● 摘要
结构的模态参数与形状、材料等固有特性密切相关。通过对结构的模态参数进行辨识，可以检测到结构的异常，实现对结构健康状况的监测，这一技术在建筑、机械等领域得到了广泛的应用。随着现代桥梁结构的大型化、复杂化，工业界对桥梁的健康监测技术提出了越来越高的要求。本文从满足实际桥梁健康监测的需求出发，建立了一种能够在自然环境激励下对桥梁进行模态识别的系统。该系统无需人工激励，可以直接在桥梁的工况下对系统模态参数进行辨识，极大地节省了成本，实现了桥梁健康状况的在线监控。
论文中设计了在环境激励下进行模态识别的NExT-ARMA(Natural Excitation Technique - Auto-Regressive and Moving Average Model)算法，该算法能够根据桥梁在环境激励下的整体振动状态来快速辨识系统模态，并使用反馈定阶的方式提高运算精度，适合在实时桥梁健康监测系统中进行部署。同时开发并搭建了分布式的振动采集系统，系统采用ICP(Internal Electronics Piezoelectric)传感器作为敏感元件，使用基于ARM(Acorn RISC Machine)的处理器构建振动数据采集节点。另外，建立了基于Browser-Server架构的支持多用户的服务器。节点与服务器联网形成无线传感网络，结构的整体振动数据从采集到传输最终被同步汇总到服务器中进行进一步的分析，形成了一套完整的解决方案。
论文最后分别通过有限元仿真和搭建实验平台两种方法来验证系统方案的可行性和有效性。实验结果表明，NExT-ARMA算法能够对结构的各阶模态参数进行精准的识别，其中针对固有频率的识别误差达到了±1%左右。同时，系统实验也表明，分布式的振动检测系统能够对结构的整体振动状态进行稳定、有效的采集。