详情

原文传递斜拉桥监测挠度各效应分离与车载效应极值研究

论文题名：	斜拉桥监测挠度各效应分离与车载效应极值研究
关键词：	斜拉桥;健康监测;车载挠度;超载识别
摘要：	大跨径桥梁的动态挠度作为桥梁健康监测的重要指标，在荷载识别、损伤识别、极值分析等领域中具有重要的作用。从动态挠度中通过合理有效的方法挖掘出有效的信息为桥梁健康监测领域研究的热点。但桥梁监测系统采集到的主梁动态挠度为多种作用因素共同产生的总体响应，准确获取各因素单独作用下的主梁挠度更有利于对桥梁各项指标进行评测。因此，本文基于国家自然科学基金资助项目（51408452），以某斜拉桥为背景，分析了实测挠度数据中各效应的组成；提出基于经验小波变换结合快速独立成分分析(Empirical Wavelet Transform-Fast Independent Component Analysis,EWT-FastICA)分解算法分解得到各效应成分；通过车载挠度对重车超载进行识别；并拟合车载挠度的高尾分布，估计了不同年限的最大车载挠度。本文开展工作如下：　　(1)本文通过模拟信号对比分析了信号分解算法经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、变分模态分解(Variational Mode Decomposition,VMD)、经验小波变换(EWT)的分解效果，结果表明EWT算法分解精度和分解速度均优于其它算法。对比研究了基于二阶盲源辨识(Second Order Blind Identification,SOBI)算法与FastICA算法的盲源分离效果，比较结果表明FastICA算法优于SOBI算法。　　(2)运用Midas civil建立某斜拉桥有限元模型，仿真分析得到各作用下的挠度，并将其混合作为待分离的总挠度。分离过程中针对长期挠度与年温差混叠问题，本文提出EWT算法结合FastICA算法，通过EWT自定间隔对傅里叶频谱上年温差和长期挠度部分划分成多个区间并在每个区间内构造相应的小波滤波器，将单通道的挠度信号转化成无虚假模态的一系列线性平稳的本征模态函数(Intrinsic Mode Function,IMF)，最后采用FastICA进行盲源分离。EWT算法将单通道混合信号分解为多通道信号，解决了FastICA算法中盲信号的数量须大于等于源信号数的先决条件。本文运用基于EWT-FastICA算法分别从仿真挠度与实测挠度进行了分离。分离结果证明了该方法的有效性，与EEMD结合改进主成分分析(Principal Component Analysis,PCA)算法对比，证明了该算法具有更高的分解精度和更快的分解速度。　　(3)提出将小波分析临界系数与相邻测点相关系数结合的方法，对超载信号进行了二次识别，通过调取识别时间点的挠度与实际监控录像，证明该方法有效改进了小波临界系数识别超载信号时可能出现误判的局限性。　　(4)分别采用了超阈值均值图法、Hill估计法从采样时长为1个月、3个月、6个月、12个月、35个月的样本数据对广义帕累托分布(Generalized Pareto Distribution,GPD)模型阈值估计，运用GPD模型拟合了某斜拉桥基于北斗健康监测系统实测车载挠度数据的高尾分布，采用两种不同方法进行极值外推，估算了各年限可能出现的最大挠度。
作者：	姚欢
专业：	土木工程
导师：	涂建维;谭冬梅
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2021