摘要: |
大型桥梁是国家基础设施建设的一个重要组成部分。在服役期间,桥梁结构通常会遭受各种自然灾害和人为等许多不确定因素的破坏,从而产生不同程度的损伤,加剧桥梁的老化,降低桥梁的承载能力,进而影响其安全运营。因此,通过识别桥梁结构的模态参数,检测其可能存在的损伤,建立起预警及适时维修机制,有助于从根本上消除隐患,避免灾难性事故的发生。
本文以武汉理工大学理工一桥为背景,综合运用有限元、系统辨识、模态参数识别、人工神经网络等理论和方法,从桥梁结构基准理论模型的建立开始,对桥梁的动态特性测试,模态参数识别,结构损伤检测等整个健康监测过程进行了全面系统地研究。本文的主要研究成果和创新点如下:
1、研究建立了理工一桥的空间有限元理论模型。以此模型作为先验模型,对该桥的动力特性进行了研究,掌握了其固有频率和模态振型的变化规律,结果准确可靠,为下一步研究桥梁的运营状态提供了理论基础。
2、利用环境激励测试了理工一桥的动力特性,提出了测试中直接影响测试精度的七个需要注意的问题,并由导纳圆拟合法识别出结构的重要模态参数(固有频率、阻尼比和振型)。
3、研究了基于参考点的随机子空间桥梁模态参数识别方法。该方法直接根据环境激励下测得的输出响应来构建Hankel矩阵,并通过QR分解技术对数据进行精简,再对投影矩阵进行奇异值分解来剔除噪声,最后识别出结构的模态参数。它是一种时域识别算法,不受傅立叶变化的影响,识别速度快,精度高。结果表明:基于参考点的随机子空间法比导纳圆拟合法识别的固有频率更接近理论计算值,在保证测量准确,受误差干扰小的情况下,对阻尼比的识别可信度较高。
4、研究了桥梁结构的有限元模型修正。首先根据环境振动测试法测定的斜拉索索力,对桥梁的有限元模型进行了初次修正。在由拉索基频计算索力时,充分考虑了斜拉索的斜度、垂度、抗弯刚度以及边界条件对索力产生的影响。提出了可将此桥的斜拉索视为刚性拉索,并将计算出的索力值与原设计索力相比较,找到了此桥斜拉索存在的问题。然后,根据随机子空间法识别的模态参数,提出了基于神经网络的有限元模型修正方法。用有限元模型计算的样本训练神经网络,并用识别出的模态参数对神经网络进行检验,使得修正后的模型更接近真实模型,从而验证了该方法的有效性。
5、研究了基于神经网络的桥梁结构损伤识别。首先分析了有限元模型模拟的理工一桥的主梁、主塔和斜拉索受到不同程度的损伤后,其固有频率随弹性模量的变化规律:当弹性模量降低时,主梁的固有频率变化最明显,其次是主塔,最后是斜拉索;而且高阶频率对损伤的敏感程度高于低阶频率。然后通过神经网络对主梁不同部位和不同程度的受损情况进行了准确的定位与识别,识别精度高,误差小。
6、编制了基于参考点的随机子空间桥梁结构模态参数识别软件(BRSMPI),并用此软件对理工一桥的测试数据进行了模态分析。该软件不仅对海量的数据进行了有效地精简,使得识别速度加快,而且模态分析的结果与实测的固有频率十分接近,从而验证了随机子空间法是一种先进的识别算法。
|