一种基于随机减量技术的结构动力特性识别方法与流程

本发明涉及到使用随机减量技术，并与模态识别方法如ibrahim时域法、协方差驱动随机子空间法配合使用进行动力特性识别的方法。

背景技术：

在突发事故、地震、风载和运营载荷的作用下，建筑和桥梁会产生损伤累积并由此引发破坏性事故而带来巨大的人员伤亡与财产损失。因此，对于运行中的建筑和桥梁实行长期健康状态的评估非常必要。

传统的建筑和桥梁的损伤测试和评估主要是无损探测和人工视察为主，这种损伤识别方法只能在人力所及范围内的结构和构件上出现肉眼可见的缺陷时方可见效。显然，对于近来大量建成的大跨度桥梁这样的大型工程结构，这样的检测和评估方法已经远远地落后于形势的要求。因此，大型工程结构的模态识别已经成为现代动态测试和复杂结构在线监测的核心技术之一。

早在60年代，环境激励下结构工作模态的研究就已经开始，经过这几十年的研究，特别是近几年来，人们已经提出了多种环境激励下的模态参数识别方法。按识别信号域不同可分为：时域识别方法、频域识别方法和时频域识别方法；按激励信号分为：平稳随机激励和非平稳随机激励(有的方法假设环境激励为白噪声激励)；按信号的测取方法分为：单输入多输出和多输入多输出；按识别方法特性分为：时间序列法、随机减量法、next法、随机子空间法、峰值拾取法、频域分解法等，以下对随机减量技术进行阐述：

随机减量技术：这种方法是基于在nasa关于空间结构对环境激励动态响应的工作，该工作的主要目的是在环境激励下通过测得的响应对空间结构进行动力特性识别和在役损伤监测。

对一单自由度结构在激励下得到的平稳随机响应x(t)，取幅值x(ti)＝a与响应x(t)交于n个点。以x(ti)为初始采样值，并对其后时间片段长度为τ的响应进行采样，将n个采样响应片段平均，有：

由振动理论可知，对一线性结构，其任意激励作用下的响应由三部分组成：

1)结构对初始位移的响应；

2)结构对初始速率的响应；

3)结构对激励的响应(受迫振动暂态响应及稳态响应)。

当激励为随机过程时，结构对激励的响应也是随机的。通过在同样的初始条件下将大量的响应片段平均，响应中的激励部分会在均值中趋向于零。而由于初始速度在各片段中正负交替，因此在大量平均后也趋于零。因此最终得到的便是结构对初始位移的响应，也就是说随机减量函数即结构由初始位移激励而引起的自由响应。

随机减量技术的初步设想只包含自谱随机减量函数，其中触发条件和时间片段在同一个响应中定义。后来，互谱随机减量函数的概念被提出，其触发条件在一个响应中定义而时间片段从另一个同时测得的响应中取得。我们因此能够求得一个完整的随机减量函数矩阵而无需对大量监测点进行检测采样。

考虑两个同时测得的响应x(t)和y(t)，随机减量函数的自谱dxx(τ)和互谱dxy(τ)可以通过以下表达式定义：

在这个例子中，n表示平均时间片段的数量；tx(ti)表示定义于时程x(t)的触发条件。

为了对随机减量函数求值，我们需要考虑不同的触发条件tx(ti)。随机减量技术中最常见的触发条件有：

1)水平穿越；

tx(ti)＝{x(ti)＝a}(3)

2)正值点；

tx(ti)＝{a≤x(ti)＜b}(4)

3)斜率为正的零值穿越；

4)局部极值；

随机减量技术应用的一个重要问题在于公式(3)和(4)中触发条件a和b的定义。一般而言，使用大量的触发点是有优势的，但数值较小的触发点相比于数值较大的更容易被噪声污染。因此，我们需要在较多的触发点和较高的触发条件中达成一个平衡。一个常用且合适的选择是在正值点触发条件中采用a＝σx，b＝∞，其中a＝σx是分析响应的标准差。同样对最佳触发条件进行定义，即使计算所得的随机减量函数方差最小。在考虑互谱触发条件时，该值为

随机减量技术的另一个重要方面是从响应时程中提取时间片段的长度。在与时域模态识别方法配合应用时，随机减量函数需要包含足够的采样点以满足系统测得矩阵的超定公式(考虑最高阶)。在与频域模态识别方法配合应用时，随机减量函数需要有足够的长度以包含一个完整的自由衰减振动(一般而言，频域模态识别方法需要时间片段的长度比时域方法更长)。

一般认为，自谱随机减量函数比互谱随机减量函数受更少的噪声影响。为解决这一问题，矢量触发随机减量技术(vectortriggeringrandomdecrementtechnique)被提出，其中触发条件在两个或更多同时测得的响应中定义。

简而言之，随机减量技术是一种将随机响应转化为结构自由振动的方法。即在触发条件下，对测得响应以一定长度的时间片段采样平均，求得的随机减量函数即结构在初始位移条件下的自由振动响应。而在之后随着研究的不断深入，可以证明在基于响应是均值为零的平稳高斯随机过程的假设下，随机减量函数和相关函数成正比。

随机减量技术的大部分应用与时域模态识别方法相结合，如ibrahim时域法(ibrahimtimedomain(itd)method)、随机子空间法(stochasticsubspacemethod(ssi))和特征系统实现算法(eigensystemrealizationalgorithm(era))。考虑到随机减量技术是一个时域过程，所以很显然与时域模态识别方法配合使用。

随机减量技术同样可以应用于谱密度计算和频率响应函数测量，因此它可以和频域模态识别方法配合使用。系统响应的谱密度通过对随机减量函数进行傅立叶快速变换计算得出，而不是更常见的通过对响应时程窗口采样进行傅立叶快速变换算法，该方法被称为集合平均法或welch法。这个利用傅立叶快速变换算法从随机减量函数中计算谱密度并在频域输出模态识别方法中应用的计算过程在一个例子中被采用，与传统方法相比表现出巨大的优势。

随机减量技术相比于其他识别方法更具优势，但是仍然存在一些缺陷。为了保证模态参数的准确识别，需要基于原有的随机减量技术进行改进。

技术实现要素：

本发明要克服原有的模态识别方法——随机减量技术的应用范围的局限性，提出一种基于随机减量技术的结构动力特性识别方法。测试方法采用多种有限元一种基于midascivil2011进行有限元建模，在一定的设定工况下采用振型叠加法对瞬态时程进行分析，并采用振型阻尼计算方法计算阻尼的方法。测试装置为计算机、软件与设计结构模型。

本发明要解决以下几个方面的问题：

一是解决检验随机减量技术对随机过程以高斯分布的前提的敏感性问题。这里通过研究高斯白噪声对于理想线性结构产生的响应在随机减量技术处理后得到的函数以及从中提取的模态参数，并以此为基准，添加非高斯分布激励，改变高斯白噪声在激励中的比例，比较不同激励下的随机减量函数及模态参数的准确性及稳定性。

二是解决验证随机减量技术对非线性结构的应用问题。这里仍然通过添加高斯分布荷载作用将非线性结构转化为非高斯分布，因此这可以视作前一种情况下仅环境噪声是非高斯分布的延伸。

三是解决减少噪声的影响以及剔除虚假模态的问题。这里将采用将噪声视作随机过程的模态提取方法使提取的模态参数更精确、减少模态的数量，并能在一定程度上帮助解决利用自然激励测定超低频结构时分离频率相近模态时的困难

四是解决通过随机减量技术对结构进行实时在线健康监测的问题。这里通过计算，大量长期观察数据可以被转化为一段较短的随机减量函数。从中提取得到的模态参数(或随机减量函数本身)可以添加至结构动力特性监测序列，通过比对监测结构是否出现损伤。

本发明所述的一种基于随机减量技术的结构动力特性识别方法，具体实施步骤如下(包括有限元模型试验与设计模型试验两个部分)：

a.实物模型实验；

a1.准备结构模型，进行系统搭载、调试；

a2.根据模型的结构特性在其上布置测点；

a3.利用振动台对结构模型施加荷载工况所要求的信号,在计算机中输出所需坐标轴方向加速度响应；

b.有限元模型建模；

b1.基于midascivil2011根据实物模型进行有限元建模，确定结构尺寸，材料数据，边界条件，时程荷载工况，线性分析类型，计算方法以及相关参数；

b2.在不同时程工况下，对有限元模型施加不同的加速度激励；

b3.模态参数理论值采用midascivil内置子空间迭代法进行计算，得到不同阶的振型及频率。

c.测点布置及响应输出；

c1.根据有限元模型结构特点布置测点；

c2.在给定的采样频率下输出所需坐标轴方向的加速度响应。

d.对响应数据进行处理；

d1.给定触发条件与提取时间片段长度；

d2.采用随机减量技术对实物模型与有限元模型的各工况各测点响应数据进行处理，得出高斯白噪声激励下有限元模型各测点的随机减量函数；

d3.采用ibrahim时域法对各测点的随机减量函数进行处理，根据模型计算模态参数；

d4.对比分析有限元模型在不同激励下的各阶模态参数与理论值以及实际各参数相同的实物模型实验值之间的差异。

本发明中通过多组不同的对比——不同的激励间的对比、不同的有限元模型结构之间的对比、有限元模型与实物模型之间的对比，对随机减量技术的适用性进行了充分的检验。

与现有的技术相比，本技术有几下几个优点：

1.解决了检验随机减量技术对随机过程以高斯分布的前提的敏感性问题。

2.解决了验证随机减量技术对非线性结构的应用问题。

3.解决了减少噪声的影响以及剔除虚假模态的问题。

4.解决了通过随机减量技术对结构进行实时在线健康监测的问题。

5.随机减量-ibrahim时域法在高斯白噪声激励下，对于简单结构或者复杂结构的前两阶振型的频率有较高的识别精度。

6.实验时多方面的对比更能检验随机减量函数在模态识别时的精度与实用性。

附图说明

图1本发明的测量案例，

图2本发明的测量流程图。

图例说明：图1中的代号分别表示：

1—二层框架设计模型

2—测点

3—振动台

4—计算机

5—二层框架有限元模型

6—模态处理数据

具体实施方式

以下结合图1中所示的案例和图2中所示的工作流程进一步阐述本发明。

参见图1和图2，本发明中所举案例为利用一种基于随机减量技术的结构动力特性识别方法对二层框架模型进行模态识别，以进而完成对其的动力特性识别，具体的实施步骤如下：

a.实物模型实验；

a1.准备二层框架模型(1)，系统搭载、调试；

a2.在二层框架上根据其结构特性选择布置6个测点(2)；

a3.用振动台(3)对模型施加内置地震信号,在计算机(4)中输出y轴方向加速度响应；

b.有限元模型建模；

b1.基于midascivil2011根据实物模型进行有限元建立二层框架模型(5)，确定结构尺寸，材料数据，边界条件，时程荷载工况，线性分析类型，计算方法以及相关参数；

b2.在不同时程工况下，对二层框架模型施加不同的加速度激励；

b3.模态参数理论值采用midascivil内置子空间迭代法进行计算，得到不同阶的振型及频率。

c.测点布置及响应输出；

c1.根据二层框架模型布置测点(2)；

c2.在给定的采样频率下输出所需坐标轴方向的加速度响应。

d.对响应数据进行处理(6)；

d1.给定触发条件与提取时间片段长度；

d2.采用随机减量技术对各工况各测点响应数据对二层框架实物模型和其有限元模型进行处理，得出高斯白噪声激励下两种模型各测点的随机减量函数；

d3.采用ibrahim时域法对各测点的随机减量函数进行处理，计算二层框架结构前两阶模态参数；

d4.对比分析各激励下二层框架有限元模型的各阶模态参数与理论值以及其与实物模型所得实验值的差异，来检验随机减量技术的适用范围和精度。

本说明书实施案例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施案例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。