环境激励下大型桥梁模态参数识别的一种方法
2012-09-17秦世强蒲黔辉
秦世强,蒲黔辉,施 洲
(西南交通大学 土木工程学院,成都 610031)
模态参数识别是桥梁健康监测的重要组成部分,准确的识别模态参数,是进行有限元模型修正、结构损伤识别以及性能评定的前提。桥梁模态参数识别是指通过测得的动力响应,识别桥梁的固有振动频率、阻尼比和振型的过程。环境激励下的模态参数识别由于不需要外部激励设备且不影响正常交通,已经成为大型桥梁模态参数识别的主要方法。目前常用的方法有频域法、时域法和时频分析法[1]。
经验模态分解(Empirical mode decomposition,EMD)是由Huang等人提出的一种适用于非平稳、非线性信号分解的方法,将多成分的复杂信号分解成一系列的单成分的本征模态函数(IMF),突破了以傅里叶变换为基础的稳态分析;随机子空间识别(Stochastic subspace identification,SSI)是一种环境激励下结构模态参数识别的方法,由于只需要确定系统的阶次,且不涉及迭代和收敛性问题,因此受到广泛的关注。文献[2] 利用EMD结合随机减量技术识别了青马桥的模态参数,并验证了EMD在非平稳信号模态参数识别中的优势;文献[3] 利用HHT提取信号的瞬时特性,再结合自然激励技术识别结构模态参数;文献[4] 和文献[5] 研究了随机子空间方法在结构模态参数识别中的应用,并探讨了其系统阶次的确定、虚假模态等问题。大型桥梁自振频率低、模态密集,加之测试过程中的噪声影响,在EMD过程中往往会出现模态混叠;单纯的利用SSI方法识别模态参数又存在虚假模态的问题,因此尝试从解决这两个问题的角度出发,引入屏蔽信号以消除EMD中的模态混叠,将原始信号分解成一系列只包含结构某一阶固有振动信息的IMF,然后再利用SSI识别桥梁的模态参数。……
