变化呈明显的反相关性,温度敏感系数约为。同时模态频率的变化不太明显,说明波速可能是比模态频率更为敏感的量化损伤指标;（4）模态频率是桥梁整体状态的一种度量,而波速变化可以监测桥梁局部材料弹性性质的变化。将这两者结合起来,利用环境激励信号,连续准确识别桥梁模态频率以及监测波速变化,对于桥梁健康监测具有潜在重要应用价值。     

基于两阶段稳定图的随机子空间识别结构模态参数

基于振动的结构健康监测的前提是从振动测试信号中提取结构模态参数。随机子空间方法是近年来发展起来的一种线性系统辨识方法,可以有效地从环境激励的结构响应信号中提取结构模态参数。在随机子空间识别方法中,确定系统的阶数是该方法的关键工作,稳定图方法是一种比较新颖的确定系统阶次的方法。但是随机子空间方法容易产生虚假模态,这也是随机子空间方法的一个主要缺陷。因此针对于这一缺陷提出了一种基于两阶段稳定图的随机子空间识别结构模态参数方法,该方法的基本思想是将在现场采集的结构的输出信号进行分段,将各段信号用随机子空间结合稳定图进行识别,然后将所有各段所识别的模态参数再一次用稳定图方法进行分析,得出结构的模态参数。最后用一三跨连续梁的数值模型对该方法进行验证,结果表明该方法具有良好的识别效果。     

基于经验模式分解的随机子空间识别方法

提出了基于经验模式分解（EMD）的环境激励结构模态参数随机子空间识别（SSI）方法。该方法用设置间断频率的EMD将结构环境振动响应原始信号分解成若干个基本模式分量（IMF）,使每一个基本模式分量仅为结构的某一阶固有模态,进而用随机子空间方法进行模态参数识别。实桥环境振动实验分析结果表明,该方法能有效地避免结构各阶模态之间的相互影响,能够更清晰方便地得到结构的模态参数。     

基于Hilbert-Huang变换和随机减量技术的模态参数识别

傅里叶分析的信号处理方法对非线性、非平稳信号的处理能力差,传统的模态参数识别方法也存在阻尼比识别精度不高的问题。基于Hilbert-Huang变换和随机减量技术提出了一种新的、实用的模态参数识别方法,首先对结构振动信号进行滤波处理和经验模态分解,得到若干阶本征模态响应,然后利用随机减量技术提取自由衰减响应,进而由Hilbert-Huang变换得到信号的瞬时特性,最后结合模态识别的基本理论识别结构的模态频率和模态阻尼比。为了验证这一方法的有效性,对12层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼比识别的精准性仍然难以确认。     

基于类柔度差曲率和频率摄动的结构损伤识别

为提高梁式结构损伤诊断的效率,提出一种基于类柔度差曲率和频率摄动的结构损伤识别方法。首先根据结构振动理论,研究广义柔度矩阵计算公式;再利用模态柔度对结构损伤灵敏性高的优点,改进基于柔度差曲率的损伤定位指标,定义类柔度差曲率LCFC损伤指标,并初步识别损伤;最后基于矩阵摄动进行结构损伤识别结果确认。考虑多种损伤工况,对一简支梁结构进行损伤识别数值模拟验证。结果表明:仅使用一阶模态,建立的类柔度差曲率LCFC指标对梁式结构损伤定位具有良好的诊断效果,且计算工作量小;对于含边界损伤单元的多损伤工况,当损伤程度大于10%时,LCFC指标识别有效;当损伤程度不大于25%时,各工况二阶摄动识别结果精度较高,相对误差较一阶摄动结果明显降低,证明了该方法的实用性、有效性和精确性。     

基于自然激励技术和FT时移特性的模态阻尼比识别方法

基于环境激励下结构动力响应信号分析与处理识别结构的模态参数,是结构健康监测和损伤诊断的一个重要环节,目前为止,要得到较为可靠的识别结果仍有一定困难,尤其是模态阻尼比。基于自然激励技术和傅里叶变换的时移特性,提出了一种新的结构模态阻尼比估算方法,通过理论推导和仿真算例验证了该方法的可行性,进而利用一刚构-连续组合梁桥在环境激励下的动力测试数据,通过该方法对其阻尼比进行了识别,并将识别结果与数据驱动随机子空间法的识别结果进行了对比。结果表明:提出的方法可以减轻噪声影响,得到可接受的识别结果,可为大型工程结构阻尼比的识别提供一个方便和有效的途径。     

基于高斯曲率模态相关系数的梁桥支座损伤识别研究

为方便地检测梁桥支座损伤,提出了利用运营桥梁实测模态位移结合其无损状态的模态位移判断支座损伤的高斯曲率模态相关系数法。通过简支梁桥的室内试验,验证了利用高斯曲率模态相关系数判定支座损伤的合理性以及该方法中无损状态下的模态位移可以通过模态试验和有限元模拟两种方法获得。利用该方法对实际简支梁桥和连续梁桥进行的支座损伤识别结果表明:高斯曲率模态相关系数法可准确识别出单支座和多支座损伤的支座损伤位置,具有较强的鲁棒性,可将此方法应用于实际工程中的支座损伤识别。     

基于曲率模态和小波变换的结构损伤位置识别

小波变换具有在时域和频域内表征信号局部特性的能力,能够在不同尺度下对结构响应中的突变信号进行放大和识别.在结构曲率模态基础上,本文提出了一种基于小波变换的结构损伤检测和定位方法.利用双正交小波函数对损伤前后结构的曲率模态进行小波变换,用损伤前后小波变换系数残差建立了结构损伤指标,通过小波变换系数残差的分布统计情况判定损伤的存在并确定其位置.应用简支梁数值模拟结果对该方法进行了验证.     

基于BP神经网络的空间索杆结构承重索损伤识别研究

针对某实际空间索杆结构的承重索预应力松弛现象,采用BP神经网络与基于振动的损伤识别方法,分别对单榀承重索和双榀承重索的预应力松弛进行了识别研究。研究表明,虽然空间索杆结构的动力性能较为复杂,但归一化后的结构前10阶固有频率变化比和归一化后的对应结构第一阶模态的部分节点的损伤信号指标对承重索的损伤位置较为敏感,利用其进行损伤定位是可行的。在此基础上,再增加考虑结构的第一阶同有频率平方变化比即可进一步有效识别出承重索的损伤程度。     

基于BP神经网络的空间索杆结构节点损伤识别研究

针对某实际空间索杆结构的节点损伤现象,采用BP神经网络与基于振动的损伤识别两步法对其进行了识别研究,即首先确定可能发生节点损伤的子区域,在此基础上利用对应子区域的子网络识别出具体的损伤位置和程度。识别过程中采用两个杆单元模拟发生节点损伤的杆件,用抗弯刚度降低的端部短杆单元模拟节点损伤。研究表明,虽然空间索杆结构的动力性能较为复杂,但基于结构固有频率和模态位移的组合指标对节点损伤仍较为敏感,利用它们进行节点损伤识别是有效的。     

对结构损伤识别中曲率模态方法的改进

曲率模态在结构损伤识别中有很好的应用。针对模态分析中某几阶曲率模态曲线未能有效地反映损伤的情况,本文提出对曲线进行一次数值微分的处理方法,计算结果表明这种方法能进一步提高曲率模态对损伤的敏感性,是一种很好的辅助处理数据方法。     

Comparison of adaptive structural damage identification techniques in nonlinear hysteretic vibration isolation systems

Early structural damage identification to obtain an accurate condition assessment can assist in the reprioritization of structural retrofitting schedules in order to guarantee structural safety. Nowadays, seismic isolation technology has been applied in a wide variety of infrastructure, such as buildings, bridges, etc., and the health conditions of these nonlinear hysteretic vibration isolation systems have received considerable attention. To effectively detect structural damage in vibration isolation systems based on vibration data, three time-domain analysis techniques, referred to as the adaptive extended Kalman filter （AEKF）, adaptive sequential nonlinear least-square estimation （ASNLSE） and adaptive quadratic sum-sqnares error （AQSSE）, have been investigated. In this research, these analysis techniques are compared in terms of accuracy, convergence and efficiency, for structural damage detection using experimental data obtained through a series of laboratory tests based on a base-isolated structural model subjected to E1 Centro and Kobe earthquake excitations. The capability of the AEKF, ASNLSE and AQSSE approaches in tracking structural damage is demonstrated and compared.     

Damage detection of base‐isolated buildings using multi‐input multi‐output subspace identification

A damage detection algorithm of structural health monitoring systems for base‐isolated buildings is proposed. The algorithm consists of the multiple‐input multiple‐output subspace identification method and the complex modal analysis. The algorithm is applicable to linear and non‐linear systems. The story stiffness and damping as damage indices of a shear structure are identified by the algorithm. The algorithm is further tuned for base‐isolated buildings considering their unique dynamic characteristics by simplifying the systems to single‐degree‐of‐freedom systems. The isolation layer and the superstructure of a base‐isolated building are treated as separate substructures as they are distinctly different in their dynamic properties. The effectiveness of the algorithm is evaluated through the numerical analysis and experiment. Finally, the algorithm is applied to the existing 7‐story base‐isolated building that is equipped with an Internet‐based monitoring system. Copyright © 2004 John Wiley & Sons, Ltd.