滨州黄河公路大桥模态参数识别仿真分析.docx

滨州黄河公路大桥模态参数识别仿真分析 滨州黄河公路大桥是黄河上第一座三塔斜拉桥，全桥采用双索面固接半漂浮斜拉桥体系，即中塔与主梁固结，两边塔与主梁铰接，为半漂浮状态。下面利用本桥有限元模型对上述模态参数识别方法进行仿真分析。 1 仿真测点布置 仿真测点位置如图3-2所示，假设沿斜拉桥桥面纵向每个 20m 左右布置一个测点，桥面横向两侧对称布置测点，以识别斜拉桥的扭转振型。测点编号方式见图3-3。 2 仿真参数设置 由理论模态分析可知，对参数识别有价值的频率范围为0－2Hz，因此取采样频率fs=10Hz；采样点数N=4096，则采样周期为T=409.6s；低通滤波截至频率fcut=0.25×10=2.5Hz。响应数据按式(3-26)施加噪声。 3 白噪声激励下的仿真结果 分别进行了白噪声激励下无噪声干扰和 10%噪声干扰下的模态参数识别仿真，结果如下： 1)白噪声激励下 NExT/ERA法的识别效果很好，具有一定的抗噪声能力。在10%的噪声干扰下仍能整体上较准确地识别出6阶竖向振型和3阶扭转振型以及相应的频率，且频率识别结果比较稳定。频率识别结果见表3-1。 2)识别得到的桥面左右两边的振型曲线在竖向振型时也存在着误差，改变测点的排列顺序对降低这种误差有一定作用，仿真结果表明如图3-3所示的测点排列方式识别的效果较好。 3)仿真结果表明当奇异值数量取25且α、β取5时，识别效果较好，当奇异值数以及α、β取值过大时，不但计算量增大，而且将带来虚假模态，同时低阶模态的精度也将有所降低。 4)本仿真中参考点取所有测点，但是这样做的代价就是使计算量很大，但当参考点数较少时，识别精度将有所下降，表现为桥面左右两侧的振型在竖向振型时也有较大的差异。 5)功率谱分段长度取 N /8，重叠宽度取1.5×N/16。当功率谱的分段长度取的太小，虽然功率谱非常平滑，但会降低识别精度；当分段长度太大，将带来很多虚假模态。 表 3-1 不同噪声水平下的识别频率的比较 Table 3-1 Comparison of frequencies identified under different level of noise 4 非白噪声激励下的仿真结果 实测脉动风荷载并不是理想的白噪声，它含有一定的周期成分和较强的非平稳成分，以它为激励进行模态参数识别，更能验证NExT和ERA的识别效果和发现存在的问题。 对桥面各节点分别施加不同时段的脉动风激励，根据其响应识别结构模态参数。需要强调的是，这里并不是在模拟桥梁在脉动风荷载作用下的参数辨识，而只是取用脉动风时程数据作为一种不利的非白噪声激励形式来研究NExT/ERA法在非白噪声情况下的识别效果。 分别进行了上述非白噪声激励下无噪声干扰和 5%噪声干扰下的模态参数识别仿真，结果如下： 1)由于激励并非理想白噪声，而且具有非平稳趋势，导致识别精度有所下降，但在无噪声干扰下仍能较准确地识别出 4 阶竖向振型和 4 阶扭转振型。 2)在非白噪声激励下，识别算法抗噪声能力降低，在 5%噪声干扰下的识别效果比无噪声时要差很多，但对于低阶振型精度仍然可以接受，如竖向1、2阶振型和扭转的 1 阶振型。 上述仿真分析结果表明，NExT/ERA 法是面向白噪声激励的模态参数识别方法，在白噪声激励下的仿真结果非常好，但对非白噪声激励其识别精度明显下降。低阶模态的精度勉强可以接受，但精度对损伤识别而言显然是不够的。 5 基于白噪声激励的模态参数识别方法的局限性 车辆荷载是运营桥梁的主要激励荷载，利用前述面向白噪声激励的模态参数识别方法处理车辆荷载激励下的运营桥梁振动响应数据会面临如下问题： 1)将地脉动荷载等各种未知的随机环境激励假设为白噪声激励是基本可行的，将风荷载假设为白噪声激励是近似可行的，而将自由车辆荷载假设为白噪声激励显然是过于牵强的。自由车辆荷载的主要激振频率集中在2-4Hz附近，具有明显的有色噪声特性，且对斜拉桥而言激励强度远大于环境激励和风荷载激励，因此车辆过桥时，桥梁振动响应主要集中在 2-4Hz附近，且幅值很大，由于测试精度及采样频率有限，车辆激振响应必定对较小的桥梁低频（1Hz以下）振动响应造成较大影响。另外桥梁的阻尼比在桥梁振幅较大的时候将随振幅发生较大变化，加之大型桥梁的几何非线性特征在较大振动时是不能忽略的，因此运营桥梁的物理参数并不是恒定的，它们随时间变化。 2)任意给定时刻，车辆对桥梁各测点的激振强度差异很大，这必定造成振型识别误差的增大。 3)车辆对桥梁除激励外还等效附加移动质量，这将对桥梁模态识别结果造成影响，车辆越重，影响越大。 4)桥梁结构十分庞大，其各种离散性必然较大，结构的振动过程中必然要包含一些非稳态的部分，直接应用这样的数据进行识别将造成精度的降