基于高效在线贝叶斯方法的超高层结构快速损伤评估研究

Once super tall buildings are damaged or have any collapse, it has great impact and is extremely difficult to rescue. Its safety is attracting more and more attention. However, at present, there is no perfect method to deal with its rapid assessment under unexpected accidents and long-term damage detection. Based on the Bayesian theory, this project aims to carry out the research on efficient on-line real-time modal identification methods, the criteria for modal parameter uncertainty calculation under ambient vibration test, the Markov Chain Monte Carlo model updating method, rapid performance evaluation under unexpected accidents and long-term operational damage detection methods of super tall buildings. A fast on-line Bayesian modal identification method will be established and it could also perform online real-time evaluation of modal parameter uncertainty. The calculation criteria of modal parameter uncertainties under multiple setups ambient vibration test in a Bayesian framework will be derived. A Bayesian model updating method will be developed to consider both the uncertainties of modal parameters and modelling errors. Rapid damage assessment methods of super tall buildings under unexpected accidents and long-term load will be proposed. It is expected that the research results will provide technical support for the existing and new super tall buildings to perform accurate decision-making by field commanders under sudden disasters such as fires, earthquakes and explosions. The successful implementation of this project will have important theoretical research value and engineering application prospect for the development of Bayesian system identification and the improvement of long-term damage detection of super tall buildings.

超高层结构一旦出现破坏倒塌，具有影响力巨大、营救极其困难等特点，其安全性正受到越来越广泛的关注，然而目前尚无完善方法可对其进行突发事故下快速评估及长期结构损伤识别。本项目拟围绕超高层结构安全问题，基于贝叶斯理论，开展高效在线实时模态识别方法开发、模态参数不确定性计算准则制定、基于马尔科夫链蒙特卡洛模型修正及超高层结构突发事故下快速性能评估和长期运营损伤识别研究。建立快速在线贝叶斯模态识别方法，实现模态参数不确定性在线实时评估，推导贝叶斯框架下多次测试模态参数不确定性计算准则，建立考虑模态参数不确定性和模型不确定性的贝叶斯模型修正方法，提出超高层结构突发灾害及长期荷载下快速损伤评估方法。预期研究成果可为现有和新建的超高层结构在突发灾害例如火灾下及地震和爆炸发生后现场指挥人员做出准确决策提供技术支撑，对贝叶斯系统识别技术发展及超高层结构长期损伤识别技术进步具有重要理论研究价值和工程应用前景。

随着大城市的发展，土地资源越来越紧张，为了充分利用土地，很多高层及超高层结构拔地而起。这些结构在使用过程中，由于人口密度大，疏散速度慢，一旦发生危险，可能带来不可预估的损失。该类结构由于其构造特点，结构复杂，分析过程耗时，如何对其进行在线快速系统识别及性能评估是影响结构安全运营的重要因素。本项目针对高层及超高层结构的特点，对结构模态识别，模型修正及损伤识别开展研究，具体的研究内容及研究成果包括以下几个方面。首先，发展了基于贝叶斯理论的模态识别方法，研究了环境激励与受迫振动，地震激励下的模态参数最优值的快速识别及其不确定性的评估方法，发展了基于视频测量数据的结构位移快速提取方法，并与贝叶斯快速模态识别方法进行联动，实现了基于视频测量的模态参数快速自动识别及不确定性评估。其次，发展了基于贝叶斯理论考虑模型误差的两阶段模型修正方法，针对高层及超高层结构的特点，研发了基于并行运算的马尔科夫链蒙特卡洛贝叶斯模型修正方法及基于代理模型的修正方法，并应用到了实际超高层结构中去。再次，发展了两种基于贝叶斯理论的损伤识别方法，一种是基于贝叶斯系数的损伤识别方法，通过快速贝叶斯FFT方法，建立了结构损伤前后的后验概率密度函数，构建了损伤识别指标，另外一种是考虑稀疏正则化的贝叶斯损伤识别方法，通过在发展的基准贝叶斯目标函数中增加稀疏正则化参数，提升了结构损伤识别的精度。对传感器数目进行了优化设计，提出了考虑地震激励的贝叶斯传感器优化布置方法。最后，针对三栋超高层结构进行了结构数据采集及分析，模态识别，模型修正及损伤分析研究，并对其进行了性能评估。本项目研究内容的成功实施，对推进贝叶斯快速模态识别方法、贝叶斯模型修正方法、贝叶斯损伤识别方法、贝叶斯传感器优化方法及超高层结构在线系统识别及性能评估方法的进步具有重要意义，研发的相关软件经过后续的完善，将有潜力直接应用到实际工程中去。