為實現(xiàn)橋梁結(jié)構(gòu)模態(tài)參數(shù)的自動識別,基于隨機子空間法（SSI）生成的穩(wěn)定圖,綜合采用主成分分析（PCA）、k均值聚類法和層次聚類法,提出了一種橋梁結(jié)構(gòu)模態(tài)參數(shù)自動識別方法.首先,基于模態(tài)驗證準(zhǔn)則（MVC）向量的PCA分析結(jié)果,借助k均值聚類法初步剔除穩(wěn)定圖中的虛假模態(tài).然后,分析層次樹截斷簇數(shù)和有效模態(tài)數(shù)量的關(guān)系,得到最優(yōu)截斷簇數(shù)的確定準(zhǔn)則.最后,建立了橋梁結(jié)構(gòu)模態(tài)參數(shù)自動識別方法,并采用縮尺模型試驗和實測橋梁響應(yīng)數(shù)據(jù)進行驗證.結(jié)果表明,所提方法能夠有效剔除穩(wěn)定圖中的虛假模態(tài),自動確定有效模態(tài)數(shù)量,提升了SSI生成的穩(wěn)定圖處理過程中的自動化程度,實現(xiàn)了基于環(huán)境激勵下結(jié)構(gòu)響應(yīng)數(shù)據(jù)的橋梁結(jié)構(gòu)模態(tài)參數(shù)自動識別. 

【文章來源】：東南大學(xué)學(xué)報(自然科學(xué)版). 2020,50(05)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

框架模型照片

初始穩(wěn)定圖

根據(jù)表1中的MVC值初步剔除穩(wěn)定圖中的虛假模態(tài),由于阻尼比的離散性較大,將d(ξi, ξj)的閾值取值適當(dāng)放大.各MVC的閾值取值分別為d(fi, fj)=0.03,d(ξi, ξj)=0.1,MAC(φi, φj)=0.95,MPC(φi)=0.2,MPD(φi)=0.8.初步剔除虛假模態(tài)后的穩(wěn)定圖見圖3.穩(wěn)定圖中部分虛假模態(tài)對應(yīng)的極點已被剔除.采用k均值聚類法進一步剔除穩(wěn)定圖中的虛假模態(tài),將d(fi, fj)、d(ξi, ξj)、1-MAC(φi, φj)、1-MPC(φi)和MPD(φi)組成一個特征向量,對組成的特征向量進行PCA分析,提取PC1.采用k均值聚類法將圖3中的極點分為2組,質(zhì)心坐標(biāo)較大的簇為虛假模態(tài),刪除質(zhì)心坐標(biāo)較大的簇,結(jié)果見圖4.穩(wěn)定圖中僅殘存少量虛假模態(tài).

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的穩(wěn)定圖自動分析方法[J]. 蘇亮,宋明亮,董石麟.  振動與沖擊. 2018(18)
[2]基于監(jiān)測數(shù)據(jù)的隔震結(jié)構(gòu)模態(tài)參數(shù)異變分析[J]. 杜永峰,祝青鑫,李萬潤,朱前坤.  振動.測試與診斷. 2018(03)
[3]基于圖論聚類的隨機子空間模態(tài)參數(shù)自動識別[J]. 鄭沛娟,林迪南,宗周紅,余道興.  東南大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[4]基于譜系聚類分析的橋梁結(jié)構(gòu)模態(tài)參數(shù)自動化識別方法研究[J]. 徐健,周志祥,唐亮,冉杰,何杰.  振動與沖擊. 2017(11)
[5]模糊聚類算法穩(wěn)定圖應(yīng)用于橋梁結(jié)構(gòu)參數(shù)識別[J]. 吳春利,劉寒冰,王靜.  振動與沖擊. 2013(04)
[6]影響斜拉橋模態(tài)參數(shù)變化的環(huán)境因素分析[J]. 閔志華,孫利民,淡丹輝.  振動與沖擊. 2009(10)
[7]寬頻帶模態(tài)識別算法中極點的自動選取[J]. 孫鑫暉,張令彌.  地震工程與工程振動. 2009(01)

碩士論文
[1]基于監(jiān)測數(shù)據(jù)的隔震結(jié)構(gòu)動力特性異變分析及模型修正[D]. 祝青鑫.蘭州理工大學(xué) 2017



本文編號：3275084