论文部分内容阅读
在重大工程结构健康监测和状态评估过程中，现场产生的不可知因素要比在实验室或数值模拟复杂得多，因而获得稳定可靠、规范化的数据用作结构状态评估至关重要。要达到这个目标，需要对监测数据有较为深入的认识和理解。本文以香港青马大桥和江苏润扬大桥结构健康监测系统为研究背景，较为深入地分析、揭示了从桥梁结构健康监测系统获取的应变监测数据的多尺度特征及其物理意义，并在此基础上探讨了桥梁结构疲劳状态评估中的若干关键问题。
通过对来自青马大桥和润扬大桥结构健康监测系统的应变监测信息的大量考察，发现动态应变时程数据在三个典型的时间尺度上表现为不同的特征，频域上的理论和数据分析进一步表明，这三个时间尺度的应变信息所对应的截止频率分别属于三个不同量级，因而可以通过专门的信号处理方法分离开来。对应于数量级分别为105sec、103sec和100sec这三个典型时间尺度的三类应变信息分别为截止频率fc,3=O10-2)Hz的温度变形的趋势性变化、fc,2=O(10-1)Hz的火车载荷导致的应变响应和fc,3=O(100)Hz的重车过桥时引起的应变响应。
基于多分辨分析理论与上述动态监测应变信息的多尺度特征之间的相似性，利用小波方法对具有不同时间尺度特征的三类应变信息进行了分离和逐个提取。给出了小波分解的层次确定方式和小波方法分离信息的流程；提出了针对不同尺度的小波系数阈值确定的“控制发生概率方法”(简称p方法)和“控制噪声方法”(简称n方法)，分别适用于提取103sec和100sec量级的典型时间尺度下的火车载荷相关部分应变(应变类型2)和卡车相关的应变抖动(应变类型3)；进而给出了小波提取算法的流程。研究结果表明，作者给出的基于小波理论的动态应变监测信息处理方法能够有效地将具有不同时间尺度特征的应变信息进行分离，分离后的数据能够更清楚地比较不同类型大跨桥梁、不同类型传感器之间的异同；本文给出的小波域阈值处理方法能够将具有不同时间尺度特征的应变信息准确并精确地逐个提取，在足够精确地复原所需信息的同时极大地压缩数据。
为了方便于对小波分析甚至信号处理不了解的监测系统数据管理和分析者们使用于分析数据，文中进一步研究并给出了一个能够在一定程度上替代小波变换的简便实用的多尺度信息分离方法，其主要步骤为“平均-插值-扣除(Average，Interpolate&Take-out)”，简记为AIT法。通过将该方法与小波方法进行对比和考察截断效果，验证了其有效性。该方法的使用比小波方法简便、灵活，若辅以直接时域阈值处理也能实现不同尺度特征应变信息的提取。
在对应变监测信息的多尺度特征及其分析处理方法研究的基础上，论文进一步研究了大跨桥梁结构的应力谱分布、三种时间尺度特征应变信息的相互影响及高频噪声对应力谱和疲劳状态评估的影响。证明了用于疲劳应力谱统计的雨流计数法的一个重要性质；研究结果表明，已有的一些雨流计数应力幅密度函数的形式和计算公式不适合用于分析大跨桥梁结构健康监测系统输出的应变监测数据；属于不同时间尺度的三类应变在计算疲劳损伤状态时不会发生耦合作用；但噪声会与较大尺度的应变发生耦合作用，使得应变幅产生漂移，因而较小的噪声水平也可能导致疲劳状态评估结果的较大误差。