索塔有限元模型在传感器振动测点布置中的应用.docxVIP

索塔有限元模型在传感器振动测点布置中的应用 1 振动模态试验传感器布设 目前，大桥的安全和质量分析已成为研究的重点。桥梁结构健康监测系统,是利用在桥梁建设时期安装在桥梁关键部位的各种传感器,对桥梁在役期间的结构健康状况和性能进行监测的一套完整的在线监测系统。桥梁结构健康监测系统最基本的功能是通过各种传感器实时采集大桥在运营状态下的各种数据和信号。保证健康监测系统所采集到的数据能够准确反映结构工况的参数信息和数据,是建立安全健康监测系统的基础,是准确分析大桥结构状况、进行识别结构损伤和安全评估的依据,而其中关键的问题之一是传感器测点布置的问题。从理论上来说,布置足够多的传感器可以准确得到反映桥梁结构工况的信息,但由于经济等条件的限制,这在实际工程中是不可能的,怎样才能做到利用尽可能少的传感器,获得全面准确的结构参数信息是现在急需要解决的问题。 在健康监测中,无论是采用动力指纹分析方法,模型修正与系统识别方法,还是神经网络方法等全局损伤诊断方法都需要结构的固有频率和模态等信息,量测系统的模态参数需要安装众多的加速度传感器以采集结构振动信号。振动模态试验的传感器布设问题最早是在轨道航天器的动态控制与系统识别中得到广泛研究。最具有代表性的就是Kammer于1991年在对大型空间结构传感器测点优化研究中提出的有效独立法EI(Effective Independence Algorithm),该方法的基本思想是根据各候选传感器布点对目标模态分量线性独立性的贡献进行传感器位置的排序,采用Fisher信息阵使感兴趣的模态向量尽可能的线性无关,逐步消除那些对目标振型的独立性贡献最小的自由度,以使目标振型的空间分辨率能够得到最大程度的控制,从而在试验数据中采集到最大的模态反应信息。而且还考虑了测量噪声的情况,并推广到三向加速度测量。Hemez和Farhat根据结构的应变能分布扩展了有效独立法的算法。Park和Kim提出的奇异值分解法是通过对待测模态矩阵进行奇异值分解,评价Fisher信息阵,舍弃那些对信息阵的值无作用的测点。该方法不仅尽量使目标模态矩阵线性独立,而且提出了每一次迭代时舍弃测点的允许数目。E.Firdaus和Udwadia从参数识别所需的数据角度考虑,根据Fisher信息阵确定动态系统的传感器最优布置。Guyan模型缩减法也是一种常用的测点选择方法,它将包含有主次坐标关系的约束方程代入系统的动能或应变能表达式,通过刚度(静力缩减)或质量(动力缩减)子矩阵构成的转换矩阵,可以把那些对模态反应起主要作用的自由度保留下来作为测点的位置。如果选择恰当,静力缩减将能较好的保留低阶模态,而动力缩减可以较好的保留高阶模态。 本文以润扬长江大桥北汊斜拉桥的索塔为研究对象,对所建索塔有限元模型进行模态分析,主要探索作者所建的面向结构健康监测的有限元模型在环境振动测点布置方面的应用。文中采用以MAC矩阵的非对角元素为目标函数,通过增加或减少测点自由度使MAC矩阵的非对角元素趋于最小来确定索塔环境振动测点位置的最优布置。然后,运用对试验室斜拉桥缩尺模型的索塔进行不同的布点方案来验证索塔振动测点布置的有效性。 2 塔环境中振动测量点的选择 2.1 量测自由度的确定及修正 由结构动力学原理可知,结构的各阶振型之间相互正交。但实际测量时的自由度远远小于结构本身的自由度,而且测量过程中由于测试仪器的精度和测量噪声等因素的影响,测得的模态向量不可能保证其正交性,甚至由于向量之间的空间交角太小而使有的模态丢失,因此在选择测点的位置时应该使测量的模态向量保持较大的空间交角。Carne等认为MAC(Modal Assurance Criterion)矩阵是评价模态向量空间交角的一个很好的工具。其公式表达如下: Mij=(?Ti??j)2(?Ti??i)(?Tj??j)(1)Μij=(?iΤ??j)2(?iΤ??i)(?jΤ??j)(1) 其中,Mij是MAC矩阵的第i行j列元素,?i和?j分别是第i阶和第j阶模态向量。当Mij=1(i≠j)时表明第i阶模态向量和第j阶模态向量交角为零,两向量不可分辨,当Mij=0(i≠j)时表明第i阶模态向量和第j阶模态向量交角为90°,即两向量相互正交,可以很容易识别。所以测点的布置应该尽量使MAC矩阵的非对角元素向最小化发展。初步选择测点时可以根据经验和用有限元软件计算所得的振型来确定,然后再从剩余可选自由度中每次增加一个测点来减小MAC矩阵的非对角元素。 为了使MAC矩阵的非对角元向最小化发展,每次向原定的测点组中添加或删除一个测点,即在测量模态?中添加一个量测自由度?k,此时MAC矩阵修正为: (Mij)k=(?Ti?j+??ki??kj)(?Ti?j+??ki??kj)(?Ti?i+??ki??ki)(?Tj?j+??kj?