一种基于微波雷达装置的桥梁分块冲击振动检测方法及检测装置与流程

本发明涉及微波干涉测量技术与桥梁健康监测领域，特别的是涉及一种桥梁结构分块振动测试的检测方法及检测装置。
背景技术：
：中国目前正处于新型城镇化和工业化快速发展时期，基础建设投资以占国民生产总值约15％-20％的比例稳步上升，大批重大基础设施已完成或正在建设。另一方面，我国目前危桥超过9万座。在2007-2012年内，全国共有37座桥梁垮塌，其中13座在建桥梁发生事故，共致使182人丧生，177人受伤。平均每年有7.4座“夺命桥”，即平均不到两个月就会有一起事故发生。仅“十一五”期间，每年需要检测维修的桥梁数量，约占公路路网桥梁总数的15％，尤其是2006、2007两年统计农村公路后，危桥的数量及其所占比例均有大幅上升。国家桥梁维护诊断市场巨大，但传统方法以人工为主费工费时的现状，迫切需要简便快捷的桥梁快速评估方法。结构健康监测技术在经过近三十年的发展后已逐渐应用到众多土木工程结构的安全诊断与日常维护中。环境振动测试为现有结构健康监测的主要手段，它利用风荷载和车流等自然条件激励桥梁，相对于人工激振测试具有操作方便的优点，但是由于土木结构的复杂性和观测数据的不完备性等挑战性问题的存在，现有环境振动测试方法主要输出频率和振型等结构基本参数，还无法直接支持桥梁维护与管理决策。冲击振动测试在国内外也有一定程度的应用，但是现有冲击振动装置笨重或功能有限，导致现场测试成本高、桥梁关闭通车时间长。相比于定期检测方法的费力费时和结构健康监测技术的费用昂贵，近年来国内外学者已提出了多种基于移动车辆的桥梁快速测试方法，通过在车辆上安装加速度计并采集其在桥面上行驶时的加速度数据来识别桥梁频率等基本参数，以及可对桥梁进行敲击扫描的车辆并通过观测车辆反应来识别桥梁损伤。上述方法方便快捷，但它们依靠对桥梁的间接测量进行分析，仅能识别桥梁频率和振型等基本参数和进行初步的损伤识别。基于以上考虑，基于冲击振动的桥梁无参考点分块振动测试方法，结合桥梁智能诊断车的运用，在实现桥梁方便快捷测试的同时弥补传统冲击振动测试方法的不足，充分发挥冲击振动的根本优势，真正实现结构参数的全面识别和性能的有效评估。但是传统冲击振动测试中传感器常布置于整个桥面，导致需求传感器数目多、数据传输用导线长、施工时间长、测试成本昂贵；此外，桥梁智能诊断车自传感系统具有局限性，只能覆盖桥梁的局部区域。在传统分块振动测试中，其算法仅考虑了最小势能原理，可求解结构的低阶模态。但由于势能对模态阶数的收敛性，导致结构的高阶模态识别不准确。同时由于算法为枚举法，会造成在情况数较多时，计算效率低下，甚至无法计算。技术实现要素：针对上述现有方法与技术存在的不足，本发明要提供一种适用于桥梁分块冲击振动检测方法及微波雷达检测装置，从而实现桥梁的低成本、高效率结构性能监测和评估。为解决上述技术问题，本发明采用的技术方案是：一种基于微波雷达装置的桥梁分块冲击振动检测方法，其特征在于，步骤为：步骤一、将桥梁划分为m(m≥2)的子结构，并在每个子结构上设置一个或多个的冲击力输入点和全部位移输出点；步骤二、依次在桥梁分块子结构上的冲击力输入点上作用于冲击力，同步采用微波雷达设备采集子结构位移输出节点由冲击力输入节点的冲击力引起的位移时程数据；步骤三、求子结构频响函数H1(ω)，H2(ω)，…，Hm(ω)：分别对各子结构采集的输入节点冲击力和微波雷达采集的位移输出点位移时程数据进行信号处理，再采用任一频响函数估计算法估计各子结构的位移频响函数；步骤四、根据各子结构的频响函数，识别各子结构的模态参数：分别对各个子结构估计的频响函数H1(ω)，H2(ω)，…，Hm(ω)采用模态参数CMIF识别法做模态参数识别，获得各子结构的模态参数：系统极点模态缩放系数位移模态振型和振型参与系数其中，上标s为子结构标号(s＝1,2,…,m)；下标r为识别子结构的模态阶数(r＝1,2,…,n)；步骤五、构建结构的MAC矩阵，识别各子结构前阶模态振型方向系数；步骤六、采用自适应遗传算法，识别各子结构全部n阶的模态振型方向系数；步骤七、全结构的柔度矩阵计算和挠度预测：在求取各子结构的模态振型方向系数后，根据子结构振型组合公式获得整体结构的模态振型；进一步根据柔度计算公式计算得出用于预测桥梁挠度的整体结构的柔度矩阵。所述步骤五的具体方法为：设置变量DiffMAC，对应的子结构融合成全结构工况数为2(m-1)k，筛选出DiffMAC最小值对应的工况：DiffMAC=||MAC|-Πi=1kMACii|---(1)]]>式中，MAC是振型矩阵阵列空间的度量特性，MACij为各工况的第i阶位移模态振型与第j阶位移模态振型之间的夹角余弦，{φi}为各工况的第i阶位移模态振型，{φj}为各工况的第j阶位移模态振型)；|MAC|为MAC矩阵行列式的值；为MAC矩阵对角线元素的值；进一步计算MAC矩阵筛选的工况对应的势能值，对应的工况数为2m-1，势能最小者即为全结构前k阶对应的正确振型。所述步骤六的具体方法为：a、随机生成代表子结构模态振型方向系数的染色体：X＝{x11x12…x1nx21x22…x2n…xm1xm2…x(m-1)n}1×(m-1)n(2)式中，xsr中的下标s为子结构的标号，目标子结构除外(s＝1,2,…,m-1)；下标r代表各子结构的模态阶数(r＝1,2,…,n)；种群数S的选取根据子结构划分个数m和子结构的模态阶数n的大小所决定，取50～200；b、根据结构的MAC矩阵识别结构前k阶位移模态振型方向系数结果，修改随机生成的染色体的前(m-1)k个元素的值，修改后的染色体示为：c、适应度值计算并进行判别，选取最大适应度值存储到全局最优解；F(x)＝max(-(1-p)Πp)(4)式中，p为惩罚函数，为各工况计算的MAC矩阵中非对角线元素的最大值；pc为惩罚因子(pc＝10)；d、进一步进行轮盘赌选择操作，设置选择因子PS∈(0.7-0.9)，进入选择池的基因进行下一步的交叉和变异：交叉概率Pc和变异概率Pm的大小为：Pc=Pc1-Pc1-Pc2Fmax-F‾(F′-F‾),F′≥F‾Pc1,F′<F‾---(5)]]>Pm=Pm1-Pm1-Pm2Fmax-F‾(F-F‾),F≥F‾Pc1,F<F‾---(6)]]>式中，Pc1为交叉概率的上限值；Pc2为交叉概率的下限值；Pm1为变异概率的上限值；Pm2为变异概率的下限值；Fmax为种群中个体适应度的最大值；F为每代种群的平均适应度值；F′为要交叉的两个个体中较大的适应度值；F为要变异个体的适应度值；e、变异完毕后根据公式4计算变异后新基因的适应度值并进行判别，若其大于目前全局最优解则替代，若小于全局最优解则放入种群池中进入下一步的迭代。所述交叉因子的上限值为0.9，交叉因子的下限值为0.7；所述变异因子上限值为0.2，变异因子的下限值为0.001。所述子结构位移输出节点的位移时程数据由微波雷达系统进行测量。一种桥梁分块冲击振动微波雷达检测装置，包括冲击振动装置、微波雷达系统以及数据处理单元，所述数据处理单元采用上述桥梁分块冲击振动检测方法，对所述冲击振动装置作用在桥梁上的冲击力和所述微波雷达系统采集位的位移时程数据进行处理，得出用于预测桥梁挠度的整体结构的柔度矩阵。所述微波雷达系统包括：接收天线、发射天线、发射机、接收机、信号处理机、电子磁罗盘、GPS模块、激光指示器以及激光测距机，所述信号处理机主要用于处理所述发射机发出的微波信号和接收机接收的微波信号混频后的零中频信号，得出所需的位移时程信号。本发明微波雷达系统能高精度、多点远距离实时监测桥梁结构的微振动，并进行桥梁结构挠度预测，有效融入桥梁分块振动测试性能评估系统；本发明桥梁结构分块冲击振动检测方法，采用无参考点优化算法能有效解决传统分块振动测试高阶精度差和计算效率低下的问题，能切实实现低成本、高精度，以及高效率的桥梁结构健康性能的快速测试评估。有益效果1、本发明提供的一种适用于桥梁分块冲击振动测试的微波雷达，在桥梁日常健康监测和评估阶段实现了快速、高效的监测，弥补了传统桥梁健康监测的不足以及传统桥梁结构分块振动测试的缺陷。2、本发明中的微波雷达测桥梁微位移的方法，较传统监测桥梁传感器相比大大减少了所需传感器数目，并且测试中不需要封闭交通，能切实实现桥梁结构微振动的快速测试。3、本发明中的考虑结构MAC矩阵桥梁分块冲击振动测试的子结构模态振型方向系数识别法较传统的桥梁结构分块冲击振动测试无参考点判别法，提高了结构高阶模态识别的精度。4、本发明中的桥梁结构分块冲击振动测试的子结构模态振型方向自适应遗传算法识别法，较传统的桥梁结构分块冲击振动测试无参考点判别方法(枚举法)，能精确、高效求取各子结构全部模态振型，从而快速识别桥梁结构的模态参数和模态柔度，并进行挠度预测，大大提高了计算效率，能切实实现高效、快速的桥梁结构性能评估。附图说明图1为微波雷达测实桥示意图；图2为本发明实施例中桥梁结构子结构划分示意图；图3为本发明实施例中冲击力输入节点9的冲击力图；图4为本发明实施例中位移输出节点9的位移时程图；图5为本发明实施例中桥梁结构识别MAC矩阵图；图6为本发明实施例中自适应遗传算法进化图，其中(a)为识别12阶，(b)为识别15阶；图7为本发明实施例中融合子结构的结构前16阶振型对比图；图8为本发明实施例中桥梁结构的柔度矩阵图；图9为本发明实施例中桥梁结构在静载作用下的挠度预测图。具体实施方式：为了更好的理解本发明，下面结合附图，对本发明的技术方案进行详细的说明。本发明首先对桥梁进行无参考点分块冲击，利用微波雷达设备采集桥梁测试点的位移时程数据，根据微波雷达设备采集的各子结构位移时程数据和冲击力输入节点的冲击力，进行子结构的频响函数估计和各子结构的模态参数识别。在桥梁结构健康监测中，要实现的目的为全结构的监测和输出，为进一步融合各子结构，需对其求取的子结构模态振型进行缩放调整和模态振型方向系数的判别。根据上述发明背景中所述的传统桥梁结构分块冲击振动测试子结构模态振型方向系数判别方法，其仅考虑了最小势能原理，可求解结构的低阶模态。但由于势能对模态阶数的收敛性，导致结构的高阶模态识别不准确。同时由于算法为枚举法，会造成在情况数较多时，计算效率低下，甚至无法计算。因此，本发明提供了考虑桥梁结构的MAC矩阵进行结构低阶模态振型识别，再者利用自适应遗传算法识别结构的全部模态振型，从而求出结构的柔度矩阵并进行挠度预测，实现完整桥梁的快速监测与评估。基于上述过程本发明共包含三个部分。一、桥梁结构分块冲击振动测试的子结构模态振型方向MAC矩阵识别法桥梁结构分块振动测试虽解决了传统冲击振动装置笨重或功能有限，导致现场测试成本高、桥梁关闭通车时间长的问题。但传统桥梁结构分块冲击振动测试子结构模态振型方向系数判别方法，由于势能对模态阶数的收敛性，其仅考虑了最小势能原理可导致结构的高阶模态识别不准确，从而造成与传统费时费力监测方法的精度降低问题。为实现桥梁结构的低成本、高精度结构性能监测和评估，解决传统桥梁结构分块冲击振动测试算法的不足。故本发明提出了考虑结构MAC矩阵识别子结构模态振型方向判别算法。其具体内容为：作为评价结构模态向量正交性的工具，MAC矩阵是振型矩阵阵列空间的度量特性。其具体表达式为：MACij=({φi}T{φj})2({φi}T{φi})({φi}T{φj})---(1)]]>式中，MACij为各工况的第i阶位移模态振型与第j阶位移模态振型之间的夹角余弦；{φi}为各工况的第i阶模态向量；{φj}为各工况的第j阶模态向量；在MAC矩阵中，每一阶振型的贡献值相同，即高阶振型、低阶振型灵敏度一样，从而可有效弥补在最小势能原理中，高阶模态灵敏度较弱的缺陷。全结构划分为m个子结构，各子结构的模态阶数为n阶，则存在2(m-1)n个振型组合方案，根据上式(1)可知，MAC矩阵的非对角元素MACij越接近于零，MAC矩阵行列式的值越接近对角元素的乘积。因此，设置变量DiffMAC为DiffMAC=||MAC|-Πi=1kMACii|---(2)]]>式中，|MAC|为MAC矩阵行列式的值；为MAC矩阵对角线元素的值。在2(m-1)n个工况数中，对应2(m-1)n个DiffMAC值，则DiffMAC的最小值min(DiffMAC)对应的振型即为目标振型，或与目标振型完全相反的振型。为进一步从min(DiffMAC)判别的组合中判别出正确目标振型，则进一步结合最小势能原理进行判别。用任意一种振型方向调整系数组合得到的柔度矩阵F，可以预测结构在任意节点荷载向量f作用下的结构位移向量u，即F=Σr=1n(φr(φr)TQr-λr+φr*(φr*)TQr*-λr*)---(3)]]>u＝Ff(4)由此，不同方向系数的组合在同一个荷载向量f作用下也将得到不同的位移向量u。根据最小势能原理，发生在结构上的真实位移u将使系统的势能取极小值。所以正确的振型组合对应的变形是结构在该荷载工况下的真实位移能使得结构的势能取最小值。也就是可以计算在某种荷载工况下经MAC矩阵判别后的振型组合的势能，势能最小对应的振型组合就是正确的振型组合。对离散的弹性体，势能按下式计算，Πp=12uTKu-uTf---(5)]]>式中，K为整体结构的刚度矩阵，对实际结构来说是未知量，所以由上式还无法直接计算结构的势能。将公式4代入公式5，并考虑位移柔度矩阵是对称矩阵，且是刚度矩阵的逆矩阵，结合公式3可以得到下式Πp=-12fT[Σr=1m(φr(φr)TQr-λr+φr*(φr*)TQr*-λr*)]f---(6)]]>由于土木工程结构大多为小阻尼结构，识别的振型均为实振型，所以上式可以化简如下，Πp=-12fT[Σr=1mφr(φr)T(Qr-λr+Qr*-λr*)]f=-12Σr=1m[fTφr(φr)Tf(Qr-λr+Qr*-λr*)]---(7)]]>上式中，fTφr和(φr)Tf均为一个数且相等，所以上式可以化简为，Πp=-12Σr=1m[(fTφr)2(Qr-λr+Qr*-λr*)]---(8)]]>上式中的荷载列向量f为作用在整个结构的上的各节点的荷载(如果某些节点未作用荷载，该荷载向量在该节点处对应的值可取为0)。将荷载向量f按子结构的分块方案形式可以写为下式，f=f1f2···fm---(9)]]>式中，f1为作用在子结构1上的荷载列向量；f2为作用在子结构2上的荷载列向量；fm为作用在子结构m上的荷载列向量。根据势能最小原理可知正确的振型计算的位移为结构真实位移使结构的势能最小，因此对势能从小到大进行排序，势能最小者所对应的所有子结构的所有阶振型组合方案即为正确的振型组合方案，由此可以确定方向系数的取值。二、桥梁结构分块冲击振动测试的子结构模态振型方向自适应遗传算法识别法根据上述所述的考虑结构MAC矩阵桥梁分块冲击振动测试的子结构模态振型方向系数识别法可知，该方法属于枚举法，特别是在子结构划分较多，即m较大，以及结构模态阶数较高，即n较大时，容易出现情况数太多，从而导致计算效率低下。虽计算精度提高，但并没有有效解决桥梁结构快速健康评估的问题。故本发明提出了桥梁结构分块冲击振动测试自适应遗传算法识别子结构模态振型方向的方法。其具体为：在子结构模态参数融合中，针对子结构划分较多，求解模态阶数较高时，考虑结构MAC矩阵桥梁分块冲击振动测试的子结构模态振型方向系数识别法计算效率低下的问题，借鉴遗传算法(GeneticAlgorithm)即一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法。其主要思想是模仿生物系统中对基因的操作：复制、交叉以及变异等来生成一个问题的最优解。从而可将各子结构振型方向系数的取值问题转化为求解在不同振型方向系数工况组合的结构势能搜索正确振型对应最小势能的问题。因此，基于自适应遗传算法，子结构模态参数融合优化模型为：以不同振型方向系数取值对应的结构势能为目标函数，以结构势能最小为优化目标，即minΠp=min(-12Σr=1m{[(f1)Tφr1+(f2)Tφr2Qr2Qr1ηr2+...+(fm)TφrmQrmQr1ηrm]2(Qr1-λr+Qr1*-λr*)})---(10)]]>式中，ηr为子结构第r阶振型方向调整系数。在考虑结构MAC矩阵桥梁分块冲击振动测试的子结构模态振型方向系数识别法中，结合考虑了MAC矩阵和最小势能原理进行判别。故在自适应遗传算法中，采用罚函数的形式考虑结构的MAC矩阵，作为评价个体的优良程度，适应度函数采用的公式为：F(x)＝max(-(1-p)Πp)(11)式中，p为惩罚函数，max(MACi≠j)为各工况计算的MAC矩阵中非对角线元素的最大值；pc为惩罚因子(pc＝10)；同时，考虑到算法的计算效率和本发明的实施目的，针对以不同振型方向系数为优化变量，随机选取基因的二进制编码方案，本发明提出了根据结构MAC矩阵对结构前k阶振型方向系数进行判别，进而可将判别的正确振型方向系数导入遗传算法的编码基因中，从而可有效减少种群大小和种群数量，达到提高计算效率的目的。具体为：令x表示振型方向系数ηr，存在x=ηr=-11---(12)]]>则针对本问题可直接利用变量x进行编码，即X＝{x11x12…x1nx21x22…x2n…xm1xm2…x(m-1)n}1×(m-1)n(13)式中，xsr中的下标s为子结构的标号，目标子结构除外，s＝1,2,…,m-1；下标r代表各子结构的模态阶数，r＝1,2,…,n；修改后的基因表示为：同时，考虑到算法的收敛性和搜索精度，本方法提出了自适应策略根据种群实际情况随机调整交叉概率Pc和变异概率Pm的大小。即Pc=Pc1-Pc1-Pc2Fmax-F‾(F′-F‾),F′≥F‾Pc1,F′<F‾---(5)]]>Pm=Pm1-Pm1-Pm2Fmax-F‾(F-F‾),F≥F‾Pc1,F<F‾---(16)]]>式中，Pc1为交叉概率的上限值；Pc2为交叉概率的下限值；Pm1为变异概率的上限值；Pm2为变异概率的下限值；Fmax为种群中个体适应度的最大值；F为每代种群的平均适应度值；F′为要交叉的两个个体中较大的适应度值；F为要变异个体的适应度值；从式(15)和式(16)可以看出，对于适应度高于种群平均适应度值的个体，赋予较低的杂交概率和变异概率，使得个体得到保护进入下一代；对于适应度值低于种群平均适应度值的个体，赋予较高的杂交概率和变异概率，使该个体淘汰。得到各子块的模态振型方向系数后，便可获得整体结构的模态振型，从而实现了各子块模态振型的融合，可计算得出整体结构的柔度矩阵。通过该矩阵可以预测桥梁挠度，从而可进行桥梁健康监测和快速评估。三、桥梁位移采集与微波雷达数据处理系统桥梁健康监测的目的在于实现全结构的监测和评估，基于上述两种方法识别的桥梁结构分块子结构模态振型方向，以及无线传输采集的输入冲击力，则需求一个数据处理系统可利用上述已知输入力和各子结构判别后的输出位移对全结构进行识别和健康评估。同时为实现桥梁结构的快速评估，则需求高精度、非接触的监测设备。故本发明考虑引入适用于桥梁分块冲击振动测试的微波雷达系统。其具体内容为：其所述设备主要包括雷达信号处理机和监控单元两大部分。主要组成部件为接收天线、发射天线、发射机、接收机、信号处理机、高精度电子磁罗盘、GPS模块、激光指示器、激光测距机、显控单元、自检单元以及供电单元。通过微波雷达发射周期为1.5ms，起始频率为15.85GHz、终止频率为16.15GHz的调频信号，当发射的微波信号遇到目标后被反射回来，雷达的接收天线接收回波信息。假设距离雷达R处产生回波信号，则该回波到达雷达后，回波延迟为τ0，并且(c为光速)，则回波信号可表示为：s(t)=Arej{2πf0(t-τ0)+k(t-τ0)22}---(17)]]>式中，Ar为接收信号的幅度；τ0为回波延迟时间。进一步通过接收机内混频器输出正交双路的零中频信号：经过混频得到零中频差拍信号：sΔ(t)=AArej(2πf0τ0+ktτ-kt22)---(18)]]>在接收机内，混频器输出的正交双路零中频信号，经反混叠滤波、放大后送双路AD变换器，获得离散的回波数据送信号处理器进行FFT处理。其中，发射信号的一个扫频周期对应一个采样周期，一个采样周期的数据为一个快拍，对一个快拍数据做N点FFT，得到不同距离目标的回波相位信息，连续做M个快拍的FFT，把数据排成M行N列，再对每列数据做FFT变换，可得到每个距离门目标的回波相位波动信息。确定目标后，基于相位干涉法原理，通过接收机获得目标xi的回波，通过解算，最终得出被测目标在t1和t2时刻的相位差为则微动位移是基于获得目标点xi的回波信号相位差而得到，即：为了得到桥身的垂直位移，需要对由相位计算得到的径向位移值进行真值投影计算。通过比较两次测量信号之间的相位，可以精确得到目标相对雷达径向微小位移，用户关心的是目标垂直向的位移y(xi,t)：y(xi,t)=yR(xi,t)sinαi=yR(xi,t)Rihi---(20)]]>式中，Ri为雷达到目标点xi的径向距离；hi为雷达到目标点xi的垂直距离；αi为雷达发射波与水平面的夹角。结合上述的桥梁结构分块冲击振动测试的子结构模态振型方向MAC矩阵识别法和自适应遗传算法识别法，以及上述的微波雷达设备实时采集的位移和无线传输的输入冲击力，本发明提出的适用于桥梁分块振动测试的微波雷达系统，可有效融合上述方法提供的各子结构的模态参数，能快速进行全结构的模态参数识别，在桥梁日常健康监测和评估阶段实现了快速、高效的监测评估。实施例一如附图1所示桥梁结构模型，该桥梁在每个方向进行单车道的交通，整个混凝土桥面宽6.5m，总长15.54m，其中两边各有1.07m宽的人行道。钢筋混凝土甲板上三根简支冷轧钢I型梁的间距为2.18m。微波雷达测试如图1所示，通过微波雷达设备变换测试点采集全结构由冲击荷载激起的结构响应。具体实施步骤为：(1)子结构划分方案确定根据被测桥梁结构的现场环境和桥梁结构形式，将桥梁结构划分为21个监测点进行监测，同时将全部监测点划分为2个子结构进行监测，划分方案如图2所示。子结构1主要包含位移输出节点1/2/3/4/8/9/10/15/16/17，其中选取节点2/4/9/16为冲击力输入节点；子结构2主要包含位移输出节点5/6/7/11/12/13/14/18/19/20/21，其中选取节点11/13/18/20为冲击力作用节点。(2)雷达放置位置的选定根据被测桥梁结构现场环境和子结构划分方案，结合雷达发射和接收天线的波束角度，确定雷达设备放置位置。由于桥梁结构划分为2个子结构，故选取桥梁结构的两侧桥墩底下场地作为雷达放置点。雷达放置位置示意图详见图1。(3)桥梁分块子结构1/2冲击振动测试和数据采集将微波雷达设备放置于选取的放置点，开启供电单元和显控单元准备进行数据采集。采用冲击装置依次在桥梁分块子结构上的冲击力输入点作用于冲击力，同步采用微波雷达设备采集子结构的位移输出节点由冲击力输入节点的冲击力引起的位移时程数据。其中，采集的冲击力采用无线传输的形式传输到微波雷达数据处理单元，微波雷达采集位移输出节点的位移时程数据直接传输到微波雷达数据处理单元。以子结构1为例，冲击力输入节点9的冲击力详见图3，位移输出节点9的位移时程数据详见图4。(4)子结构1/2的数据处理在微波雷达数据处理单元，已知子结构1和子结构2的输入力和各位移输出节点的位移时程数据。对每个子块的冲击力时程数据与位移输出节点时程数据进行加窗、滤波后，分别估计各子块的频响函数H1(ω)，H2(ω)。根据子结构1和子结构2的频响函数，采用CMIF模态参数识别算法分别识别各子结构的模态参数，识别的子结构1/2的模态参数详见表1：表1(5)子结构1/2模态参数的融合在同阶频率下，由于子结构1和子结构2的模态振型缩放比例不同，在融合子结构1和子结构2的模态振型时，需采用统一缩放标准对每个子结构的模态振型进行缩放调整。以子结构1为目标子结构，根据求取的各子结构的模态参数，对子结构2的模态振型进行缩放调整和模态振型方向系数的判别。(6)采用考虑结构MAC矩阵桥梁分块冲击振动测试的子结构模态振型方向系数识别法，判别子结构2的前k＝7阶模态振型方向系数，具体操作为：根据公式1计算出全部情况数27×(2-1)＝128的MAC值；进而根据公式2筛选出DiffMAC最小值对应的工况(工况数为2(2-1)＝2)，再者，采用公式7计算从MAC矩阵筛选的工况对应的势能值，势能最小者即为准确振型。子结构1/2的前k＝7阶振型方向系数详见表2：表2阶数1234567子结构11111111子结构2‐1‐1‐1‐11‐11(7)采用桥梁结构分块冲击振动测试的子结构模态振型方向自适应遗传算法识别法，识别子结构2全部的模态振型方向系数，具体操作为：根据公式13随机生成代表子结构模态振型方向系数的染色体，情况总数选取为S＝50。进一步根据公式14，修改随机生成的染色体的前7阶为MAC矩阵和最小势能原理判别的正确值；修改后的基因表示为：X′＝{-1-1-1-11-11x28x29…x2n}下一步根据公式11计算所有情况数的适应度值，并进行判别，选取最大适应度值存储到全局最优解。进一步进行轮盘赌选择操作，设置选择概率为Ps＝0.8，进入选择池的基因进行下一步的交叉和变异。其中，本算法采用单点交叉策略和自适应交叉概率，根据公式15选取交叉概率上限值为0.9，交叉概率下限值为0.7。交叉完毕后根据公式11计算交叉后形成新的基因的适应度值并进行判别，若其大于目前全局最优解则替代，若小于全局最优解则放入种群池中，进而进行下一步的变异，根据公式16，本算法采用自适应变异概率，设置变异概率上限值为0.2，变异概率下限值为0.001。变异完毕后根据公式11计算变异后新基因的适应度值并进行判别，若其大于目前全局最优解则替代，若小于全局最优解则放入种群池中进入下一步的迭代，本算法设置迭代次数为200。识别各子结构模态阶数12阶和15阶的自适应遗传算法的进化图详见附图6，可知采用自适应遗传算法进行识别，12阶和15阶分别在8代和14代已经收敛，计算效率显著提高。(8)整体结构柔度矩阵计算和挠度预测在微波雷达数据处理单元中，求取子结构1和子结构2的模态振型方向系数后，根据子结构振型组合公式便可获得整体结构的模态振型，其中识别的全结构前16阶振型详见图7，识别的正确振型计算的结构MAC矩阵详见图5；进一步根据柔度计算公式便可计算得出整体结构的柔度矩阵，求解的全结构柔度矩阵详见图8；通过该矩阵可以预测桥梁挠度，在均布荷载4445KN作用下基于微波雷达系统计算的桥梁结构挠度详见图9，将该挠度预测值与理论计算值进行比较即可实现桥梁安全排查。当前第1页1 2 3