基于S时频变换的桥梁结构非线性模型模式识别与参数确定

Bridges subjected to large earthquakes, typhoon winds, explosions and other extreme loads show nonlinear characteristics, and failure may even occur. With different materials and loads, the nonlinear patterns are distinct. Determining the nonlinear model and the corresponding parameters of a structure is a key problem. Nonlinear detection can identify the existence of nonlinearity and quantify the nonlinearity, from which the mathematical model describing the system characteristics and nonlinear behaviors can be built. This proposal introduces the method of detecting the nonlinearity of bridge structures and nonlinear feature indexes which will then be the inputs for pattern recognition of the nonlinear model using artificial neural networks to characterize the nonlinear structural model through theories, numerical simulations, and experimental tests. To process the nonlinear response signals which are nonstationary, a band-variable filter based on S-Transform will be designed to extract the time-frequency features of the nonlinear vibration response for update of the nonlinear model parameters. The verified nonlinear bridge model will be useful to the nonlinear damage identification, nonlinear finite element model updating, safety monitoring and condition assessment. The proposed theoretical development will also have significant value to practical applications.

桥梁结构在极端荷载作用下（如强震、强风和冲击爆炸）可能部分或者多个部位进入非线性状态，甚至发生破坏。不同的材料和荷载，其非线性模式不尽相同，因此一个关键问题是首先要确定结构的非线性模式及其相应的参数。结构非线性检测通过判断非线性出现及量化非线性对非线性进行检验和估计，从而确定描述系统非线性特性和行为的数学模型。项目从理论、数值模拟和试验三个方面，建立检测桥梁结构非线性的方法和非线性特征指标体系，并以此特征指标作为非线性模型模式识别的输入，构建神经网络，旨在实现对结构非线性模型的定性分析。针对结构非线性响应信号（非平稳信号）的处理，项目基于S变换设计变带宽时频滤波器，提取非线性振动响应时频特征，实现对非线性模型参数的进一步确定。经试验修正后的桥梁结构非线性模型，可广泛应用于非线性损伤识别、非线性有限元模型修正、安全监测和状态评估，项目研究具有较大的理论意义和工程实用价值。

时变结构的动力学参数识别是结构健康监测和损伤识别的重要研究课题。在荷载、工作环境等因素作用下，一些结构参数如质量、刚度或阻尼在运营过程中表现出很强的时变性，传统的线性信号分析方法不再适用。项目针对典型非线性桥梁结构模型在不同荷载下的振动响应非线性和非平稳的多分量信号的特征参数提取提出了一种基于改进S变换的瞬时频率识别方法。S 变换具有较高的时频分辨率，其变换结果不是小波变换的时间-尺度谱，而是更直观的时间-频率谱，且具有无损的逆变换。首先，在泰勒级数展开的基础上理论推导了结构振动响应瞬时频率与S变换之间的对应关系；在S变换中采用高斯窗并在窗函数中加入一阶双参数频率函数，用以提高时频分辨率。增加的函数使高斯窗口可缩放滑动，根据时频集中准则选择参数的最优值，以Renyi熵作为衡量标准，对S变换谱提取的信息性能进行评价。利用时频谱重排技术提高S变换谱的可读性，保证瞬时频率识别的准确性，有效提高了时频的集中度。接着采用数值模拟和室内时变拉索力张力实验进行了验证，比较了短时傅里叶变换、小波变换、S变换和改进S变换时频谱重排的时频频谱分析结果。结果表明，改进的S变换时频谱重排比其他时频分析方法在频谱中具有更高的时频浓度，从而可以获得更高的瞬时频率识别精度。项目基于非线性量化指标体系构建紧凑的神经网络，识别非线性桥梁结构的非线性模型类型。根据识别的非线性模型响应瞬时特征与桥梁结构真实振动响应瞬时特征残差建立优化目标函数，进行非线性模型参数确定。确定参数后的非线性模型可用于进一步的桥梁结构的非线性损伤识别、非线性有限元模型修正、安全检测及状态评估。同样地，项目将所提出方法应用于基于车辆响应的结构健康监测方法中，对车辆通行下的桥梁进行时变特征分析提取车辆-桥梁动态相互作用效应引起的频率波动，在实验室条件下能够非常清晰地提取多阶结构时变频率，进而从中提取结构的模态特征甚至进行结构损伤识别状态评估。