APP下载

环境激励下的桥梁结构模态参数识别

2019-03-27

福建质量管理 2019年5期
关键词:频域时域峰值

(重庆交通大学,土木工程学院 重庆 400074)

引言

随着经济的发展,公路运输量和车辆保有量增长迅速,公路桥梁的负荷日益加重,再加上不可避免的环境影响、材料老化及突发事件,严重影响了桥梁的使用寿命和结构安全。中国现有的处于危险状态的桥梁数量已经有几万座,大约占了国内修建桥梁总量的七分之一左右,这类危桥实际负载能力出现明显的不足,已经不能够满足桥梁的正常使用性能。对重要的大型土木工程结构进行服役期内的长期性能监测,有效诊断结构的可能损伤,具有非常重要的意义。

一、基于环境激励的模态识别的优点

1、便捷迅速,经济性强。由于不需要对结构施加人工激励,节省了激励设备的安装、调试等费用,仅需直接测取结构在地震波或地脉动、风载等环境激励下的响应信号就可以识别出结构的模态参数。

2、安全性好。人工激励只能对结构的局部实施,有可能对结构造成损伤。而环境激励能在不损伤结构的情况下对结构进行模态参数识别。

3、不影响结构的正常工作。传统方法在进行实验时,为了实施人工激励、减少干扰,需要中断结构的正常使用。而环境激励下结构的模态参数识别方法仅须测得结构响应信号,不会影响结构的正常运行。

4、环境激励下模态参数识别方法是真正的多输入识别方法,直接从这些结构正常工作中的响应数据识别出的模态参数比传统方法的更符合边界条件和实际情况。

二、模态参数识别方法简述

依据不同识别信号域,基于环境激励的模态参数识别方法可分为两种:频域法和时域法。频域法相对发展较早,它是将测得的时域数据通过傅里叶变换转换到频域内,利用功率谱密度函数进行辨识。由于频域法的物理概念清楚,简单快捷,因此在模态分析中得到广泛地应用。而时域法则直接利用时域内的数据进行辨识,由此可以避免因傅里叶变换所引起的误差,如频率分解、混淆和泄漏现象等,一般能得到较精确的辨识结果所以近几十年来时域模态参数识别法成为了研究者们广泛关注的对象。

(一)峰值拾取法(PPD)。峰值拾取法是依据频率响应函数在振动频率附近会出现峰值才提出的,在未知激励的环境激励下,可用环境振动响应的自功率谱密度函数来代替频率响应函数,这时可通过绘制出的功率谱密度曲线上的峰值来确定结构的固有频率,所以称为峰值法,该方法前提是假设只有一个确定模态在响应功率谱峰值上,从而就可由功率谱的峰值得到系统的固有频率。

峰值拾取法操作简单,识别速度快,在工程和实验上经常使用,但也存在一些不足:峰值常是人为主观拾取的,所以固有频率的识别也具有主观性,有可能峰值处所对应的频率是外界环境激励的优势频率而不是结构的固有频率,而且峰值法对阻尼识别的准确度不是很高,该方法还仅适用于比例阻尼或实模态的结构,对于密集模态还无法识别。

(二)频域分解法(FDD)。频域分解法是一种频域识别方法,它的基础是峰值拾取法。频域分解法的基本原理是[1]:先通过对响应信号的功率谱进行奇异值分解(SVD),然后将功率谱分解为对应多阶模态的下的单自由度系统功率谱的集合,再进行模态识别。该方法识别精度高,抗噪能力强,即使信号中含有强噪声,频域分解法也能很好地识别密集邻近的模态。但是频域分解法仅适用于激励为白噪声,结构的阻尼较小或者当有正交密集模态的情况,它还是和峰值拾取法一样,无法识别出模态参数。

(三)自然激励技术(NEXT)。自然激励技术简称NEXT法,其基本思想是在平稳随机振动信号的激励下,结构两点之间的互相关函数和脉冲响应函数有着相似的表达式,于是自然的可以想到,由互相关函数代替结构的脉冲响应函数可以更加方便快捷的识别结构的模态参数。

NEXT法可利用大地脉动、车辆等自然激励进行模态参数识别,免去了昂贵的激励设备,使得对船舶、大桥、高层建筑、等大型结构物的模态参数识别变得简单,并且识别结果更加符合实际情况,因此这种方法几乎在所有和结构动态分析有关领域得到广泛应用[2]。该方法有一定的抗噪能力,比较适合环境激励下的模态参数识别。

(四)随机减量法。随机减量法是利用平稳随机振动信号的平均值为零的性质,将测试信号分成确定性信号和随机信号两种成分,用样本平均的方法去掉响应中的随机信号,而获得初始激励下的自由响应。因此,随机减量法是从结构随机振动响应信号中提取该结构自由衰减振动信号的一种方法,是为实验模态参数时域识别提供输入数据所进行的预处理。

该方法已成功用于多个工程结构的模态参数识别工作[3],但该方法仅在理论上适合白噪声激励,且有模态丢失的现象存在。

(五)随机子空间方法(SSI)。随机子空间模态识别法是目前较为先进的识别方法,其核心思想是:把“将来输出的行空间投影到“过去”输出的行空间上,投影的结果是保留了“过去”的全部信息,并以此预测“将来”[4]。它直接作用于时域数据,而不必将时域数据转换为相关函数或谱,避免了计算协方差矩阵。

随机子空问法以系统的离散时间状态空间模型为基础,采用白噪声输入,利用白噪声的统计特性进行计算,应用矩阵分解、奇异值分解等来识别离散后的系统状态空间矩阵,进而通过对矩阵特征值、特征向量等的计算,得出结构的模态参数。

(六)时间序列分析方法(TSAM)。时间序列分析法的原理是,首先建立参数模型,通过参数模型分析有序的随机数据,从而识别出系统的模态参数,该方法的关键是建立参数模型。目前常用的模型有:AR自回归模型、MA滑动均值模型和ARMA自回归滑动模型[5],ARMA模型最为常用,该方法是在白噪声前提下进行模态参数识别,依据数学工具最小二乘法求解ARMA模型的自回归系数和滑动系数,进而求得系统的模态参数。时间序列法具有一定的优点,比如分辨率高、识别模态无能量泄露,但该方法使用的前提是假设环境激励为白噪声情况,并且噪声、采样频率对识别的精度影响较大,识别出来的阻尼比精确度不高,而且以确定系统的阶数,所以一般不用时间序列分析法处理较大的数据量。

三、结论

从桥梁上直接监测获得的位移、应变及加速度往往不能直接应用于桥梁结构损伤识别,而基于结构动力特性参数进行损伤诊断的方法目前得到了广泛深入的研究,因此参数识别技术成为桥梁健康监测关键技术中不可缺少的环节。传统模态参数识别方法要求结构输入和输出均是已知的,但对于土木工程结构来说,几乎没有合适的激励能够使结构发生整体振动,即使可以施加理想激励费用也是非常可观的,因此基于环境激励,即仅通过结构输出的振动响应来识别结构的模态参数识别方法成为重要的研究课题。

猜你喜欢

频域时域峰值
“四单”联动打造适龄儿童队前教育峰值体验
基于时域信号的三电平逆变器复合故障诊断
频域稀疏毫米波人体安检成像处理和快速成像稀疏阵列设计
基于极大似然准则与滚动时域估计的自适应UKF算法
宽占空比峰值电流型准PWM/PFM混合控制
基于峰值反馈的电流型PFM控制方法
基于改进Radon-Wigner变换的目标和拖曳式诱饵频域分离
基于时域逆滤波的宽带脉冲声生成技术
一种基于频域的QPSK窄带干扰抑制算法
基于频域伸缩的改进DFT算法