环境激励下基于GPS的结构健康监测

论文摘要

环境侵蚀、材料老化和各种动静力荷载的长期效应、疲劳效应与突变效应等不利因素都会导致结构的损伤累积和抗力衰减，极端情况下更会引起灾难性的突发事件，造成恶劣的社会影响。GPS监测技术，因其具有高效、快速、全自动、全天候和高精度等优越性能而成为大型土木工程结构变形监测的首选。本文针对基于GPS技术的结构健康监测中的一些关键技术进行了以下几个方面的理论与试验研究： (1) 研究了高柔大跨结构的控制荷载—风荷载。将静态离散小波变换引入到脉动风速的分析中，解决了传统离散小波变换系数因下采样造成样本过少而无法统计分析的缺陷。通过对实测风速与用传统的谐波叠加法得到的模拟风速的小波系数进行统计对比分析，证实了传统模拟方法不能反映湍流的间歇性及局部自相似性。采用连续小波变换对风速和风压进行了小波量图与小波相干分析，分析了它们的瞬时时频特性关系，针对小波相干分析中由于噪声引起的伪相干现象建立了基于蒙特卡罗的统计显著性水平估计方法，有效地分离出了真实相干成分。推导出了小波系数的能量与目标风速谱的关系式，利用对数泊松模型来产生各尺度的小波系数，通过对小波系数进行多尺度重构，建立了基于静态离散小波逆变换的脉动风速模拟方法。结果表明，本文方法得到的风速统计特征符合假定条件，且由于静态离散小波逆变换避免了传统离散小波逆变换所必需的上采样，减少了模拟的工作量。 (2) 提出了一种基于自适应噪声抵消与小波滤波相结合的GPS多路径误差抑制方法。该方法考虑了噪声的频带分布特征，对于低频且具有日相关性的多路径信号，采用自适应噪声抵消进行消除；对于不相关的高频噪声，则通过小波多分辨率分解，对作用阈值后的小波系数进行重构，最终得到真实的变形信号。设计了相应的滤波器与验证试验，实测数据分析结果表明，这种联合消噪方法比单一滤波方式更加合理有效。 (3) 提出了一种基于小波与神经网络的GPS周跳探测与修复两步法。试验结果表明，这种方法对双差模型可准确探测出0.5周以上的周跳；对比研究了简单的线性网络与较复杂的改进的BP网络对周跳修复的能力，发现两种网络对1周以上的周跳均能进行有效地修复，且该方法只需使用载波相位观测值，不需要载波相位变化率值，较传统的多项式拟和法更具实用价值。 (4) 研究了基于小波脊与小波骨架的结构模态参数识别方法，针对小波变换中遇到的边端效应问题，提出了基于ARMA模型的预测延拓的方法，通过对用随机减量法提取出的结构自由振动信号进行建模、延拓，将预测出的信号赋予原信号的两端，使得小波变换在原信号两端不完整的小波系数位于预测出的信号中，有效地保护了原始信号，

论文目录

• 独创性说明
• 摘要
• Abstract
• 1 绪论
• 1.1 结构健康监测的重要意义
• 1.2 结构健康监测的研究概况
• 1.2.1 结构健康监测的基本概念
• 1.2.2 结构健康监测的系统组成
• 1.2.2.1 传感系统
• 1.2.2.2 数据采集系统
• 1.2.2.3 数据处理与分析系统
• 1.2.2.4 状态评估系统
• 1.2.2.5 数据管理系统
• 1.2.3 结构风荷载的监测与模拟
• 1.2.4 结构模态参数识别方法
• 1.3 基于 GPS技术的结构健康监测
• 1.3.1 GPS简介
• 1.3.2 GPS监测技术的发展与特点
• 1.3.3 GPS监测技术在土木工程中的应用
• 1.4 本文的主要研究工作
• 2 结构风荷载的特性分析与数值模拟研究
• 2.1 引言
• 2.2 大气边界层风的分类
• 2.2.1 平均风
• 2.2.2 脉动风
• 2.3 脉动风的基本特性研究
• 2.3.1 脉动风的统计分析研究
• 2.3.2 风速与风压的关系研究
• 2.3.2.1 小波量图与小波相干分析
• 2.3.2.2 基于蒙特卡罗的小波相干统计显著性水平估计
• 2.4 脉动风速数值模拟方法研究
• 2.4.1 传统的脉动风速模拟方法
• 2.4.2 基于小波逆变换的脉动风速模拟
• 2.4.2.1 小波能量与目标风速谱的关系
• 2.4.2.2 基于小波逆变换的脉动风速模拟过程
• 2.4.2.3 小波与传统方法模拟结果对比
• 2.5 本章小结
• 3 GPS监测多路径误差分析与消除策略研究
• 3.1 引言
• 3.2 GPS相对定位原理
• 3.2.1 GPS静态相对定位
• 3.2.2 GPS动态相对定位
• 3.3 GPS监测误差主要来源
• 3.3.1 与 GPS卫星有关的误差
• 3.3.2 与 GPS卫星信号传播有关的误差
• 3.3.3 与 GPS接收设备有关的误差
• 3.3.4 其它误差来源
• 3.4 多路径误差的影响与消除策略
• 3.4.1 多路径误差对监测结果的影响分析
• 3.4.2 多路径误差主要特点
• 3.4.3 传统的多路径误差消除策略
• 3.5 基于自适应噪声抵消与小波滤波的多路径误差消除方法
• 3.5.1 多路径误差相关性部分的自适应噪声消除法
• 3.5.2 多路径误差高频噪声部分的小波滤波法
• 3.6 多路径误差消除的试验研究
• 3.6.1 试验仪器设备
• 3.6.2 试验方案与过程
• 3.6.3 试验结果与数据分析
• 3.7 本章小结
• 4 GPS监测整周跳变的探测与修复方法研究
• 4.1 引言
• 4.2 周跳的定义与来源
• 4.3 周跳探测与修复的研究进展
• 4.3.1 多项式拟和法
• 4.3.2 电离层残差法
• 4.3.3 伪距/载波相位组合法
• 4.3.4 其它方法
• 4.4 基于小波与神经网络的GPS周跳探测与修复方法
• 4.4.1 基于小波变换的周跳探测方法
• 4.4.1.1 小波奇异性检测原理
• 4.4.1.2 小波函数的选择
• 4.4.2 基于神经网络的周跳修复方法
• 4.4.2.1 线性神经网络与 BP网络
• 4.4.2.2 神经网络的参数选择
• 4.5 GPS周跳探测与修复试验研究
• 4.5.1 试验方案与过程
• 4.5.2 试验结果与数据分析
• 4.6 本章小结
• 5 基于小波变换的结构模态参数识别理论与试验研究
• 5.1 引言
• 5.2 基于小波变换的结构模态参数识别方法
• 5.2.1 小波识别方法的基本理论
• 5.2.2 自由振动反应数据的获取
• 5.2.3 边端效应产生的原因与消除策略
• 5.3 基于小波变换的结构模态参数识别数值模拟研究
• 5.3.1 Benchmark问题的提出与基本模型
• 5.3.2 模态参数识别结果分析
• 5.4 基于小波变换的结构模态参数识别试验研究
• 5.4.1 振动台试验模型的设计与试验工况
• 5.4.2 小波中心频率的选择及小波谱分析研究
• 5.4.3 信号能量累积变化率与结构动力特性关系研究
• 5.5 本章小结
• 6 大连世贸大厦GPS动态变形监测
• 6.1 引言
• 6.2 大连世贸大厦动力分析
• 6.2.1 大连世贸大厦概况
• 6.2.2 ETABS简介
• 6.2.3 有限元模型的建立与模态分析
• 6.3 大连世贸大厦 GPS监测系统设计
• 6.3.1 监测方案的基本框架
• 6.3.1.1 仪器设备的选择
• 6.3.1.2 数据的采集、传输、存储与共享
• 6.3.2 传感器的布置方案
• 6.3.2.1 传感器的优化配置准则与计算方法
• 6.3.2.2 加速度传感器的优化配置
• 6.3.3 测点的选择与布设
• 6.4 大连世贸大厦 GPS现场监测
• 6.4.1 大厦监测试验过程
• 6.4.2 GPS坐标系统与坐标转换
• 6.4.3 测点的基准坐标定位
• 6.4.4 强风下结构变形监测结果分析
• 6.5 本章小结
• 7 基于 GPS与全站仪的大跨斜拉桥实时变形监测
• 7.1 引言
• 7.2 黄河胜利大桥概况
• 7.3 监测方案、测点布设与试验过程
• 7.4 监测结果分析
• 7.5 本章小结
• 8 结论与展望
• 参考文献
• 攻读博士学位期间发表的学术论文及科研情况
• 致谢
• 大连理工大学学位论文版权使用授权书