基于环境激励的桥梁结构模态参数识别：方法、案例与前沿探索

基于环境激励的桥梁结构模态参数识别：方法、案例与前沿探索一、引言1.1研究背景与意义桥梁作为交通基础设施的关键组成部分，其安全与稳定对保障交通运输的顺畅和公众生命财产安全至关重要。随着交通量的持续增长、服役时间的延长以及自然环境的侵蚀，桥梁结构面临着日益严峻的考验，健康监测成为确保桥梁安全运营的重要手段。在桥梁健康监测系统中，模态参数识别是核心技术之一，通过获取桥梁结构的固有频率、振型和阻尼比等模态参数，能够深入了解桥梁的结构特性和工作状态，为结构的安全评估、损伤诊断和寿命预测提供关键依据。传统的模态参数识别方法通常依赖于人工激励，如使用重振动器、落锤等设备对桥梁结构施加激励，同时测量激励和响应信号来进行参数识别。然而，这种方法在实际应用中存在诸多局限性。一方面，对于大型复杂桥梁结构，实施人工激励难度大且成本高昂，需要投入大量的人力和试验设备，且激励设备的搬运和安装也较为繁琐；另一方面，人工激励可能会对桥梁结构造成局部损伤，影响其正常使用和结构性能，同时也难以模拟桥梁在实际运营过程中所受到的复杂环境激励。基于环境激励的桥梁结构模态参数识别方法应运而生，该方法利用自然环境激励，如风载、地脉动、车辆激励等，仅根据桥梁结构的响应信号来识别模态参数。这种方法具有显著的优势：首先，无需额外的激励设备，避免了人工激励带来的成本和潜在损伤问题，同时也不会打断桥梁的正常使用，能够在桥梁日常运营状态下进行监测；其次，环境激励是桥梁在实际服役过程中真实承受的激励，基于此识别出的模态参数更能反映桥梁的实际工作状态和边界条件，提高了监测结果的准确性和可靠性；此外，该方法试验简便，所需人力少，不受结构形状和大小的限制，适用于各种类型的桥梁结构，具有广泛的应用前景。在实际工程中，基于环境激励的模态参数识别方法已得到了一定程度的应用。例如，在一些大型桥梁的健康监测项目中，通过布置传感器采集桥梁在环境激励下的振动响应信号，运用先进的信号处理和参数识别算法，成功获取了桥梁的模态参数，并用于评估桥梁的结构性能和健康状况。通过对模态参数的长期监测和分析，能够及时发现桥梁结构的潜在损伤和异常变化，为桥梁的维护管理提供科学依据，有效保障了桥梁的安全运营。基于环境激励的桥梁结构模态参数识别方法在桥梁健康监测领域具有重要的理论意义和实际应用价值。深入研究该方法，不断改进和完善识别算法，提高识别精度和可靠性，对于保障桥梁结构的安全稳定、延长桥梁使用寿命、降低维护成本具有重要的推动作用。1.2国内外研究现状在基于环境激励的桥梁结构模态参数识别领域，国内外学者开展了大量研究，取得了丰硕成果。国外研究起步较早，在理论和方法上不断创新。20世纪60年代，AkaikeH.首次利用自回归滑动平均模型进行白噪声激励下的结构模态参数识别，开启了环境激励模态分析的研究序幕。此后，时域识别方法不断发展，1973年IbrahimS.K.提出利用时域识别方法从结构的自由衰减响应中识别结构的振动模态，后续经多次改进形成ITD方法。到了80-90年代，子空间方法成为研究热点，1984年J.N.Juang和R.S.Pappa提出基于实现的子空间方法的特征系统实现算法（ERA），1991年P.V.Overbye和DeMoor提出随机子空间识别方法（SSI），并在1993年得到进一步发展。这些方法在理论上较为完善，为后续研究奠定了坚实基础。例如，SSI方法在处理多自由度系统的环境激励模态参数识别问题上表现出较高的精度和可靠性，被广泛应用于各类大型工程结构的模态分析中。国内对基于环境激励的桥梁结构模态参数识别研究相对较晚，但发展迅速。近年来，众多高校和科研机构在该领域积极探索，结合国内桥梁建设的实际需求，开展了深入研究。在理论方法研究方面，对国外先进方法进行了引进、消化和吸收，并在此基础上进行创新。例如，将小波变换、奇异值分解等现代信号处理技术与传统模态参数识别方法相结合，提出了一些新的算法，有效提高了模态参数识别的精度和抗噪能力。在工程应用方面，国内在众多大型桥梁的健康监测项目中成功应用了基于环境激励的模态参数识别技术。如在港珠澳大桥的健康监测系统中，通过合理布置传感器，采集桥梁在风载、车辆荷载等环境激励下的振动响应信号，运用先进的模态参数识别算法，实时获取桥梁的模态参数，为大桥的安全运营提供了有力保障。目前的研究仍存在一些不足与待拓展方向。一方面，现有识别方法在处理复杂环境激励和强噪声干扰下的模态参数识别问题时，精度和可靠性有待进一步提高。例如，在强风、暴雨等恶劣天气条件下，环境激励信号变得更加复杂，噪声干扰增大，现有的方法难以准确提取模态参数。另一方面，对于不同类型桥梁结构的适应性研究还不够深入，缺乏针对特定桥型的优化识别方法。不同桥型如梁桥、拱桥、斜拉桥、悬索桥等，其结构特性和受力特点差异较大，现有的通用识别方法在应用于特定桥型时，可能无法充分发挥其优势，需要进一步研究针对性的识别策略。此外，如何将模态参数识别结果与桥梁结构的损伤评估、寿命预测等实际工程应用更紧密地结合，也是未来需要重点研究的方向之一。1.3研究内容与方法1.3.1研究内容环境激励特性分析：全面研究桥梁结构所承受的各类环境激励，包括风载、地脉动、车辆激励等的特性。深入分析风载的随机性、脉动特性以及不同风速、风向对桥梁结构的作用机制；研究地脉动的频谱特性、能量分布以及其在不同地质条件下对桥梁振动的影响；探讨车辆激励的动态特性，如车辆类型、行驶速度、车流量等因素对桥梁振动响应的影响规律。通过实际监测和理论分析，建立环境激励的数学模型，为后续的模态参数识别提供准确的激励输入。模态参数识别方法研究：对现有的基于环境激励的模态参数识别方法进行深入研究，如随机子空间法、频域分解法、峰值拾取法等。分析各种方法的原理、适用范围和优缺点，针对不同类型的桥梁结构和环境激励条件，比较各方法的识别精度和可靠性。在此基础上，结合现代信号处理技术和机器学习算法，探索新的模态参数识别方法或对现有方法进行改进，提高识别精度和抗噪能力，解决复杂环境激励和强噪声干扰下的模态参数准确提取问题。识别方法的验证与对比：利用数值模拟和实际桥梁试验对所研究的模态参数识别方法进行验证和对比分析。在数值模拟方面，建立不同类型桥梁结构的有限元模型，施加模拟的环境激励，通过数值计算得到桥梁的振动响应，并运用各种识别方法进行模态参数识别，将识别结果与理论值进行对比，评估各方法的准确性和有效性。在实际桥梁试验中，选择典型的桥梁结构，如梁桥、拱桥、斜拉桥等，在实际环境激励下进行振动响应测试，采用所研究的识别方法进行模态参数识别，并与其他已有的成熟方法进行对比，分析不同方法在实际工程应用中的差异和适应性。工程应用研究：将研究成果应用于实际桥梁的健康监测和安全评估中。结合某具体桥梁工程，建立基于环境激励的模态参数识别系统，实时监测桥梁在运营过程中的振动响应，通过识别得到的模态参数，分析桥梁结构的工作状态和健康状况。建立基于模态参数的桥梁结构损伤评估指标和方法，通过对模态参数的变化分析，实现对桥梁结构早期损伤的预警和定位，为桥梁的维护管理提供科学依据，保障桥梁的安全运营。1.3.2研究方法理论分析：基于结构动力学、振动理论和信号处理理论，对环境激励下桥梁结构的振动响应和模态参数识别方法进行深入的理论推导和分析。建立桥梁结构在环境激励下的动力学方程，分析环境激励的特性和作用机制，推导模态参数识别方法的数学模型和算法原理，从理论层面揭示各方法的本质和内在联系，为研究提供坚实的理论基础。数值模拟：运用有限元分析软件，如ANSYS、ABAQUS等，建立桥梁结构的数值模型。通过对模型施加各种模拟的环境激励，如模拟风载、地脉动和车辆荷载等，计算桥梁结构的振动响应。利用数值模拟结果，对不同的模态参数识别方法进行验证和分析，研究各种因素对识别结果的影响，如噪声水平、激励特性、传感器布置等。数值模拟可以快速、灵活地改变各种参数，为研究提供大量的数据支持，有助于深入理解模态参数识别过程中的各种现象和规律。案例研究：选取实际的桥梁工程作为案例，进行现场测试和数据采集。在桥梁上布置加速度传感器、位移传感器等监测设备，采集桥梁在实际环境激励下的振动响应数据。运用所研究的模态参数识别方法对采集到的数据进行处理和分析，获取桥梁的模态参数，并与桥梁的设计参数和历史监测数据进行对比，评估桥梁的结构性能和健康状况。通过实际案例研究，验证理论分析和数值模拟的结果，同时也可以发现实际工程中存在的问题和挑战，为进一步改进和完善识别方法提供实践依据。二、基于环境激励的桥梁结构模态参数识别理论基础2.1桥梁结构模态参数概述在桥梁结构动力学领域，模态参数是描述桥梁结构动态特性的关键指标，主要包括自振频率、阻尼比和振型。这些参数对于深入了解桥梁结构的力学性能、评估其安全状态以及进行结构优化设计具有重要意义。自振频率，是指桥梁在无外力作用下的固有振动频率，它反映了桥梁结构自由振动的快慢程度，单位为赫兹（Hz）。每一个桥梁结构都具有一系列特定的自振频率，这些频率由结构的质量分布、刚度特性以及边界条件等因素共同决定。当外界激励的频率接近桥梁的自振频率时，就会引发共振现象，导致桥梁结构产生较大的振动响应，严重时可能危及桥梁的安全。以1940年美国塔科马海峡大桥的风毁事故为例，当时风速产生的激励频率与桥梁的自振频率接近，引发了强烈的共振，致使桥梁在短时间内发生坍塌。因此，准确获取桥梁的自振频率，对于避免共振的发生、确保桥梁结构的安全稳定至关重要。阻尼比，是衡量结构振动衰减特性的重要参数，它反映了系统的能量耗散能力。在实际的桥梁结构中，阻尼主要来源于材料内部的摩擦、结构部件之间的相互作用以及周围介质的阻尼作用等。阻尼比通常用无量纲的百分数表示，其值越大，表明结构在振动过程中能量耗散越快，振动衰减也就越快；反之，阻尼比越小，振动衰减越慢，振动持续的时间越长。阻尼比的大小对桥梁结构的动态响应有着显著影响。在遭受地震、风荷载等动态激励时，适当的阻尼比能够有效地抑制结构的振动幅度，降低结构的应力水平，从而提高桥梁的抗震、抗风性能。例如，在一些地震频发地区的桥梁设计中，会通过采用高阻尼材料或设置阻尼装置等方式，来增加桥梁结构的阻尼比，以减少地震作用下的结构响应，保障桥梁的安全。振型，描述了在特定频率下，桥梁各个部分的振动模式，它体现了结构在振动过程中各点相对位移的变化规律。振型通常以图形的形式表示，通过振型图可以直观地了解桥梁结构在不同模态下的振动形态。每一个自振频率都对应着一个特定的振型，不同的振型反映了结构在不同方向和部位的振动特性。例如，在梁式桥的振动中，可能存在一阶竖向弯曲振型、二阶竖向弯曲振型、一阶横向弯曲振型等。振型对于分析桥梁结构的受力状态和薄弱部位具有重要作用。通过对振型的分析，可以确定结构在振动过程中哪些部位的位移较大、应力集中较为明显，从而为结构的加固和优化设计提供依据。在桥梁的损伤检测中，振型的变化也可以作为判断结构是否存在损伤以及损伤位置的重要依据。当桥梁结构发生损伤时，其刚度分布会发生改变，进而导致振型发生相应的变化，通过监测振型的变化情况，就可以及时发现桥梁结构的潜在损伤。2.2环境激励的类型与特性分析桥梁在实际服役过程中，会受到多种环境激励的作用，这些激励的特性复杂多样，对桥梁结构振动产生不同程度的影响。深入了解环境激励的类型与特性，是准确进行基于环境激励的桥梁结构模态参数识别的重要前提。风荷载是桥梁结构所承受的常见环境激励之一，具有明显的随机性和脉动特性。从产生机制来看，风是由于大气压强的差异导致空气流动而形成的。当风作用于桥梁结构时，其作用力可分为平均风作用力和脉动风作用力。平均风在较长时间尺度上保持相对稳定，对桥梁结构产生较为平稳的静力作用，可引起桥梁结构的内力和变形。例如，在一些大跨度桥梁的设计中，需要考虑平均风作用下桥梁的挠度和应力分布，以确保结构的安全性和正常使用性能。而脉动风则具有强烈的随机性，其风速和风向随时间快速变化，会引发桥梁结构的动力响应。研究表明，脉动风的功率谱密度函数通常在一定频率范围内呈现出特定的分布规律，如在低频段能量相对集中。脉动风对桥梁结构的作用效果与桥梁的自振频率密切相关，当脉动风的频率成分与桥梁的自振频率接近时，会引发共振现象，使桥梁结构的振动响应显著增大。在1940年美国塔科马海峡大桥风毁事故中，脉动风与桥梁的自振频率发生共振，导致桥梁产生大幅振动，最终造成桥梁坍塌，这一事故充分凸显了脉动风对桥梁结构的巨大威胁。交通荷载主要源于车辆在桥梁上的行驶，其特性与车辆类型、行驶速度、车流量以及车辆的分布状态等因素紧密相关。不同类型的车辆，如小汽车、卡车、公交车等，由于其质量、轴距、轮胎特性等不同，对桥梁产生的荷载也各不相同。重型卡车的质量较大，其行驶过程中对桥梁结构产生的冲击力和振动荷载相对较大。车辆行驶速度的变化会导致动荷载系数的改变，从而影响桥梁结构所承受的荷载大小。当车辆行驶速度较高时，桥梁结构受到的冲击作用增强，动荷载系数增大，桥梁的振动响应也会相应增大。车流量和车辆分布状态对桥梁结构的影响也不容忽视。在交通高峰期，车流量较大，多辆车同时行驶在桥梁上，车辆之间的相互作用会使桥梁结构所承受的荷载变得更加复杂，可能引发桥梁结构的局部振动加剧。此外，车辆在桥梁上的制动、启动以及超车等行为，也会产生额外的动力荷载，对桥梁结构造成冲击。地震作用是一种具有强烈动力特性的环境激励，其特点是瞬时性、不确定性和复杂性。地震是由于地球内部的构造运动导致地壳板块相互挤压、错动，从而产生地震波并向地表传播。地震作用在短时间内释放巨大能量，使地面产生强烈振动，进而通过地基传递到桥梁结构上，引起桥梁的剧烈振动。地震的发生时间、地点、震级和频谱特性等都具有不确定性，这给桥梁结构的抗震设计和分析带来了很大困难。不同地震事件的频谱特性差异较大，而桥梁结构的动力响应与地震波的频谱特性密切相关。当桥梁结构的自振频率与地震波的某些频率成分接近时，会发生共振，导致结构的地震响应显著增大，增加桥梁结构的破坏风险。在地震作用下，桥梁结构不仅会受到水平方向的地震力作用，还可能受到竖向地震力和扭转地震力的作用，这些复杂的地震作用会使桥梁结构的受力状态变得极为复杂，容易导致桥梁结构的关键部位，如桥墩、桥台、支座等出现破坏，影响桥梁的整体稳定性和安全性。2.3模态参数识别的基本原理基于环境激励的桥梁结构模态参数识别，是利用桥梁在自然环境激励下的振动响应信号，通过特定的信号处理和分析方法，获取桥梁结构的固有频率、振型和阻尼比等模态参数。由于环境激励通常具有随机性和不可控性，如前文所述的风载、交通荷载和地震作用等，这使得模态参数识别面临一定挑战，需要借助多种先进的方法和技术来实现准确识别。时域法是基于环境激励的模态参数识别方法之一，其直接在时间域内对结构的响应信号进行分析处理。该方法的基本原理是利用结构振动响应的时域特征，通过建立相应的数学模型来求解模态参数。例如，随机减量法是一种典型的时域法，它基于结构在环境激励下的随机振动响应，利用信号的统计特性，从响应信号中提取出自由衰减振动信号。具体来说，随机减量法假设结构的响应是由一系列白噪声激励引起的，通过对多个响应样本进行平均处理，消除噪声的影响，从而得到近似的自由衰减响应。然后，根据自由衰减响应的特征，如振动幅值随时间的衰减规律、过零点的时间间隔等，运用时域分析技术，如时域自相关函数（ACF）和互相关函数（CCF）等，来识别结构的模态频率和振型。时域法的优点在于能够直接处理原始的时域响应信号，无需进行复杂的变换，计算效率较高，且对低频模态的识别较为准确。然而，该方法也存在一定局限性，它对噪声较为敏感，在强噪声环境下，识别精度会受到较大影响；此外，时域法在处理多自由度系统时，由于各自由度之间的耦合作用，可能会导致识别结果的误差增大。频域法是在频域内对结构的响应信号进行分析，通过将时域信号转换为频域信号，利用频率响应函数或功率谱密度函数来识别模态参数。傅里叶变换是频域法中常用的信号处理工具，它能够将时域的振动响应信号转换为频域的频谱，从而清晰地展示信号的频率成分。峰值拾取法是一种简单直观的频域识别方法，它依据频率响应函数在结构固有频率处会出现峰值这一原理，通过对随机响应的功率谱进行分析，从频谱图上识别出共振频率，即结构的固有频率。在此频率下，各测点与参考点的幅值谱之比可作为该参考点的振型相对值。频域分解法是峰值拾取法的扩展，它适用于多自由度系统的模态参数识别，通过对功率谱矩阵进行特征值分解，将复杂的多自由度系统分解为多个单自由度系统，从而更准确地识别出各阶模态参数。频域法的优势在于直观性强，从频谱图上能够直接获取模态频率等信息，并且由于在处理过程中利用了频域平均技术，能够有效抑制噪声的影响，提高识别精度。但是，频域法要求环境激励近似为白噪声，对于非白噪声激励的情况，其识别效果会受到较大影响；同时，频域法在模态耦合严重的情况下，可能会出现模态混淆，导致识别结果不准确。时频分析法结合了时域和频域的分析方法，能够同时展示信号在时间和频率上的变化特征，适用于处理非平稳信号。小波变换是一种典型的时频分析方法，它通过选择合适的小波基函数，对信号进行多分辨率分析，将信号分解为不同频率段和不同时间尺度的分量，从而能够更细致地捕捉信号的时频特性。在基于环境激励的桥梁结构模态参数识别中，小波变换可以将桥梁的振动响应信号分解为多个小波系数，通过对这些小波系数的分析，提取出与模态参数相关的信息。例如，利用小波系数的模极大值分布来确定模态频率，通过分析不同尺度下小波系数的相位关系来识别振型。时频分析法的优点是能够有效处理非平稳的环境激励信号，对于复杂的桥梁振动响应具有更好的适应性，能够更准确地提取模态参数。不过，该方法的计算复杂度较高，对计算资源的要求较大，且小波基函数的选择对识别结果影响较大，需要根据具体问题进行合理选择，这在一定程度上限制了其应用。三、常见的基于环境激励的桥梁结构模态参数识别方法3.1频域法3.1.1峰值拾取法峰值拾取法是一种经典的频域模态参数识别方法，其基本原理基于结构动力学中频率响应函数的特性。在结构动力学中，当结构受到激励而产生振动时，其频率响应函数（FRF）在结构的固有频率处会出现峰值。对于环境激励下的桥梁结构，虽然无法直接获取输入激励，但可利用随机响应的功率谱来代替频率响应函数进行分析。在实际操作中，首先需要对桥梁结构在环境激励下的响应信号进行采集，一般使用加速度传感器等设备布置在桥梁的关键位置，获取振动响应的时域信号。然后，通过离散傅里叶变换（DFT）将时域信号转换为频域信号，进而计算出响应信号的功率谱。功率谱能够反映信号在不同频率上的能量分布情况。在功率谱图中，峰值对应的频率即为桥梁结构的固有频率。这是因为在固有频率处，结构对激励的响应最为强烈，能量集中，从而在功率谱上表现为峰值。例如，对于一座简支梁桥，在环境激励下，其振动响应信号经傅里叶变换和功率谱计算后，会在某些特定频率处出现明显的峰值，这些频率就是简支梁桥的固有频率。确定固有频率后，振型的计算基于传递函数的概念。在环境激励试验中，由于输入未知，传递函数定义为所测响应相对于参考点响应的比值。通常选取桥梁结构上的一个固定测点作为参考点，其余测点与参考点进行双通道傅里叶变换分析。在识别出的固有频率下，各测点与参考点的幅值谱之比就可以作为该参考点的振型相对值。通过这样的方式，可以确定桥梁结构在不同固有频率下的振型。峰值拾取法在桥梁结构模态参数识别中具有一定的优势。该方法原理简单直观，易于理解和实现，不需要复杂的数学模型和计算过程，对于一些简单结构的桥梁，能够快速有效地识别出固有频率和大致的振型。在一些小型梁式桥的模态参数识别中，使用峰值拾取法可以快速得到结构的主要模态信息，为初步的结构评估提供依据。峰值拾取法计算效率较高，在数据处理过程中不需要进行大量的迭代计算，能够在较短时间内完成模态参数的初步识别。然而，该方法也存在明显的局限性。峰值拾取法假设共振时的动力响应仅仅由一种模态决定，这就要求模态能够很好地分离且阻尼较低。在实际的桥梁结构中，尤其是大型复杂桥梁，模态密集的情况较为常见，不同模态之间存在耦合作用，此时峰值拾取法容易出现模态混淆，导致识别结果不准确。当桥梁结构存在多个固有频率相近的模态时，功率谱上的峰值可能会相互干扰，难以准确分辨各个模态的频率和振型。峰值拾取法对噪声较为敏感，环境噪声和测量噪声会影响功率谱的准确性，进而影响模态参数的识别精度。在实际的桥梁监测环境中，不可避免地存在各种噪声干扰，这会给峰值拾取法的应用带来较大挑战。由于峰值拾取法的局限性，其适用范围主要集中在一些结构相对简单、模态分布较为稀疏、阻尼较小且噪声干扰较小的桥梁结构。对于这类桥梁，峰值拾取法能够发挥其简单高效的优势，快速获取模态参数。在一些新建的小型公路梁桥，结构形式常规，在环境激励相对平稳、噪声较小的情况下，峰值拾取法可以较好地完成模态参数识别任务。但对于大型复杂桥梁，如大跨度斜拉桥、悬索桥等，由于其结构复杂、模态密集，峰值拾取法难以满足高精度的模态参数识别要求，需要结合其他更先进的方法进行分析。3.1.2增强型频域分解法（EFDD）增强型频域分解法（EFDD）是在传统频域分解法（FDD）基础上发展而来的一种模态参数识别方法，其原理基于对结构响应信号的频域分析和矩阵运算。在结构动力学中，当桥梁结构受到环境激励时，其响应信号包含了多个模态的信息。EFDD方法通过对响应信号的功率谱密度矩阵进行处理，将复杂的多模态响应分解为各个独立模态的响应，从而实现模态参数的识别。EFDD的实现过程较为复杂，涉及多个关键步骤。需要对桥梁结构在环境激励下的响应信号进行采集，通常使用多个传感器在不同位置测量振动响应，获取多通道的时域信号。对这些时域信号进行离散傅里叶变换（DFT），将其转换为频域信号，并计算功率谱密度矩阵。功率谱密度矩阵反映了不同测点之间响应信号在各个频率上的相关性。对功率谱密度矩阵进行奇异值分解（SVD），将其分解为奇异值和奇异向量。奇异值曲线在结构的固有频率处会出现峰值，通过识别这些峰值对应的频率，就可以确定桥梁结构的固有频率。这是因为在固有频率处，结构的响应能量集中，导致功率谱密度矩阵的奇异值出现峰值。在确定固有频率后，相应的奇异向量就对应着该频率下的振型。为了提高频率估计的精度，EFDD方法还对奇异值曲线进行插值处理，使得频率的识别更加准确。此外，EFDD方法引入了模式指标来识别模态振型，通过模式指标可以判断所识别出的模态振型是否可靠，进一步提高了振型识别的准确性。以某实际大跨度斜拉桥的健康监测项目为例，该桥全长1500米，主跨800米，在长期的运营过程中需要实时监测其结构状态。在进行模态参数识别时，采用了EFDD方法。在桥梁的主梁、索塔等关键部位布置了50个加速度传感器，采集桥梁在风载、交通荷载等环境激励下的振动响应信号。对采集到的信号进行处理，经过傅里叶变换和功率谱密度矩阵计算后，进行奇异值分解。从奇异值曲线中准确识别出了该斜拉桥的前20阶固有频率，与设计理论值对比，误差在可接受范围内。通过对奇异向量的分析和模式指标的判断，成功识别出了各阶模态对应的振型，清晰地展示了桥梁在不同模态下的振动形态。尽管EFDD方法在实际应用中取得了较好的识别效果，但也存在一定的局限性。EFDD方法假定各阶模态的振型正交，在实际的桥梁结构中，由于结构的复杂性和非线性因素的存在，各阶模态振型可能并非完全正交，这会导致识别精度下降。在一些存在局部损伤或材料非线性的桥梁结构中，振型的正交性假设不成立，EFDD方法的识别精度会受到较大影响。当桥梁结构的模态密集时，相邻模态的频率接近，奇异值曲线的峰值可能会相互干扰，导致频率和振型的识别困难。在大型复杂桥梁中，模态密度较高，EFDD方法在处理这类情况时需要更加谨慎，可能需要结合其他技术手段来提高识别的准确性。3.2时域法3.2.1随机子空间法（SSI）随机子空间法（SSI）是一种基于状态空间模型的时域模态参数识别方法，在处理复杂桥梁结构模态参数识别中具有重要地位。其理论基础建立在系统的状态空间描述之上，对于线性时不变系统，可通过离散状态空间模型来表示。假设系统在k时刻的状态向量为x(k)，输出向量为y(k)，过程噪声为w(k)，测量噪声为v(k)，状态空间矩阵分别为A、B、C、D，则离散状态空间模型可表示为：x(k+1)=Ax(k)+Bw(k)y(k)=Cx(k)+Dw(k)+v(k)其中，A描述了系统状态随时间的转移特性，B表示过程噪声对系统状态的影响，C决定了系统状态与输出之间的关系，D则体现了过程噪声直接对输出的作用。在实际的桥梁结构中，这些矩阵的参数反映了桥梁结构的动力学特性，如质量、刚度和阻尼等因素对结构振动状态和响应的影响。SSI算法的核心目标是从系统的输出数据y(k)中估计出状态空间矩阵A和C，进而通过对这些矩阵的分析提取出系统的模态参数。在实际应用中，通常采用Hankel矩阵构建系统的Markov参数。Hankel矩阵是一种特殊的矩阵，其元素具有特定的排列规律，通过将系统的输出数据按一定规则排列成Hankel矩阵，可以有效地提取系统的动态信息。对Hankel矩阵进行奇异值分解（SVD），将其分解为三个矩阵的乘积，这些矩阵包含了系统的模态信息。通过对分解后的矩阵进行进一步处理，可得到系统的特征值、固有频率、阻尼比和振型等模态参数。具体而言，系统的特征值\lambda_{i}与固有频率f_{i}、阻尼比\zeta_{i}之间存在如下关系：\lambda_{i}=\alpha_{i}+j\beta_{i}f_{i}=\frac{\sqrt{\alpha_{i}^{2}+\beta_{i}^{2}}}{2\pi\Deltat}\zeta_{i}=-\frac{\alpha_{i}}{\sqrt{\alpha_{i}^{2}+\beta_{i}^{2}}}其中，\alpha_{i}和\beta_{i}分别是特征值的实部和虚部，\Deltat是采样时间间隔。振型向量\Phi_{i}则可通过对状态空间矩阵的特征向量分析得到。在处理复杂桥梁结构模态参数识别时，SSI方法具有显著优势。由于其基于状态空间模型，能够充分考虑系统的多自由度特性和复杂的动力学行为，对于大型复杂桥梁结构，如大跨度斜拉桥、悬索桥等，SSI方法能够有效地处理多个测点的响应数据，准确识别出各阶模态参数。在某大跨度斜拉桥的模态参数识别中，通过在桥梁的主梁、索塔、拉索等关键部位布置大量传感器，采集环境激励下的振动响应数据，运用SSI方法成功识别出了该桥的前30阶模态参数，包括固有频率、阻尼比和振型，为桥梁的结构健康监测和安全评估提供了重要依据。SSI方法对噪声具有一定的鲁棒性，在实际的桥梁监测环境中，不可避免地存在各种噪声干扰，SSI方法能够通过合理的数据处理和模型估计，在一定程度上抑制噪声的影响，提高模态参数识别的精度和可靠性。SSI方法也存在一些可能出现的问题。在确定系统的最佳阶次时存在困难，通常需要通过观察稳定图来选择合适的阶次，稳定图根据不同阶次的计算结果，将固有频率、阻尼比和振型的相似程度进行可视化呈现，稳定的模态参数往往对应着真实的物理模态，而非噪声或计算模态。稳定图的解释具有较强的主观性，尤其是在高阶系统中，稳定图会变得非常复杂，难以准确辨别真实模态和虚假模态，导致错误的模态参数辨识。在某复杂桥梁结构的模态参数识别中，由于稳定图的解读偏差，错误地将一些计算模态识别为真实模态，从而影响了对桥梁结构状态的准确评估。SSI方法的计算量较大，对于大型复杂桥梁结构，由于其自由度多、测点数据量大，进行Hankel矩阵构建、奇异值分解等运算时需要消耗大量的计算资源和时间，这在一定程度上限制了其在实时监测和快速分析中的应用。3.2.2自然激励技术结合特征系统实现算法（NExT-ERA）自然激励技术结合特征系统实现算法（NExT-ERA）是一种在桥梁结构模态参数识别中应用广泛且有效的方法，其基本原理融合了自然激励技术（NExT）和特征系统实现算法（ERA）的优势。NExT技术的核心在于利用环境中的自然激励，如风、交通荷载、地脉动等，作为桥梁结构的激励源。这些自然激励具有随机性和复杂性，能够真实地反映桥梁在实际运营过程中的受力情况。通过在桥梁结构上布置传感器，采集在自然激励下的振动响应信号，然后利用互相关函数的特性，将环境激励下的响应信号转化为等效的脉冲响应函数。这是因为在一定条件下，环境激励可以看作是白噪声激励，而白噪声激励下系统的响应互相关函数与脉冲响应函数具有相似的特性。通过计算不同测点之间的互相关函数，就可以得到等效的脉冲响应函数，从而为后续的模态参数识别提供数据基础。ERA算法是一种基于状态空间模型的模态参数识别方法。它通过构建Markov参数矩阵，将系统的输入输出数据转化为状态空间模型的形式。具体来说，首先根据采集到的响应数据，计算出Markov参数，然后将这些参数排列成Markov参数矩阵。对Markov参数矩阵进行奇异值分解（SVD），将其分解为三个矩阵的乘积，通过对分解后的矩阵进行分析，可以提取出系统的状态空间矩阵A和C。通过求解状态空间矩阵的特征值和特征向量，就可以得到桥梁结构的固有频率、阻尼比和振型等模态参数。系统的特征值与固有频率、阻尼比之间存在着特定的数学关系，通过这些关系可以准确计算出模态参数。在实际应用NExT-ERA方法时，需要遵循一定的步骤。要合理选择参考点，通常选择一个响应较小且具有代表性的测点作为参考点，其他测点与该参考点进行互相关函数计算，以确保计算结果的准确性和可靠性。对采集到的振动响应信号进行预处理，去除信号中的趋势项、噪声等干扰，提高信号的质量，为后续的计算提供良好的数据基础。利用NExT技术计算互相关函数，得到等效的脉冲响应函数，再将其输入到ERA算法中进行模态参数识别。在识别过程中，需要对识别结果进行验证和分析，通过与理论计算结果、历史监测数据或其他可靠的识别方法进行对比，判断识别结果的准确性和可靠性。以某实际桥梁工程为例，该桥梁为一座三跨连续梁桥，全长200米，在长期运营过程中需要进行结构健康监测。在进行模态参数识别时，采用了NExT-ERA方法。在桥梁的主梁上均匀布置了10个加速度传感器，采集桥梁在交通荷载和环境风载等自然激励下的振动响应信号。对采集到的信号进行去噪、滤波等预处理后，利用NExT技术计算各测点与参考点之间的互相关函数，得到等效的脉冲响应函数。将这些脉冲响应函数输入到ERA算法中，经过Markov参数矩阵构建、奇异值分解等运算，成功识别出了该桥的前10阶模态参数。将识别结果与该桥的设计理论值进行对比，发现固有频率的识别误差在±5%以内，振型的相关系数在0.9以上，表明NExT-ERA方法在识别该桥梁模态参数方面具有较高的准确性和可靠性。通过对该桥的长期监测，利用NExT-ERA方法定期识别模态参数，发现随着时间的推移，部分模态的频率和阻尼比发生了微小变化，通过进一步分析，判断出桥梁结构可能存在局部损伤，及时采取了相应的维护措施，保障了桥梁的安全运营。3.3时频分析法3.3.1小波变换法小波变换法是一种重要的时频分析方法，在桥梁模态参数识别领域具有独特的应用价值，其基本原理基于小波函数的多分辨率分析特性。小波变换的核心是通过对一个母小波函数进行伸缩和平移操作，生成一系列不同尺度和位置的小波基函数。母小波函数\psi(t)需满足容许性条件，即\int_{R}\frac{|\hat{\psi}(\omega)|^2}{|\omega|}d\omega<\infty，其中\hat{\psi}(\omega)是\psi(t)的傅里叶变换。通过尺度因子a和平移因子b，由母小波生成依赖于参数(a,b)的连续小波函数\psi_{a,b}(t)=\frac{1}{\sqrt{|a|}}\psi(\frac{t-b}{a})。对于待分析的桥梁振动响应信号x(t)，其连续小波变换定义为W_x(a,b)=\frac{1}{\sqrt{|a|}}\int_{-\infty}^{\infty}x(t)\psi^*(\frac{t-b}{a})dt，这里\psi^*表示\psi的共轭。小波变换将信号分解为不同频率段和时间尺度的分量，能够在时频平面上展示信号的局部特征。在分析桥梁振动信号时，不同尺度的小波变换对应不同的频率范围，大尺度对应低频成分，小尺度对应高频成分，通过对不同尺度下小波系数的分析，可以提取出信号中与桥梁模态相关的频率和时间信息。在桥梁模态参数识别中，小波变换法有着广泛的应用。在识别桥梁的固有频率时，由于桥梁的振动响应信号包含了多个固有频率成分，小波变换能够将这些不同频率成分在时频域上进行分离。通过分析小波系数的模极大值分布，可以确定信号中的主要频率成分，这些频率成分对应着桥梁的固有频率。对于一座多跨连续梁桥，其振动响应信号经小波变换后，在时频图上可以清晰地看到不同尺度下小波系数模极大值对应的频率，这些频率即为连续梁桥的各阶固有频率。在识别振型时，利用小波变换在不同测点处的相位信息，可以计算出各测点之间的相对相位差，从而确定桥梁结构在不同模态下的振型。通过对不同位置传感器采集的振动响应信号进行小波变换，分析其小波系数的相位关系，能够准确地描绘出桥梁在各阶模态下的振动形态。小波变换法在处理非平稳信号时具有显著优势。传统的傅里叶变换只能将信号分解为不同频率的谐波成分，无法反映信号的时变特性，而小波变换能够同时在时间和频率上对信号进行局部化分析，非常适合处理非平稳的桥梁振动信号。在桥梁受到突发的车辆荷载冲击或强风作用时，其振动响应信号呈现出明显的非平稳性，小波变换可以有效地捕捉到信号在这些瞬态过程中的频率变化和时间特征，准确地提取出模态参数，为桥梁的实时健康监测提供有力支持。小波变换对噪声具有一定的抑制能力，通过选择合适的小波基函数和阈值处理方法，可以在一定程度上减少噪声对信号的干扰，提高模态参数识别的精度。小波变换法也存在一些局限性。小波基函数的选择对识别结果影响较大，不同的小波基函数具有不同的时频特性，选择不合适的小波基函数可能导致模态参数识别不准确。对于不同类型的桥梁结构和不同特性的环境激励，需要根据经验和试验来选择合适的小波基函数，这增加了应用的难度。小波变换的计算复杂度较高，尤其是在处理大量的桥梁监测数据时，需要消耗大量的计算资源和时间，这在一定程度上限制了其在实时监测和在线分析中的应用。小波变换在模态耦合严重的情况下，可能难以准确地分离出各个模态的参数，导致识别结果出现偏差。在一些大型复杂桥梁中，由于结构的复杂性和多模态耦合的存在，小波变换法在识别模态参数时需要结合其他技术手段来提高识别的准确性。3.3.2短时傅里叶变换法短时傅里叶变换（Short-TimeFourierTransform，STFT）法是一种经典的时频分析方法，在桥梁结构模态参数识别中具有独特的原理和应用方式。其基本原理是在傅里叶变换的基础上引入时间窗函数，以实现对信号的时频局部化分析。对于一个时间信号x(t)，其短时傅里叶变换定义为STFT_x(\tau,f)=\int_{-\infty}^{\infty}x(t)w(t-\tau)e^{-j2\pift}dt，其中w(t)是窗函数，\tau是时间窗的中心位置，f是频率。通过在时间轴上滑动时间窗，对每个时间窗内的信号进行傅里叶变换，从而得到信号在不同时间和频率上的分布情况，即信号的时频表示。在分析桥梁振动信号时，时间窗函数将信号分割成多个小段，每个小段内的信号被近似认为是平稳的，然后对每个小段进行傅里叶变换，得到该小段信号的频率成分。通过不断滑动时间窗，可以得到信号在不同时刻的频率变化情况，从而在时频平面上展示出信号的时频特性。在实际应用中，短时傅里叶变换法的实现过程包括几个关键步骤。首先，需要根据桥梁振动信号的特点选择合适的窗函数，常见的窗函数有矩形窗、汉宁窗、汉明窗等。不同的窗函数具有不同的频谱特性，对分析结果会产生影响。汉宁窗具有较好的旁瓣抑制特性，能够减少频谱泄漏，在处理桥梁振动信号时，选择汉宁窗可以使频率分辨率更高，更准确地提取信号的频率成分。确定窗函数后，需要设置窗函数的长度和滑动步长。窗函数长度的选择需要综合考虑时间分辨率和频率分辨率的要求。窗函数长度较短时，时间分辨率高，能够更好地捕捉信号的快速变化，但频率分辨率较低，难以准确分辨相近的频率成分；窗函数长度较长时，频率分辨率提高，但时间分辨率降低，对信号的瞬时变化响应不灵敏。滑动步长决定了时频图上时间轴的分辨率，较小的滑动步长可以得到更密集的时频图，但计算量也会相应增加。在对某桥梁振动信号进行短时傅里叶变换分析时，经过多次试验，选择了长度为1024个采样点的汉宁窗，滑动步长为128个采样点，这样既保证了较好的频率分辨率，又能及时捕捉信号的时间变化特征。以某实际桥梁结构为例，该桥梁为一座城市立交桥，在长期运营过程中需要进行结构健康监测。在进行模态参数识别时，采用了短时傅里叶变换法。在桥梁的关键部位布置了多个加速度传感器，采集桥梁在交通荷载和环境风载等自然激励下的振动响应信号。对采集到的信号进行预处理，去除趋势项和噪声干扰后，运用短时傅里叶变换法进行时频分析。通过设置合适的窗函数和参数，得到了桥梁振动信号的时频图。在时频图上，可以清晰地观察到不同频率成分随时间的变化情况。通过分析时频图，识别出了该桥梁的前几阶固有频率，与设计理论值对比，误差在可接受范围内。通过时频图中不同频率成分在不同位置传感器信号中的分布情况，初步判断了桥梁在不同模态下的振型。短时傅里叶变换法在提取桥梁结构模态参数时具有一定的效果和适用场景。该方法能够直观地展示信号在时间和频率上的分布，对于具有明显时变特性的桥梁振动信号，能够有效地提取出模态参数。在桥梁受到车辆荷载频繁变化或突发的环境激励时，短时傅里叶变换法可以及时捕捉到信号的频率变化，准确识别出模态参数。然而，短时傅里叶变换法也存在局限性，其时间窗的大小和形状一旦确定就固定不变，无法根据信号的局部特征进行自适应调整。在处理频率变化范围较大的信号时，固定的时间窗难以同时满足高频和低频成分的分析需求，可能导致高频成分的时间分辨率不足，低频成分的频率分辨率不够。短时傅里叶变换法适用于信号频率变化相对平稳、模态相对简单的桥梁结构，对于复杂的大型桥梁结构，尤其是模态密集、非线性特性明显的桥梁，其应用效果可能受到限制，需要结合其他更先进的时频分析方法或信号处理技术来提高模态参数识别的准确性。四、基于环境激励的桥梁结构模态参数识别案例分析4.1崖门大桥模态参数识别4.1.1工程概况崖门大桥坐落于中国广东省江门市新会区，是连接新会区东西两岸的重要过江通道，横跨崖门水道，是西部沿海高速公路新会段的关键构成部分，在广东省沿海交通网络中占据重要枢纽地位。大桥于1998年9月26日动工建设，历经3年多的艰苦施工，于2001年10月21日成功完成主桥合龙工程，实现大桥全线贯通，并于2002年4月28日正式通车运营。从结构设计来看，崖门大桥线路全长1289.22米，主桥长668米，采用(50+115+338+115+50)米的跨径布置，这种跨径设计既满足了当地的地形和交通需求，又兼顾了结构的稳定性和经济性。主桥为双塔单索面混凝土斜拉桥，采用墩、塔、梁固结的结构型式，这种结构能够有效增强桥梁的整体刚度，提高其抵抗各种荷载作用的能力。主梁梁高3.4米，箱梁顶板宽26.8米，底板宽10.0米，合理的梁体尺寸设计保证了主梁在承受车辆荷载、风荷载等各种外力作用时的强度和稳定性。桥面以上塔柱高73.5米，梁上索距6米，塔上索距1.6米，拉索安全系数采用2.5，拉索钢丝强度为1670兆帕，镀锌钢丝直径为7毫米，拉索规格为109至199丝，长度为36.683至172.496米。这些拉索参数的设计确保了拉索能够承受巨大的拉力，将主梁的荷载有效地传递到桥塔，保证桥梁的整体结构安全。主墩高47.6米，横桥向宽度12米，双壁之间中心距6米，每片主墩厚2米，壁厚60厘米，基础采用18根直径3米的钻孔灌注桩墩，坚实的主墩基础为桥梁提供了稳固的支撑，使其能够在复杂的地质条件和恶劣的自然环境下长期稳定运行。崖门大桥在设计和建设过程中，攻克了多项技术难题，取得了一系列创新成果。在调索设计方面，基于两次调索基础上的综合调索设计技术，克服了以往斜拉桥设计中调索方法的局限性，提高了施工过程中结构的安全性，有利于施工和监控，降低了造价。在挂篮施工技术上，采用单索面牵索挂篮及其施工监控技术，使大桥中跨合龙误差仅为2毫米，合龙后主梁各节段标高偏差基本控制在40毫米以内，合格率达到百分之百，中跨合龙后主梁各断面的压应力值在12.5兆帕以内，无拉应力，索力偏差值基本控制在设计索力的百分之六以内，质量技术指标达到当时中国国内最高水平。在桩基施工中，开发出沿海地区桥梁大直径桩基施工海水造浆新技术，性能稳定、成本低、效果好，以此施工的桩基质量优良率为百分之百。这些技术创新不仅确保了崖门大桥的高质量建设，也为同类桥梁的设计和施工提供了宝贵的经验。作为广东省沿海交通的重要枢纽，崖门大桥的建成对改善珠江三角洲的投资环境、促进西部沿海地区的经济发展起到了重要作用，堪称“粤西明珠”。它直接沟通了广东西部地区、广西壮族自治区和珠海及港澳的联系，对CEPA战略的实施具有重大意义。在交通方面，极大地便利了新会区两岸的交通往来，提高了交通运输效率，促进了区域间的经济交流与合作。在经济发展方面，带动了周边地区的经济增长，促进了物流、旅游等相关产业的发展，为区域经济的繁荣做出了重要贡献。4.1.2基于环境激励的测试方案在崖门大桥上进行基于环境激励的模态参数测试，旨在获取桥梁在实际运营环境下的真实动力特性，为桥梁的健康监测和安全评估提供关键数据。在传感器布置方面，充分考虑了桥梁的结构特点和受力特性。在主梁上，沿着桥梁纵向每隔一定距离布置加速度传感器，以全面捕捉主梁在不同位置的振动响应。在桥塔上，也在关键部位布置传感器，用于监测桥塔的振动情况。此外，在拉索上选取代表性位置安装传感器，以获取拉索的振动信息。通过合理的传感器布置，能够全面覆盖桥梁的主要结构部件，确保采集到的数据能够准确反映桥梁整体的振动特性。例如，在主梁的跨中、四分点以及靠近桥塔的位置布置传感器，这些位置是主梁受力较为关键的部位，能够敏感地反映主梁的振动变化。在桥塔的塔顶、塔中部和塔底等部位布置传感器，可以监测桥塔在不同高度的振动响应，分析桥塔的振动形态。在拉索上，根据拉索的长度和受力情况，选择在拉索的中部和靠近锚固端的位置布置传感器，以准确获取拉索的振动频率和模态。数据采集过程中，采用高精度的采集设备，确保采集数据的准确性和可靠性。设定合适的采样频率，根据桥梁结构的特点和可能出现的振动频率范围，选择足够高的采样频率，以避免信号混叠。对采集到的数据进行实时监测和初步处理，检查数据的完整性和质量，及时发现并排除异常数据。在采集过程中，持续记录环境参数，如风速、风向、温度、湿度等，以便后续分析环境因素对桥梁振动响应的影响。通过同步采集环境参数和桥梁振动响应数据，可以研究不同环境条件下桥梁模态参数的变化规律。例如，在不同风速和风向条件下，分析桥梁的振动响应是否存在明显差异，以及这种差异对模态参数的影响。测试工况涵盖了多种实际运营场景。在正常交通流量下进行测试，模拟桥梁在日常使用中的受力状态，获取桥梁在常规运营条件下的模态参数。在不同交通荷载分布情况下进行测试，如重载车辆集中行驶、车辆分布不均匀等工况，研究交通荷载分布对桥梁振动特性的影响。考虑不同的环境风载条件，包括不同风速和风向，分析风载对桥梁模态参数的影响。在不同温度条件下进行测试，研究温度变化对桥梁结构刚度和模态参数的影响。通过设置多种测试工况，能够全面了解桥梁在各种实际运营条件下的动力特性，为桥梁的安全评估提供更丰富、全面的数据支持。在进行不同风速的测试时，选择在风速较为稳定的时段进行数据采集，并记录当时的风速和风向。通过对比不同风速下的测试结果，分析风速对桥梁固有频率、阻尼比和振型的影响规律。在研究温度对桥梁模态参数的影响时，选择在一天中不同时间段进行测试，涵盖了温度变化较大的时段，分析温度与模态参数之间的相关性。4.1.3识别结果与分析采用基于ERA的多参考点稳定图算法对崖门大桥的模态参数进行识别，得到了丰富且有价值的结果。在阻尼比方面，识别结果显示，桥梁各阶模态的阻尼比分布在一定范围内，不同部位和不同模态的阻尼比存在差异。主梁的一阶竖向弯曲模态阻尼比约为0.03，二阶竖向弯曲模态阻尼比约为0.035。这些阻尼比数值反映了桥梁结构在振动过程中的能量耗散特性，合理的阻尼比有助于抑制桥梁在外界激励下的振动响应，保证桥梁的安全稳定运行。通过与同类桥梁的阻尼比数据进行对比，发现崖门大桥的阻尼比处于合理范围内，表明桥梁的结构性能良好。模态置信度是评估识别结果可靠性的重要指标。在本次识别中，通过计算模态置信度，大部分识别出的模态具有较高的置信度。对于前10阶模态，模态置信度均在0.85以上。较高的模态置信度意味着识别出的模态参数与实际结构的模态特性具有较高的一致性，识别结果可靠。这为后续基于模态参数的桥梁结构分析和安全评估提供了坚实的基础。通过对模态置信度的分析，还可以判断不同测点数据之间的相关性和一致性，进一步验证识别结果的准确性。如果不同测点识别出的同一阶模态置信度差异较大，可能意味着数据采集或识别过程存在问题，需要进一步检查和分析。为了验证基于ERA的多参考点稳定图算法的有效性，将识别结果与理论计算结果以及其他可靠的识别方法进行对比。与理论计算结果相比，识别得到的固有频率和振型与理论值具有较高的吻合度，频率误差在可接受范围内，一般控制在±5%以内。与增强频域分解法（EFDD）的识别结果对比，两种方法在主要模态参数的识别上表现出较好的一致性，但在一些细节上存在差异。在高阶模态的识别中，基于ERA的多参考点稳定图算法能够更准确地识别出模态参数，而EFDD方法由于模态耦合等问题，识别精度有所下降。通过对比分析，充分验证了基于ERA的多参考点稳定图算法在崖门大桥模态参数识别中的有效性和优越性，为桥梁的健康监测和安全评估提供了可靠的技术支持。4.2卢浦大桥模态参数识别4.2.1工程背景卢浦大桥坐落于上海市区，是一座极具标志性的越江特大桥梁，也是世界最大跨度的钢箱拱桥，在城市交通和桥梁建设领域具有重要地位。大桥北接南北高架中山南路立交，过江后穿越上钢三厂在济阳路人地，向南经4.7km地面道路通过济阳路立交与外环线相接，全长8.7km。它于2000年10月开工兴建，历经近3年的艰苦建设，于2003年6月建成通车。卢浦大桥的主桥采用全钢结构，主跨550米，两边跨各100米，拱高100米，主桥面宽39米，双向6车道，通航净高46米，净宽340米。这种独特的结构设计，使其成为世界上跨度最大的钢拱桥，宛如一道雄伟的钢铁长虹横跨于黄浦江上，不仅有效缓解了上海过江交通压力，改善了中心城区的交通状况，还成为上海的城市地标之一，吸引了众多游客前来观赏。其主桥建造中更是创新地采用斜拉桥、拱桥、悬索桥三种不同类型桥梁施工工艺于一身，堪称世界上单座桥梁建造中采用施工工艺最多且最为复杂的特大型桥梁。在建造过程中，面临着诸多技术难题，如巨型钢拱的合龙、高速电梯的安装等。建设者们通过不懈努力和技术创新，成功克服了这些困难，为我国桥梁建设积累了宝贵经验。例如，在钢拱合龙过程中，研发了高精度的测量和控制技术，确保了钢拱的精准对接；在高速电梯安装方面，采用了先进的吊装设备和施工工艺，保证了电梯的安全可靠运行。卢浦大桥不仅在交通功能上发挥着重要作用，还具有独特的旅游观光功能。游客可以乘坐高速电梯直达桥面，欣赏浦江两岸的美景，感受城市的繁华与魅力。大桥在设计时充分考虑了环保节能，采用了多种节能技术和环保材料，降低了桥梁的运营成本，体现了可持续发展的理念。卢浦大桥先后荣获2004年中国建设工程鲁班奖、2008年第94届国际桥梁与结构工程协会（IABCE）“杰出结构大奖”，这些荣誉充分彰显了其卓越的工程品质和创新的技术成就。截至2023年7月，卢浦大桥双向日平均流量达13万辆次，在城市交通中扮演着重要角色，对促进区域经济发展和城市一体化进程起到了积极的推动作用。4.2.2多种分析方法对比为了准确识别卢浦大桥的模态参数，采用了多种先进的分析方法，包括随机子空间法（SSI）和增强型频域分解法（EFDD），并对不同方法的识别结果进行了详细对比，以深入了解各方法的性能特点。运用SSI方法对卢浦大桥进行模态参数识别时，基于系统的状态空间模型，通过对桥梁在环境激励下的响应数据进行处理和分析，成功获取了模态参数。在实际操作中，首先将桥梁结构视为一个多自由度系统，建立其离散状态空间模型，然后利用采集到的振动响应数据构建Hankel矩阵，通过对Hankel矩阵进行奇异值分解，提取出系统的状态空间矩阵，进而求解得到模态参数。在识别过程中，通过观察稳定图来确定系统的最佳阶次，稳定图根据不同阶次下计算得到的固有频率、阻尼比和振型等参数的稳定性，直观地展示了模态参数的变化趋势，帮助识别人员准确判断真实模态和虚假模态。通过SSI方法识别出卢浦大桥的前10阶固有频率，其中一阶竖向弯曲频率为0.35Hz，一阶横向弯曲频率为0.48Hz。这些频率参数反映了桥梁在不同方向上的振动特性，对于评估桥梁的结构稳定性和安全性具有重要意义。采用EFDD方法对卢浦大桥进行模态参数识别时，主要基于对响应信号的频域分析。首先对桥梁在环境激励下的多通道响应信号进行离散傅里叶变换，将时域信号转换为频域信号，并计算功率谱密度矩阵。通过对功率谱密度矩阵进行奇异值分解，将复杂的多模态响应分解为各个独立模态的响应。在奇异值曲线中，峰值对应的频率即为桥梁的固有频率，相应的奇异向量则对应着该频率下的振型。在确定固有频率后，通过对奇异值曲线进行插值处理，进一步提高了频率估计的精度。同时，引入模式指标来识别模态振型，增强了振型识别的准确性。利用EFDD方法识别出卢浦大桥的一阶竖向弯曲频率为0.36Hz，一阶横向弯曲频率为0.47Hz，与SSI方法识别结果相近，但在一些高阶模态的识别上存在一定差异。对比SSI和EFDD两种方法的识别结果，发现它们在主要模态频率的识别上具有较高的一致性，但在阻尼比和高阶模态的识别上存在一些不同。在阻尼比的识别方面，SSI方法能够更准确地考虑系统的动态特性，识别结果相对较为准确；而EFDD方法在处理阻尼比时，由于其基于频域分析的特点，可能会受到一些因素的影响，导致识别精度相对较低。在高阶模态的识别上，SSI方法由于其基于状态空间模型的优势，能够更好地处理复杂的多自由度系统，对于高阶模态的识别效果较好；而EFDD方法在模态密集的情况下，可能会出现模态混淆的问题，导致高阶模态的识别准确性下降。例如，在识别卢浦大桥的第8阶模态时，SSI方法识别出的频率为1.25Hz，阻尼比为0.025；而EFDD方法识别出的频率为1.23Hz，阻尼比为0.02，两者存在一定差异。4.2.3结果讨论不同方法在识别卢浦大桥模态参数时存在差异，其原因主要与各方法的原理、适用条件以及对噪声的敏感度等因素密切相关。SSI方法基于状态空间模型，能够全面考虑系统的多自由度特性和动态变化，对系统的建模较为准确。在处理复杂的桥梁结构时，能够通过状态空间矩阵准确描述结构的振动特性，从而在模态参数识别中表现出较高的准确性。然而，SSI方法在确定系统最佳阶次时存在一定困难，通常依赖于稳定图的分析。稳定图的解读具有一定的主观性，不同的分析人员可能会根据自己的经验和判断选择不同的阶次，从而导致识别结果的差异。在高阶模态的识别中，由于高阶模态的振动特性相对复杂，稳定图中的模态参数可能会出现波动，增加了准确判断的难度。EFDD方法基于频域分析，主要通过对功率谱密度矩阵的处理来识别模态参数。该方法在模态分离较好的情况下，能够直观地从频域图中获取模态频率等信息，具有较高的计算效率。然而，EFDD方法假设各阶模态的振型正交，在实际的桥梁结构中，由于结构的复杂性和非线性因素的存在，各阶模态振型可能并非完全正交，这会导致识别精度下降。当桥梁结构存在局部损伤或材料非线性时，振型的正交性假设不成立，EFDD方法的识别结果会出现偏差。在模态密集的情况下，EFDD方法可能会受到相邻模态的干扰，导致奇异值曲线的峰值难以准确分辨，从而影响模态参数的识别准确性。在实际工程中选择合适的识别方法，需要综合考虑多个因素。对于结构相对简单、模态分布较为稀疏且对计算效率要求较高的桥梁结构，EFDD方法可能是一个较好的选择。在一些小型桥梁的模态参数识别中，EFDD方法能够快速准确地获取主要模态参数，满足工程需求。而对于大型复杂桥梁，如卢浦大桥这类结构复杂、模态密集的桥梁，SSI方法由于其对复杂系统的良好适应性和较高的识别精度，更适合用于模态参数识别。在实际应用中，也可以结合多种方法进行综合分析，相互验证识别结果，以提高模态参数识别的准确性和可靠性。可以先使用EFDD方法进行初步识别，快速获取主要模态参数，然后再利用SSI方法进行详细分析，对EFDD方法的识别结果进行验证和补充，从而更全面、准确地了解桥梁的模态特性，为桥梁的健康监测和安全评估提供可靠依据。4.3西宁北川河大桥模态参数识别4.3.1桥梁简介西宁北川河大桥位于西宁市城北区，横跨北川河，是连接城北区两岸的重要交通枢纽，在区域交通网络中发挥着关键作用。该桥主桥采用35+60+35米的三跨变截面预应力混凝土连续梁桥结构形式，这种结构设计兼顾了桥梁的承载能力和跨越能力，适应了北川河的地形条件和交通流量需求。桥梁横截面为单箱单室，根据受力情况采用三向预应力，能够有效增强桥梁结构的整体刚度和稳定性，确保在长期的交通荷载和自然环境作用下，桥梁依然能够安全可靠地运行。主桥施工采用菱形挂篮施工工艺，以21号墩、22号墩为两个T构，单T划分8个块段。在施工过程中，最大悬臂长度达到27.5m，悬臂浇筑最大长度为4m，最大重量95吨，单T浇筑最大不平衡力控制在200KN以内。菱形挂篮具有结构简单、受力明确、整体刚度大、安全可靠、操作方便等特点。其前端及中部工作面开阔，便于挂篮轨道、腹板、底板钢筋、竖向预应力钢筋的安装，有效加快了施工速度。走行装置构造简单，外侧模、底模可一次就位，内模也能整体拉到位，并且利用箱梁竖向预应力筋锚固轨道及挂篮，取消了后平衡重，减轻了挂篮自重。这种施工工艺的应用，不仅保证了桥梁的施工质量，还提高了施工效率，缩短了施工周期。西宁北川河大桥的建成，极大地改善了城北区两岸的交通状况，促进了区域间的经济交流与合作。它方便了居民的出行，加强了城市的互联互通，对于推动城北区的城市化进程和经济发展具有重要意义。在交通流量日益增长的情况下，该桥能够满足各类车辆的通行需求，保障了交通运输的顺畅，成为城北区经济发展和社会进步的重要支撑。4.3.2环境激励下的模态分析在西宁北川河大桥的模态分析中，充分考虑了环境激励的影响，通过合理的传感器布置和数据采集，运用先进的模态参数识别方法，深入探究桥梁在环境激励下的振动特性。在传感器布置方面，根据桥梁的结构特点和受力特性，在主桥的关键部位进行了传感器的优化布置。在主梁的跨中、四分点以及靠近桥墩的位置布置加速度传感器，这些位置能够敏感地反映主梁在不同部位的振动响应，全面捕捉主梁的振动信息。在桥墩顶部和底部也布置了传感器，用于监测桥墩在环境激励下的振动情况，分析桥墩对桥梁整体振动的影响。通过合理的传感器布置，能够全面覆盖桥梁的主要结构部件，确保采集到的数据能够准确反映桥梁整体的振动特性。在主梁跨中布置传感器，可以直接测量主梁在环境激励下的最大振动响应，为分析桥梁的整体刚度和振动模态提供关键数据；在桥墩顶部布置传感器，则可以监测桥墩在水平和竖向方向的振动，评估桥墩的稳定性和对主梁振动的传递作用。数据采集过程中，采用高精度的采集设备，确保采集数据的准确性和可靠性。根据桥梁结构的特点和可能出现的振动频率范围，设定合适的采样频率，避免信号混叠，保证能够完整地捕捉到桥梁的振动信号。在采集过程中，持续记录环境参数，如风速、风向、温度、湿度等，以便后续分析环境因素对桥梁振动响应的影响。在不同风速条件下，分析桥梁的振动响应是否存在明显差异，以及这种差异对模态参数的影响；研究温度变化对桥梁结构刚度和模态参数的影响，为桥梁的健康监测和安全评估提供全面的数据支持。采用随机子空间法（SSI）对采集到的数据进行模态参数识别。SSI方法基于系统的状态空间模型，能够充分考虑桥梁结构的多自由度特性和复杂的动力学行为。通过对桥梁在环境激励下的响应数据进行处理和分析，构建系统的状态空间模型，利用Hankel矩阵和奇异值分解等技术，准确识别出桥梁的固有频率、阻尼比和振型等模态参数。通过SSI方法识别出西宁北川河大桥的前10阶固有频率，其中一阶竖向弯曲频率为1.2Hz，一阶横向弯曲频率为1.5Hz。这些频率参数反映了桥梁在不同方向上的振动特性，对于评估桥梁的结构稳定性和安全性具有重要意义。为了验证识别结果的准确性，将SSI方法识别结果与有限元模型计算结果进行对比。通过建立西宁北川河大桥的有限元模型，模拟桥梁在环境激励下的振动响应，计算得到桥梁的模态参数。对比结果显示，SSI方法识别得到的固有频率与有限元模型计算结果具有较高的吻合度，频率误差在±5%以内，表明SSI方法在西宁北川河大桥模态参数识别中具有较高的准确性和可靠性。通过对比分析，还可以进一步验证有限元模型的准确性，为桥梁的结构分析和设计提供更可靠的依据。4.3.3模态参数与结构健康评估西宁北川河大桥的模态参数变化与结构健康状态之间存在着密切的关系，通过对模态参数的监测和分析，能够有效地评估桥梁的结构健康状况，为桥梁的维护管理提供科学依据。固有频率是反映桥梁结构刚度和质量分布的重要指标。当桥梁结构出现损伤或病害时，其刚度会发生变化，从而导致固有频率发生改变。如果桥梁主梁出现裂缝，会降低主梁的抗弯刚度，使得桥梁的固有频率降低。通过长期监测西宁北川河大桥的固有频率，建立固有频率的变化趋势曲线，与初始状态下的固有频率进行对比。如果发现固有频率出现明显下降，且超过了设定的阈值范围，就可以初步判断桥梁结构可能存在损伤，需要进一步进行详细的检测和评估。阻尼比反映了桥梁结构在振动过程中的能量耗散特性，与结构的材料性能、连接部位的状态等因素密切相关。当桥梁结构出现损伤或连接松动时，阻尼比会发生变化。通过监测阻尼比的变化，可以发现桥梁结构中潜在的问题。在某一时间段内，西宁北川河大桥的阻尼比出现了异常增大的情况，经过进一步检查，发现部分桥墩与主梁的连接部位出现了松动现象，及时进行了加固处理，避免了问题的进一步恶化。振型描述了桥梁结构在不同模态下的振动形态，能够直观地反映结构的变形情况。通过对比不同时期的振型，能够发现结构变形的异常变化，从而判断结构是否存在损伤。如果在监测过程中发现桥梁的振型发生了明显改变，原本对称的振型出现了不对称的情况，或者某些部位的变形明显增大，就可能意味着桥梁结构在这些部位存在损伤或病害，需要进行针对性的检测和修复。基于模态参数建立桥梁结构健康评估指标体系，综合考虑固有频率、阻尼比和振型等参数的变化情况，运用层次分析法、模糊综合评价法等方法，对桥梁的结构健康状态进行量化评估。根据评估结果，将桥梁的健康状态分为不同的等级，如健康、亚健康、病害等，针对不同的健康等级，制定相应的维护管理措施。对于处于健康状态的桥梁，进行定期的巡检和保养；对于处于亚健康状态的桥梁，加强监测频率，及时发现潜在问题并进行处理；对于出现病害的桥梁，及时进行维修和加固，确保桥梁的安全运营。五、基于环境激励的桥梁结构模态参数识别方法的比较与优化5.1不同识别方法的性能比较在基于环境激励的桥梁结构模态参数识别领域，频域法、时域法和时频分析法是三类主要的识别方法，它们在识别精度、计算效率、抗噪能力等方面各具特点，适用条件也有所不同。在识别精度方面，频域法中的增强型频域分解法（EFDD）在模态分离较好的情况下，能够通过对功率谱密度矩阵的奇异值分解，较为准确地识别出固有频率和振型。在某座桥型结构相对简单、模态分布较为稀疏的梁式桥上，EFDD方法识别出的固有频率与理论值的误差在±3%以内，振型的相关系数达到0.9以上，表现出较高的识别精度。然而，当桥梁结构的模态密集时，EFDD方法可能会受到相邻模态的干扰，导致奇异值曲线的峰值难以准确分辨，从而降低识别精度。在一些大跨度复杂桥梁中，由于模态密度较高，EFDD方法在识别高阶模态时，误差可能会增大到±10%以上。时域法中的随机子空间法（SSI）基于状态空间模型，能够全面考虑系统的多自由度特性和动态变化，对复杂结构的模态参数识别具有较高的准确性。在处理大型斜拉桥的模态参数识别时，SSI方法能够准确地识别出各阶模态参数，包括固有频率、阻尼比和振型，与有限元模型计算结果相比，频率误差一般控制在±5%以内，在识别复杂桥梁结构的模态参数时表现出明显优势。但是，SSI方法在确定系统最佳阶次时存在一定困难，可能会因阶次选择不当而影响识别精度。时频分析法中的小波变换法在处理非平稳信号时具有独特优势，能够准确地提取出信号中的模态参数。在桥梁受到突发的车辆荷载冲击或强风作用等非平稳激励时，小波变换法能够有效地捕捉到信号在这些瞬态过程中的频率变化和时间特征，识别精度较高。但小波变换法中，小波基函数的选择对识别结果影响较大，若选择不合适的小波基函数，可能导致识别误差增大。计算效率上，频域法中的峰值拾取法原理简单直观，计算过程相对简便，计算效率较高。它不需要复杂的数学模型和大量的迭代计算，能够在较短时间内完成模态参数的初步识别。在一些对计算速度要求较高的小型桥梁模态参数识别项目中，峰值拾取法可以快速得到结构的主要模态信息，为初步的结构评估提供依据。然而，EFDD方法由于需要进行功率谱密度矩阵计算、奇异值分解等复杂运算，计算量较大，计算效率相对较低。时域法中的SSI方法，其计算过程涉及到Hankel矩阵构建、奇异值分解等复杂操作，对于大型复杂桥梁结构，由于其自由度多、测点数据量大，计算量会显著增加，计算效率较低。在处理一座大型悬索桥的模态参数识别时，使用SSI方法进行计算，需要消耗数小时的计算时间，难以满足实时监测和快速分析的需求。而自然激励技术结合特征系统实现算法（NExT-ERA）虽然在理论上计算量也较大，但通过合理的数据处理和算法优化，在实际应用中能够在可接受的时间内完成模态参数识别。时频分析法中的短时傅里叶变换法（STFT）计算效率相对较高，它通过引入时间窗函数，对信号进行分段傅里叶变换，计算过程相对简单。但STFT法在处理频率变化范围较大的信号时，由于固定的时间窗难以同时满足高频和低频成分的分析需求，可能需要多次调整参数进行计算，从而在一定程度上影响计算效率。小波变换法由于其多分辨率分析的特性，计算复杂度较高，对计算资源的要求较大，计算效率相对较低。在处理大量的桥梁监测数据时，小波变换法的计算时间较长，限制了其在实时监测和在线分析中的应用。抗噪能力方面，频域法在处理实测频响函数过程中利用频域平均技术，能够在一定程度上抑制噪声的影响。峰值拾取法通过对功率谱进行分析，能够从噪声背景中提取出模态频率信息。在环境噪声较小的情况下，峰值拾取法能够较为准确地识别出模态参数。然而，当噪声干扰较大时，功率谱中的峰值可能会被噪声淹没，导致识别精度下降。EFDD方法在抗噪能力上相对较强，通过对功率谱密度矩阵的处理，能够有效抑制噪声对模态参数识别的影响。在某桥梁监测项目中，尽管存在一定程度的环境噪声干扰，EFDD方法依然能够准确地识别出桥梁的主要模态参数，与无噪声情况下的识别结果相比，误差在可接受范围内。时域法中的SSI方法对噪声具有一定的鲁棒性，它通过合理的数据处理和模型估计，能够在一定程度上抑制噪声的影响。在实际的桥梁监测环境中，不可避免地存在各种噪声干扰，SSI方法能够通过对响应数据