基于模态参数识别和GNSS位移监测的结构健康监测综述

基于模态参数识别和GNSS位移监测的结构健康监测综述

张惊朝，王凯，罗垟，杨城

(中国建筑第八工程局有限公司，成都 610000)

摘 要模态参数识别和GNSS位移监测作为结构健康监测领域的两大主要手段，广泛应用于结构的损伤识别和性能评估。本文分别对平稳环境激励下的模态参数识别和GNSS位移监测方法及其应用进行了比较分析，总结了两者的优缺点，并对基于模态参数识别和GNSS位移监测方法未来的发展趋势进行了简要预测。

关键词 模态参数识别；GNSS位移监测；结构健康监测；损伤识别

收稿日期：

基金资助：四川大学华西医院锦江院区项目（51878426 ）

作者简介：张惊朝，男，1995年生，研究生，主要从事工程结构监测方法研究，E-mail: 1721140992@qq.com

1 引  言

结构健康监测作为一门新兴的交叉学科，融合了多学科知识，其领域中的关键技术主要包括模态参数识别理论、传感器优化布置理论、损伤识别理论等。近年来，随着人工智能领域的加入，不断赋予该领域新活力。借此，基于模态参数识别和GNSS位移监测方法相继脱颖而出，成为了近年来的研究热点。

模态参数识别方法可分为实验状态模态分析(EMA)和运行状态模态分析(OMA)。两种模式的区别是EMA已知系统输入信号和输出信号。OMA输入未知，已知信息少，理论上具有先天不足[1]，但在实际应用中，反而更为广泛。

而对于GNSS的振动位移监测，其可以同时测量出结构物在外力作用下的静态位移和动态位移，且具有自动化程度高、等优点，使得GNSS越来越多地应用于工程结构健康监测。

基于模态参数识别和GNSS位移两种监测方法均是依靠结构内部附着的传感器，获取结构的振动信息，并通过对应的数据处理和比较分析，即可监测结构的安全状态。但两者的应用范围却存在些许不同，前者大多应用于振动较明显的结构。基于此，本文对模态参数识别方法和GNSS位移监测方法进行了分类介绍，并指出两种方法可能存在的缺陷，阐述两种方法的发展趋势。

2 平稳环境激励下模态参数识别

环境激励下模态参数识别方法按识别信号域分为频域、时域方法和时频法。这里仅从常见的频域和时域对平稳环境激励下模态参数识别方法进行了调研。

2.1  频域识别算法

2.1.1峰值拾取法

峰值拾取法（PP）是最简单的模态参数识别方法，其利用输出自功率谱在固有频率处出现峰值的特性，通过平均正则化功率谱中峰值位置直观选取特征频率。PP法虽然识别精度不高，且不适用于高阻尼或密集模态，但其简单易行，因此常在实际中使用。史惠彬等[3]先利用小波频谱处理某跨海大桥斜拉索振动信息后，再结合PP法成功识别出其频率。

2.1.2频域分解法

频域分解法（FDD）基本概念由Prevosto提出，在2000年时由Brincker等正式提出。其针对PP法等传统模态识别方法在识别密集模态方面的缺陷，利用SVD分解将输出功率谱函数解耦为一系列单自由度体系的自功率谱函数，进而确定其的特征频率。此时，即可利用半功率带宽法确定相应阻尼比[3]。

2.1.3增强频域分解法

Brincker于2000年提出了增强频域分解法。在FDD法的基础上，对频域分解法解耦得到的单自由度体系自功率谱函数进行处理，进而利用对数衰减率得到阻尼比。尽管频域分解法的适用条件较为苛刻，但以物理概念明确奇异值分解技术代替单纯假设离散系统的思路，使该方法具有更强的通用性。顾培英等[4]利用增强频域分解法成功识别出了渡槽结构的双向模态参数。

2.1.4最小二乘复频域法

最小二乘复频域法以频响函数作为原始数据，采用公分母矩阵频响函数进行识别。其常用的多参考点最小二乘频域法，适用于宽带分析，在强阻尼、密集模态情况下，仍可获得稳定图，从而实现模型定阶[5]。赵言正等[6]运用Polymax法对得到的频响函数数据进行参数识别，成功得到焊接机器人模态参数。

2.2  时域识别算法

2.2.1随机子空间法

随机子空间法假设所用时程响应是随机平稳过程，满足平稳随机过程的性质。它以系统的离散时间状态空间模型为基础，满足系统白噪声假定[7]。

随机子空间法按对时间序列处理方式的不同分为数据驱动型随机子空间法和协方差驱动型随机子空间法。随机子空间法假设少，理论推导严密，能全面识别结构各项参数，但仍不可避免地存在模态遗漏和虚假模态的问题。董霄峰[8]利用一种考虑谐波修正的SSI方法，成功分析出了叶片转动对模态参数识别的影响。

2.2.2 ARMA时序分析法

时序分析法是把振动响应的测量数据看成一个系统，由响应的测量数据建立系统的数学模型。ARMA由AR—自回归模型和MA—滑动平均模型组成。其中AR为过去观察值和现在的干扰值的线性预测组合。MA为过去的干扰值与现在的干扰值的线性组合。后续利用其与振动系统之间的关系，即可求出振动系统特征根[9]。

与频域法相比，ARMA在傅里叶谱之外提供了一种构建时序谱的方法，这种可以进行数据外延的动态谱，避免了由于加窗截断数据造成的能量泄漏，在系统阶次估计合理的情况下，能达到较好的识别结果。于丹等

[10]成功利用时序分析法找出了沈阳地铁2号线的变形规律。

3 基于GNSS的振动监测

基于GNSS的振动监测精度的讨论的大多基于利用小波滤波方法来削弱由于GNSS自身特性所带来的误差。但在多路径环境下，利用重复性来削弱的多路径误差的效果也比较有限。贺志勇等在利用GNSS对高耸结构进行位移监测时，采用五点三次平均法对GNSS数据进行平滑处理，得到结构固有频率，通过与有限元模型进行对比，证明基于GNSS的位移监测结果较好[11]。

虽然大量的研究证明，在理想环境下，利用GNSS进行位移监测效果较好。但随着GNSS应用范围的拓宽，高层建筑的急剧增多，GNSS应用的环境越来越难以达到理想条件。

3.1  基于GNSS和加速度计的位移监测

基于位移和加速度信息的位移监测，一开始用于地震后地表位移的反演。大地震的破裂尺度大，且持续时间长，会产生丰富的低频信号。为了将GNSS位移和加速度计获取的加速度信息进行融合处理，充分发挥GNSS位移和加速度的特性。戴吾蛟等人对GPS与加速度计集成方法进行了研究[12]。

4  结  论

本文分别对近些年国内外基于模态参数识别方法和基于GNSS振动位移监测方法的研究现状进行了阐述，对其未来发展预测总结如下:

（1）由于频域方法的识别精度会受到功率谱估计精度的影响，因此如何提高谱估计的精读来进一步提高频域方法仍是一个值得研究的问题。

（2）不论是频域法还是时域法都仍在过滤虚假模态和识别具有相近特征值的密集模态等方向存在问题。

（3）如何提高GNSS信息精度及减小多路径误差仍然是亟待解决的问题；

（4）如何平衡好精确性和实时性的关系，仍是值得研究的问题；

（5）如何对各类传感器进行深度集成，提高监测系统的监测精度及可靠性，并对不同类型传感器数据进行融合与挖掘，将是动态变形监测发展的趋势。

参考文献

[1] 夏祥麟. 环境激励模态分析方法的比较[D]. 中南大学, 2013.

[2] 史惠彬, 刘舟峰, 钟昊荪等. 基于小波分析的斜拉索振动频率识别 [J]. 浙江交通职业技术学院学报, 2020, 21(03):1-5+10.

[3] 叶锡钧, 颜全胜, 王卫锋, 李健. 基于多参考点稳定图的斜拉桥模态参数识别 [J]. 华南理工大学学报(自然科学版), 2011, 39(09): 41-47+53.

[4] 顾培英, 刘冬梅，邓昌等. 渡槽整体结构环境激励模态试验[J].河南大学学报,2021, 49(01):77-83.

[5] 夏祥麟. 环境激励模态分析方法的比较 [D]. 中南大学, 2013.

[6] 赵言正, 刘积昊, 管恩广等. 焊接机器人的试验模态分许. 中国测试, 2021, 47(11): 64-68+100.

[7] 刘东霞. 基于随机子空间法的梁桥模态参数识别 [D]. 西南交通大学, 2008.

[8] 董霄峰. 海上风机结构振动特性分析与动态参数识别研究 [D]. 天津大学, 2014.

[9] 张景绘, 邱阳. 时间序列分析在振动中的应用 [J]. 振动与冲击, 1983(01): 3-11.

[10] 于丹, 杨子玉, 庄岩等. 时序分析法在沈阳地铁二号线变形预测的应用 [J]. 沈阳建筑大学学报, 2016, 32(03):453-458.

[11] 贺志勇, 吕中荣, 陈伟欢, 陈树辉, 廖渭扬. 基于GPS的高耸结构动态特性监测 [J]. 振动与冲击, 2009, 28(04):14-17+24+200.

[12] 戴吾蛟, 伍锡锈, 罗飞雪. 高楼振动监测中的GPS与加速度计集成方法研究 [J].振动与冲击, 2011, 30(07): 223-226+249.