基于矩量法的桥梁移动车载识别试验研究

基于矩量法和移动荷载识别理论，采用整域基函数——正交勒让德多项式表达桥面移动车载，从车致桥梁弯矩响应识别桥面移动车载，提出了一种时域移动荷载识别改进方法（ITDM）。利用试验测量的车致桥梁弯矩响应时程数据重点研究了几个主要参数对ITDM的影响，这些参数包括：基函数数量、模态数、测点数及测点位置和运行时间等，同时与时域法（TDM）进行了对比研究。试验研究结果表明：ITDM性能与TDM相若，但ITDM更以适应性强和省时而优于TDM，这对于桥梁移动荷载的现场在线准确识别非常有利。     

预处理最小二乘QR分解法识别桥梁移动荷载的优化分析及试验研究

基于时域内移动荷载识别理论,针对逆问题求解存在的典型不适定性问题,提出采用预处理最小二乘QR分解法(PLSQR)识别桥梁移动荷载。两轴时变移动荷载数值仿真结果表明:与采用奇异值分解求逆的时域法(TDM)相比,由PLSQR方法识别移动荷载在识别精度、抗噪性能和抗不适定性等方面均有明显的提高。通过结合改进的Gram-Schmidt正交化,在PLSQR方法基础上对其迭代效率进行优化,改进的PLSQR方法(i-PLSQR)在保证不降低识别精度的前提下其最优迭代次数有明显降低,3种噪声水平下8种工况平均最优迭代次数较原PLSQR方法均减小超过2/3。试验研究表明i-PLSQR识别结果与真实荷载非常接近,识别精度较传统TDM有明显提高,可应用于移动荷载的现场识别。     

基于截断GSVD方法的桥梁移动荷载识别

针对移动荷载识别系统矩阵的病态问题,通过引入正则化矩阵,提出采用截断广义奇异值分解法(TGSVD)识别桥梁移动荷载,并与时域法(TDM)识别结果比较。两轴移动荷载识别结果表明,TGSVD具有识别精度高、抗噪能力强、识别结果受响应类型及响应组合影响小等优点。对将TGSVD应用于现场移动荷载有重要意义。     

基于矩量法的移动荷载识别

从桥梁响应识别桥面移动荷载往往出现逆问题的病态（不适定性）等共性问题。本文基于移动荷载识别理论，借助矩量法求解积分方程理论并采用整域基函数——正交勒让德多项式表达桥面移动荷载，提出了一种移动荷载识别的时域改进算法。两轴车辆多种组合工况下的常载和时变荷载数值仿真研究表明：与时域法比较，改进时域法识别桥面移动荷载时，其识别精度高、抗噪能力强，识别结果不适定性有显著改善。     

利用有限振动响应快速反演时变荷载的方法与试验

移动荷载是影响桥梁使用寿命的主要因素之一，对其准确地监测与识别能为桥梁养护提供重要依据。基于振动响应反演的移动荷载识别研究经过五十多年的发展，形成了以时域法、频时域法为主的多种方法，取得了不错成就。然而在解决该类方法面临的主要问题：计算耗时明显、反问题求解病态上，现有技术大多需要使用多项测点和复杂优化，在实际工程应用中并不友好。在时域反卷积法和荷载形函数法的基础上，定义新的构造矩阵提取系统矩阵中的有效元素进行荷载识别，在保障对大噪声的鲁棒性的同时，使测点数量和计算成本进一步降低。在数值仿真算例中，该方法在使用含10%和20%白噪声的动挠度响应情况下，仍能稳定地识别周期性移动荷载，除荷载上、下桥阶段，并未出现明显的奇异性。在试验验证中，利用两个试验分别验证了该方法对集中荷载、移动荷载的识别，其精度与计算效率均可满足实际工程需求。     

桥梁时变移动车载的间接识别

针对桥梁上时变移动车载 ,提出了两种桥梁模型、四种移动车载间接识别方法和两种不同解决方案 ,并通过模型实验对上述不同桥梁移动车载解决方案进行验证。仿真和试验结果表明 :虽然各种车桥参数对识别结果都有不同程度的影响 ,但每种解决方案都能有效识别桥梁移动车载且以“时域法”和“频时域法”识别精度较高、实用性较强 ,可推荐用于现场桥梁移动车载识别。     

简支梁桥与多跨连续梁桥上移动荷载的识别与参数分析

移动车辆荷载反复作用会导致桥梁疲劳损伤甚至破坏,移动荷载识别是桥梁健康监测的重要措施之一。采用样条函数逼近法对简支梁桥与多跨连续梁桥上的移动荷载进行识别和参数分析。基于模态叠加法和梁固有振动的精确解,建立了移动荷载作用下简支梁和连续梁的运动方程;利用样条最小二乘法逼近桥梁应变响应,由样条数值微分求得响应导数;再通过Tikhonov正则化方法结合奇异值分解技术得到了荷载识别的正则解。对一简支梁和一三跨连续梁进行了数值仿真,并对一些影响因素进行了参数分析。利用已有的试验数据验证了方法的可靠性。结果表明,样条函数逼近法能有效地识别简支梁与连续梁桥上的移动荷载,具有很强的实用性和抗噪性能;而且简支梁桥上的荷载识别精度和抗噪性能高于连续梁桥;利用Tikhonov正则化方法可得到荷载识别的稳定解,并有利于提高识别精度,降低对噪声的敏感性。     

结构损伤与荷载共同识别的研究

针对结构中同时存在未知损伤和荷载的情况,基于虚拟变形法(VDM)发展一种两者共同识别的时域方法。VDM方法利用虚拟变形模拟结构损伤,可快速计算模型改变后的响应。该文首先结合有限元理论把VDM方法拓展到具有多个单元变形的结构中;然后考虑结构存在未知荷载时,利用未损伤理论模型同时识别荷载和虚拟变形,继而由虚拟变形和单元实际变形的关系来识别判断损伤类型和识别损伤大小;最后通过一个悬臂梁的试验进行方法验证,试验中未知荷载和损伤(包括其类型和大小)均能够被有效识别,并利用提出的移动时间窗和荷载形函数方法实现损伤与荷载的在线识别。     

基于BP神经网络的桥上移动荷载分阶段识别方法

移动荷载识别可作为桥梁损伤机理研究的基础,同时为交通规划提供可靠的车载信息。提出了一种基于BP神经网络的桥上移动荷载的分阶段识别新方法。建立了桥梁有限元模型和2自由度5参数车辆模型,模拟生成了神经网络训练样本。采用分阶段识别技术,分步识别了桥上车辆的位置、速度和荷载。在神经网络设计中,利用正交设计法选择训练样本集,采用正则化方法对误差性能函数进行修正,并采用遗传算法对初始权进行了优化。数值仿真了一简支梁桥的移动车辆荷载识别,并通过模型试验进行了验证。结果表明:所提出的方法能够在线、实时地识别桥上移动车辆荷载,识别精度高、收敛速度快,且具有较强的鲁棒性和抗噪能力。     

用时域法和频时域法识别桥面移动车载

基于欧拉梁模型,本文利用时域法和频时域法由桥梁响应识别桥面移动车载并重点讨论了几个主要参数对识别结果的影响。这些参数包括模态数、采样频率、车速、响应测点位置和测点数等。结果表明：车桥试验室模型是成功的,用时域法和频时域法均能得到满意的识别结果,但以时域法实用性更强、精度更高,可以直接用于桥面移动车载识别的现场试验。     

Distributed dynamic load identification based on shape function method and polynomial selection technique

A new approach based on shape function method of moving least square fitting (SFM_MLSF) and polynomial selection technique is proposed in this paper for distributed dynamic load identification. The distributed dynamic load is represented as a product of spatial distribution function and time history, and the two parts are assumed to be independent. The modal transformation of structural dynamic equation throws light on the fact that all modal loads share the same form with the distributed dynamic load in time domain. As the structural modal parameters are known, the time history of dynamic load can be precisely identified through SFM_MLSF method which approximates the local dynamic load with shape functions in the moving supporting time domain. Then, the spatial distribution function of the load is substituted as a series of basic functions, and the identification of distribution function is transformed into a linear fitting problem. Through polynomial selection technique based on error reduction ratio, the significant components are picked out from the basis function responses, which greatly improves stability and precision of the load distribution function. During the inverse analyses of both the time history and distribution function, appropriate regularization methods are still applied to overcome the unavoidable ill-conditioned problem. Numerical examples demonstrate the validity and accuracy of the proposed method.     

动载荷时域半解析识别方法

基于模态空间转换、离散数据最小二乘拟合与模态叠加原理,提出一种动载荷时域半解析识别方法。通过模态空间转化将动载荷识别问题转化为模态坐标函数识别问题,以结构特性参数与已知自由度上的动响应为输入,利用最小二乘拟合得到模态坐标的拟合函数,根据叠加原理与结构动力学控制方程,识别出结构时域动载荷。分别用计算仿真与试验测试得到的时域加速度响应作为输入,实现时域动载荷的识别。识别结果与真实动载荷对比表明,本文的识别方法能较准确地识别结构动载荷值及载荷作用部位。     

一种基于最优输出跟踪的多源动态载荷识别方法

基于最优输出跟踪的基本思想,提出了一种时域内多源动态载荷识别的方法。该方法从结构动力响应出发,设计一个最优输出跟踪器并构造性能指标,将载荷识别问题转变为最优输出跟踪问题。通过Adams法求解微分方程,实现了多源动态载荷的识别,并采用L曲线法确定了性能指标中的关键参数。数值算例表明,所述的载荷识别方法能够在响应数据含有噪声的情况下,有效稳定地实现多源动态载荷的重构,具有较强的抗噪能力。     

脉冲风洞短时测力信号的延拓与动态载荷辨识方法

研究了一种可快速辨识脉冲风洞中试验模型所受动态载荷的方法。给出了载荷、系统单位脉冲响应函数、天平输出三者的时域离散化模型,指出后者是前两者线性卷积的截断;将天平短时振荡输出延拓为完整的线性卷积结果,对前两者补零延拓,将上述模型转化为圆周卷积形式,进而通过离散傅里叶变换得到三者的频域离散化模型,求解频域模型得到载荷。通过单自由度系统简单载荷、多自由度系统复杂载荷两个数值模拟算例验证了该方法仅需对测量信号低通滤波即可准确辨识出载荷;经风洞试验,验证了方法的准确性和实用性。     

基于小波有限元法的连续梁移动荷载识别

将待识别车载简化为移动荷载投影到小波空间;车载所作用的连续梁模型以小波尺度函数为插值函数,以小波有限元法为建模方法,并通过单元转换矩阵实现了小波空间向物理空间的变换;采用部分加速度信号作为测得动响应数据,据此积分求出速度与位移响应并用于识别移动荷载。识别方法则借助了动态规划法与正则化法,避免了时程分析中的振荡现象。仿真算例验证了小波有限元用于连续梁模型移动荷载识别的可行性,且单元数较少;识别过程中所用一阶Tikhonov正则化法具有平滑去噪能力。     

轨道随机不平顺影响下高速铁路地基动力分析模型

考虑轨道随机不平顺影响,建立了移动车辆-有砟轨道-路基-层状地基垂向耦合振动解析模型。模型中,将虚拟激励法和解析的波数-频率域法有效结合起来,直接由轨道不平顺的功率谱密度得到准确的动态轮轨力功率谱。将移动列车轴荷载和轨道随机不平顺引起的动态轮轨力考虑为傅里叶级数表示的谐波叠加形式,根据线性系统叠加原理,求得地基动力响应功率谱估计值与时程结果。利用在波数域内直接计算位移频谱、划分合适谐波区间等技术,显著提高了随机振动响应功率谱和时程的计算效率。对比分析了地基表面测点垂向振动加速度时程与频谱的理论计算与现场实测结果,证明了本文模型的合理性。