连续梁桥模态参数识别的随机子空间方法

简要介绍了协方差随机子空间方法,在此基础上,采用一等截面连续梁桥作为算例,通过ANSYS程序进行建模分析,对该连续梁桥进行识别,讨论了系统阶次的选择对识别结果的影响。     

基于随机子空间结合稳定图的拱桥模态参数识别方法

为了避免目前常用的结构模态参数识别方法容易出现虚假模态等缺陷,提出了一种将随机子空间法与稳定图法相结合的模态参数识别方法。通过随机子空间法有效地从环境激励的结构响应中获取模态参数,通过稳定图方法确定系统阶次。通过对稳定图方法的改进,避免了虚假模态的出现,进而提高了随机子空间方法的识别精度,并在一钢管混凝土拱桥上对这种新方法进行了验证。结果表明,该方法具有良好的识别效果。     

基于随机子空间识别的损伤试验研究

采用附加质量模拟损伤的方法通过对三层空间钢框架模型模态试验分析,采用随机子空间(SSI)法进行模态参数的识别,并在模拟健康状态和有损伤状态下识别结果与有限元模态分析及经典的特征值实现法(ERA)结果进行多次对比,对比结果表明了随机子空间法识别模态参数的可靠性。依据随机子空间法识别的模态振型,结合模态置信准则损伤判别的方法,进行了损伤的诊断,诊断的结果判断了结构的损伤程度,搜索出了损伤的最不利工况。     

桥梁风洞试验模态参数识别的随机子空间方法

模态参数识别是桥梁风洞试验中的一项重要内容,发展了基于参考点、无需输出协方差估计的识别振动系统模态参数的随机子空间方法,其识别精度和可靠性通过数值算例验证。对状态空间理论中的稳定图作了全面的阐释。根据苏通大桥和苏拉马都大桥主梁三自由度节段模型风洞试验采集到的位移信号,采用随机子空间方法识别了侧弯、竖弯和扭转模态频率和阻尼比,并且与随机搜索方法识别结果进行对比。分析结果表明,随机子空间方法和随机搜索方法识别结果非常吻合,本文发展的随机子空间方法是识别风洞试验桥梁模态参数的一种有效和实用方法。     

基于随机子空间法的系杆拱桥模态测试分析

通过对某座采用顶推法施工的大跨径钢管混凝土系杆拱桥进行模态测试,基于随机子空间法进行模态分析,得到了桥梁结构前6阶振动模态参数;采用桥梁结构分析软件MIDAS建立有限元模型并对桥梁进行模态分析,提取了与实测前6阶模态振型相对应的模态参数。经过比较发现,桥梁实测模态振型、自振频率与理论分析结果相吻合,实测系杆拱桥的动力特性满足要求,同时验证了随机子空间法是桥梁结构模态分析的一种有效方法。     

基于随机子空间的桥梁损伤识别

把基于随机子空间算法的模态参数识别引入到梁桥结构损伤识别中.在环境激励下测试结构完好状态和损伤状态的时程响应,建立离散空间时间状态方程,运用随机子空间方法识别出结构的系统矩阵和属性矩阵,识别结构两种状态下的模态参数,由模态参数构建损伤动力指纹,从而识别桥梁结构的损伤位置和损伤程度.     

车辆荷载作用下简支梁桥动力特性分析及模态参数识别

为研究车辆荷载作用对简支梁桥结构动力性能的影响,对车辆荷载作用下的简支梁桥进行能量分析并采用随机子空间法(SSI)和RDT-STD法对简支梁桥进行模态参数识别研究。分析不同车速激励下的桥梁能量分布情况,对比不同模态参数识别方法的频率、阻尼和振型的识别结果。结果表明:随着车速的增加,简支梁桥的加速度幅值不断增大,能量向高频段偏移,更容易激发结构的高阶模态;随机子空间法(SSI)和RDT-STD法均能有效识别出简支梁桥的竖向频率,SSI法对于简支梁桥频率和阻尼的识别精度高于RDTSTD法,但两种识别方法对阻尼的识别相对误差较大,且存在一定的离散性。     

环境激励下工作模态参数识别

分析了模态参数识别的意义,对环境激励下模态参数识别的方法进行分类叙述,并对目前比较先进的几种方法的原理和特点进行了阐述,指出其各自的适用条件及存在的问题,以促进环境激励下工作模态参数识别的研究。     

紊流风场中桥梁气动导数识别的随机方法

气动导数是大跨桥梁结构颤振和抖振分析的重要依据。本文提出采用随机系统识别方法来识别紊流风场中的气动导数, 与当前应用较广的瞬态激励法及强迫激励法相比, 这类方法的优势在于: (1) 将紊流看作是激励, 而不是噪声, 更能反映结构实际工作状态下的特性; (2) 识别精度不受风速的制约, 可以获得较高折减风速下的气动导数; (3) 可直接在紊流风场中结构随机响应上进行识别, 无需任何人为外在激励, 试验更为简单易行。在风洞中完成了紊流风场中桥梁节段模型测振试验, 进一步利用本文的方法识别出气动导数。与相关文献提供的类似模型在均匀场和紊流场中识别结果的对比表明: 本文识别的气动导数是可靠的, 所提出的采用随机系统识别方法来识别紊流风场中气动导数的思路是可行的。     

环境激励下结构模态参数的识别过程

介绍传统模态参数识别方法,并对其优缺点进行分析;阐述基于环境激励的结构模态参数识别的优点,归纳环境激励下结构物理参数的识别过程.     

随机子空间法参数识别与有限元分析

随机子空间法是近些年来发展起来的一种线性系统识别方法,可以有效地从环境激励的结构反应中获取模态参数。属于时域的方法,这种时域识别方法基于状态空间模型,仅利用结构输出反应,避免了传统的人工识别和迭代过程。它不仅可以识别结构的频率,而且可以识别结构的阻尼和振型。介绍了随机子空间的理论,用该方法对一框架模型进行参数识别,通过与有限元识别结果的比较证明了随机子空间方法不失为一种有效的模态参数识别方法。     

两座高耸结构基于RSV-150激光测振仪的环境振动实测与模态识别

针对一座高23m的特种钢结构与一座高300m的钢筋混凝土电视塔,采用RSV-150超远工作距离激光测振仪,开展了结构在环境激励下的振动实测与模态参数识别。作为一种非接触式的测量方式,激光测振仪具有操作简单、测量便捷等优点。采用了基于随机子空间方法的结构模态识别算法,对实测到的结构速度响应进行了模态分析。分析结果表明,该算法具有精度高、稳定性好的优点,可以有效地获取结构的自振频率与阻尼。选择结构的不同部位作为激光测振的反射点,对实测的自振频率影响不大,结果离散性较小。进行了结构的简化有限元分析,数值模拟获得的模态信息与实测结果之间有较好的对应性,验证了试验方法的可靠性。     

基于运行检测的小波模态参数识别

众所周知结构的运行条件和实验室测试条件明显不同,在实验室中结构的特性可以较为准确的模拟,结构激励是已知的.但是对于正常使用的结构来讲,激励往往是不可测量的,同时大部分情况下是非稳态的.因此基于运行模态的结构分析方法被提了出来,并将它作为传统模态分析的一个补充方法.提出基于运行检测的小波模态参数识别技术,基于小波的模态参数识别是将信号变换到时(频域),这有利于识别结构的动态特征参数频率、阻尼和振型.给出运行情况下结构振动响应数据的小波变换的振幅和相位与特征频率及阻尼之间的关系.提出小波谱分析方法,并用它来识别结构的振型.数值模拟的例子表明,采用小波的识别方法所识别的结果与频域的峰值法和时域的随机子空间方法所识别的相符.     

基于ICA的工作模态参数识别

本文分别阐述了独立分量分析和基于ICA的工作模态分析原理,发现了ICA分离模型与结构振动模态分析模型的一致性。应用ICA算法和比利时LMS公司的OMA分析软件分别对齿轮箱正常和断齿工况进行模态参数识别,对比发现,ICA算法与目前最常用的Op.Poly MAX算法相比抗噪性强,识别简便精准,为工作模态参数识别提供新的识别依据。     

框架结构模态参数识别时域方法的比较研究

通过对4层钢框架模型试验得到环境激励下的位移响应,运用ITD、STD、复指数法、ERA、随机子空间法等5种时域方法来识别结构的模态参数,从而验证了5种方法在结构参数识别中应用的可行性。5种方法对频率的识别比较精准,对阻尼比的识别精度相对较差。通过与试验数据对比,同时对大量数据的处理发现,随机子空间法和ERA法对模态参数的识别最为精准,STD法和复指数法次之,ITD法的识别精度较差。     

连续型子空间分解法在桥梁结构中的应用

介绍了基于连续时间模型的随机子空间分解方法，并将该方法用于桥梁模态识别中。通过与传统随机子空间方法的分析结果进行比较，验证了连续型随机子空间分解方法能够在桥梁健康监测中有效的应用，并具有计算效率高，稳定性好以及能够直接识别模态参数等优点。     

随机减量法识别铁路桥模态参数的试验与研究

以三茂铁路某预应力混凝土简支梁桥为例进行数值模拟,研究墩桥耦合体系的相互影响,利用环境激励的随机减量法(ERA法)获得简支梁桥的模态参数,并与利用聚能力锤激励的频域模态试验结果对比后得出一些结论。     

基于模态参数的结构损伤识别研究进展

结构在长期服役过程中受外界因素的影响,发生老化、腐蚀、疲劳等损伤。因此,结构损伤识别成为工程界和科研界的研究热点。文中系统总结了基于模态参数的结构损伤识别方法的研究进展,着重介绍了基于频率变化、振型变化、曲率模态变化、模态应变能变化、残余力向量变化和传递函数变化等不同类型的损伤识别方法,并对其优缺点进行了对比和分析,并对其未来的发展趋势作了预测,望能为今后的损伤识别技术的研究和应用提供参考。     

破损状态下斜拉桥模态参数的识别

本文以自由交通流作为环境振源对永和斜拉桥动力特性进行测试，对其使用15年后的模态参数进行识别，结果表明，采用本文提出的方法避免了由于禁止车辆通行、采样时间长等问题给环境随机振动测试带来的困难，具有很大的优越性，其测试数据可作为斜拉桥破损状态下的动力指纹，本文提出的方法可为结构在线健康监测提供技术支持。     

基于改进EMD的结构模态参数识别比较研究

为了解决经典经验模态分解(Empirical Mode Decomposition,EMD)分解过程中模态混叠的缺陷,提出了基于频带滤波和相关系数法改进EMD的方法,并与新近提出的EEMD方法进行了比较研究,结果表明改进EMD方法在处理模态混叠效果上要优于EEMD,但EEMD方法则不需要任何先验知识,分解过程完全是自动的。