基于随机子空间法的异步实测桥梁模态识别

针对工程结构模态参数测试时，多个测点之间的时间不同步采样导致识别出的振型结果不准确问题，文章提出基于随机子空间法的异步实测桥梁模态识别方法，通过误差函数值表征不同步数据在分析过程中产生的数值误差程度，以误差函数为最小值时所对应的时间作为估计的时间延迟，并以此延迟修正异步实测响应数据；利用随机子空间法对修正数据进行模态参数识别，通过有限元模拟和实验验证分别讨论模态识别时，桥梁不同测点异步采样对振型识别的影响，验证所提出的时间延迟识别方法的准确性和可行性。     

基于小波包变换的时间序列模型模态参数识别

提出了基于小波包变换的时间序列模型结构模态参数识别方法.该方法以线性的离散时间序列方程为基础,对结构的振动响应数据进行小波包变换分解,利用小波包函数的正交特性,建立量测点间的离散化运动方程,最后利用该离散化运动方程的系数矩阵,估算结构的模态参数(自振频率、阻尼比与振型).用数值模拟算例对此方法进行了验证,并与随机子空间识别方法结果进行了比较.结果表明,该方法可以正确地识别出结构的模态参数.     

一种获取结构实模态振型的方法

为获取结构真实而精确的实模态振型,提出将复振型向量构建的特征方程应用于基于参考点的数据驱动子空间方法中进行结构模态参数识别的方法.为验证该方法识别结构模态参数的可行性和精确性,对一矩形截面悬臂梁端部突加一集中荷载,进行有限元时程分析,得到梁上一系列节点的加速度响应数据,进而利用提出方法识别了悬臂梁的频率、实模态振型及阻尼比.识别结果与悬臂梁模态参数的理论值吻合较好,表明利用复振型向量构建的特征方程结合基于参考点的数据驱动子空间方法进行结构模态参数识别是可行和精确的,该方法可以得到结构可靠的实模态振型.     

基于柔度曲率曲线拟合的薄板结构损伤识别研究

提出了基于柔度曲率多项式曲线拟合的损伤识别方法,并用该方法对薄板结构进行损伤研究。采用有限元软件ANSYS进行模态分析,得到损伤薄板的模态振型和固有频率,进而得到X方向和Y方向柔度曲率,然后分别在X方向和Y方向进行多项式曲线拟合。基于拟合值与原始值的差值构造新的损伤指标。数值算例的结果表明,基于柔度曲率多项式曲线拟合的方法相比仅采用柔度曲率矩阵的方法能够更好地进行平板损伤定位,同时相比柔度曲率差等需要结构损伤前后模态数据的损伤识别方法,该方法不需要用到结构损伤前的模态数据,可以运用于难以获得健康结构的模态振型数据的结构损伤识别中。     

采用应变模态柔度曲率差识别结构损伤

用随机子空间法从结构的响应信号中提取模态参数,构建模态柔度曲率差MFC进行损伤识别.通过简支梁线单元模型仿真算例,对比了位移模态与应变模态识别损伤的效果,并由实体单元模型仿真算例考察了应变信号采集位置对损伤识别效果的影响.结果表明,应变模态应用于损伤识别在抵抗噪声方面优于位移模态,但应变信号的测点需要靠近损伤的位置.     

工作模态参数识别方法的研究

针对传统模态识别方法难以准确识别重频、高阻尼比的模态参数的特点,主要研究了系统在环境激励下不同工况用随机子空间法和Polymax算法识别的模态参数(模态频率、模态阻尼比和模态振型)的变化情况。随机子空间法是一种时域模态参数识别方法,在相邻模态的识别方面,它明显优于一些传统的模态识别方法。Polymax模态识别方法也称为多参考点最小二乘复频域法,在阻尼比的识别方面具有明显的优势。本文通过悬臂梁的对比实验研究验证了它们在不同激励条件下的有效性和可靠性。     

基于动力特性灵敏度解析代数算法的结构损伤识别:理论与数值分析

基于结构动力特性灵敏度解析解,建立了结构损伤方程组代数表达式,该损伤方程组通过矩阵运算实现,简洁紧凑,有效地避免模态截断问题.同时,基于经典的随机子空间模态算法(stochastic subspace method,SSI)实现结构损伤前与损伤后的模态参数识别.将结构损伤前后模态参数识别结果代入损伤方程组,可以检测出桥梁结构损伤的位置和损伤的程度,该方法无需迭代.利用简支梁桥算例对该模态参数识别方法和损伤识别方法进行了验证和分析.数值计算结果表明,在噪声水平较低地工况下,本文提出的方法对单损伤梁和多损伤梁均能实现损伤定位和损伤程度的判别,计算效率较高.     

基于应变模态小波神经网络的结构损伤识别方法

以框架结构为研究对象,利用小波分析和神经网络理论,结合二者的优点,运用小波分析来确定框架结构的损伤位置,运用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法.通过建立基于振型模态和应变模态的损伤识别方法,分别对9种不同工况下框架的裂缝位置进行识别,并对比了这2种模态下损伤位置的识别效果.然后,分别对框架的振型模态和应变模态进行连续小波变换,获得2种模态参数下的小波系数模极大值.利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这2种模态下损伤程度的识别效果.数值分析结果表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,基于应变模态的损伤识别方法具有更好的准确性.     

大跨斜拉桥运营模态分析方法对比

以某大跨度斜拉桥一年的实测数据为依托,对桥梁结构运营模态分析的常用频域和时域方法进行对比分析.用探索性数据分析对桥梁实测数据进行评判,从实测数据中筛选符合识别方法基本假定的数据;分别运用频域和时域运营模态参数识别方法识别了主梁和斜拉索12个月的运营模态参数,并对识别结果进行了对比分析;对比分析表明:不同构件可采用不同的识别方法,基于自适应总体平均经验模态分解的数据驱动随机子空间法,对运营状态下斜拉桥主梁的密集模态参数识别效果最好;峰值拾取法能准确、快捷地识别运营状态下斜拉索的模态参数.研究结果可为大跨度斜拉桥运营模态参数识别提供依据和参考.     

应变模态法在悬臂梁结构损伤监测诊断中的应用

工程实际中各种结构的应变模态对于结构的微小损伤具有高度敏感性,依据这一特点及应变模态振型的变化,便于及时监测、诊断结构的损伤程度及损伤位置,以保证结构的可靠性及安全性.从理论和实验的角度探讨了应变模态的原理和参数识别方法,并通过实验对悬臂梁进行应变模态参数识别,获得了悬臂梁多阶应变模态的振型图.根据悬臂梁的振型变化,判断出结构微小损伤的具体位置,并由此验证结果将应变模态法应用于工程实际并对各种结构损伤进行监测诊断的可行性.