结构物理参数时域识别的振动台试验研究.docx

结构物理参数时域识别的振动台试验研究 信息往往很难被精确获得。针对这些缘由，王祥建等基于复合反演方法、引入矩形窗法建立SVD-mLM方法求解非线性参数方程，数值结果表明改进的复合反演法在噪声存在的条件下，能够较高精度地识别结构参数或损伤。本文将通过对五层结构模型的振动台试验，进一步验证该改进的复合反演法的鲁棒性和有效性。 1 方法 1.1 复合反演法 针对线性参数系统，基于经典最小二乘法可获得结构参数的估计值 1.2 矩形窗法 在工程结构的动力测试时，每个测试数据常含有测量噪声，且噪声污染程度各不相同，其中受噪声污染严峻的测试点称为异样点，利用含有异样点的一段测试信息识别参数和反演输入，计算结果势必存在较大的误差。 若已获得L个连续采样数据，采纳固定长度为S的矩形窗选取采样数据，设定参数初值，利用复合反演法进行第一次参数识别和输入反演；然后，以上一次参数识别值为参数初值，将矩形窗向前移动一个数据，再次进行复合反演运算；持续计算，直至矩形窗无新数据或者达到矩形窗设定个数，共进行了M次复合反演计算，获得M组参数估计值和M段输入反演时程，该方法称之为矩形窗法。对应同名参数或同时刻输入，再利用统计平均法，即可获得最终的参数识别值和对应的输入反演时程，这样即可减弱数据异样点引起的较大误差。为了提高精度，还可剔除参数识别异样值对应的复合反演结果。 1.3 SVD-mLM法 对于Rayleigh比例阻尼的n自由度剪切型结构而言，参数识别方程为非线性方程：其中，为待识别参数向量；k为刚度参数向量，和为比例阻尼系数；ki为k的第i个刚度重量。 利用修正的Levenberg-Marquardt法求解非线性参数识别方程，可取 明显，mLM法须要给定参数初值，因结构刚度和阻尼参数的量级相差特殊大，该法对参数初值特别敏感。为解决这一问题，联合不需参数初值的线性SVD法，即：首先利用SVD法确定参数的近似估计值，以此作为参数初值，再利用mLM法求解非线性参数识别方程，简称SVD-mLM法。 2 试验 2.1 试验概况 本文设计了一个5层单跨钢框架结构试验模型，进行振动台试验，以测试剪切型结构在地面运动作用下的动力响应，验证结构物理参数时域识别的改进的复合反演算法。 试验采纳的传感器型号：位移计为SW-1型相对位移传感器；速度计为941B型拾振器；加速度计为LC0405T型压电传感器；放大器为CA-3积分电荷放大器；数据采集系统为太平洋6000数采系统；采集软件为P1660。 采纳集中质量法，试验模型各层的质量为：m1=102.5856kg，m2=101.10166kg，m3=m4=101.3875kg，m5=101.8915kg。假定阻尼为Ray-leigh比例阻尼，在振动台试验之前先进行模态试验，采纳初位移法和初速度法分别确定模型结构沿该方向第一、其次阶振型，并确定相应频率和阻尼比。由模态分析的结果计算出Rayleigh阻尼系数为：=0.439193075；=0.00035487。 本文分别以峰值为0.48g的EL Centro地震波和峰值为0.1g、频率为5Hz的余弦波为激励输入进行振动台试验，测试获得结构模型各层的加速度响应时程，然后假定输入信息未知，采纳改进的复合反演算法进行结构物理参数的时域识别和基底输入的反演探讨。 2.2 余弦波 图3和图4分别为余弦波激励时振动台面实测加速度时程曲线和各层相对加速度时程曲线。利用基于矩形窗法、SVD-mLM法改进的复合反演算法识别非线性参数系统，参数初值为1.0。结构模型物理参数识别结果列入表1，地振动反演结果如图5所示。 2.3 EL Centro地震波 图6和图7分别为EL Centro波激励时振动台面实测加速度时程曲线和各层相对加速度时程曲线。利用基于矩形窗法、SVD-mLM法改进的复合反演算法识别非线性参数系统，参数初值为1.0。结构模型物理参数识别结果列入表2，地振动反演结果如图8所示。 从表1可知，振动台激励为峰值0.1g振幅稳定改变的余弦波时，识别得到的Rayleigh阻尼系数和与模态试验的分析结果相比较，误差分别为10.82%和45.10%，说明结构实际的阻尼是特别困难的。从图5可知，反演的输入时程和振动台台面实测时程是完全吻合的，这也能说明结构模型物理参数识别结果是可信的。 从表2可知，振动台激励为峰值0.48g振幅急剧改变的EL Centro地震波时，基于1016s时间段的测试数据识别得到的阻尼系数出现负值，说明真实阻尼并不完全符合Rayleigh比例阻尼假定；随矩形窗的前移，参数识别值有所改变，表明在真实的振动作用下结构模型实际状态特别困难。从图8可知，反演的地振动时程与振动台台面实测时程存在较大误差，但前者能够很好地追踪到后者的改变和峰值，这也说明识别出的参数平均值能够反映结构模型在1016s地振动作用下所处的困难状态。 结构模型在两种不同输入激励下，识别的结构物理参数有较大差异，分析其可能缘由为：输入为小振幅平稳改变的余弦波时，结构模型侧移幅度较小，每层钢板重量基本垂直施压在立柱上并向下传递，大质量钢板在肯定程度上约束了立柱，增大了刚度、减小了侧移，试验模型更接近于志向的剪切型结构。输入为大振幅急剧改变的地震波时，结构模型侧移幅度较大且猛烈摇摆，较柔的立柱弯曲角度较大，致使钢板与立柱连接的角钢螺栓发生松动，板柱连接不再是刚性连接，层间有效高度增大、刚度减小，侧移增大，在螺栓松动的状况下，钢板和立柱也会发生碰撞，使试验模型在地振动激励下处于困难状态。 基于振动台试验测试数据，利用修正的复合反演算法，识别结构物理参数和反演输入，产生误差的缘由有：材料误差；设计误差；制作误差；试验误差；计算误差等。 3 结论 在输入未知条件下，为了识别非线性参数系统，并消退噪声异样点的影响，引入修正Leven-berg-Marquardt法和矩形窗法，建立SVD-mLM法，改进了复合反演算法，数值探讨已阅历证了改进的复合反演算法的有效性和鲁棒性。本文设计了一个5层单跨钢框架模型，采纳改进的复合反演算法，开展了噪声真实存在情形下结构物理参数时域识别和输入反演的振动台试验探讨，结果验证了矩形窗法、SVD-mLM法和改进的复合反演算法在识别结构物理参数和反演输入时的可行性和有效性。 对本文的振动台试验结果进行分析，认为试验模型的板柱连接节点须要进一步改进设计，使之更接近于刚性节点，从而使试验模型更近似于志向化的数值模型。 第6页 共6页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页