环境激励下钢筋混凝土拱桥模态参数识别

为正确选择模态参数识别方法,对某钢筋混凝土拱桥进行了环境振动试验,采用频域、时域和时频分析方法——峰值拾取法(PP)、随机子空间识别(SSI)以及基于经验模态分解(EMD)和随机减量技术(RDT)的方法——识别其模态参数;比较了3种模态参数识别方法的特点和识别结果,并与有限元法计算结果进行了比较.研究结果表明:峰值拾取法的识别速度快,识别的频率较可靠,但识别过程需要较多人工干预;随机子空间识别的理论体系完备,适合程序实现,识别过程能较好地抵消测试过程中噪声等的影响;由于模态混叠的影响,EMD-RDT识别结果具有一定随机性.     

识别桥梁模态参数时域法的仿真研究

根据土木结构环境振动的特点和ＩＴＤ法及随机减量技术的优点，建议用ＩＴＤ法或随机减量技术结合ＩＴＤ法由结构环境振动响应数据识别其模态参数，并用计算机仿真技术，讨论了使用ＩＴＤ法和随机减量技术时应注意的一些问题，对桥墩和一些斜拉桥进行了仿真识别，结果表明，用这种方法由土木结构的环境振动响应识别其模态参数是可行的，并具有测试方便，数据处理简单，精度较高，识别结果较多的优点。     

基于多级神经网络的桥梁结构模态参数识别方法

桥梁结构模态参数识别方法在识别过程中难以获得完整阶次,构造的基准模型不完整,导致识别结果出现误差,因此,设计一种基于多级神经网络算法的桥梁结构模态参数识别方法.使用多级神经网络对识别算法进行优化,建立交配池,利用交叉和变异算子对交配池中的参量个体进行识别,建立新的群体,利用信号匹配识别结构模态参数,选择模态确信准则(MAC)以及相位共线性指标(MPC)作为模态区分的辨别指标并计算,最后优化整体模态参数识别流程.方法性能测试结果表明,设计的基于多级神经网络的桥梁结构模态参数识别方法在不同采集方式下得到的参数误差更小,可靠性更高.     

基于模态参数的桥梁状态快速测试与分析

结构模态参数的测试与评定是工程结构检测的重要组成部分,对桥梁静力、动力评定指标进行了探讨,通过对20余座桥梁动、静载试验结果数据样本的分析,验证了动力刚度与静力刚度指标的一致性,采用模态参数可以进行桥梁结构状态的快速测试与分析。     

基于环境激励的预应力混凝土梁桥模态试验

介绍一种相对简单而实用的基于环境激励的预应力混凝土梁桥模态测试分析方法,该方法仅用于结构的动态响应信号作频谱分析即可获得模态频率、振型、阻尼等主要模态参数,处理速度快,并且结果直观可靠。通过对尖山大桥的实桥测试,测试结果表明该方法应用于工程实际是完全可行的。     

基于高阶Prony方法的包装系统模态参数识别

包装系统可看作是多自由度系统,将该系统的暂态响应信号用Prony方法进行拟合,可求出系统各模态参数.介绍了确定系统阶数的方法,并且利用高阶Prony模型和时反信号可在噪声中准确求出各模态参数.模拟结果表明,本方法具有良好的稳健性,可用于识别包装系统的阶数和各模态参数.     

起重机臂架结构试验模态参数识别

以门座起重机组合臂架系统为研究对象，用试验模态分析方法对臂架结构进行了测试分析，提出设计起重机时应注意：１）臂结构的振动能量般集中在前３阶模态内；２）臂架结构共振时其拎点处的振幅最大。     

基于支持向量机和模态曲率的桥梁结构损伤识别

提出了一种用于桥梁结构损伤识别的支持向量机方法。该方法以结构损伤前后的模态曲率差参数为支持向量机的输入参数,c-svc算法为损伤位置识别算法,ε-svr算法为损伤程度识别算法。最后以三跨连续梁桥为数值模拟算例,以存在单个及多个损伤单元为损伤工况,验证该方法的有效性,识别结果表明基于支持向量机和模态曲率的损伤识别方法能够准确识别出结构的损伤位置,损伤程度识别误差在4%以内。     

桥梁损伤检测中曲率模态分析研究

论述了曲率模态分析的基本理论，探讨了曲率模态在结构损伤检测中的应用，并举例证明了曲率模态方法具有良好的准确性，灵敏性．     

基于随机激励响应的参数识别相关函数法

以桥梁节段模型风洞试验为工程背景,建立桥梁节段模型的竖向和扭转耦合振动微分方程.风荷载对桥梁的作用可以考虑为气弹阻尼力、气弹刚度以及高斯随机激励力;利用随机振动理论,推导了随机激励下两自由度振动响应的相关函数方程,利用最小二乘法构造参数识别方程.提出了基于随机激励响应的参数识别相关函数法,并用数值模拟方法验证了该方法的有效性,最后将该方法应用于识别风洞试验系统中的刚度矩阵和阻尼矩阵.研究结果表明:在低风速条件下,方法所得结果与自由振动时域识别法获得的结果接近.     

桥梁损伤检测中曲率模态分析研究

论述了曲率模态分析的基本理论,探讨了曲率模态在结构损伤检测中的应用,并举例证明了曲率模态方法具有良好的准确性,灵敏性.     

大跨度桥梁施工过程中参数识别的BP神经网络方法

针对预应力混凝土大跨度桥梁的主梁参数反馈分析，改进和调整了传统的BP神经网络算法，结合斜拉桥工程实例，介绍了将BP神经网络方法应用于大跨度桥梁施工过程中的主梁物性参数的识别修正。     

桥梁结构损伤识别的曲率模态技术

介绍了桥梁结构健康监测的一些实际应用，阐述了结构损伤识别的现状，并对有关损伤诊断的一些方法进行了评价．重点论述了曲率模态分析的基本理论，探讨了曲率模态在结构损伤检测中的应用，最后讨论了在实际结构损伤识别中应注意的若干问题．     

基于Levenberg-Marquardt算法的桥梁结构静力参数识别

为了提高桥梁结构状态评估中结构参数识别的精度和稳定性, 克服Gauss-Newton法不能有效地处理奇异和非正定矩阵以及对初始点要求苛刻的缺点, 利用Levenberg-Marquardt法, 通过在Gauss-Newton法的迭代矩阵中添加阻尼项, 对迭代矩阵加以修正, 通过Matlab自编程序实现对实际结构参数的优化求解。对一连续梁的数值模拟计算表明, 在Gauss-Newton法迭代发散的情况下, Levenberg-Marquardt法的识别结果相对误差在10%左右, Levenberg-Marquardt法基本能实现对真实结构参数的识别, 为结构进一步的状态评估提供了结构模型最基本的量化信息。     

脉冲激励下的结构模态与模态能量

研究了脉冲激励了结构的响应、结构位移模态及结构模态参能量的分布，分析了高阶段模态对结构振影响的问题，从而说明了高阶段模态对结构振动位移的贡献随着模态阶数的上升逐步减少这一事实。并提出在以位移模态为基础和以应变模态为基础的问题研究中应分别考虑高价基础态的影响。     

基于输出响应的识别结构参数的神经网络方法

讨论了输出未知时结构模态参数基于频率响应函数的神经网络识别方法,并研究了不同的噪声水平和网络输入层结点数目的变化对网络输出误差的影响。讨论了网络对不同阶数模态参数的识别精度。数值结果表明该方法是可行的。     

一种改进模态参数识别方法在结构工程中的应用

提出了一种采用带有间断频率的经验模式分解(EMD)与自然激励法(NEXT)相结合的新的模态时域识别方法,并在理论上证明了该方法的正确性.数值模拟与工程实例识别结果表明,该方法能够准确识别出结构的模态频率和模态阻尼比.     

经验模态分解在桥梁检测中的应用

文章介绍了经验模态分解（EMD）的原理、特点及其应用,编制了EMD算法程序并验证了程序的正确性,最后采用EMD方法对某桥梁基于环境激励条件下的实际信号进行分解,结果表明,该方法能有效对信号进行分解,是一种无需预设带宽的自适应高通滤波方法,适用于结构模态参数识别。     

基于变分模态分解和奇异值分解的结构模态参数识别方法

为了准确获得结构的固有频率、阻尼比与振型, 将变分模态分解与奇异值分解相结合, 提出一种新的结构模态参数识别方法; 基于已有时频参数识别方法, 根据测量的脉冲激励与加速度响应估计系统的频响函数, 对系统的频响函数进行反傅里叶变换得到脉冲响应函数; 对各测点的脉冲响应函数进行变分模态分解, 得到与结构固有频率对应的本征模态分量; 提取本征模态分量的固有频率, 利用与固有频率相近的本征模态分量作为行向量构造奇异值分解矩阵, 对所构矩阵做奇异值分解, 利用最大奇异值重构左、右奇异值向量, 识别结构的振型、固有频率和阻尼比; 通过四自由度质量-弹簧-阻尼模态仿真试验和车体横梁锤击模态试验, 验证了所提出的模态参数识别方法的有效性。研究结果表明: 在四自由度理论模型参数识别中, 系统固有频率和阻尼比的识别结果与理论计算结果的最大相对误差分别不超过0.025%和1.490%, 理论计算与识别的1~4阶振型的模态置信度分别为0.999、1.000、0.999和0.999;在车体横梁锤击模态试验中, 提出方法识别的固有频率和阻尼比与理论计算结果的最大相对误差分别不超过1.57%和1.47%, 且车体横梁的理论振型与识别振型趋势相同。可见, 提出的方法能有效识别结构的模态参数。     

环境因素影响下桥梁模态参数变化规律研究

为深入探究运营期桥梁模态参数变化规律, 以浙江文泰高速洪溪特大桥通车后 12 个月的健康监测数据为基础, 分析了模态频率的环境因素影响特征。 首先对环境温度、 交通荷载、 模态频率以及阻尼比的监测结果进行统计分析, 然后进行模态参数变化的影响因素相关性分析, 最后建立多元线性回归方程。 该研究的主要目的是获取山区桥梁低阶模态频率和阻尼比随环境的变化关系, 明确模态参数与环境影响因素的相关性, 进而为结构状态进行有效评估打下基础。 结果表明: 结构温度是年周期成分上影响模态频率的主要因素。