基于盲源分离技术的混凝土梁非线性振动分析

论文摘要

近些年来,人们对基于线性振动的结构损伤识别进行了大量的研究,取得了丰硕的成果。然而,结构损伤前后材料的性质和构件几何条件的变化,裂缝的产生和发展都会对结构模态特征的变化产生影响。因此,实际结构的振动特性通常都表现出一定程度的非线性,将结构损伤前后均假定为线性系统来描述其振动特征,可能丢失一些重要的损伤信息,影响结构损伤识别的效果。现代工程结构多数采用钢筋混凝土结构,已有一些研究者对基于混凝土结构非线性振动特性的损伤识别进行了研究。其一般做法是通过对结构人为造成损伤,记录不同损伤程度下结构的自由振动信号,对信号进行时频分析,得到不同损伤程度下的频率-振幅曲线族。已有的钢筋混凝土结构非线性振动分析主要存在以下两方面的问题:其一,分析时采用单个通道的振动信号,受噪声干扰大,如何处理有待解决;其二,需要对信号进行开窗平滑或者带通滤波,使数据信息量降低,丢失信号的局部振动特征。为了解决以上问题,本文尝试将盲源分离技术引入到混凝土结构的非线性振动分析中。盲源分离是指在源信号特性或者传输通道特性未知的情况下,仅仅由源信号或者观测信号的一些先验知识估计出源信号各个分量的过程。盲源分离技术是针对从检测的混合信号中恢复或者估计源信号的问题提出的,已在生物医学工程、阵列信号处理、语音识别、图像处理、结构系统识别和健康监测等领域有了较为广泛的应用。其中在结构工程中的应用才刚刚起步,主要用于结构模态参数识别。本文将盲源分离技术应用到结构的非线性振动特性分析中,用基于联合对角化的二阶统计量盲辨识算法（SOBI）从结构的振动信号中分离出第一阶振动分量,然后利用Hilbert变换得到各级损伤下结构的频率-振幅曲线族,从中分析结构非线性振动特性与损伤程度的关系,探索用结构的非线性振动特性来进行结构健康监测的可行性。本文完成的主要工作及结论如下:（1）首次将盲源分离技术应用到结构的非线性振动特性分析中,用基于联合对角化的二阶统计量盲辨识（SOBI）算法成功地对密集频率系统和钢筋混凝土简支梁等仿真算例信号进行了分离,得到各阶振动分量。仿真算例的结果说明了盲源分离算法的可行性,为将该方法用于实际结构振动信号的分析提供了依据。此外,对于密集频率干扰的情况,盲源分离技术能得到较为良好的识别结果,充分体现了该方法分离密集频率信号的能力。（2）在小波软阈值去噪的基础上,应用盲源分离算法（SOBI）成功实现了对钢筋混凝土简支梁和预应力箱梁实测振动信号的分离。利用得到的第一阶振动分量,采用Hilbert变换得到各级损伤后结构的频率-时间曲线和振幅-时间曲线,形成频率-振幅曲线族。由频率-振幅曲线族分析了结构的非线性振动特性,同时探索了将结构的非线性振动特性应用于结构健康监测的可行性。随着损伤的增大,钢筋混凝土梁和预应力混凝土箱梁的非线性振动程度（即频率随振幅的增加而下降的程度）不是呈单调增加或者单调减小的变化趋势,而是先增加后减小。尽管如此,对于结构早期的损伤预警或者对完整性要求很高的结构的健康监测仍然有着较大的实用价值。因此非线性振动特性分析可以作为结构损伤检测的一种手段,或者与其它方法联合应用。在分析中发现:a.盲源分离技术采用多个通道的信号,抗干扰能力强,结合小波软阈值去噪,较好地处理了噪声的干扰问题,并且避免了短时傅氏变换中的经验性窗口宽度选择,可操作性强,健壮性好。b.在对预应力混凝土简支梁的分析中发现:随着损伤程度的增加,结构的频率不是单调降低,出现了频率往复的现象。如果通过基于线性振动的模态识别得到的结构频率变化来判断损伤程度的改变,则会出现误判。对于桥梁结构,其实测频率经常受到诸如温度等因素的影响,给损伤识别带来不小的困难。而此时非线性振动特性分析应该能给出更准确的结果,将其与其他损伤识别方法结合,损伤识别的结果更具鲁棒性。（3）对钢梁的动测信号进行了分析,表明钢梁不具备明显的非线性振动特性,非线性振动特性理论不适用于钢梁的损伤识别。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 结构损伤识别中的非线性振动特性分析
• 1.2 盲信号处理技术
• 1.3 本文的主要内容和创新点
• 2 钢筋混凝土梁非线性振动理论
• 2.1 引言
• 2.2 非线性振动的经典理论
• 2.2.1 摄动法
• 2.2.2 平均法
• 2.2.3 渐进法
• 2.2.4 多尺度法
• 2.3 钢筋混凝土梁非线性振动理论
• 2.3.1 裂缝开合对结构非线性振动的影响
• 2.3.2 材料特性对结构非线性振动影响
• 2.4 常用的非平稳信号的时频分析方法
• 2.4.1 短时傅里叶变换
• 2.4.2 希尔伯特-黄变换
• 2.5 小结
• 3 基于盲源分离的信号处理技术
• 3.1 引言
• 3.2 主分量分析
• 3.3 盲源分离技术
• 3.3.1 盲源分离的问题描述
• 3.3.2 盲源分离技术的基本假定
• 3.3.3 盲源分离的预处理
• 3.3.4 基于特征值分解和广义特征值分解的二阶统计量盲辨识
• 3.3.5 基于联合近似对角化的二阶统计量盲辨识
• 3.3.6 AMUSE 算法和SOBI 算法比较
• 3.4 基于盲源分离的数值仿真算例
• 3.4.1 密集频率模型
• 3.4.2 简支梁模型
• 3.5 小结
• 4 基于盲源分离技术的混凝土梁非线性振动特性分析
• 4.1 引言
• 4.2 钢筋混凝土梁非线性振动特性分析
• 4.2.1 钢筋混凝土梁试验
• 4.2.2 钢筋混凝土梁的振动特性分析
• 4.2.3 钢筋混凝土结构的非线性振动特性在损伤检测中的应用
• 4.3 预应力箱梁非线性振动特性分析
• 4.3.1 预应力钢筋混凝土箱型简支梁试验
• 4.3.2 预应力箱梁的非线性振动特性分析
• 4.3.3 预应力混凝土简支梁振动特性在结构损伤检测中的应用
• 4.4 钢梁振动特性分析
• 4.5 本章小结
• 5 结论与展望
• 5.1 结论
• 5.2 工作展望
• 致谢
• 参考文献
• 附录