首页 理论教育 基于频率和振型信息的空载识别优化方案

基于频率和振型信息的空载识别优化方案

时间:2023-06-26 理论教育 版权反馈
【摘要】:由图7.2.10可知,在1%噪声情况下,相对于前文仅使用前3阶结构频率构建目标优化函数的遗传算法所识别的脱空结果,增加振型信息后所构建目标函数的遗传算法所识别的脱空识别结果准确性有很大的提高,四种工况均能大致识别出脱空位置和形状,识别结果对判断是否脱空和脱空的形状有帮助。所以,增加振型信息后改进的遗传算法能提高脱空识别的精度,有助于提高抗噪能力。

基于频率和振型信息的空载识别优化方案

针对上一节存在的算法不抗噪的问题,本节将在遗传算法的目标函数中通过添加8个测点的模态信息(振型值)以增加信息量。

7.2.2.1 响应面模型的建立

在本节中考虑增加信息量,即利用响应面方法拟合与水闸前3阶频率和8个测点的前3阶振型值数据的非线性关系。

图7.2.6 四种脱空工况施加1%噪声的参数识别结果

振型值数据与所选取的测点位置有着直接的关系,选取能较好反映水闸结构脱空后的测点数据,从而进行脱空控制参数的反演分析,所以,测点的选取将直接影响识别结果的准确性。

选取结构模型的测点位置主要从三个方面进行考虑:第一,测点模态信息的灵敏度;在本书中定义灵敏度为部分脱空情况下所选取测点的振型值数据相对于水闸结构模型无脱空情况下该测点振型值数据的变化率。测点信息的灵敏度越大,脱空越容易反映出来,测点信息越有效。第二,响应面精度,该精度关系到水闸底板脱空识别结果的准确性。第三,实际操作的可行性,由于水闸建成后,服役期间为防治扬压力过大导致结构发生破坏,所以水闸不能完全抽空下游水使得水闸底板不能裸露在外,水闸底板位于水面以下,所以测点位置一般选取在闸墩侧面的水面以上位置,特殊情况下可选取水面以下的测点。以上三个因素都对测点位置选取有直接的关系,所以应该综合这三个方面的因素选取测点。

通过分析可以发现在竖向上(Z方向)测点位置越靠上,其测点振型值越大,振动越明显,但其灵敏度有变小的趋势,所以从该因素考虑,测点位置应尽量选择靠近水闸底板,但在实际测量数据的过程中,测点宜选在振型值较大的位置。本次选取的测点位置如图7.2.7所示,竖向上(Z方向)选取大概1/4靠上位置的水平面上,8个测点分布在两侧闸墩的内侧,分别为单侧闸墩4个测点的对称分布形式,单侧闸墩的4个测点间隔距离相同。

和前文所述方法相同,提取出500组偏左侧脱空情况下的8个测点的振型值,再根据响应面理论建立水闸结构前3阶固有频率和8个测点的振型值与脱空控制参数的响应面代理模型。

图7.2.8是1号和5号测点在前3阶的响应面精度。从图中可以看出:第1阶1号和5号测点在竖直方向(Z方向)上响应面精度均在千分之几内,第2阶1号和5号测点在纵向(Y方向)上响应面精度均在万分之几内,但第3阶1号和5号测点在横向(X方向)上响应面精度稍不理想,这是因为同一个测点在不同的阶次时其振动幅度和方向会随着阶次的变化而变化,有时会在某个方向上没有位移变化,所以导致振型值响应面精度不太理想,但能发现在某一阶次下其振动是有规律的,所以可以选取某一方向上满足精度要求的测点数据进行分析计算。

7.2.2.2 基于遗传算法的脱空区域识别结果

定义结构振型值向量为

图7.2.7 测点位置示意图

式中:n为振型值个数,此处n=3×8=24。

根据模拟的脱空情况,利用响应面模型求得的结构振型值向量定义如下:

式中:n为振型值个数,此处n=3×8=24。

此时,增加振型值后的优化问题的目标函数为

式中:ω为振型信息项的权值系数。(www.xing528.com)

图7.2.8 1号和5号测点在前3阶的响应面精度

脱空工况及参数设置和前文所述相同,见表7.2.1。目标优化函数增加振型值后在无噪声的理想情况下,四种工况的脱空参数识别结果见表7.2.4和图7.2.9。

表7.2.4 无噪声情况下四种工况的脱空参数识别结果 单位:m

图7.2.9 无噪声情况下四种脱空工况的脱空参数识别结果

从以上四种工况的脱空识别结果可以看出,在无噪声的情况下,相对于前文仅使用前3阶结构频率构建目标优化函数的遗传算法所识别的脱空结果,增加振型信息后所构建目标函数的遗传算法所识别的脱空识别结果更准确,工况一和工况二基本能准确识别脱空情况,工况三和工况四能识别脱空位置,脱空形状也基本能识别出来,说明通过增加振型值信息来增加信息量的方法是可行的。总体来说增大信息量后的识别结果更为理想,所以在无噪声的条件下,本书所提出改进的遗传算法进行脱空识别是可行的。

同样为验证增加振型值信息后能否提高算法的抗噪能力,施加1%和5%的高斯白噪声来效仿实际操作中不可避免的误差,进行有噪声情况下的水闸底板脱空识别。四种脱空工况下施加1%噪声后脱空参数识别结果见表7.2.5和图7.2.10,施加5%噪声后脱空参数识别结果见表7.2.6和图7.2.11。

由图7.2.10可知,在1%噪声情况下,相对于前文仅使用前3阶结构频率构建目标优化函数的遗传算法所识别的脱空结果,增加振型信息后所构建目标函数的遗传算法所识别的脱空识别结果准确性有很大的提高,四种工况均能大致识别出脱空位置和形状,识别结果对判断是否脱空和脱空的形状有帮助。由图7.2.11可知,当噪声级别增至5%噪声情况下,结果稍差,但也能大致指示出脱空范围,不足的是脱空参数和实际脱空情况下的参数吻合度有所降低,但也在能接受的范围内。所以,增加振型信息后改进的遗传算法能提高脱空识别的精度,有助于提高抗噪能力。

表7.2.5 四种脱空工况下施加1%噪声后脱空参数识别结果 单位:m

图7.2.10(一) 四种脱空工况下施加1%噪声后脱空参数识别结果

图7.2.10(二) 四种脱空工况下施加1%噪声后脱空参数识别结果

表7.2.6 四种脱空工况下施加5%噪声后脱空参数识别结果 单位:m

图7.2.11(一) 四种脱空工况下施加5%噪声后脱空参数识别结果

图7.2.11(二) 四种脱空工况下施加5%噪声后脱空参数识别结果

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈