基于聚类分析的桥梁结构模态参数自动识别方法

发布时间：2021-07-10 03:23

　　为实现桥梁结构模态参数的自动识别,基于随机子空间法（SSI）生成的稳定图,综合采用主成分分析（PCA）、k均值聚类法和层次聚类法,提出了一种桥梁结构模态参数自动识别方法.首先,基于模态验证准则（MVC）向量的PCA分析结果,借助k均值聚类法初步剔除稳定图中的虚假模态.然后,分析层次树截断簇数和有效模态数量的关系,得到最优截断簇数的确定准则.最后,建立了桥梁结构模态参数自动识别方法,并采用缩尺模型试验和实测桥梁响应数据进行验证.结果表明,所提方法能够有效剔除稳定图中的虚假模态,自动确定有效模态数量,提升了SSI生成的稳定图处理过程中的自动化程度,实现了基于环境激励下结构响应数据的桥梁结构模态参数自动识别. 

【文章来源】：东南大学学报(自然科学版). 2020,50(05)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

框架模型照片

初始稳定图

根据表1中的MVC值初步剔除稳定图中的虚假模态,由于阻尼比的离散性较大,将d(ξi, ξj)的阈值取值适当放大.各MVC的阈值取值分别为d(fi, fj)=0.03,d(ξi, ξj)=0.1,MAC(φi, φj)=0.95,MPC(φi)=0.2,MPD(φi)=0.8.初步剔除虚假模态后的稳定图见图3.稳定图中部分虚假模态对应的极点已被剔除.采用k均值聚类法进一步剔除稳定图中的虚假模态,将d(fi, fj)、d(ξi, ξj)、1-MAC(φi, φj)、1-MPC(φi)和MPD(φi)组成一个特征向量,对组成的特征向量进行PCA分析,提取PC1.采用k均值聚类法将图3中的极点分为2组,质心坐标较大的簇为虚假模态,删除质心坐标较大的簇,结果见图4.稳定图中仅残存少量虚假模态.

【参考文献】：
期刊论文
[1]基于卷积神经网络的稳定图自动分析方法[J]. 苏亮,宋明亮,董石麟.  振动与冲击. 2018(18)
[2]基于监测数据的隔震结构模态参数异变分析[J]. 杜永峰,祝青鑫,李万润,朱前坤.  振动.测试与诊断. 2018(03)
[3]基于图论聚类的随机子空间模态参数自动识别[J]. 郑沛娟,林迪南,宗周红,余道兴.  东南大学学报(自然科学版). 2017(04)
[4]基于谱系聚类分析的桥梁结构模态参数自动化识别方法研究[J]. 徐健,周志祥,唐亮,冉杰,何杰.  振动与冲击. 2017(11)
[5]模糊聚类算法稳定图应用于桥梁结构参数识别[J]. 吴春利,刘寒冰,王静.  振动与冲击. 2013(04)
[6]影响斜拉桥模态参数变化的环境因素分析[J]. 闵志华,孙利民,淡丹辉.  振动与冲击. 2009(10)
[7]宽频带模态识别算法中极点的自动选取[J]. 孙鑫晖,张令弥.  地震工程与工程振动. 2009(01)

硕士论文
[1]基于监测数据的隔震结构动力特性异变分析及模型修正[D]. 祝青鑫.兰州理工大学 2017



本文编号：3275084