基于时序模型残差分析的桥梁实时损伤预警方法

《基于时序模型残差分析的桥梁实时损伤预警方法》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、天津大学研究生毕业论文基于时序模型残差分析的桥梁实时损伤预警方法BridgeOnlineDamageAlarmingMethodbasedonResidualAnalysisofTimeSeriesModels【申请硕士学位论文】天津市应用基础与前沿技术研究计划项目（编号：14JCYBJC21500）和天津市科技支撑计划重点项目（编号：11ZCKFSF00300）资助学科专业：桥梁与隧道工程研究生：黄法敏指导教师：朱劲松教授天津大学建筑工程学院二零一四年十一月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以

2、标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师

3、签名：签字日期：年月日签字日期：年月日摘要交通运输事业的发展和完善对国民经济的高速稳定增长起着重大的作用，而桥梁结构的正常运行是交通运输系统正常运转的前提。随着交通量的不断上涨，结构出现破损的现象也在增加，导致桥梁承载力下降，若不能及时识别损伤，使其累积到一定程度，一旦发生破坏，将给社会带来重大的损失。因此，对桥梁进行损伤预警研究，具有重要的理论意义和使用价值。当前国内已有的以及新建的大跨度桥梁的结构健康监测系统是通过获取结构实时监测信号分析结构系统特性的变化来发出损伤预警通知。本文提出一种基于时间序列模型分析的桥梁损伤预警方法。本文以桥梁结构实时损伤预警为

4、主题对以下方面进行了研究：1、通过对已有的结构损伤识别方法和时间序列理论的分析和总结，提出了一种基于自回归模型和带有外部输入的自回归模型（Autoregressivemodels-AutoregressivemodelswitheXogenousinputs，简称AR-ARX模型）的损伤预警方法，对响应信号进行标准化预处理，提出一种数据匹配的新方法，并对AR-ARX模型定阶方法进行了优化。通过模型残差的变化来识别结构损伤，并通过基于大量数据样本的统计评估指标进行损伤预警，对损伤预警效果进行了评估分析。2、通过对简支梁桥的数值模拟对该损伤预警方法的有效性进行了

5、研究。对地面施加一定幅值的随机白噪声以模拟实桥的环境激励，研究了单一损伤和两处损伤情况下的损伤预警效果，并对不同噪声水平对预警效果的影响进行分析。分析结果表明该损伤预警方法可以有效识别损伤位置和损伤程度，且具有较强的抗干扰能力。3、加工制作两跨连续钢梁模型，对其进行试验研究，设置单一损伤和两处损伤。试验前先对连续梁进行了数值模拟分析。根据测试要求并结合连续梁模型确定加速度传感器布置方案，对地面进行持续随机激励模拟环境激励，采集结构在各种工况下的加速度信号，应用所提损伤预警方法进行分析处理，验证了所提方法的有效性。关键词：桥梁损伤预警；时序模型；环境激励；数值

6、模拟；模型试验ABSTRACTThenormaloperationofbridgesisthepremiseofthenormalrunningoftransportationsystemwhichiscrucialtonationaleconomy.Thedamagephenomenonofbridgesappearstoincreasewiththerisingtrafficvolumewhichcanleadtoseriousloseswithouttimelydamagedetection.Structuralhealthmonitoringhasb

7、ecomeofgreatsignificanceintheresearchcommunityinthelastfewyears.Atime-seriesalgorithmispresentedfordamagealarmingbyusingambientvibrationdata.Thisthesisconductsthefollowingresearchwithemphasisonbridgestructuraldamagealarmingmethods:1.Adamagealarmingapproachispresentedbasedonatwo-stag

8、epredictionmodelAutoregres