论文部分内容阅读
服役期间的土木工程结构,其在外部环境、工作荷载和极端荷载等因素作用下,不可避免地出现损伤,结构损伤必然会导致结构性能的变化,使得结构系统识别(structural system identification,SSI)成为结构健康监测的重要任务之一。在传统的SSI算法中,结构系统的外部激励需要提前获得。然而,在实际工程结构中安装大量传感器来测量所有激励/输入和响应/输出是非常困难和不现实的。因此,提出一些新的有限输入和输出下的SSI方法是符合实际工程和十分迫切的。为此,本文从模态参数和物理参数识别两方面出发,首先针对未知激励下土木工程结构中存在密集模态响应信号的问题,提出一种未知激励下结构模态参数联合识别方法;其次,针对土木工程结构中获得激励/输入和响应/输出受限的情况,提出一种有限输入输出下结构物理参数识别方法。最后,通过多个数值算例和结构动力试验验证了所提方法的有效性和准确性。本论文的主要研究内容与创新之处如下:(1)从未知激励下的振动响应信号出发,结合随机减量技术、解析模态分解、希尔伯特变换和卡尔曼滤波理论建立一种未知激励下结构模态参数联合识别方法。该方法首先采用随机减量技术将实测的振动响应信号转换成自由振动响应信号;其次,运用解析模态分解理论将转换后的自由振动响应信号分解成各阶独立的模态分量信号;再次,采用希尔伯特变换估计出各阶分量信号的固有频率和模态阻尼比。最后,引入卡尔曼滤波算法对估算出的频率和阻尼比进行滤波和平滑以得到更精确的识别值。通过一个含有密集模态分量的合成信号和一个未知激励作用下剪切型框架结构的动力试验验证了该方法的有效性和准确性。(2)通过扩展卡尔曼粒子滤波(extended Kalman particle filter,EKPF)和最小二乘法(least square,LS)的结合,提出一种有限输入和输出下剪切型框架结构的物理参数识别方法。EKPF-LS的基本原理是通过EKF-LS建立粒子滤波的建议分布函数。在此方法中,引入EKPF来减小扩展卡尔曼滤波(extended Kalman filter,EKF)识别物理参数引起的线性化误差并使其适用于非高斯噪声模型。同时,采用LS算法估计未知激励。通过一个四层剪切型框架在地震激励下的数值算例和一个高斯白噪声和正弦扫频信号分别激励下的四层剪切型框架动力试验验证该方法的有效性和准确性。