模态试验传感器优化配置及模态识别算法研究.docxVIP

模态试验传感器优化配置及模态识别算法研究 1 基于遗传算法的传感器配置价值 在设计结构的模型试验中，传感器的配置是模型分辨率的决定性因素。由于动态测试中使用的传感器数量有限，因此需要对它们进行优化和配置，以合理使用传感器资源。 基于优化收敛速度和适应度函数等指标，上述大部分研究 工程实践证明模态试验的准确性亦取决于所选用的模态识别算法。基于结构健康监测系统给出的加速度时程样本，Fei等 现以一座跨径120 m中承式异形钢管混凝土拱桥为工程背景，拟以数值模拟为手段，通过数值模态试验验证基于遗传算法的传感器配置方法有效性，并比较EFDD和SSI两类模态识别算法优劣。研究具有重要的实际意义，且国内外尚不多见。 2 结构体系及传力分析 瀛洲大桥位于河南洛阳，是一座跨径120m的中承式异形钢管混凝土拱桥，见图1。该桥采用了异形空间拱肋体系，结构体系有很大创新。异形空间拱肋体系是由3根拱肋组合而成的空间结构，中间主拱采用钢管混凝土材料，两侧副拱肋为空心钢管，3根拱肋在拱脚处交汇，桥面以上通过横撑、斜撑相互联系，形成上宽下窄的横截面为倒三角的空间结构体系。拱上吊点均匀布置，吊杆是由桥面中心竖直吊杆和两侧斜吊杆组成的三索面。拱脚，混凝土梁、拱肋、主墩形成了两个倒三角形混凝土刚性区域。跨中80m处主梁为采用钢箱梁，其余部分为混凝土梁。 分析整桥传力路径，将结构按两个传力体系划分，见图2。第一传力体系由主墩及三角刚架区、拱肋和体外系杆构成；第二传力体系由吊杆、钢箱梁构成。大桥的第一传力体系和第二传力体系之间通过支座和吊杆连接，二者并没有通过刚性连接形成一个整体。文献[8]认为在研究车桥耦合振动等结构动力学问题时，可单独选取第二传力体系建模分析。 3 钢箱梁模型的建立 数值模拟单独选取钢箱梁建模。模型基于ANSYS平台建立，采用正交异性壳单元Shell63模拟，建立的钢箱梁模型保持了实际空间箱型构造特点，对顶板、底板、腹板、横梁、U形肋、小纵梁等构件的模拟不加简化，准确地反映了实际刚度与质量分布。另外，吊杆和支座采用弹簧单元Combin14模拟，弹簧单元的刚度由设计参数折算获得。建模完成后对第二传力体系进行了模态分析，前四阶模态振型见图3。 4 基于遗传技术的传感器配置 4.1 遗传算法的基本原理 传感器布设优化可视为在n个候选传感器布设位置中寻找m个点（mn），使得试验结果最优。因此，传感器优化问题是一个组合优化问题。迄今已经发现了一些有效的模态试验传感器优化方法。其中，遗传算法是一种有效的传感器优化方法，较其他方法有高度平行化、盲搜索等优点。受达尔文进化论的启发，遗传算法尝试模仿自然进化，赋予每一个候选个体一个适应度，并应用适者生存的原则挑选最优解。遗传算法的基本步骤包括：以基因的形式（0和1组成的基因码序列，若第j位基因码为1，则第j个自由度应配置传感器，若第j位基因码为0，则第j个自由度不配置传感器）代表候选个体，随机产生初始候选个体，建立适应度函数以评估各个候选个体的适应度，应用选择、交叉、变异等操作从老群体中产生新个体，调整群体规模、概率度等算法参数。图4给出遗传算法的流程。 4.2 适应性函数 遗传算法用适应度函数来评估个体的优劣，作为遗传操作的依据。假设计算所用振型为[ф 式中：ф 5 模态检测算法的基本理论 5.1 fd法 采用EFDD模态识别算法，首先估算所采集到时域结构响应信号的功率谱密度函数矩阵 式中：U 另外，比较 5.2 动力系统连续时间状态空间模型 基于SSI模态识别算法，首先，多自由度体系的动力方程可用二阶常系数线性微分方程描述，得式（4): 式中：M,C,K分别为不随时间变化的结构质量、阻尼、刚度矩阵，它们具有n阶广义坐标，与时变结构位移向量U(t）相对应；F(t）亦为一个与时变输入力向量。式（4）可以被改写为状态空间一阶系统微分方程，得式（5): 式中：状态向量 进一步，将输出向量y(t）可以被表示为系统状态的线性组合，得式（9): 式中：C,D分别为真实的输出影响系数矩阵和输出控制影响系数矩阵。式（5）和式（9）共同构成一个动力系统的连续时间状态空间模型。基于真实的数据采集，连续时间状态空间模型可近似为离散时间状态空间模型，得式（10）和式（11): 式中：x 因实际数据采集和处理中不可避免地包含误差，式（10）和式（11）可以被扩展为式（12）、式（13）以考虑数据采集误差v 这里，将数据采集误差v 式中：E代表期望值算子；δ 针对土木工程结构的模态试验通常仅能获取结构响应，无法获取荷载输入u 当获得式（15）和式（16）后，采取随机子空间算法进行系统识别。随机子空间算法利用QR分解等鲁棒数值技术识别出状态空间矩阵，进而给出模态参数。 6 瀛洲大桥数值模型试验 6.1 车辆加速度分析 假定瀛洲大桥承受荷载激