橋梁結(jié)構(gòu)模態(tài)參數(shù)辨識與損傷識別方法研究.pdf

1、大型橋梁工程是國家基礎(chǔ)設(shè)施的重要組成部分，直接關(guān)系到人民的生命和財產(chǎn)安全。對橋梁進行健康監(jiān)測，通過識別結(jié)構(gòu)動力特征參數(shù)的異常變化，及時發(fā)現(xiàn)其損傷隱患，建立起預(yù)警及適時維修機制，對維護橋梁正常運行，延長其服役期限，避免災(zāi)難性事故的發(fā)生具有重要的意義。結(jié)構(gòu)參數(shù)辨識和損傷識別是健康監(jiān)測系統(tǒng)的核心技術(shù)與理論基礎(chǔ)。由于大型工程結(jié)構(gòu)存在體積質(zhì)量巨大，邊界條件復(fù)雜，環(huán)境因素惡劣、激勵信號難以有效測量、測試數(shù)據(jù)量大、信噪比低等諸多不確定因素，其系統(tǒng)識別

2、技術(shù)尚處于發(fā)展階段，有待進一步探討和完善。 現(xiàn)有的參數(shù)識別和損傷識別方法在精度、效率、魯棒性和經(jīng)濟性能指標(biāo)方面仍存在很多不足，在實際工程應(yīng)用中還有許多困難需要克服：例如求解復(fù)雜結(jié)構(gòu)時收斂速度慢；抗噪性較差；低階模態(tài)時計算精度和計算效率低；測量信息不完整時不易識別等。隨著結(jié)構(gòu)健康監(jiān)測系統(tǒng)的發(fā)展，迫切需要尋求新的理論和方法，解決大型土木工程結(jié)構(gòu)在線監(jiān)測中的參數(shù)辨識與損傷識別問題。 本文的研究主要圍繞進一步發(fā)展大型橋梁健康監(jiān)測

3、與狀態(tài)評估的核心技術(shù)而展開。綜合運用粒子群算法、奇異值分解、小波變換、功率譜分析等計算智能工具和現(xiàn)代信號處理技術(shù)在結(jié)構(gòu)模態(tài)參數(shù)識別、物理參數(shù)識別以及結(jié)構(gòu)損傷識別領(lǐng)域展開了系統(tǒng)、深入的研究工作。本文的主要研究成果和創(chuàng)新點如下： （1）詳細(xì)地評述了目前結(jié)構(gòu)模態(tài)參數(shù)識別、物理參數(shù)識別及結(jié)構(gòu)損傷識別方法的理論意義、應(yīng)用背景、發(fā)展現(xiàn)狀和已取得的研究成果。系統(tǒng)地分析了在當(dāng)前健康監(jiān)測技術(shù)中應(yīng)用較多的幾種主要識別方法存在的問題與不足之處，在此基

4、礎(chǔ)上，闡述了本文研究工作的思路及主要內(nèi)容。 （2）提出了奇異值分解（Singular Value Decomposition，簡稱SVD）與小波分析結(jié)合的結(jié)構(gòu)模態(tài)參數(shù)識別方法，將小波變換與SVD濾波相結(jié)合，對一個三自由度結(jié)構(gòu)進行數(shù)值仿真，利用MATLAB軟件編程進行信號的分析處理。研究結(jié)果表明SVD與小波分析結(jié)合的方法克服了單一小波方法的不足，可明顯判別出信號時——頻圖中反映的模態(tài)信息，能夠較方便和準(zhǔn)確地尋找出結(jié)構(gòu)的小波脊，頻率

5、與阻尼比的識別精度較高，結(jié)合多個傳感器測試得到的信息進行綜合判斷，獲得信息的可靠度更高。 （3）針對受環(huán)境激勵的系統(tǒng)在僅有輸出信號時參數(shù)識別有困難的情況，提出了基于功率譜奇異值分解的模態(tài)參數(shù)識別算法，對一座斜拉橋在環(huán)境激勵試驗下的模態(tài)參數(shù)進行了識別，并將識別的頻率數(shù)值與有限元計算結(jié)果進行了比較。對比分析表明本文提出的功率譜奇異值分解的方法克服了傳統(tǒng)的頻域峰值法選取模態(tài)的主觀性，能客觀準(zhǔn)確地選擇特征頻率和識別相近的模態(tài)，具有處理簡

6、單、快速、實用的特點，可在實際工程中推廣應(yīng)用。 （4）研究了基于有限元時程分析的橋梁結(jié)構(gòu)模態(tài)參數(shù)識別方法。以一座獨塔斜拉橋為工程對象，采用ANSYS有限元分析軟件，以不同的地震動組合輸入方式進行了有限元模態(tài)分析與非線性時程分析。通過對節(jié)點加速度時程響應(yīng)數(shù)據(jù)進行分析處理識別出的結(jié)構(gòu)模態(tài)參數(shù)，與有限元模態(tài)分析的計算頻率值在低頻段非常接近，高頻段誤差不超過6%，二者吻合較好。研究結(jié)果證明了有限元時程分析方法解決地震激勵下模態(tài)參數(shù)識別問

7、題的有效性和實用性。 （5）提出了基于粒子群（Particle Swarm Optimization，簡稱PSO）智能優(yōu)化算法的結(jié)構(gòu)物理參數(shù)識別方法。利用三層框架數(shù)值仿真模型，分別模擬其在無噪聲、添加0．1%噪聲和0．3%噪聲以及測量信息不足、模態(tài)頻率不完備等情況下的剛度參數(shù)識別情況。仿真結(jié)果證明了本文提出的改進的隨機慣性權(quán)重PSO算法能夠準(zhǔn)確地識別出結(jié)構(gòu)中的未知參數(shù)，克服了原始PSO算法的早熟現(xiàn)象，計算收斂速度更快，穩(wěn)定性更好

8、，特別是在解決測量信息不完備和輸入信息未知條件下的結(jié)構(gòu)參數(shù)識別問題中體現(xiàn)出了前所未有的優(yōu)越性。 （6）提出了基于SVD與改進PSO算法的結(jié)構(gòu)損傷識別方法。將小波變換與SVD濾波相結(jié)合對一個簡支梁數(shù)值模型進行了損傷模擬，并采用改進PSO算法對多自由度結(jié)構(gòu)在各種工況下的損傷參數(shù)進行了識別。研究結(jié)果表明：將小波變換與SVD方法結(jié)合，通過小波系數(shù)矩陣的奇異值分解，使得結(jié)構(gòu)損傷突變信號的奇異點放大，可精確地實現(xiàn)對結(jié)構(gòu)損傷位置及損傷程度的診