桥梁结构模态参数识别中系统阶次的自动辨识算法

随机子空间算法作为时域模态分析的常用算法之一,存在系统定阶需人为参与这一缺陷。基于此,针对奇异值跳跃法难以确定高阶系统阶次这一问题,提出了将其与"对数化处理"进行融合以便快速确定奇异值的明显跳跃点;通过构建频率置信因子和振型置信因子用于确定真实阶次的取值范围;采用线性加权平均法构建置信系数以确定结构系统的真实阶次;将所提算法运用于某大型斜拉桥的模态参数识别,并将识别结果与现场试验值和有限元结果进行对比分析。结果表明,所提算法能够实现系统阶次的自动化确定和模态参数的自动化识别,且识别结果具有较好的精度和可靠性。     

一种自动识别结构模态参数的随机子空间方法

对结构进行实时在线监测的要求提出了对结构模态参数进行自动识别的需求。目前发展的结构模态参数识别方法均需要人工干预,为实现无人值守的结构实时监测目标,试图发展一种结构模态参数自动识别方法。随机子空间法唯一需要确定的参数是"系统的阶次",因此,提出了一种基于频率稳定性和振型稳定性自动判别系统阶次的方法,基于此,建立了基于随机子空间法的模态参数自动识别方法;通过两个桥梁算例,对该方法的适用性和鲁棒性进行了验证。     

桥梁结构真实模态的智能化识别

随着桥梁结构健康监测系统的不断普及,模态参数识别已被广泛运用于桥梁健康监测中以获取结构自身的动力特性值。虽然随机子空间算法作为模态参数识别算法中最为广泛使用的算法之一,但其依然存在稳定图中真实模态筛选难这一难题。基于此,在已有的研究基础之上进行了深入的研究。首先,提出桥梁结构真实模态存在的一般规律,并利用试验对其进行验证;其次,基于稳定图的基本原理提出以频率值、阻尼比以及振型系数为筛选因子的真实模态智能客观筛选算法。最后,以某大型斜拉桥为研究对象进行模态参数识别,并依次将算法所得频率值、阻尼比以及振型系数与动载试验结果和MIDAS理论结果分别进行对比分析,其结果表明:所提算法能运用于实际桥梁结构的真实模态识别,且识别结果具有可靠性。     

泄洪激励下高拱坝模态参数识别研究

模态参数的准确识别是对在线结构进行健康监测和损伤诊断的难点和核心之一。以拉西瓦拱坝水弹性模型为工程背景，对拱坝的模态参数进行时域识别。针对时域法所面临的噪声干扰以及由它引起的虚假模态识别与剔除和模型定阶问题，用小波技术对时域信号进行了消噪处理，综合自然激励技术和特征系统实现算法对环境激励下的拱坝结构进行模态参数识别，并用模态置信因子对虚假模态进行剔除。引入奇异熵的概念，建立了用奇异熵增量来实现系统定阶的方法和过程，研究表明，该方法得到的系统阶次有效可靠，使得定阶的界线更加清晰和稳定，避免了其它时域算法对系统定阶的盲目性，提高了数据处理和模态参数识别的速度。     

基于数据库的优化随机子空间法识别精度评价

模态识别精度评价贯穿模态识别研究的全过程,但基于单一或少数算例的模态识别精度评价方法存在偶然性,因此提出一种基于结构响应数据库评价模态识别精度的方法。数据库的关键数据是结构的模态参数理论值和结构响应;对于集中质量模型,提出一种基于模态参数构建结构物理模型(质量、刚度和阻尼矩阵),进而计算结构响应的数据库构建方法,并用算例验证了可行性。针对随机子空间法定阶难、虚假模态剔除难的问题,提出一种基于奇异熵增量定阶和稳态图两阶段虚假模态剔除的优化随机子空间法,并利用数据库方法对优化的随机子空间法进行了识别精度评价,结果表明：基于数据库的模态识别精度评价方法可行;优化的随机子空间法频率和振型的识别精度高、阻尼比的识别精度较低。     

基于DBSCAN算法的改进确定-随机子空间模态参数识别算法EI北大核心CSCD

桥梁结构的模态参数识别作为桥梁健康检测系统中的主要环节之一,参数识别的精确程度直接影响着桥梁健康评估的准确程度。因此,针对现阶段被广泛运用的确定-随机子空间算法(combined determine-stochastic subspace identification,CDSI)存在的不足,需人工参与稳定图中模态的辨识,提出了将基于密度的聚类算法(density-based spatial clustering of application with noise,DBSCAN)嵌入到该识别算法中,以提高模态参数识别的效率。首先简单介绍了CDSI识别算法和DBSCAN聚类的相关原理及定义,其次详细介绍了如何将DBSCAN聚类算法有效地嵌入到CDSI算法中,以实现对稳定图中模态的智能化辨识;最后以某大型斜拉桥为识别对象,并将识别结果与MIDAS有限元软件所得结果作对比,结果表明,所提改进CDSI识别算法能够精确地识别出桥梁结构的固有频率值,且所得模态振型图与理论振型图具有很好的相似性。     

实时工作模态参数数据驱动随机子空间识别

基于数据驱动随机子空间识别 (SSI) 算法,引入Hankel矩阵行块数 和列数 经验确定方法和模态传递范数(Modal Transfer Norm),采用奇异熵进行系统自动定阶方法,使识别过程自动化,实现工程模态参数的实时识别。应用Choleshy分解求解下三角矩阵 ,缩减了计算量,特别是连续两个时刻的窗口数据大量重叠时,大大减小了计算时间,从而满足实时识别时间上的要求。三跨连续梁桥数值算例和一座实桥测试数据结果表明,每次识别均在移动步长时间内完成,速度快、精度高,可有效运用于大型结构模态参数的实时识别。     

环境激励下桥梁结构模态参数识别的改进随机子空间算法

为了剔除稳定图中的虚假模态和避免模态遗漏现象,提高模态参数识别的精确度,提出了一种基于滑动窗口和相似度的桥梁结构模态参数智能化识别算法。基于余弦相似原理提出了频率相似度和振型相似度,并依此构建置信度,以实现对系统真实阶次的自动化确定;引入改进集成经验模式分解算法,以消除响应信号内部的噪声信号,达到消除部分虚假模态的目的;接着引入滑动窗口以实现对响应信号的划分,并通过构建频率相似度、振型相似度以及阻尼比相似度实现多个窗口对应参数结果中同类模态的聚类处理,达到剔除虚假模态和避免模态遗漏的目的。最后将所提算法运用于实际斜拉桥结构的模态参数识别,并将识别结果与现场试验值以及有限元结果进行对比,结果表明,所提算法不仅能有效识别出频率结果还能识别出准确的模态振型图,能够实现桥梁结构模态参数的在线智能化识别。     

稳定图方法在随机子空间识别模态参数中的应用

参数识别是结构健康监测领域研究中的重点。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。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,但该方法容易识别出虚假模态。针对这种情况对稳定图方法进行了改进,避免了虚假模态的出现,进而提高了随机子空间方法的识别精度。稳定图方法改进的重点是用模态置信因子来消除虚假模态。同时由于通常采用的阻尼理论与实际情况尚存在差距,影响了识别效果。在稳定图中将阻尼比的标准放松或取消,得到更加理想的识别效果。最后对此方法在一三跨连续梁的数值模型上进行了验证,结果表明,该方法具有良好的识别效果。     

基于监测数据的岸桥模态参数识别

针对岸桥的模态参数识别问题,基于监测数据,采用协方差驱动的随机子空间方法对监测岸桥的模态参数进行了识别。归纳了随机子空间法的理论及算法过程,基于协方差驱动随机子空间法结合稳定图对不同工作状态下的岸桥进行参数识别,识别出了监测岸桥在不同工作状态下1 Hz以内的五阶模态。识别得到的岸桥的阻尼比在3%以内,小车(吊重)质量对不同的工作状态下岸桥的非工作平面内模态影响较小,对起升平面,即工作平面内的模态有一定的影响。     

基于改进确定-随机子空间算法的桥梁结构模态参数识别

为了实现桥梁结构模态参数的智能化在线跟踪识别,提出了一种基于滑窗技术、模糊C均值聚类算法与确定-随机子空间算法的时域识别(SC-CDSI)算法。对桥梁结构的输入信号和输出信号进行加窗划分处理,分析了窗函数、窗口大小及窗口步长的确定标准;将频率、阻尼比及模态振型作为模糊C均值聚类算法的聚类元素完成对稳定图中有效模态的智能化辨识;以某振动台试验桥为参数识别对象,并将所得结果与MIDAS有限元结果作对比分析。结果表明,所提SC-CDSI识别算法可以精确实现桥梁结构频率的在线跟踪智能化识别,且识别的结果具有可靠性。     

环境激励下结构模态辨识的识别概率直方图方法研究EI北大核心CSCD

在环境激励下辨识结构模态时,系统阶次作为关键计算参数不易准确判定,通常采用基于假设系统阶次的稳定图方法来辅助进行,但其中稳定轴的判定较为主观,容易遗漏真实模态及引入虚假模态。基于数据挖掘技术,提出识别概率直方图(Identification-probability Histogram,IpHist)的新方法,对不同假设系统阶次下通过随机子空间识别得到的多组备选模态,根据频率容差和模态置信度容差准则进行一致性聚类,继而计算群组聚类结果的识别概率,并绘制相应的识别概率直方图,最后选取识别概率大的结果作为结构模态结果。通过IASC-ASCE结构健康监测工作组提供的4层框架Benchmark模型算例,阐述了所提IpHist方法在环境激励下辨识结构模态的有效性,显示了方法较强的抗噪能力。     

环境激励下结构模态辨识的识别概率直方图方法研究

在环境激励下辨识结构模态时,系统阶次作为关键计算参数不易准确判定,通常采用基于假设系统阶次的稳定图方法来辅助进行,但其中稳定轴的判定较为主观,容易遗漏真实模态及引入虚假模态。基于数据挖掘技术,提出识别概率直方图(Identification-probability Histogram,IpHist)的新方法,对不同假设系统阶次下通过随机子空间识别得到的多组备选模态,根据频率容差和模态置信度容差准则进行一致性聚类,继而计算群组聚类结果的识别概率,并绘制相应的识别概率直方图,最后选取识别概率大的结果作为结构模态结果。通过IASC-ASCE结构健康监测工作组提供的4层框架Benchmark模型算例,阐述了所提IpHist方法在环境激励下辨识结构模态的有效性,显示了方法较强的抗噪能力。     

随机子空间产生虚假模态及模态遗漏的原因分析

参数识别是结构健康监测领域研究中的重点。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。由于它具有只需给定系统的阶次一个参数,不存在不收敛的情况等优势,越来越受到国内外业内人士的广泛关注。但是该方法也不是十全十美的,容易产生虚假模态和模态遗漏现象,这些都严重影响了识别效果。因此将识别结果中的虚假模态剔除,是随机子空间方法进一步在理论和应用上拓展的关键。要做到这些,首先要分析虚假模态产生的原因。该文就对虚假模态的产生原因进行了分析。分析表明虚假模态产生的原因主要有两方面:一方面是由于随机子空间方法的基本计算过程而导致的;另一方面是由于实际应用中输入信号不满足白噪声的假定和/或输出信号受到环境的干扰而导致的。分析中采用了一数值模拟例子。     

基于模态参数识别的悬架系统状态监测方法及试验研究

悬架系统直接关系到车辆的安全性、平顺性和操稳性,由于路面激励是随机激励,对悬架系统的状态监测一直是研究难点。该文提出一种新的悬架状态监测方法,利用仅需输出的平均相关随机子空间法识别模态参数,再通过模态参数变化对故障造成的悬架刚度变化进行监测。首先对平均相关随机子空间法在较高阻尼比下的识别效果进行分析,验证算法在悬架监测中的可行性;然后基于车辆七自由度振动模型对模态参数进行仿真识别,分析路面激励及噪声对识别结果的影响,并提出基于振型和模态能量的监测方法;最后设计利用9轴MEMS惯性传感器的试验方案对正常及故障状态进行监测,验证方法的可信度。     

两种新的基于子空间跟踪的时变模态参数快速辨识算法

该文研究了基于子空间跟踪的时变模态参数快速辨识算法的过程。对更新的输入/输出数据的预处理后, 时变模态参数辨识的主要问题转化成子空间跟踪, 引入NPI 和API 子空间跟踪算法替代PAST 形成两种新的时变模态参数快速识别算法。通过对移动分布质量-悬臂梁这一典型的时变结构系统以及两自由度弹簧-质量系统的时变模态参数识别验证了新算法的有效性并且比较分析了这3种基于不同子空间跟踪算法的时变模态参数识别算法的辨识能力。     

环境激励下大型桥梁模态参数识别的一种方法

提出一种依据环境激励下结构振动响应的大型桥梁模态参数识别方法,该方法以限制带宽的经验模态分解（BREMD）和随机子空间识别（SSI）为基础,首先利用EMD将环境振动响应分解成一系列只含结构某一阶固有模态的本征模态函数（IMF）,然后利用SSI识别桥梁模态参数。针对大型桥梁自振频率低、模态密集的特点,引入屏蔽信号限制EMD过程中带宽以消除模态混叠;运用该法识别了赣龙铁路某特大桥的模态参数,并将其与峰值拾取法、SSI识别结果以及理论计算值进行对比,结果表明：该方法能有效的识别大型桥梁模态参数,屏蔽信号的引入解决了模态混叠问题,稳定图中的虚假模态得到抑制。     

基于泄流响应的高拱坝模态参数辨识与动态监测

模态参数的准确辨识是对在线结构进行损伤诊断和状态监测的难点和核心之一。以二滩高拱坝原型测试为背景,结合随机子空间算法与改进的稳定图对泄流激励下的拱坝模态参数进行辨识,并实现对高坝振动状态的长期在线监测,为结构的安全评估提供依据。针对时域法所面临的模型定阶困难和噪声干扰以及由它们所引起的虚假模态辨识与剔除问题,利用改进的稳定图方法对模态参数进行更为精确辨识,并与ERA算法的识别结果进行对比。研究表明,该方法具有良好的品质与较高的计算精度,具有良好的工程应用前景。     

基于敏感性分析的协方差随机子空间方法参数优化

在工作模态分析中,结构模态的准确识别在包括结构健康监测在内的许多应用中至关重要。该文基于敏感性分析,研究了模型系统阶数N和Toeplitz矩阵行块数i在协方差驱动随机子空间法(covariance-driven stochastic subspace identification,SSI-Cov)中对模态识别结果的影响规律。结合一经典数值算例及藏式古城墙现场实测数据对SSI-Cov算法的参数优化进行了分析。根据奇异熵增量理论对系统阶数进行识别;利用Toeplitz矩阵或系统矩阵的条件数及识别结果的变异系数对Toeplitz矩阵行块数的选择进行研究,并给出参数取值建议。研究结果表明:Toeplitz矩阵或系统矩阵的条件数越小计算结果精度越高;识别频率、阻尼比的变异系数越小,对应的模态稳定图质量越好。通过奇异熵增量理论可准确识别结构的系统阶数,奇异熵增量的一阶灵敏度降至0时对应的阶数即为系统阶数N。Toeplitz矩阵行块数i的建议取值范围为2β~4β(β为采样频率与结构基频的比值)。基于该文提出的参数优化方法,能有效识别藏式古城墙的动力特性,包括频率、振型和阻尼比。     

环境激励下移动车辆对桥梁模态参数识别的影响研究

基于环境激励的模态参数识别方法在桥梁健康监测领域应用广泛,所识别桥梁的模态参数的变化常用来进行损伤识别。然而在模态参数识别过程中,移动车辆本身具有的质量属性被忽视,仅被当作为环境激励的一部分。桥梁损伤导致的模态参数变化将被移动车辆所引起的变化掩盖,影响后续损伤识别的效果。以随机子空间法为例,研究环境激励下的模态参数识别方法识别的桥梁模态参数的变异情况,并对比桥梁局部损伤导致的桥梁模态参数的变化量,结果表明局部损伤和移动车辆都会造成频率减小和振型改变,因此在实际模态测试中需要考虑移动车辆作用并剔除其影响。