基于TGSVD的桥梁移动荷载识别及正则化矩阵选取

基于时域法(time domain method,简称TDM)识别移动荷载理论,通过引入正则化矩阵,提出采用截断广义奇异值分解法(truncated generalized singular value decomposition,简称TGSVD)识别桥梁移动荷载。比较不同正则化矩阵对TGSVD识别结果影响,并与TDM识别结果进行比较,两轴移动荷载识别结果表明,正则化矩阵选取对TGSVD识别精度、鲁棒性等影响较大。当正则化矩阵选取适当,TGSVD采用弯矩和加速度响应均具有较高识别精度且识别结果受噪声干扰小。在测点类型单一或测点数量较小时优势更为突出,适宜于现场移动荷载识别,具有较强的工程应用价值。     

基于PPTSVD的桥梁移动荷载识别

为了改进时域法(time domain method,简称TDM)识别桥面移动荷载时存在的识别精度受测量噪声、响应类型及数量影响较大等缺陷,在截断奇异值分解(truncated singular value decomposition,简称TSVD)的基础上,提出了基于分段多项式截断奇异值分解(piecewise polynomial truncated singular value decomposition,简称PPTSVD)识别桥梁移动荷载。采用简化欧拉梁模型,由反演车辆荷载作用下桥梁的弯矩响应和加速度响应识别桥面移动荷载,得到了不同噪声水平下TDM,TSVD与PPTSVD的识别结果。研究结果表明,与采用奇异值分解(singular value decomposition,简称SVD)进行常规降噪的TDM相比,采用TSVD识别移动荷载在识别精度和抗噪性能方面均有一定提高,且由TSVD改进的PPTSVD识别方法较前两种方法具有更加明显的优势;PPTSVD识别精度高、识别结果受响应类型及响应组合影响较小且具有良好的鲁棒性,更适用于桥梁移动荷载的现场识别。     

梁桥上移动荷载识别中的测点优化

基于空间梁格模型.识别得到了梁桥上作用的移动荷载.依据MAC矩阵准则(模态置信准则),采用逐步积累法,对荷载识别中的测点进行了优化布置.数值仿真计算中,对一单箱三室连续箱梁桥上的车桥相互作用力进行了识别.结果表明,测点优化措施可提高识别的精度和效率,降低识别结果对车辆偏心距的敏感性.     

基于反问题的正则化波束形成改进算法

基于反问题的正则化波束形成技术能以较高的计算效率得到稳健的声源识别结果。然而由于其正则化解中的正则化矩阵取决于低效的传统波束形成方法,使得基于反问题的正则化波束形成的声源识别结果精准度较低。为了在低信噪比环境下进一步提升其声源识别性能,基于Tikhonov正则化一般形式解提出一种双重迭代优化算法。该算法基于延时求和波束形成算法与互谱运算构造出新的正则化矩阵,并结合迭代方法对新正则化矩阵和波束输出进行优化,最终以较少的迭代步数经两次迭代运算有效提高了声源识别精度和稳定性。最后,通过数值仿真和实验算例,进一步验证了双重迭代优化算法的可行性和有效性。     

基于ANN和动应变的梁桥移动荷载识别及试验

为了实现桥梁上车载参数的快速识别,基于欧拉梁动力解析解分析桥梁挠度和应变对移动荷载的敏感性,选择敏感性更强的应变作为输入参数,研究将人工神经网络(artificial neural networks,简称ANN)用于识别梁桥移动车载的理论和方法。对简支梁桥在移动车载作用下的动应变响应进行理论分析及数值模拟,选取不同工况下的模拟数据对网络进行训练,分析激活函数组合和训练方法对网络精度的影响及噪声水平对动荷载工况下正确识别率的影响。通过车-桥模型动力试验验证该方法的合理性和可用性。结果表明,不同激活函数组合对识别结果影响较小,而不同的训练算法对识别结果影响较大,在应用神经网络识别桥梁移动荷载时,可以通过桥梁的动应变,对车辆的位置、速度和动荷载进行识别。     

基于广义正交函数和正则化的移动荷载识别法

为了识别桥上移动荷载,把车/桥系统抽象为承受一组移动荷载的简支梁,用有限元方法建立桥梁振动方程,根据测试的桥梁响应,由广义正交函数根据模态叠加原理确定模态响应及其导数,用正则化技巧得到稳定的识别结果。数值模拟和试验结果表明,该方法用于识别桥上移动荷载是有效的、可行的     

识别梁上移动荷载及其位置的再探讨

首先将梁的响应——一个关于时间和坐标的函数 ,由 Parseval等式得到了一个仅关于时间的函数。对该函数中的未知参数 ,即移动荷载及位置 ,用正则化反分析迭代法进行识别。从理论上对时域法和频域法识别移动荷载问题进行了完善和补充     

基于Green函数和正则化的动态载荷识别方法

在载荷识别过程中由于结构矩阵的病态特性以及测量噪声的影响，常规最小二乘法往往失效。针对这一问题，采用正则化方法进行载荷识别。载荷在时域内可用一系列脉冲来表示，系统的响应是载荷与单位脉冲响应函数的卷积分。通过对载荷反演模型剖析，指出该病态问题的本质，提出了相应的正则化求解方法。基于Morozov相容性原理，采用一种新的选取正则化参数的准则分别进行了单输入单输出和二输入二输出系统的载荷识别。仿真结果说明该识别方法是有效的，可以得到满足工程要求的稳定近似解。     

模糊聚类在正交多项式法模态参数识别中的应用

针对试验模态分析中密集模态识别精度差等问题,采用频率归一化正交多项式法进行多模态参数识别,并采用模糊聚类方法实现多测点极点的自动选择,减少识别过程中对分析人员经验的依赖。详细论述在频率归一化下系数矩阵正交化和转换矩阵的归纳求法以及模糊聚类方法的具体实现。仿真数据证明算法能够识别密集模态,剔除虚假模态,识别精度高。     

正则化参数自适应选取的声学CT温度场重建

声学CT温度场重建为不适定逆问题。正则化参数的选取对重建精度有重要影响。提出一种正则化参数自适应选取的温度场重建算法——ARPSM(adaptive regularization parameter selection by minimum change criterion)算法。该算法采用一种新的、称为最小变化法的正则化参数选取法,自适应地选取正则化参数,兼顾温度场细节重建和噪声抑制。模型温度场和实验室内均匀温度场的重建结果表明,与常用的L曲线法相比,最小变化法确定的正则化参数对应着更小的温度场重建误差。ARPSM算法具有较高的重建精度和较强的噪声抑制能力,可望用于仓储粮食温度分布监测等对重建质量有较高要求的应用场合。     

Moving load identification on a simply supported orthotropic plate

Different aspects of dynamic identification of moving loads from a vehicle traveling on top of a beam-slab type bridge deck are studied in this paper. The bridge deck is modeled as an orthotropic plate and the loads are modeled as a group of wheel loads or a group of axle loads moving on top of the bridge deck at a fixed spacing. The dynamic response of the bridge deck is obtained from the Hamilton principle with modal superposition. The equation of motion is formulated in state space and the resulting damped least-square identification problem is solved using the dynamic programming method with regularization on the solution. The combination of dynamic strain and velocity measurements, the number of analytical modes included in the identification, the effect of load eccentricity and the choice of regularization parameter are studied and discussed. The use of separate regularization parameter for each of these loads has been implemented and discussed. These considerations are further studied with experimental results from the laboratory. Recommendations on the selection of sensor number and sensor locations for moving loads identification are given.     

船体结构冰载荷反演方法及试验验证

冰载荷是影响船舶冰区航行期间结构安全的重要环境载荷。船舶的冰压监测通常采用应变传感器，合理地布放传感器是识别冰载荷的基础。通过对比船体外板结构试验中的冲击载荷和不同测试方案下的应变信号，确定了最佳应变传感器布放方案；采用Green核函数方法建立了船体外板结构应变冲击载荷间的响应关系，并对采集信号在噪声影响下反演的不适定性进行了分析；采用Tikhonov正则化方法克服了载荷反演过程中出现的数值不稳定问题；最后将试验中的响应用到载荷识别分析中，反演的载荷可以较为准确地反映冲击载荷的时域特征并且载荷识别精度良好。     

Moving load identification on multi-span continuous bridges with elastic bearings

A method based on modal superposition and regularisation technique is developed to identify moving loads on an elastically supported multi-span continuous bridge deck. The effects of different influencing parameters, such as the measuring noise, sampling rate, vertical and rotational stiffness and the travelling velocity of the moving loads, are studied. Numerical simulations show that the method can identify accurately the moving loads on the bridge supported by elastic bearings using different types of measured responses. The stiffness of the bearing should be large relative to the stiffness of the bridge deck. Measured acceleration gives better results than those from strains, and the number of vibration modes used in the identification should exceed the highest frequency of the excitation forces for an accurate identification.     

超大型冷却塔等效静风荷载精细化计算及应用

在模态加速度法和荷载-响应相关法的基础上,推导出超大型冷却塔等效静力风荷载（简称ESWLs）的精细化计算方法,提出用于补偿背景和共振交叉项的一致耦合方法（consistent coupled method,简称CCM）来求解结构ESWLs。该方法采用统一理论进行背景、共振和交叉项3个分量的求解,能完全考虑各共振模态之间、共振和背景模态之间的耦合效应,并赋予背景与共振交叉项ESWLs分量以明确的物理意义。以内陆某核电超大型冷却塔（塔高215m）为例,采用CCM方法进行ESWLs计算,探讨了ESWLs平均、背景、共振和交叉项分量的分布特征,并结合规范条款对比分析了超大型冷却塔风振系数的数值和分布特征,为超大型冷却塔结构设计和抗风安全性提供参考。     

Numerical study on moving train parameter identification system through a simply supported bridge

This paper presents a new experimental system for moving train parameter identification on bridge. The numerical method is adopted to simulate the experimental system and to investigate the effect of the system on identification of the moving train parameters. Displacement responses are obtained by solving the equation of motion of a simply supported bridge model. Basic parameters of the train (i.e., moving speed, wheel axle numbers, and axle spacing) are recognized with a self-designed parameter recognition system. Axle load values on bridge are identified with a load identification system based on simulated annealing genetic algorithm and by minimizing the errors between measured and reconstructed displacements from the moving train loads at each time step. Measured data are simulated by adding artificial noise to the calculated data. A series of numerical simulations is performed to analyze the effect of the system under various train situations. The results show that the experimental system is feasible and valid for identification of moving train parameters, thereby providing effective preparation for practice.