基于吊索局部振动与神经网络技术的悬索桥损伤定位

基于由吊索局部振动测试构建的吊索张力指标,应用神经网络技术对悬索桥结构损伤位置和程度识别进行了探讨。首先应用经校正的三维有限元模型,对该方法进行了较为详细的数值模拟分析。模拟了多种可能的损伤工况。采用BP网络,以不同损伤程度下基于吊索频率计算的张力指标作为网络的训练与测试输入,由网络的输出向量来指示损伤位置及程度。然后,利用面向健康诊断专门设计制作的悬索桥试验模型,针对个别损伤工况进行了损伤识别的模型试验研究。数值模拟和试验研究均获得较好的损伤识别效果。该方法的突出优点是只用到少量吊索的局部模态的基频,就能获得较好的识别结果。而对少量吊索的局部模态的基频测量要比其它面向损伤检测的测量容易得多。因此,该方法具有重要的实用价值。

基于振动和风速大数据的大跨度悬索桥吊索风致振动研究

大跨度悬索桥吊索由于其结构特点,在风荷载作用下容易发生风致振动。本研究基于棋盘洲长江公路大桥结构健康监测系统采集的吊索振动和风速大数据,以吊索加速度脉动值分布云图的方式研究了吊索振动响应的空间和时间分布规律,并进行了来流风速预测涡脱频率与吊索加速度振动频谱分析结果对比,结合吊索不同振动类型特点分析判定了本桥吊索振动形式和易发生风振的风速区间。结果表明,近塔处吊索振动响应明显较大,吊索振动加速度频率与由风速预测涡脱频率大致接近,属于多高阶耦合的涡激振动,且在低风速2~6 m/s下易发生涡激振动。本研究结果为吊索涡激振动在线识别和报警提供了数据和技术积累,为吊索养护管理决策提供了数据支撑。