[发明专利]桥梁结构模态参数真假甄别方法及终端设备

说明书

本发明涉及桥梁监测技术领域，提供了桥梁结构模态参数真假甄别方法及终端设备。该方法包括：通过设置在桥梁多个测点上的数据采集装置，获取环境激励条件下桥梁结构的监测数据；采用NExT，先计算各个监测数据的互功率谱密度函数，再经傅里叶逆变换得到监测数据的互相关函数，作为模态参数识别算法的输入数据进行模态参数识别并绘制稳定图；计算各个测点监测数据的自功率谱与互功率谱密度函数，将所有测点的自功率谱和互功率谱分别求和，再将自谱和互谱在同数量级下求和，获得功率谱的和函数；对和函数绘图并结合稳定图进行真假模态参数甄别。上述方法通过稳定图法与功率谱求和峰值法相结合来进行桥梁结构模态真假甄别，能够提高甄别精度。

技术领域

本发明属于桥梁监测技术领域，尤其涉及桥梁结构模态参数真假甄别方法及终端设备。

背景技术

对斜拉桥等大型结构进行激励费用极其昂贵甚至无法实现，环境激励下斜拉桥模态参数识别受到重视。环境激励(Ambient Excitation)下的模态分析属于工作状态模态分析(Operational Modal Analysis，Output-Only Modal Analysis，OMA)的一种，具有不中断交通、节省成本、在线、实时进行结构模态参数识别和健康监测。

环境激励下的模态参数识别在前期信号处理(例如滤波、去噪)完成之后，需经过模态参数识别和真假模态甄别两个步骤。

按照识别信号域的不同，环境激励下结构的模态识别方法主要可分为频域与时域两种方法。频域法大多是利用经典谱估计的非参数化方法；时域法是参数化的现代谱分析方法。频域识别方法利用输入与输出信号的自功率谱密度函数之比间接求得频响函数(FRF)作为模态识别算法的输入数据，识别算法主要包括经典的峰值拾取法、多参考点最小二乘复频域法(PolyMax)、频域分解法、增强频域分解法等。时域识别方法一般先对时域信号进行预处理得到诸如近似的相关函数、自由响应、脉冲响应等时域信号，之后利用时域模态识别算法进行计算。常用的预处理技术主要包括随机减量技术(RDT)和自然激励技术(NExT)。NExT法利用白噪音激励下互/自相关函数代替脉冲响应函数作为识别算法的输入数据，是目前较为常用的一种预处理技术。常用的识别算法主要包括ITD法、STD法、复指数法、ARMA模型时间序列分析法、特征系统实现算法(ERA)、随机子空间法(SSI)以及小波变换的方法等。

频域的PolyMax模态识别方法融合了多参考点法和最小二乘复频域法的优点，可分离密集模态空间，具有良好的抗噪性，可得出非常清晰的稳定图，是当前国际上最新发展并流行的方法。时域的SSI理论体系完备，适合程序实现，识别的模态参数准确。

真假模态甄别是模态识别中非常重要的一个环节。对于环境激励下的模态识别，因输入信号的不稳定、环境激振不充分、噪声干扰等因素易影响识别结果的准确度与精度。故在利用各类算法完成模态识别后，需利用模态验证对识别结果进行鉴定。真假模态甄别方法主要包括稳定图方法、阻尼比值人工判别法、响应测点的自功率谱峰值法等，而上述方法均存在一定程度的缺陷，甄别精度较低。

发明内容

有鉴于此，本发明实施例提供了桥梁结构模态参数真假甄别方法及终端设备，以解决现有技术中甄别精度较低的问题。

本发明实施例的第一方面提供了一种桥梁结构模态参数真假甄别方法，包括：

通过设置在桥梁多个测点上的数据采集装置，获取环境激励条件下桥梁结构的监测数据；

采用自然激励技术NExT，先计算各个所述监测数据的互功率谱密度函数，再经傅里叶逆变换得到所述监测数据的互相关函数，作为模态参数识别算法的输入数据进行模态参数识别并绘制稳定图；

计算各个测点监测数据的自功率谱密度函数与互功率谱密度函数，将所有测点的自功率谱密度函数和互功率谱密度函数分别求和，再将求和后的自功率谱密度函数和求和后的互功率谱密度函数在同数量级下求和，获得功率谱的和函数；