近日,公司结构健康监测团队题为“Bayesian Continuous Wavelet Transform for Time-Varying Damping Identification of Cables Using Full-Field Measurement”的研究论文,在智能建造领域国际顶级期刊《Automation in Construction》(中科院一区Top,影响因子:9.6)发表,该期刊位居全球SCIE收录的181种土木工程类期刊第1位。论文第一作者为必威betway2023级博士研究生王军营,通讯作者为朱前坤教授、张琼副教授、2022级王宪玉博士生及杜永峰教授为共同作者。
作为斜拉桥的关键承载构件,拉索的振动特性,特别是其阻尼水平,直接关系到桥梁的安全性。然而,传统工作模态分析(Operational Modal Analysis, OMA)方法在阻尼识别中常面临结果离散性的问题,同时,传感器部署的有限性也易导致关键模态信息的丢失。视觉测量技术的引入为此提供了新思路,通过高分辨率的全场监测可实现对拉索振动特性的精确捕捉,并结合先进算法,为全面分析拉索的振动特性及阻尼水平的识别奠定了基础。
研究工作基于以上考虑,提出一种基于全场视觉测量的贝叶斯方法,结合Gabor滤波及其连续小波变换,用于识别拉索的时变动力特性。该方法引入金字塔嫁接网络(Pyramid Grafting Network, PGNet)和邻帧像素拟合技术,实现对拉索全场振动数据的精确识别。随后,利用Gabor连续小波变换提取这些数据的时频域特性,并将其纳入贝叶斯概率估计框架中以进行模态参数的更新。通过基于物理图形模型(Physics-based Graphics Model, PBGM)的数值模拟和复杂环境下的实际拉索测试,验证了本研究方法在识别拉索时变动力特性方面的有效性,为斜拉桥拉索健康监测提供了可靠的技术支撑。
该项工作得到了国家自然科学基金(52168041)、甘肃省重点研发计划(22YF11GA301)、甘肃省交通运输厅科技项目(2024-13)以及甘肃省自然科学基金优秀博士生(24JRRA210)等项目的资助。
(撰写:张琼;初审:王亚军;终审:张艳)