钢筋锈蚀对RC固端梁振动特性的影响

为了揭示钢筋锈蚀对钢筋混凝土（reinforced concrete,简称RC）固端梁振动特性的影响,制作了纵筋直径分别为14 mm和16 mm的2组梁S-14和S-16,每组4片,一共8片。以0%,5%,10%和15%为目标锈蚀率对2组梁开展电化学加速锈蚀试验,基于受迫振动法测试了2组梁的振动特性,分析了交流电和环境振动两个干扰因素对测试准确性的影响,研究了纵筋锈蚀率、直径对RC固端梁振动特性的影响规律,探讨了荷载、截面刚度与频率之间的关联。结果表明：干扰因素对固端梁频率的影响可忽略,但对阻尼比有一定的影响,尤其是环境振动最大可产生43.62%的偏差;随着纵筋锈蚀率的增大,固端梁的频率不断下降,S-14和S-16梁的最大降幅分别达16.89%和8.13%,且纵筋直径越小,频率的降幅和降速越大;2组梁的阻尼比随纵筋锈蚀率的变化规律不一样,从测试结果的可重复性、稳定性和规律性来看,频率均优于阻尼比;随着锈蚀率的增大,固端梁荷载和频率表现出类似的下降规律,两者表现出良好的指数关系,固端梁截面刚度的变化率是其振动频率变化率的2倍。     

基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。