環(huán)境激勵下大跨空間鋼結構參數(shù)識別與損傷預警.pdf_第1頁
已閱讀1頁,還剩166頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著國民經(jīng)濟的不斷發(fā)展以及建筑科學技術水平的不斷提高,各種造型獨特、結構復雜的大跨度空間結構不斷涌現(xiàn),以往多應用于橋梁結構上的健康監(jiān)測技術也逐步地在大跨空間結構中得到應用。參數(shù)識別和損傷預警是健康監(jiān)測的核心技術。環(huán)境激勵下存在測試數(shù)據(jù)的信噪比低、結構響應受外界環(huán)境因素的影響等問題,這些問題導致一些算法雖然在數(shù)值或實驗室模型中有效,但卻很難直接應用到實際工程中。本文以國家游泳中心水立方結構健康安全監(jiān)測項目為工程依托,圍繞實際工程健康監(jiān)測中

2、的參數(shù)識別及損傷預警相關問題展開研究,主要研究內(nèi)容如下:
  (1)研究加速度傳感器的優(yōu)化布置方法。針對大跨空間鋼結構的振動特點,研究基于模態(tài)能量和分步優(yōu)化的傳感器布置方法。根據(jù)結構模態(tài)應變能的大小挑選出環(huán)境激勵下結構的主要貢獻模態(tài),即優(yōu)化時所取的監(jiān)控模態(tài)。根據(jù)模態(tài)振型形狀、特征向量乘積以及模態(tài)置信度,采用分步法進行傳感器優(yōu)化布置。以國家游泳中心鋼結構為工程背景,對其模態(tài)測試時加速度傳感器布點進行優(yōu)化。
  (2)研究結構健

3、康監(jiān)測加速度信號的降噪方法。分析有用信號與噪聲的模極大值特點,針對小波降噪中分解層數(shù)以及奇異值降噪中重構階次難以確定的問題,研究一種分解層數(shù)以及重構階次的自適應確定法。用數(shù)值模擬信號以及實測數(shù)據(jù)對所提方法進行驗證。
  (3)研究基于小波變換的模態(tài)參數(shù)識別技術以及模態(tài)變異性。針對大跨空間結構具有低頻密集模態(tài)以及難以實現(xiàn)用力錘或激振器來激勵等特點,研究自然激勵法與小波變換相結合的模態(tài)參數(shù)識別方法。分析母小波參數(shù)的選擇對識別精度的影響

4、,研究基于遺傳算法和最小標準差的小波中心頻率及帶寬的自適應選擇方法。通過數(shù)值仿真以及國家游泳中心現(xiàn)場實測數(shù)據(jù)的分析,驗證所提方法的有效性。在此基礎上進一步分析模態(tài)參數(shù)的環(huán)境變異性。
  (4)研究考慮不確定性的模型修正方法。針對用于模型修正的模態(tài)參數(shù)具有不確定性的特點,以及大型復雜結構模型修正時計算量大的問題,研究基于區(qū)間理論和多輸出支持向量回歸機的有限元模型修正方法。利用區(qū)間分析法來描述參數(shù)的不確定性,用均勻實驗設計方法構造樣本

5、,將實測模態(tài)參數(shù)作為輸入,多個設計參數(shù)作為輸出,以支持向量回歸機逼近輸入輸出二者之間的非線性映射關系,然后利用支持向量回歸機的泛化推廣能力,求解設計參數(shù)的目標值,為有限元模型修正提供一種新的探索。利用所提方法對國家游泳中心鋼結構模型進行修正。
  (5)研究運營條件下結構損傷預警方法。研究基于脈沖響應函數(shù)和統(tǒng)計判別的損傷預警方法,首先通過虛擬激勵技術提取環(huán)境激勵下結構脈沖響應,然后以脈沖響應作為敏感指標,綜合運用主成分分析、支持向

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論