【技术实现步骤摘要】
一种基于交叉模态置信准则矩阵的桥梁模态参数智能更新方法
本专利技术涉及一种基于交叉模态置信准则(CMAC)矩阵的桥梁模态参数智能更新方法，可用于结构模态频谱响应的自动分析与提取，从而实现桥梁结构模态参数的智能识别与更新。技术背景随着我国经济科技实力的大幅提升与交通运输行业的迅速发展，我国桥梁结构设计和建造水平不断提高，桥梁跨径也由百米级逐步迈向千米级。截至2019年，我国已建成公路桥梁约88万座，其中特大桥达5716座。如港珠澳大桥、五峰山大桥等一批代表世界顶尖水平的特大桥梁相继在我国建成，标志着我国由桥梁大国向桥梁强国的转变。但随着桥梁跨度的不断增加，结构刚度急剧下降，桥梁对环境振动也更加敏感。同时，随着桥梁服役寿命的增加，损失累积导致的结构运营性能下降问题逐渐突显。因此，采用结构健康监测系统(SHMS)对运营桥梁动力特性开展长期监测成为了保证大跨度桥梁健康的必要手段。大跨度桥梁健康监测是一项复杂且需要长期进行的工作，实现对海量监测数据的在线自动处理才能真正发挥SHMS的价值。然而，传统模态参数识别方法...
【技术保护点】
1.一种基于交叉模态置信准则矩阵的桥梁模态参数智能更新方法，其特征在于，所述方法包括以下步骤：/n第一步：构建具有不同模态参数的各类桥梁结构的有限元模型，并以高斯白噪声模拟随机荷载计算结构加速度响应数据；分别在加速度响应数据中添加0至70％的高斯白噪声模拟信号测试误差；将生成的样本数据分为10段计算其平均功率谱密度矩阵，设每段样本量为N，并对平均功率谱密度矩阵进行奇异值分解，保留每个平均功率谱密度矩阵最大奇异值对应的特征向量u
【技术特征摘要】
1.一种基于交叉模态置信准则矩阵的桥梁模态参数智能更新方法，其特征在于，所述方法包括以下步骤：
第一步：构建具有不同模态参数的各类桥梁结构的有限元模型，并以高斯白噪声模拟随机荷载计算结构加速度响应数据；分别在加速度响应数据中添加0至70％的高斯白噪声模拟信号测试误差；将生成的样本数据分为10段计算其平均功率谱密度矩阵，设每段样本量为N，并对平均功率谱密度矩阵进行奇异值分解，保留每个平均功率谱密度矩阵最大奇异值对应的特征向量ui，下标i对应功率谱密度矩阵的序号，即频率点序号；依据ui按下式计算交叉模态置信准则值，并据此构造矩阵M，称为交叉模态置信准则矩阵，该矩阵主对角线上元素均由0填充；
上式中，mij表示第i与j频率点对应的交叉模态置信准则值；
第二步：对第一步中输入噪声水平为0的响应数据生成的无噪声交叉模态置信准则矩阵进行增强处理，将交叉模态置信准则值大于0.9的元素转换为1，其余转换为0；分别标记各个有限元模型的无噪声交叉模态置信准则矩阵与输入噪声水平大于0的响应数据生成的有噪声交叉模态置信准则矩阵作为网络训练数据集，同一有限元模型的无噪声交叉模态置信准则矩阵对应于该模型的全部有噪声交叉模态置信准则矩阵；
第三步：构建交叉模态置信准则矩阵模态频谱响应智能提取神经网络，以有噪声交叉模态置信准则矩阵为输入，以对应的无噪声交叉模态置信准则矩阵作为标签开展网络训练；网络以无噪声交叉模态置信准则矩阵为训练目标，对有噪声交叉模态置信准则矩阵进行重构，剔除有噪声交叉模态置信准则矩阵中的噪声模态响应，得到仅有物理模态响应的重构交叉模态置信准则矩阵；
第四步：提取实际桥梁的振动响应数据，计算其交叉模态置信准则矩阵；利用训练完成的神经网络模型分离物理模态与噪声模态，得到该桥梁的重构交叉模态置信准则矩阵；提取重构交叉模态置信准则矩阵中等于1的元素对应的频率值，获得初始模态频谱响应区间；
第五步：在初始模态频谱响应区间范围内建立子区间，提取各子区间对应的振动数据功率谱密度的统计特征，包括功率谱密度数据的均值、方差和极差，并将所有功率谱密度统计特征进行标准化处理；以该区间功率谱密度数据为样本进行模态参数识别，并计算识别结果与该桥梁有限元模型理论模态参数之间的...
【专利技术属性】
技术研发人员：茅建校，杨朝勇，宗海，梁瑞军，王浩，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。