基于大跨度结构的风荷载识别方法

具有质量轻,柔性大的大跨度结构,在风荷载作用下十分敏感。因此,对此类结构的风荷载识别,成为了这类结构设计的主控荷载之一。目前可以用来对大跨度空间结构的风荷载进行识别的方法主要有以下几种,风洞试验,数值模拟计算和现场实测。但是这些方法都存在一些不足,采用数值模拟引导下的风洞试验方法,可以提高风洞试验的精确度,这是一种较有效的进行风荷载识别的方法。

基于K-L展开的高耸结构上分布随机风载荷识别

针对结构上分布式风载荷难以直接测量的问题,给出了一种利用位移响应,基于模态空间转换和Karhunen-Loéve(K-L)展开的分布风荷载间接识别方法。采用Davenport谱模拟风荷载的随机特征,计算高耸结构在有限测点处的动位移响应作为风荷载识别的"实测"输入。将风荷载的分布函数利用结构模态振型函数展开,从而将包含无限个时间历程的分布动荷载识别问题转换为多参数的动荷载识别问题。通过"实测"动响应样本集的K-L展开识别风荷载的分布特征以及统计特性。以一桅杆结构为对象开展数值仿真,验证了所提出识别方法的有效性。

超高层建筑风荷载及风致响应的同步反演方法研究

基于离散型卡尔曼滤波及泰勒级数展开提出了一种超高层建筑风荷载的反演算法。该方法利用有限测量的结构响应能够实现结构未知风荷载及风致响应的同步实时反演。通过典型超高层建筑的风洞试验和现场实测结果验证了该方法的准确性。首先利用风洞试验得到的位移、速度、加速度响应反向识别了该超高结构的风荷载,系统地评估了结构模态参数误差、振动模态数、噪声水平等因素对风荷载反演的影响,发现新的反演算法对结构模态参数误差和测量噪声不敏感,考虑结构前四阶振动模态则可获得准确的荷载识别结果。并且基于台风期间实测位移响应识别了该超高结构的风荷载,实测位移反演的风荷载与风洞试验结果基本一致。研究结果表明,本文提出的反演方法是一种识别超高结构风荷载的有效工具。

基于BIM和神经网络的大跨度钢屋盖监测数据解析

本研究以港珠澳大桥珠海公路口岸钢网架屋盖结构的温度、应变实测数据为实际工程背景,基于反向传播(BP)神经网络模拟温度和应变之间的非线性关系实现大跨度空间钢结构温度效应预测;并将温度荷载及风荷载作用下的结构监测应变分离,实现杆件荷载的主导工况自主判定;最后开发基于数据库与Matlab接口的神经网络程序,以插件的形式嵌入建筑信息模型(BIM)软件中,并将监测数据解析后的信息集成于BIM三维模型中,从而指导监测人员对结构进行检修。本研究构造的神经网络模型较好地拟合了大跨度空间钢结构温度与应变的非线性关系,基于BIM技术的二次开发,实现了温度效应的预测与风荷载识别,进一步开拓了监测数据解析的研究,对同类型的工程有一定的借鉴作用。