斜拉桥挠度影响线识别与模型修正试验研究

有限元模型往往不能反映桥梁真实的运营状况,无法对桥梁结构整体受力状态进行精确分析。为建立适用于斜拉桥高精度分析的有限元模型,提出一种基于实测挠度影响线与GA-BP(genetic algorithm-back propagation)网络的有限元模型修正方法。首先对某斜拉桥单一测点挠度影响线识别,提出采用经验变分模态分解(empirical-variational mixed modal decomposition,E-VMD)剔除车致响应动力成分,结合Tikhonov正则化方法求解影响线识别方程,对某真实斜拉桥挠度影响线进行重构,准确还原其准静态挠度影响线,通过GA-BP网络选取修正参数,构建以挠度影响线为目标参数的回归预测方法;最后将实测挠度影响线代入网络模型,得到修正后的有限元模型优化参数。经计算分析,修正后模型控制截面挠度影响线处相对误差从57.2%下降至14.1%,灰色相关系数升至0.9076,修正后有限元模型分析精度有大幅提升,更贴近桥梁真实运营状态。

改进VMD算法消除脉搏波基线漂移研究

针对光电容积法采集的脉搏波信号容易受到干扰出现基线漂移的现象,提出了一种改进变分模态分解消除基线漂移噪声算法。算法先利用变分模态分解(VMD)将脉搏波信号分解成多模态分量,然后筛选出含有基线漂移的分量进行经验模态分解(EMD),并消除经验模态分解的余项,最后将全部模态重构。实验结果表明:该算法可以有效去除基线漂移,减少失真。与单纯使用EMD算法相比,改进VMD算法的含噪信号功率与降噪后信号功率比为0.26,均方误差为1.73,有效提高了信号的质量。