摘要：按照基本缩尺律,设计、制作了输电塔完全气弹模型,并通过大气边界层风洞试验,测试了多种风速、风向条件下输电塔的位移与加速度响应。通过加速度响应功率谱识别出结构的固有频率,并采用Hilbert-Huang变换结合随机减量法识别出包含结构阻尼和气动阻尼的结构总阻尼。利用虚拟激励法建立了由测点位移响应来识别结构顺风向、横风向风荷载的方法。由识别出的风荷载谱曲线,利用非线性最小二乘法拟合得到输电塔顺风向、横风向风荷载经验公式。研究结果表明：风洞试验设计、制作的输电塔气弹模型,测试得到的模型第1阶自振频率与有限元计算结果吻合较好;横风向荷载谱形态与顺风向的相比有较大的区别,其能量分布在一个更宽的频带上,其峰值频率是顺风向的3~4倍。

摘要：针对正交异性桥面板钢箱梁桥,提出了一种基于机器视觉和BP神经网络的单车荷载识别方法.首先,基于机器视觉目标检测和图像处理技术,实现桥上行驶车辆时空参数的识别,包括车辆的横向位置、车速、车轴数和轴距等.然后,结合车辆时空参数和U肋纵桥向应变响应信号,建立BP神经网络模型来识别车辆轴重和总重.通过数值模拟验证了算法的有效性和抗噪性.最后,设计了一个钢箱梁桥模型试验进一步验证了提出的理论.试验结果表明:该方法的车辆横向位置、车速和轴距识别的最大误差分别为1.29%,-2.31%和1.79%;车辆模型总重识别最大误差为2.65%,轴重识别最大误差为4.81%,方法具有较好的精度和抗噪性能.

摘要：根据某3.3 MW海上风电筒型基础整机运输期原型观测数据,首先采用加速度响应探究环境要素对整机振动影响。其次依据应变-荷载原理计算塔筒底部截面弯矩,并统计全程计算弯矩幅值,分析塔筒承受荷载随环境要素变化规律。结果表明:1)波高从0.2 m增加到2.0 m时,加速度均方根增加98%,波高是引起整机耦联振动的主要因素;2)波高小于1.0 m时,塔筒底部识别弯矩在0~10 MN·m范围内波动,占设计弯矩的21.5%,波高增加到1.5 m时,识别弯矩幅值基本在10~25 MN·m范围内波动;3)波高达到2.0 m时,塔筒底部弯矩幅值达32 MN·m,占设计弯矩的68.9%,整机结构仍在安全范围内;4)运输期根据波浪条件预测制定运输方案,整机应在不超过2.0 m波高条件下运输,保证整机结构有富裕的安全空间。

摘要：风荷载识别是典型的反问题,其主要思想是通过测量的结构响应来反演作用在其上的风荷载。首先,通过实测响应反演风荷载能为建筑设计及健康监测提供可靠的风荷载数据。基于Davenport风速度谱拟合出风荷载的时程,基于模态叠加法建立动力方程,由精细积分法求解结构动力响应,进行正问题分析,可得到加速度响应与荷载间的线性关系。因常见的荷载反演方法增广卡尔曼滤波方法把荷载也当成一个状态变量,每个时间步的荷载增量是随机的,需要额外给出协方差的信息。而,实际中荷载增量可能并非随机的,且其协方差信息未知,这将导致较大的荷载识别误差。随后,提出了一种逐步最小二乘算法,它以每个时间步的状态方程和观测方程最小二乘为目标函数,逐步识别荷载且不涉及荷载的协方差信息。算例结果表明,在相同的观测数据量下,逐步最小二乘算法的识别结果优于增广卡尔曼滤波的识别结果,并且拥有良好的抗噪性能。

摘要：随着经济的发展与交通量的急剧增长,超载现象时有发生,传统路面式动态称重系统需要开挖路面,影响交通。研究了一种基于正交异性桥面板应力监测数据的车辆荷载识别技术。通过在正交异性桥面板顶板U肋下缘布设应变计,采集车辆通过时的应力响应。首先利用同一U肋不同截面测点应力响应间的互相关函数来估计车速,针对车辆作用下同一截面下不同测点的应力响应面积的变化,提出了余弦相似度这一指标实现车辆横向定位,最后通过比较实测应力响应面积与标定荷载作用下响应面积来实现未知车辆荷载的识别。通过数值模拟验证了算法的有效性和抗噪性。最后设计了一个模型试验进一步验证了提出的理论。数值和试验结果表明,所提算法可以有效识别车辆荷载,算法具有较好的抗噪性能,所提标定间距可以为工程结构提供具有实操性的指导。提出的方法不损伤桥面,不影响交通,经济性较好。

摘要：为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析。首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性。结果表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的。相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考。

摘要：考虑到移动车辆荷载信息对于桥梁设计、运营和维护的重要性,提出基于桥梁动态位移响应识别桥上动态车辆荷载的方法.构造桥梁动态位移响应与动态车辆荷载的关系,通过贝叶斯推理方法反演移动荷载.建立车桥耦合模型进行验证,分析传感器数量及环境噪声对识别精度的影响.结果表明,在桥上布置至少两个位移传感器时,该方法可以有效识别动态车辆荷载,且传感器数量、位置不影响识别精度;但环境噪声会增加动态车辆荷载的识别误差,通过增加传感器数量可以解决该问题.

摘要：文章建立了桅杆动态荷载识别的简化模型;基于简化模型,根据有限测点的响应识别了作用在结构上的动力风荷载。算例的仿真分析表明,该方法可以满足桅杆结构荷载识别的要求。

摘要：采用时间序列分析中的AR模型方法模拟烟囱不同节点的水平脉动风压时程。将水平脉动风压时程加载到烟囱有限元模型中得到位移时程和加速度时程。对烟囱有限元模型进行模态分析得到结构的固有频率。利用虚拟激励法建立了由测点响应来识别结构风荷载的方法,并通过与AR模拟所用的风压谱相比较来判别识别方法的准确性。

摘要：结构健康监测和状态评估中现有大多数研究均需要精确的荷载作用位置或详细的荷载时程,为了同时获得荷载大小和位置,构建并训练了同时具备分类和回归能力的两分支卷积神经网络,建立了融合分类问题和回归问题的损失函数,提取结构响应与荷载大小、结构响应与荷载位置间的映射关系.通过数值简支梁算例和三层试验框架验证了该方法识别结构荷载大小和位置的精度.结果表明:噪声条件下数值模型的荷载识别误差在8%以内,荷载位置识别准确率在95%以上;实际结构的荷载识别误差在18%以内,荷载位置识别准确率为100%.两分支卷积神经网络可以很好地同时识别荷载大小和位置.