详情

原文传递考虑不确定性的大跨度桥梁模态参数自动识别

论文题名：	考虑不确定性的大跨度桥梁模态参数自动识别
关键词：	大跨度桥梁;运营模态分析;自动识别;贝叶斯推理;机器学习
摘要：	大跨度桥梁不断呈现出超大跨与轻柔化特征，对环境激励引起的振动敏感性日趋显著。经过长期运营，大桥主梁与拉索等主要构件的服役性能将发生不同程度退化，导致各类异常振动与结构损伤频发。运营模态分析是大跨度桥梁结构健康监测的重要内容，其为结构振动控制、服役状态评估等提供了关键参数。推进运营模态分析的自动化，实现结构动力性能在线监测，对保障大桥健康运营具有重要意义。然而，由于测试噪声与模型误差等原因，运营模态识别不可避免地具有不确定性，影响了结构动力性能分析结果的可靠性。为提升大跨度桥梁运营模态参数在线监测的精细化水平，本文基于贝叶斯推理与机器学习算法发展了一种考虑不确定性的桥梁模态参数自动识别方法，据此开发了相应的软件，并依托苏通长江大桥和南京栖霞山长江大桥结构健康监测系统（SHMS）实测数据进行了系列验证研究。主要研究内容具体如下：　　（1）基于贝叶斯推理的大跨度桥梁运营模态分析—分离模态。将遗传算法引入快速贝叶斯快速傅里叶变换（FBFFT）方法中搜寻最优参数，并建立渐进估计区间约束参数搜索空间，从而发展了一种大跨度桥梁分离模态参数识别方法。利用数值模型模拟数据验证了所提方法的性能，讨论了识别中渐进估计区间与数据时间长度等参数适宜的取值范围。依托苏通大桥主梁实测加速度数据开展了该桥梁的运营模态参数分析，以验证所提方法在大跨度桥梁分离模态参数识别中的有效性。　　（2）基于贝叶斯推理的大跨度桥梁运营模态分析—密集模态。引入广义FBFFT方法开展大跨度桥梁密集模态参数识别。讨论了数据时间长度、频带宽度等参数对密集模态识别不确定性的影响，并对比分析了分离模态和密集模态的不确定性特征。基于南京栖霞山长江大桥加劲梁实测加速度数据识别了该桥的模态参数，从而验证了广义FBFFT方法在大跨度桥梁密集模态识别中的有效性。　　（3）基于交叉模态置信准则（CMAC）矩阵的贝叶斯模态参数自动识别方法研究。对结构振动数据进行奇异值（SV）分解建立CMAC矩阵，并利用卷积自编码器对其进行重构，据此提取目标模态频率响应区间；在此基础上，采用Kohonen网络对归一化SV序列进行聚类分析，以此判别频响区间内的模态类型；基于上述方法，实现了贝叶斯模态参数识别的自动化。通过数值模拟分析了上述方法中卷积自编码器与Kohonen网络等机器学习模型的工作性能，并验证了所提方法的识别精度与计算效率。　　（4）大跨度桥梁贝叶斯运营模态在线分析软件开发与应用。以贝叶斯模态参数自动识别方法为基础，引入3倍标准差法与广义回归神经网络等方法开展异常监测数据的检测与修复，并根据模态参数变异系数评估识别结果的可靠性，从而建立了面向大跨度桥梁结构健康监测的贝叶斯运营模态在线分析框架，据此开发了相应的模态在线分析软件。基于苏通长江大桥和栖霞山长江大桥SHMS记录的长期加速度数据开展了该软件的应用研究，据此分析讨论了相关桥梁模态参数的演变特征。
作者：	杨朝勇
专业：	建筑与土木工程
导师：	王浩;茅建校;王飞球
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2022