-
题名基于遗传算法与随机减量技术的气动阻尼识别方法研究
被引量：1
- 1
-
-
作者
唐龙飞
郑朝荣
-
机构
哈尔滨工业大学土木工程学院
哈尔滨工业大学(深圳)土木与环境工程学院
哈尔滨工业大学土木工程智能防灾减灾工业和信息化部重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第6期16-23,共8页
-
基金
黑龙江省自然科学基金(LH2019E050)。
-
文摘
随机减量技术(random decrement technique,RDT)因其计算快、成本低的优点,在工程结构模态参数识别中应用广泛。针对RDT在信号截断幅值与样本时长的选取比较主观带来的误差问题,采用遗传算法(genetic algorithm,GA)对其进行改进,提出改进的随机减量技术GA-RDT,并将其应用于某超高层建筑气弹模型的气动阻尼识别。首先,对RDT方法得到的自由衰减曲线进行拟合并定义误差,分析截断幅值A和样本时长T对误差(优化目标)的影响,采用遗传算法寻找A和T的最优解;其次,基于气弹模型风洞试验所得的顶点加速度时程,结合GA-RDT方法和Hilbert-Huang变换(Hilbert-Huang transform,HHT)方法进行气动阻尼识别;最后,以自然激励技术(natural excitation technique,NExT)识别所得的气动阻尼比为基准,对比分析GA-RDT方法相对于传统RDT方法的精度优势。结果表明,与NExT方法所得的气动阻尼比相比,GA-RDT方法识别得到不同风速时X向、Y向与扭转向的气动阻尼比的平均误差均小于0.14%,其识别精度显著高于传统RDT方法,从而验证了基于GA-RDT的气动阻尼识别方法的可行性。
-
关键词
超高层建筑
气动阻尼识别
遗传算法(GA)
改进的随机减量技术
自然激励技术
-
Keywords
supertall building
aerodynamic damping identification
genetic algorithm(GA)
improved random decrement technique
natural excitation technique
-
分类号
TU973
[建筑科学—结构工程]
TU311.3
[建筑科学—结构工程]
-
-
题名环境风激励下超高层建筑模态参数识别
被引量：4
- 2
-
-
作者
蔡康
郅伦海
李秋胜
刘俊
-
机构
武汉理工大学土木工程与建筑学院
合肥工业大学土木与水利工程学院
湖南科技大学结构抗风与振动控制湖南省重点实验室
香港城市大学建筑学及土木工程学系
西安建筑科技大学土木工程学院
-
出处
《应用力学学报》
CAS
CSCD
北大核心
2021年第2期465-473,共9页
-
基金
国家自然科学基金(51478371,51978230)
湖南科技大学结构抗风与振动控制湖南省重点实验室开放基金资助项目。
-
文摘
基于经验小波变换(EWT)及改进随机减量技术,推导了一种环境风激励下超高结构模态参数的时频分析算法。该方法首先对实测信号进行EWT分解,获得单模态分量,然后采用改进随机减量技术得到自由衰减响应,最后利用希尔伯特变换和线性拟合计算结构的自振频率和阻尼比。通过五层框架结构的数值算例验证了该方法的有效性,并利用该方法对台风"妮妲"作用下深圳平安金融中心的实测加速度进行时频分析,获得了深圳平安金融中心的阻尼比及自振频率,揭示了该超高结构模态参数瞬时变化特征。所识别的结构各阶频率略高于0.1Hz、平动阻尼比在1%以内的研究成果为超高层建筑健康监测和振动控制提供了依据和资料。
-
关键词
经验小波变换
超高层建筑
改进的随机减量技术
模态参数
现场实测
-
Keywords
empirical wavelet transform
super tall building
improved random decrement technique
modal parameter identification
field measurement
-
分类号
TU973.2
[建筑科学—结构工程]
-
