桥梁移动荷载与结构损伤稀疏正则化识别

发布时间：2020-05-05 12:30

【摘要】：移动荷载识别(Moving force identification,MFI)和结构损伤识别(Structural damage detection,SDD)是桥梁结构健康监测(Structural health monitoring,SHM)领域内两个重要的研究内容。结合稀疏表示,本文就上述两方面内容进行系统研究,主要研究内容如下:1)针对荷载识别中定性分析研究的不足,定义“源-像对”概念并进行相关探讨。“源(Source)”泛指外荷载与初始条件,“像(Image)”是指源激励下的结构响应,“源-像对(Source-image pair)”指由特定源及其对应像形成的集合。采用预先构建好的“源-像对”封装线性振动系统。为定性理解封装后的系统,从“像”的角度衍生了零源、非零源、正交源、非正交源、相似源、缩放因子、相似系数等概念。定性探讨各概念的物理意义,形成若干针对荷载识别反问题的定性结论。2)考虑未知初始条件的影响,提出一种基于稀疏表示的MFI新方法。逻辑思想上,新方法包括两个步骤:响应分解和荷载重构;具体实现上,采用L_1正则化与截断特征法(Truncated feature method,TFM)对响应进行两次压缩,以确保解的稀疏性与稳定性。理论上分析新方法与经典Tikhonov正则化及L_1正则化的异同。采用简支梁数值仿真验证所提方法的可行性和有效性。结果表明:已知/未知初始条件下,新方法均能有效地识别移动荷载,具有强噪声鲁棒性。3)实验室搭建单跨钢管梁桥,先后开展了静态分级加载实验与试验模态分析,相应结果分别用于标定应变片和修正桥梁有限元模型。进行车-桥耦合动力实验。利用实验数据开展一系列MFI工况分析,从不同角度验证所提“基于稀疏表示的MFI新方法”的可行性和有效性。4)提出一种未知激励下基于稀疏奇异值的SDD新方法。结合最小二乘荷载估计法构造不同测点响应间的传递矩阵。采用奇异值分解(Singular value decomposition,SVD)技术分解传递矩阵,生成用于信号分解的特征分量。依据信号分量的能量大小稀疏提取响应主要特征,并用于估算实测奇异值。通过对比实测奇异值的变化来判断结构是否发生损伤。采用简支梁数值仿真与悬臂梁实验验证所提方法的可行性与有效性。结果表明:在仿真算例与实验模型中,新方法均能准确地判断结构是否发生损伤,具有较好的抗噪能力。5)在萤火虫算法(Firefly algorithm,FA)的原型模式上,融合经典的Nelder-Mead算法,提出一种自适应Firefly-Nelder-Mead(Self-adaptive Firefly-Nelder-Mead algorithm,SA-FNM)改进群智能算法。为平衡算法的全局寻优能力与局部寻优能力、兼顾计算的效率与精度,在SA-FNM算法主框架上增加了随机游走策略、改进信息交换策略以及关键参数自适应控制策略。在此基础上,提出一种基于SA-FNM算法的结构损伤稀疏识别新方法。利用简支梁数值仿真与模型实验对所提方法进行验证。结果表明:a)所提方法能有效识别损伤;b)稀疏约束既能抑制噪声的影响,又能凸显结构损伤的稀疏性。6)提出一种基于L_(1/2)正则化和移动平均Tikhonov正则化的移动荷载与结构损伤同时识别新方法。首先,利用传递矩阵描述不同测点响应间的关系,基于L_(1/2)稀疏约束构建以损伤因子为优化参量的优化识别问题,选用Matlab优化工具箱求解。其次,在SDD结果基础上,将上述同时识别问题转化为单一的MFI问题。考虑到移动荷载时域局部平均值具有的相对稳定性工程特点,结合移动平均窗概念,提出一种改进的Tikhonov正则化方法,并用于MFI求解。最后,采用简支梁仿真算例验证所提方法的有效性和可行性。结果表明:所提方法能同时识别未知移动荷载和未知结构损伤,且具有较强的噪声鲁棒性。
【图文】：

示意图,结构振动,初始条件,荷载

暨南大学博士学位论文作用在系统上的荷载与初始条件统称为源（Source）；其中描述荷载的载源（Force source），描述初始条件的源称为初始条件源（Initial cone）。考虑源 S 经过系统映射，记测点 b 在时间区间 T 内的响应为 I。称 I 为在时间区间 T 内于测点 b 上的像，简称像（Image）。相应由荷载源产为荷载像（Force image），，由初始条件源产生的像称为初始条件像（ition image）

示意图,近似分析,示意图

基于源-像概念的近似分析示意图
【学位授予单位】：暨南大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：U441

【参考文献】