论文部分内容阅读
桥梁结构的模态参数识别和有限元模型修正均是大跨度桥梁结构健康监测领域的主要研究热点,准确识别结构模态参数、修正对应的有限元模型可为桥梁结构状态评估、损伤识别及养护维修奠定基础,为同类桥梁的合理设计、施工及养护等提供参考。本文以润扬悬索桥为工程背景,紧紧围绕大跨度悬索桥模态参数识别和有限元模型修正两个热点问题,利用该桥结构健康监测系统(SHMS)实测的台风期间风数据及结构振动数据,开展基于SHMS的大跨度悬索桥模态参数识别及有限元模型修正研究。主要研究内容包括：(1)润扬悬索桥桥址区实测台风非平稳风特性分析。依托于该桥SHMS记录的实测风速、风向数据,以“麦莎”和“韦帕”台风为研究对象,分别基于平稳和非平稳风速模型得到了对应的平均风速、紊流强度、紊流积分尺度和紊流功率谱密度等风特性,并将两种模型的计算结果进行对比。研究结果表明,台风期间实测风速表现出明显的非平稳特性,此时非平稳风速模型在刻画风特性时具有更好的适用性。(2)基于三类典型方法的大跨度悬索桥模态参数识别对比研究。利用润扬悬索桥SHMS采集的台风期间的主梁振动数据,分别采用平均正则化功率谱方法(ANPSD)、随机子空间法(SSI)和希尔伯特黄变换法(HHT)识别大桥主梁模态参数,并将识别结果进行对比分析,以评判三种方法对该桥进行模态参数识别的适用性。研究结果表明,台风期间主梁实测加速度响应表现出明显的非平稳特性,HHT方法适用于非平稳信号的处理,且就本案例而言,基于该方法识别的模态参数更为准确。因而,选用HHT方法作为后续研究中模态参数识别的主要方法。(3)大跨度悬索桥模态参数与监测环境因素的关系模型研究。在已获得台风期间润扬悬索桥主梁模态参数和相应风速、温度的基础上,利用非线性主成分分析(NLPCA)对其进行预处理,从而建立了环境主成分与模态参数间的人工神经网络模型,并分析了实测模态参数与人工神经网络拟合值之间残差的分布模式,以验证该人工神经网络模型的准确性。最后,依据该人工神经网络非线性预测模型,得到消除环境因素影响的模态参数。研究结果为润扬悬索桥有限元模型修正奠定了基础。(4)基于相关向量机-马尔可夫链蒙特卡洛模拟(RVM-MCMC)方法的大跨度悬索桥有限元模型修正。在润扬悬索桥初始有限元模型的基础上,利用拉丁超立方抽样得到试验样本,并利用基于稀疏贝叶斯理论的相关向量机回归算法得到该桥的动力响应面模型。结合大桥SHMS和现场实测得到的结构模态参数,基于MCMC方法对该桥初始有限元模型进行修正,通过模型修正前后计算与实测结果的对比,验证了该模型修正方法的可靠性。研究结果可为类似大跨度桥梁的有限元模型修正及损伤识别提供参考。