斜拉索倾角对振动法测索力的精度影响

现有的基于振动的索力测试方法在推导过程中,多以水平索为模型,未考虑斜拉索倾角对索力识别精度的影响。为了分析倾角对振动法测索力的精度影响,以两端固支索为例,采用有限差分法求解索的模态参数,并由迭代法识别索力,研究倾角对索的模态参数和索力识别精度的影响。结果表明,采用第1阶频率识别小垂度索的索力,与采用第1阶或第2阶频率识别大垂度索的索力时,不考虑倾角的影响,索力识别的误差很大。     

基于车辆静置的桥梁模态参数识别方法

针对传统工作模态参数识别中存在的振型难以质量归一化和传感器数量多，“移动车辆扫描法”存在对路面不平顺过于敏感和振型难以质量归一化等问题，提出一种采用少量传感器且对路面不平顺不敏感的桥梁模态参数(频率和质量归一化振型)识别方法。该方法将车辆停靠于选定位置，形成静置车辆-桥梁系统，测试系统频率；测完后移动车辆至下一位置，重新停靠后测试频率，以此类推，“随停随测，即测即走”,通过系列系统频率识别模态参数，因此称之为基于车辆静置的模态参数识别。首先，采用数值算例展示静置车辆-桥梁系统频率随着车辆静置位置的变化而变化的现象；其次，通过理论推导揭示静置车辆-桥梁系统频率演化与桥梁模态参数之间的物理关系；然后，提出通过测试系列静置车辆-桥梁系统频率来识别桥梁模态参数的流程并予以验证；最后，系统讨论车/桥质量比和车辆刚度等因素的影响。结果表明：提出的方法化振型识别为频率识别，只需少量加速度传感器，便能快速识别桥梁质量归一化振型。     

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。     

桥上移动车辆车轴识别小波变换方法

通过连续小波变换对车辆过桥产生的桥梁动应变响应进行分析,提取特定尺度下小波系数,能够凸显与车轴信息对应的峰值点,弥补传统局部峰值提取法在识别短轴距问题的不足。车-桥耦合振动模型数值分析表明,结合小波变换的车轴信息识别方法对于行驶速度高、路面平顺性差的工况仍具有较高精度。选取与车辆激振频率相对应的尺度系数,准确提取原始信号中有用信息的同时有效减小干扰信号影响。     

基于声发射信号时频图深度学习的桥梁钢桁架焊接节点损伤程度识别

针对桥梁钢桁架疲劳损伤识别难度大、精度低的现状,提出基于声发射信号时频分析与深度学习的钢桁架焊接节点损伤程度识别方法。对桁架节点在桥梁运营状态下产生的声发射信号进行小波变换,表征不同损伤程度信号的时频能量分布模式,然后建立卷积神经网络(convolutional neural network, CNN)模型对时频图进行损伤特征提取,并通过迁移学习思想提升模型的训练效率和学习能力,从而实现桁架焊接节点严重损伤、轻微损伤和噪声工况的准确识别。进一步对模型各卷积层激活区域进行可视化分析,解剖模型的损伤特征学习过程及分类逻辑。某悬索桥中央纵向腹板钢桁架焊接节点现场试验结果表明：相较于利用时域波形进行特征学习的一维卷积神经网络模型,时频图包含了更丰富的损伤信息,所建立的二维卷积神经网络模型对钢桁架焊接节点三种损伤程度的识别准确率超过94%,具有更强鲁棒性和实际应用价值。