马新颖

(天津城建设计院有限公司,天津 300122)

桥梁运营模态参数一般通过分析健康监测系统加速度数据获得,大量长期的模态参数是评估桥梁-环境相关性和结构整体性能演化过程的重要基础[2]。传统桥梁监测的加速度数据的分析依靠商业模态分析软件,但是商业软件每次只能分析一次数据,得到一组模态参数。为了获得大量模态参数,模态参数自动识别方法逐渐得到重视,研究最多的是基于稳定图识别的模态参数自动识别[3-6]。

许多研究人员将聚类算法引入稳定图自动识别,如谱系聚类[5]、图论聚类[4]、模糊聚类和层次聚类[3]等,其中谱系聚类、图论聚类和层次聚类虽然从聚类方法属于不同的方法分支,但从识别过程上来说,具有相同的原理,都学要设定合适的阈值来实现聚类,而现有方法基本都采用固定阈值[5,6]。固定阈值通常基于经验获得,实际情况中,不同的结构需要不同的阈值,因此,固定阈值识别得到的模态参数通常不是很准确,要想得到精确的模态参数,必须寻求其它方法。

为解决现有模态参数识别结果的精度问题,本文提出基于两阶段层次聚类的模态参数自动识别及基于箱形图的异常值诊断方法。通过对原始层次聚类方法进行改进,分频率和振型两阶段分别进行聚类,识别稳定轴;然后将基于箱形图的异常值检测算法引入模态参数识别,检测稳定轴数据中的异常值,剔除异常值,得到精确的模态参数识别结果。……