基于现场观测的拉索风雨振特性研究

通过对岳阳洞庭湖大桥拉索风雨振进行了现场实测所获得的拉索振动的加速度时程记录及实时的风场与雨量记录.利用拉索的振动方程与数值计算方法对拉索的振动特征进行了研究.分析结果表明:风雨振是拉索发生的一种大幅、低频振动.拉索风雨振存在一个最低临界风速,并且存在一个风向敏感区.图7,表1,参8.     

磁流变阻尼器控制拉索振动的优化参数研究

采用磁流变阻尼器控制斜拉桥拉索振动是一项新的拉索减振技术.根据不同拉索的几何、力学条件确定磁流变阻尼器的优化电压是取得最佳减振效果的关键.基于组合磁流变阻尼器的拉索运动方程,采用改进的Bouc Wen磁流变阻尼器模型,对安装磁流变阻尼器后多根拉索的阻尼特性进行了数值仿真计算,得到了拉索系统模态阻尼比与阻尼器输入电压的关系.采用非线性最小二乘方法,得到了考虑拉索参数、振幅、模态阶次及阻尼器安装高度等因素的阻尼器优化设计曲线.并在岳阳洞庭湖大桥进行了实桥振动控制试验,结果与数值仿真具有很好的一致性.图9,表1,参8.     

MR阻尼器对拉索振动控制的研究

在磁流变(magnetorheologic简称MR)阻尼器力学特性试验的基础上,建立了能够很好地描述MR阻尼器非线性滞回特性的非线性参数模型,该模型由一个改进的Bingham模型和一个非线性弹簧单元串联而成。对MR阻尼器-拉索系统编写了非线性有限元动力分析程序,以一根实际的拉索为例,计算了MR阻尼器不同参数时对拉索的减振效果,计算结果与试验结果吻合。有限元计算结果表明:优化阻尼力随拉索频率的降低而提高;随着拉索振动幅度的减小,拉索减振的最优阻尼力减小。     

斜拉桥拉索-桥面耦合振动分析

斜拉桥拉索固有阻尼低、刚度小,容易引起大幅振动.基于拉索振动理论,建立了单根拉索及拉索-桥面耦合振动的方程,分析了拉索振动对桥面的作用以及桥面振动引起的拉索振动.研究表明拉索的大幅振动将对桥面产生很大的作用力,而当满足参数共振条件时桥面微小的振动能引起拉索的大幅振动.图6,参8.     

电磁调谐双质阻尼器的参数优化及对结构减震分析

目的利用电磁阻尼单元代替经典调谐质量阻尼器中的黏性阻尼单元,引入惯质概念,提出一种具有结构减震功能的新型电磁调谐双质阻尼器(EM-TMID).方法依据达朗伯原理,建立EM-TMID与单自由度耦合结构在地震作用下的动力学模型;然后基于蒙特卡洛-模式搜索法数值优化理论,分别以主结构位移和加速度峰值最小为目标函数,对EM-TMID进行参数优化,得到EM-TMID的结构频率比、电磁阻尼比和机电耦合系数的优化参数;最后通过频域和时域两种方法仿真分析了EM-TMID对结构的减震性能.结果在频域分析中,EM-TMID的主结构位移和加速度频响峰值优于固定点法的经典TMD;在时域分析中,EM-TMID对结构位移、加速度峰值和均方根的减震性能均优于经典TMD.结论 EM-TMID较经典TM D有更好的动态特性和鲁棒性,有效地提高了对结构的减震效果.     

台风“启德”登陆过程中近地风场特征

通过对台风过程的风速及风向、阵风因子、湍流度和风速谱等参数的分析,研究了台风“启德”登陆时的近地风场特性.结果表明：台风“启德”的最大瞬时风速达到20 m/s,10 min最大平均风速为16m/s,台风登陆前,风速及风向脉动变化很大;台风登陆后,湍流度及阵风因子明显减小;风速变大,湍流度和阵风因子有减小的趋势.     

磁流变阻尼器力学性能降低原因分析

磁流变阻尼器是一种新型的半主动耗能减振装置,其长期性能涉及磁流变液的稳定性、磁流变颗粒的氧化及阻尼器的密封性能.选取在岳阳洞庭湖大桥拉索减振系统上工作了10年的磁流变阻尼器开展了力学性能实验研究,并与新阻尼器进行了性能对比分析;拆解阻尼器观察其内部变化情况,发现磁流变液泄漏或沉淀;对阻尼器密封性能进行了实验,得到了不同安装角度的泄漏情况;对磁流变颗粒进行了SEM电镜扫描图分析,得到了其颗粒表面氧化情况.     

优化的灰色关联分析初值法及其应用

应用灰色理论中的灰色关联分析法寻求系统中各因素间的主要关系,找出其中的相关性,从而掌握事物的主要特征,促进和引导系统迅速而有效的发展.采用灰色关联分析初值法计算斜拉桥拉索的相关性时,发现原来的方法在多维数列下,其误差过大且与实际不符.因此提出了另一种合理的算法,通过实测数据对比分析,并且运用Matlab进行了大量运算,结果证明改进的分析方法可行.     

基于神经网络的加速度时程积分方法

加速度的二重积分是位移,因此利用加速度传感器可以测量位移,但加速度信号积分中存在零点校正和边界条件确定的问题.为了准确地将加速度时程积分成对应时刻的位移,提出了一种利用非线性映射能力很强的BP神经网络建立加速度时程与位移时程之间的关系.通过对样本的学习,BP神经网络将这种非线性映射关系以分布并行的方式存储在网络的联结权矩阵中,从而对样本集进行非逻辑归纳.数值仿真结果和实测结果表明,该方法抗噪声污染能力强,收敛速度快,识别精度较高.     

基于神经网络的拉索主动控制力的实现

拉索容易在外部激励下发生大幅振动,给拉索提供轴向控制力进行拉索主动控制是一种新的方法.本文拉索主动控制策略采用经典二次型线性最优控制,由于LQR控制的关键是根据状态矩阵即时求出Riccati方程,但是Riccati方程是一个矩阵非线性方程,其阶数高,变量间又相互耦合,求解十分困难,为了减小控制力输出滞后,更快的求解出控制力,更好的应用于拉索实时控制,本文基于神经网络具有很强的学习能力和非线性逼近能力,根据大量实验数据采用神经网络方法来预测下一步拉索振动状态所对应的控制力,并进行了仿真,证实了其有效性.