移动荷载下桥梁的损伤识别

提取桥梁结构损伤前后跨中节点处的加速度响应比 较： 损伤前：
定额套价说明
损伤30%：
损伤50%：
工料机分析
损伤70%：
南昌大学2013届本科生 学位论文答辩
可以发现： 加速度信号有一定的差异,并且呈现一定的规律性,加速度的幅值 随着损伤程度的加大而变大。
然后通过HHT方法对结跨中节点的信号响应进行分析 完好结构：
致谢 ！
南昌大学2013届本科生
致谢
学位论文答辩
EMD分解具体步骤： 原始数据序列为 X（t）,用三次样条曲线分别拟合的所有 极大值点和极小值点为原数据序列的上、下包络线，上、 下包络线的均值为平均包络线 m0,将原序列减去m0 便可得 到一个去掉低频的新序列h0 。 一般 h0不一定是一个平稳序列,为此需要对它重复上述过 程,如果 h0的平均包络线为m11 ,则去除该包络线所代表的 低频成分后的序列为h11。 重复上述过程,经k次循环后,使得到的平均包络 m1k趋向于 零,此时的 h1k为第一阶IMF序列,它表示信号数据序列中的 最高频成分。
下面用构造的损伤指标对结构的损伤进行定位。
Df 损伤0 损伤30% 损伤50% 损伤70% 测点50 0 0.564 0.837 0.972 测点100 0 0.123 0.236 0.552 测点180 0 0.088 0.127 0.139
小结： 同一损伤工况,越靠近损伤位置,损伤指标的数值越大,据此可 以判断出损伤的区域,然后通过局部损伤检测的办法进行 损伤位置进行精准定位。
解析信号的幅值函数:
a j (t ) c 2 j (t ) H 2 [c j (t )]
相位函数：
j (t ) arctan( H[c j (t )]/ c j (t ))
再对相位函数求导既得瞬时角频率和瞬时频率:
j (t )
f j (t )
d j (t ) dt
第三部分 移动荷载下桥梁的损伤识别
桥梁的总长L=10m,梁的横截面宽为2m，高为1m,车重为 10000N,梁的弹性模量为18.9×109pa,抗弯惯性矩I=1/6m4,质 量7800kg/m。
利用ANSYS建模，梁单元数为200单元，通过降低梁1/4处的弹 性模量表示桥梁发生损伤。
首先,将完好结构与三种损伤情况下结构的前5阶固有频率进行比较, 如表所示。 可以发现结构的频率并没有显著的变化,加之实际测试环境干扰因素 很多,如噪声等,所以通过比较固有频率的方法在这很难进行损伤识 别。
固有频率 1 2 完好结构 9.9160 39.083 损伤30% 9.8800 38.798 损伤50% 9.9172 39.096 损伤70& 9.9185 39.106
3
4 5
54.7ቤተ መጻሕፍቲ ባይዱ6
86.443 150.13
54.436
86.109 150.11
54.802
86.468 150.13
54.815
南昌大学2013届本科生 学位论文答辩
损伤30%
南昌大学2013届本科生 学位论文答辩 损伤50%:
损伤70%：
小结： 随着损伤程度的变大，边际谱和能量谱的幅值随 之增大，因此我们可以通过Hibert边际谱和能量 边际谱实现对损伤程度的识别。
模态是结构动态中一个很重要的参数,能反应结构的特性 ，结构振动信号能量在各阶模态上的分布在损伤前后有所 改变,结构的不同位置对各阶模态的贡献量不同,此处损伤 所引起的信号能量重分布也就不同。 响应能量在各阶模态上的分布会随着不同程度和位置的损 伤情况的发生而改变,基于这一思想,可以利用信号能量的 Hilbert边际谱构造结构的损伤指标对其进行归一化的处 理。 损伤程度
X (t )
c
j 1
n
j
(t ) rn (t )
对上式中的每个固有模态函 做Hilbert变换得到:
c j (t ) H [c j (t )] 1



t d
i j ( t )
c j ( )
构造解析信号:
z j (t ) c j (t ) jH [c j (t )] a j (t )e
选题意义： 由于桥梁所处的地理位置一般非常重要且无法绕 行,所以在不影响正常交通的情况下,利用在正常 行驶车辆作用下桥梁的响应对桥梁结构进行损伤 识别,具有非常重要的实际意义。 此毕业论文选择移动荷载下桥梁的损伤识别，一 是对此方向较为感兴趣；二是为今后从事桥梁损 伤识别的研究奠定良好的基础。
移动荷载下桥梁的损伤识别
LOGO
选题的背景及意义

选题背景：随着城市的发展以及人口的增长,建筑物越来越密集,道路难 于拓宽,从而导致交通日渐拥堵，由于结构的设计服役期较长,环境因素 的影响大,加之现在车速不断的提高,车辆荷载对桥梁结构的激振作用越 来越明显，在多种因素的影响下,桥梁结构出现了不同程度的损伤,随着 损伤的不断积累,结构就会突然失效,造成严重的经济损失以及人员伤亡, 为了生命财产的安全,对桥梁结构进行损伤识别显得尤为重要。
画出Hilbert谱：
y(t ) 3 sin( 10t ) 5 sin(20t )
小结： 1.从FFT谱中可以观察出信号包含的频率成分,却无法从中看出任 何信号发生突变的信息。 2.从HHT时频谱图中可看出频谱图有突变,且可很明显地看出突变 的时刻分别是t=0.65s处，Hilbert谱可以识别出损伤发生的 时刻。
论文结构和主要内容
第一部分 桥梁识别的研究 现状 第二部分 希尔伯特-黄变 换（HHT）的基本 理论 第三部分 移动荷载下桥梁 的损伤识别 第四部分 毕业论文总结
第一部分 桥梁损伤识别方法
目前结构的损伤识别常用的方法有： 主

静态识别法：基于静态测试数据,施加的主要是静力荷载
变
的
动态识别法：基于振型、振型曲率、结构固有频率 结构柔度、频响函数等动力特性变化的 的识别方法
1 d j (t ) 2 dt
这样就可以把信号表示成下列形式:
X (t ) Re ai (t )e ji (t )
i 1
n
观察上式，是以时间t 和瞬时频率w(t)为自变量,信号的幅值能够表示为 H(w,t)函数 ,这种幅值的时间-频率分布被称为Hilbert谱(亦称HHT谱)。
响应能量 损伤位置
第三部分 桥梁的损伤识别
E ( i ) E ( i )
反映了信号各频率段成分所占的相对比重。
Df 1 | u d | 2
i 1 n
i 1, n
| | | d |2
u 2 i 1 i 1
n
n
u、 d 分别代表损伤前后的模态成分向量。
主要步骤如下：首先用经验模态分解方法(EMD)把数据分 解为n阶固有模态函数(IMF)和残余变量,然后再将每一阶 IMF做Hilbert变换获得信号的时频谱-Hilbert谱。
10t ) 5 sin(20t ) 假设这样一个信号： y(t ) 3 sin(
对于信号 ,经过EMD分解后结果为:
智
智能识别法：神经网络、遗传算法、小波变换属于智能 智能识别法
第二部分 希尔伯特-黄变换（HHT）的基本理论
希尔伯特—黄变换（HHT）由台湾中央研究院院士黄锷（ Norden E. Huang）等人提出，将欲分析信号分解为固有 模态函数（IMF），这样的分解流程称为经验模态分解 (EMD)的方法。然后将IMF作希尔伯特转换,正确地获得资 料的瞬时频率。
86.479 150.13
然后再利用ANSYS有限元分析软件对桥梁结构损伤前后的状态进行数值 模拟,并进行动力分析,观察比较结构响应的变化。
第三部分 桥梁的损伤识别
提取桥梁结构损伤前后跨中节点处的位移响应比较： 损伤前：
损伤30%：
损伤50%：
损伤70%：
小结： 1.比较不同损伤程度下，中点处的位移变化，可以发现 ：桥梁的最大挠度总是出现在，荷载处在桥梁中点附 近的时刻,而不是车辆正在桥梁中点时刻。 2.中点的位移会随着损伤程度的加大而加大。
第二部分希尔伯特-黄变换（HHT）的基本理论
Hilbert边际谱：
h( )
T
H (, t )dt
0
若认为能量可以表示为振幅的平方,那么也可以得到 Hilbert能 T 量谱,进而得到能量边际谱： E ( ) H 2 (, t )dt
0
总结： 1.H(w,t)精确地描述了信号的幅值在整个频率段上 随时间和频率的变化规律。 2.边际谱h(w)反映了单位频率内的幅度分布,给出了 每个频率成分的贡献,而能量边际谱E(w)则表现了 能量随时间变化的信息。
第四部分 毕业论文总结
论文总结： （1）结构出现损伤后,HHT边际谱的幅值及能量边际谱的幅值会随着损伤 程度的加大而变大，进而可以对桥梁结构的损伤程度进行识别。 （2）利用Hibert边际谱构造了一个损伤指标。对于同一测点,损伤指标的 值随着损伤程度的加大而变大;对于同一损伤工况,不同测点随着与损伤位 置的远近而有规律的变化,离损伤位置越近,损伤指标的值越大,反之,越小, 据此实现了损伤程度及损伤位置的识别。 不足之处： （1）需要对车辆荷载的模型进行更加接近实际的模拟。 （2）基于Hibert边际谱的损伤指标可以对结构损伤程度和损伤位置进行判 定,但是不能实现损伤程度的定量且损伤位置的识别只是对区域的识别 ,不 能达到精准定位,因此需要进一步的改进。