Long Term Operational Modal Parameter Identification of Long Span Cable Stayed Bridge.pdf

1、近幾十年來，隨著結構健康監(jiān)測技術的發(fā)展，對大型結構尤其是大跨斜拉橋進行有效的健康監(jiān)測的需求變得日益迫切。為實現(xiàn)監(jiān)測目的，需要在大型結構上安裝各種復雜的傳感器，并連續(xù)采集海量的結構響應數(shù)據(jù)。然而，這些海量數(shù)據(jù)通常只是被簡單地儲存起來，并未得到深入分析和有效利用。從海量數(shù)據(jù)中，將傳感器缺陷、故障或異常等原因導致的異常數(shù)據(jù)與正常測試數(shù)據(jù)進行分離，對數(shù)據(jù)進行分析并精確識別結構模態(tài)參數(shù)，這些工作對結構健康監(jiān)測來說至關重要。因此，引入可快速從海量數(shù)

2、據(jù)中探尋數(shù)據(jù)隱含趨勢的數(shù)據(jù)解釋技術，以實現(xiàn)數(shù)據(jù)的篩分，是本文的研究重點之一。就長期連續(xù)監(jiān)測而言，快速準確地從原始測試數(shù)據(jù)中診斷異常數(shù)據(jù)，確保識別結果的可靠性是至關重要的。因此，本文采用以EDA為核心的數(shù)據(jù)解釋技術，實現(xiàn)對海量數(shù)據(jù)的快速可視化及異常診斷，結果表明該方法在大型結構連續(xù)監(jiān)測數(shù)據(jù)處理方面是行之有效的。隨后，采用有限脈沖響應(Finite Impulse Response，F(xiàn)IR)和無限脈沖響應(Infinite Impulse

3、Response，IIR)濾波器作為數(shù)據(jù)預處理方法，進一步對異常數(shù)據(jù)進行剔除，但該方法僅被用于大型結構的離線健康監(jiān)測，而不適用于結構在線監(jiān)測。
　　論文第二部分內容為信號處理。安裝在大跨度橋梁上的傳感器采集到的信號通常是非平穩(wěn)、非線性、且包含噪聲的，從此類信號中準確地提取出結構信息是一項嚴峻的挑戰(zhàn)。具有高魯棒性的信號自適應分解重構技術為上述問題提供了可行的解決方案。為了有效消除測試噪聲的干擾，本文提出了一種新的改進集合經(jīng)驗模態(tài)分解

4、(mprovedEnsemble Empirical Mode Decomposition，IEEMD)方法，實現(xiàn)了大跨度橋梁運營模態(tài)參數(shù)的準確識別。
　　論文第三部分對離線模態(tài)參數(shù)精確識別方法進行了研究。討論了不同矩陣行塊數(shù)和系統(tǒng)階次對識別結果的影響，并繪制穩(wěn)定圖以識別系統(tǒng)的真實模態(tài)，最終獲得了某斜拉橋的最佳識別結果。隨后，采用離線協(xié)方差驅動的隨機子空間識別方法，分別對原始未預處理的數(shù)據(jù)和經(jīng)數(shù)據(jù)解釋、IIR濾波和IEEMD降噪處

5、理后的數(shù)據(jù)進行識別，并將不同數(shù)據(jù)對應的穩(wěn)定圖進行了對比。
　　論文的最后，將協(xié)方差遞歸隨機子空間識別(Covariance Driven Stochastic SubspaceIdentification，CO-RSSI)與滑窗技術(Sliding Window Technique，SWT)和延伸工具變量-投影近似子空間跟蹤算法(Extended Instrumental Variable Projection Approxima