基于试验的土木工程结构动态参数识别

结构动态参数识别是工程、特别是重大工程质量和寿命全过程监控的核心研究内容。本文基于试验基础上,直接利用环境激励下的土木工程结构振动响应数据,用时间序列法ARMA模型进行动态参数识别。首先结合有限元分析,对一个简支梁结构进行识别,数值分析对比表明：二者在动态参数识别上具有高度的一致性。此后,利用无线传感技术对厦门大学人行天桥进行环境振动测试,分析表明：ARMA模型能够在传统动态参数试验难以进行的环境下,准确有效地识别工程结构的动态参数。此方法为结构的健康损伤识别、在线监测等提供动态参数,具有一定的工程应用价值。     

基于环境激励的双曲拱桥模态参数识别

为了比较现有模态参数识别算法的优劣,分别采用随机子空间(SSI)法、特征系统实现算法(ERA)、复指数法、随机减量法(ITD)、STD法、ARMA模型时间序列法对一钢筋混凝土双曲拱桥的模态参数进行识别。结果表明:SSI法、ERA法、复指数法、ITD法、STD法、ARMA模型时间序列法,准确度均较高,可用于实际工程结构模态频率识别;几种时域模态参数识别方法的阻尼比识别结果离散性较大,无法准确估计结构的阻尼比。     

基于时序分析法的城市桥梁模态参数识别与软件开发研究

当前,城市桥梁交通繁忙,在复杂恶劣的环境作用下桥梁结构极易出现损伤。因而,准确鉴定桥梁的结构安全状况,是建筑安全检测机构的重要课题。基于环境激励的模型时序分析法(ARMA)由于操作简便成为近年来的研究热点,该方法能够有效地从环境激励的结构响应中获取模态参数。本文将ARMA法应用到城市桥梁的模态参数识别中,并采用Matlab商用数学软件开发了基于ARMA法的工程结构模态分析软件(MAES)。文中采用简支梁桥有限元仿真模拟、城市人行天桥工程实例两案例分别计算理论模态频率值与基于ARMA法的实测模态频率值进行对比研究。研究表明,ARMA法能够准确地识别城市桥梁模态参数,本文基于Matlab软件开发的模态分析软件(MAES)具有较高的实用价值。     

几种模态参数识别方法应用及比较研究

利用一刚构-连续桥梁在环境激励下的振动测试数据,对时域模态参数识别中的ITD法、STD法、复指数法、ARMA模型时间序列法及特征系统实现算法(ERA)关于模态频率和阻尼比进行了识别,并对其识别结果进行了比较研究。对比表明,这些方法对于模态频率的识别基本吻合,但对阻尼比的识别存在较大的差异,需进一步的研究和探索。     

基于ARMA模型的结构动力模态参数识别

论述了ARMA时序差分模型与结构振动微分方程之间的等价关系，ARMA模型的定阶与参数估计，并利用一悬臂梁的振动位移作为时间序列对其模态参数进行了识别，其计算结果满足精度要求，取得了较好的结果。     

GPS-RTK数据识别分析桥梁结构模态参数

以自锚式悬索桥天津市富民桥为背景,在交通不封闭的情况下对富民桥的动态响应进行连续的实时监测,通过GPS传感器采集结构振动位移原始数据。应用时间序列法(ARMA)扩展随机减量法(RDT),对预处理和滤波降噪后的监测数据进行分析,识别桥梁结构的模态参数。研究结果表明,该方法与有限元分析得出的结果非常接近,证明该法用于GPS-RTK数据识别桥梁模态参数可行可靠。     

密肋壁板结构模态识别

本文通过结合课题组前期的研究成果,采用复合材料法对密肋复合墙板进行等效,计算等效弹性模量,建立密肋壁板结构等效计算模型,利用等效模型,采用有限元分析计算密肋壁板结构的模态参数;同时,采用多模态最小二乘识别法建立密肋壁板结构的模态参数识别方法。理论分析与试验对比表明:采用等效的剪力墙模型对密肋壁板结构进行结构分析与设计具有一定的理论依据与实用价值,而且模型简单,方便,满足实际工程分析需要。同时采用最小二乘识别法对密肋壁板结构进行模态识别,其识别结果好,可靠度高。     

随机子空间法在海上风电结构模态参数识别中的应用

频率、阻尼比等是海上风电结构动力分析的重要设计参数.但是,环境激励下海上风电结构实测振动响应噪声水平高、信噪比低,应用传统随机子空间方法(SSI)进行海上风电结构模态参数识别十分困难.对海上风电高桩承台基础进行现场测试,并对环境激励下海上实测数据进行模态参数识别,旨在获取结构频率及阻尼信息.为提升模态参数识别精度,应用奇异值分解技术实现模型定阶,模型阶次得到了合理确定;同时,应用稳定图分析技术,噪声模态得到有效识别.结果表明:结合模型定阶与稳定图分析技术,随机子空间法可以比较准确地获得环境激励下的海上风电基础结构的频率及阻尼信息.     

基于自然激励技术的模态参数识别方法应用研究

结合自然激励技术和2种时域模态参数识别方法,形成结构工作模态参数识别的NExT-ITD法和NExT-ERA法。采用这2种方法分别对一个3层框架结构模型和1座三跨混凝土连续梁桥进行了振动试验模态参数识别,讨论了这2种方法应用中的系统定阶和虚假模态剔除问题并将识别结果与频域法识别结果相对比。结果表明,这2种方法在非白噪声激励下进行结构模态参数识别的有效性。     

环境激励下结构模态参数的识别方法

传统的模态参数识别方法同时需要已知激励和响应信号,但对实际建筑结构,激励施加存在困难。探讨了基于环境激励下的模态参数识别方法,提出采用随机减量法和ITD（Ibrahim Time Domain）法相结合来识别实际结构的模态参数。数值仿真算例识别结果表明,该方法不仅能准确的识别出结构的模态频率和阻尼比,也能准确的提取结构的模态振型,适合于环境激励下的结构工作模态参数识别。     

Daily streamflow modelling using autoregressive moving average and artificial neural networks models: case study of Çoruh basin,Turkey

Streamflow modelling is a quite important issue for water resources system planning and management projects, such as dam construction, reservoir operation and flood control. This study demonstrates the application of artificial neural networks (ANN) and autoregressive moving average (ARMA) models for modelling daily streamflow in Çoruh basin, Turkey, where there are numerous highly critical power plants either under construction or being projected. Daily streamflow records from nine gauging stations located in the basin were used in this study. In the first phase of our study, ANN and ARMA models were obtained using daily streamflow. In the second phase, 100 synthetic streamflow series were generated using previously determined ANN and ARMA models in order to ensure the preservation of main statistical characteristics of the historical time series. The results have showed that the historical time series have similar statistical parameters to those of the generated time series at 95% confidence level.     

时间序列分析在隧道施工监测中的应用

用时间序列分析的更一般的组合模型描述隧道施工监测结果的变化规律，可以提高拟合模型的精度和预报的可靠性。其中，数据序列随时间变化的均值可用多项式或指数函数描述，而零均值的平稳过程可用ＡＲ（ｎ）或ＡＲＭＡ（ｎ，ｍ）模型拟合。对设测点前的断面位移值利用组合模型进行后推，并通过工程实例对该模型作了初步检验。     

基于线性结构响应等效的地震动时域模型

本文运用结构响应等效的思想 ,在用MonteCarlo法作大量结构弹性时程分析的基础上 ,将地震动等效成了形式简单的简谐激励模型 ,为该模型定出了具有概率保证的参数 ,并求出了模型参数与场地卓越周期和结构基本周期之间的回归关系     

建筑能耗分析用室外气象数学模型的建立

选用5个气象参数作为模拟量建立了逐日气象参数的模拟模型，通过平稳化变换将模拟量变换成平稳时间序列，采用混合回归模型进行了逐日量的模拟，根据模拟得出的逐日参数建立了逐时气象参数的模拟模型，用逐日、逐时模型对徐州地区的气象参数进行了模拟。     

调制ARMA模型在地震动仿真中的几个问题探讨

探讨了调制ARMA模型在人造地震动仿真应用中的模型定阶、模型定参及初始随机序列的影响问题。算例表明,引入强度包线函数对ARMA模型的频率特性有一定影响,但仍不失为一种高效、适用的人造地震动仿真方法。     

边坡非线性位移的神经网络-时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络-时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

软土路基变形的时序建模及应用研究

鉴于高速公路施工的被动性,利用时间序列建立数学模型。对具有非平稳性的表面沉降进行一次差分(d=1)处理,使其转化为具有平稳性的沉降速率问题,即将非平稳性时间序列ARI MA(p, d, q)模型转化为平稳的ARMA(p, q)模型。建立了ARMA(1 ,1)模型来对公路施工填筑期间的沉降进行短期预测,进而对下一级加载的时间进行预测。结果表明,预测结果可靠,精度高,能够很好地反映填筑期间沉降的变形特性,适用于高速公路重点断面分析。     

Stochastic modelling of mean monthly flows of Karasu River,in Turkey

Stochastic modelling of streamflows is vital for planning water resource systems. In this study, a stochastic model of the mean monthly streamflows at 2154 A?a?ιka?dariç Gauging Station on Karasu River was constructed. Studies were carried out using data from the water yearbooks published by chk later onEIE. The modelling procedure for streamflows with constant coefficient autoregressive moving average (ARMA) models was given in detail and indicated models were constructed. Analysis with streamflows at 2154 A?a?ιka?dariç Gauging Station showed that the autoregressive (AR) (1) model is the most appropriate model among the competing models. While selecting the most efficient model the Akaike information criterion (AIC) was used. The Port–Manteau test showed that residuals are white noise series. Using the AR(1) model, 100 synthetic series were generated and the time series generated were found to have the same statistical parameters (monthly mean, monthly standard deviation and autocorrelation) as historic time series within 95% confidence intervals.