论文部分内容阅读
利用桥梁健康监测数据对桥梁结构的健康状况进行预警和评估是桥梁健康监测的根本任务。模态参数是桥梁健康监测的主要指标,可以反映桥梁结构状况的改变,但同时也受到各种环境因素的影响。研究环境因素对结构模态参数的影响程度,对实现科学合理的预警与评估具有重要意义。由于结构参数和环境因素的随机性,监测数据、资料收集的不完备,以及对于各因素之间的作用机理、内在规律认识不全等方面的影响,结构模态参数与环境因素之间的相关性分析不可避免地存在着不确定性。贝叶斯推理是解决不确定性问题的有力工具。它能充分考虑模型参数和模型选择的不确定性,获得模型参数的后验概率分布以及模型后验置信度,得出预测量的概率分布,与只能得到最优估计的传统方法相比具有更好的应用价值。本文依托新光大桥健康监测工程实践,应用贝叶斯推理,开展桥梁模态参数与环境温度、相对湿度、风速和车流量等环境因素之间的相关性分析,建立表征结构系统的模态参数-环境因素概率映射关系,实现模型参数和预测残差的不确定性量化;利用模态参数-环境因素概率映射关系的预测结果,实现新光大桥结构模态参数以及结构整体健康状况的预警和评估分析。本研究的主要工作及成果包括:(1)对桥梁健康监测数据的相关性分析和建立表征结构系统的数学模型的相关研究进行了文献综述,介绍了贝叶斯推理在结构健康监测中的应用现状与前景;(2)开展贝叶斯推理方法研究。详细介绍了贝叶斯参数识别与模型选择方法;模型参数的先验分布选用共轭先验分布,对于参数最优估计的迭代计算问题,采用均匀先验情况下求得的最优估计值作为共轭先验时相应参数的初始迭代值,提高了计算效率;通过相关算例,验证了以下结论:随着样本数量的增大,样本数据在贝叶斯推理结果中逐渐占据主导地位,推理者对未知参数的认知也不断提高;贝叶斯优选模型具有较好的稳健性和可靠性。(3)开展随机子空间法研究。介绍了几种常见的基于环境激励的模态参数识别方法及其优缺点;详细阐述了随机子空间法,介绍了稳定图结合概率直方图自动获取模态参数的方法;设计算例验证了随机子空间法识别结构模态参数的有效性和准确性;应用数据驱动随机子空间法识别新光大桥的模态参数,并与有限元软件的计算结果和2010年识别结果进行对比,验证了数据驱动随机子空间法识别新光大桥模态参数的准确性。(4)开展贝叶斯推理在桥梁健康监测中的应用研究。以新光大桥健康监测系统为背景,应用贝叶斯参数识别和模型选择方法建立模态参数-环境因素概率映射关系,然后进行预测分析和桥梁整体健康状况预警和评估分析。研究表明,(a)新光大桥各阶模态频率均与环境温度呈反比关系;(b)较小的平均风速对新光大桥模态频率的影响相对于环境温度、相对湿度和车流量而言比较小,但平均风速是影响模态阻尼比的重要因素;(c)车流量是新光大桥模态频率的重要影响因素,考虑车流量的模态频率-环境因素概率映射关系对模态频率的预测能力有显著提高,而且能准确地描述模态频率在一天内的波动情况;(d)新光大桥2015年整体健康状况处于A级预警状态,安全状况良好;(e)研究成果能为实现桥梁健康状况科学合理的预警与评估提供科学依据,能够推广至其他桥梁健康监测工程应用中。