基于经验小波变换的桥梁结构模态参数识别

《基于经验小波变换的桥梁结构模态参数识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：U448.27密级：公开国际图书分类号：西南交通大学研究生学位论文基于经验小波变换的桥梁结构模态参数识别（国家自然科学基金项目资助，编号：51678489）（国家重点研发计划资助，编号：2016YFC0802202）年级二〇一五级姓名夏雄申请学位级别工学硕士专业桥梁与隧道工程指导老师单德山教授二零一八年五月ClassifiedIndex:U448.27U.D.C:SouthwestJiaotongUniversityMasterDegreeThesisMODELPARAMETERIDENTIFICATIONOFB

2、RIDGESTRUCTUREBASEDONEMPIRICALWAVELETTRANSFORMGrade:2015Candidate:XiaXiongAcademicDegreeAppliedfor:MasterSpeciality:BridgeandTunnelEngineeringSupervisor:Prof.ShanDeshanMay,2018西南交通大学硕士研究生学位论文第I页摘要桥梁结构模态参数识别是实现桥梁健康监测的重要步骤，是系统识别和损伤识别的基础。面对桥梁结构模态密集、测试信号噪声强度高等特点，常规时域、频域识

3、别方法难以奏效，新兴的时频域方法成为新的研究思路，然而小波变换、HHT等时下运用最广泛的方法均存在难以克服的缺点。为在时频域内识别桥梁结构的模态参数，引入最新提出的信号处理手段——经验小波变换，并针对其在处理桥梁动力测试信号时遇到的问题，提出相关改进方法，使其能够对测试信号有效分解，并在此基础上，提出有效成分的筛选规则、介绍模态参数识别算法Hilbert变换和随机子空间，并以此建立一套桥梁结构模态参数识别流程。为验证所提基于改进经验小波变换识别桥梁模态参数方法的有效性，结合一座曲线斜拉桥的缩尺试验模型桥和一座实际大跨度斜拉桥动力

4、测试数据，通过对测试信号的处理，成功识别了两座桥梁主梁竖桥向和横桥向的自振频率、阻尼比和模态振型，并与有限元计算理论值取得一致性，对比相关文献研究结果，表明该方法能更全面地识别桥梁模态信息。结果表明：无论是在试验室环境下，以人工激振形式得到的桥梁振动响应信号，还是实际桥梁运营状态中，通过环境激励方式采集到的响应信号，该方法均能对测试信号进行有效分解，提取包含结构模态信息的成分，并识别出桥梁结构的模态参数，为该领域的深入研究提供了一种新方法。关键词：模态参数识别、经验小波变换、信号处理、斜拉桥、Hilbert变换、随机子空间西南交

5、通大学硕士研究生学位论文第II页AbstractModalparameteridentificationisanimportantsteptoimplementbridgehealthmonitoring,anditisalsothebasisofsystemidentificationanddamageidentification.Duetothedensitymodalproblemsofbridgestructureandhighnoiseintensityoftestsignal,commontimedomainandf

6、requencydomainidentificationmethodsaredifficulttoobtainsatisfactoryresults.Inrecentyears,thenewtime-frequencydomainmethodshavebecomeanewresearchdirection.However,themostwidelyappliedmethodssuchaswavelettransformandHHTallhaveinsuperabledefects.Toidentifythemodalparame

7、tersofbridgestructureinthetime-frequencydomain,thelatestsignalprocessingmethodcalledEmpiricalWaveletTransformwasintroduced.Andsomeimprovementswereputforwardconsideringtheproblemsencounteredintheprocessingofbridgedynamictestsignals,sothatitcaneffectivelydecomposethesi

8、gnals.Onthisbasis,aselectionruleforeffectivecomponentswasproposed,theHilberttransformandstochasticsubspaceidentificationwereintrodu