论文部分内容阅读
桥梁结构健康监测对于桥梁结构的正常使用以及人民生命财产的安全具有重大意义。GPS监测是桥梁健康监测的重要手段。随着GPS技术的发展,目前已经能够实现实时动态监测功能。因此,GPS监测信号隐含了更加丰富的结构健康信息有待挖掘。本文以鹤洞大桥健康监测系统为依托,以GPS监测信号为对象,以识别桥梁结构的自振频率为目的,展开以下研究工作:(1)信号分解方法。改进HHT方法(课题组前期研究成果)采用具有预测性的Kriging拟合代替三次样条拟合技术进行HHT分解,能有效的改善HHT方法存在的端点效应和模态混叠现象。但HHT分解效果很大程度上取决于Kriging拟合过程中相关模型参数?的初始取值。为此,本文采用寻优能力较强的粒子群算法(PSO)对参数?的取值进行寻优,通过寻优过程消除参数?初始取值对改进HHT分析效果的影响。对正弦、时变Chirp叠加信号进行分析,结果表明,增加参数?优化过程的改进HHT方法(以下简称优化K-HHT,其EMD过程称为优化K-EMD过程)分解出更趋于实际情况的IMF分量(固有模态函数),并且能够有效的控制HHT方法的端点效应问题。(2)信号趋势项的分离。要从GPS信号中识别出结构的自振频率,必须分离GPS信号中的多路径效应和荷载作用下的结构位移,即GPS信号的趋势项。采用最小二乘法、小波变换、优化K-HHT分离数字仿真信号中的趋势项。以剔除趋势前后信号的方差、均值、相关系数以及分离的趋势与真值的均方根误差为评价指标,对比三种方法对趋势项的分离效果。结果表明优化K-HHT效果最佳。(3)信号降噪处理。以均方根误差、归一化绝对误差、信噪比以及系统平均偏差作为评价指标,对比优化K-HHT方法、小波变换、优化K-HHT-Wavelet三种方法的降噪效果。仿真算例表明,优化K-HHT-Wavelet方法对非平稳信号降噪的效果要优于其他两种方法,并且降噪后的信号曲线更加平滑。(4)基于上述成果分析鹤洞大桥GPS监测信号。首先用优化K-HHT分离趋势项,然后利用优化K-HHT-Wavelet方法进行降噪,获得鹤洞大桥振动位移时程,从而识别出桥梁的自振频率。该频率与理论计算值及加速度时程分析结果非常接近。