大跨度悬索桥涡激振动动态监控预测_张勇.pdf

振 动 与 冲 击 第 39 卷第 8 期JOURNAL OF VIBRATION AND SHOCKVol.39 No. 8 2020 基金项目 浙江省交通运输厅科技项目2016009;2017016;2019050; 2019052;浙江省科学技术厅科技项目LGF18E08002 收稿日期 2018 -08 -14 修改稿收到日期 2018 -12 -10 第一作者 张勇 男,硕士,工程师,1990 年生 通信作者 田浩 男,博士,研究员,1982 年生 大跨度悬索桥涡激振动动态监控预测 张 勇1,2, 曹素功1,2,3, 马如进3, 田 浩1,2, 胡 皓1,2, 徐世桥3 1. 浙江省交通运输科学研究院,杭州 311305; 2. 浙江省道桥检测与养护技术研究重点实验室,杭州 311305; 3. 同济大学 土木工程学院,上海 200092 摘 要大跨度悬索桥的涡激振动发生频率较高,严重时将影响到行车安全性和舒适度。 为了能及时预测大跨度 悬索桥的涡激振动,以某跨海大桥为例,依托其结构监测系统长期监测数据,选取了顺风向平均风速、风向角、能量集中系 数以及加速度均方根RMS作为涡激振动发生的特征参数,根据特征参数与涡激振动的相关性,构造了跨海大桥涡激振 动的动态监控预测模型,建立了独立的涡激振动动态监控系统。 结果表明涡振发生时风向角主要分布在 300330与 120150;能量集中系数功率谱密度之比 WP2/ WP1小于 0. 1;主桥振动加速度均方根值大于 5 cm/ s2;构造的系统模型 预测识别率达到 72,建立的涡激振动动态监控系统识别准确率达到 93,同时开发了涡激振动预警 App,实际预警效 果良好,可为同类型桥梁的涡激振动预测提供借鉴。 关键词 跨海大桥;能量集中系数;特征参数;加速度均方根值RMS;预测模型;预警 App 中图分类号 U441 . 3; U448. 25 文献标志码 ADOI10. 13465/ j. cnki. jvs. 2020. 08. 021 Dynamic monitoring and prediction for vortex induced vibration of a sea crossing bridge ZHANG Yong1,2, CAO Sugong1,2,3MA Rujin3, TIAN Hao1,2, HU Hao1,2, XU Shiqiao3 1. Zhejiang Scientific Research Institute of Transport, Hangzhou 311305, China;2. Key Laboratory of Road and Bridge Inspection and Maintenance Technology of Zhejiang Province, Hangzhou 311305,China; 3. College of Civil Engineering,Tongji University,Shanghai 200092, China Abstract Vortex-induced vibration of long-span suspension bridges occurs frequently, which seriously affects driving safety and comfort. In order to predict the vortex induced vibration of a long-span suspension bridge in time, a cross sea bridge was taken as an example. Based on the long-term monitoring data of a structural monitoring system, wind velocity, wind direction angle, energy concentration coefficient and acceleration RMS were selected as the characteristic parameters of vortex induced vibration. According to the correlation between the characteristic parameters and the vortex excited vibration, a dynamic monitoring and prediction model of vortex-induced vibration of a cross-sea bridge was constructed, and an independent dynamic monitoring and control system of vortex-induced vibration was established. The results show that the wind direction is mainly between 300330 and 120150, and the energy concentration coefficient the ratio of power spectral density WP2/ WP1 is less than 0. 1; the acceleration RMS of the main bridge is more than 5 cm/ s2; the prediction recognition rate of the system model is 72, and the identification accuracy of the vortex induced vibration dynamic monitoring system is 93. At the same time, the vortex-induced vibration early warning app which is perfectly useful for work has been developed, and it can provide reference for the prediction of vortex- induced vibration of similar bridges. Key words cross sea bridge; energy concentration factor; characteristic parameter; acceleration root mean square RMS value; prediction model; early warning App 进入 21 世纪,我国现代桥梁正向着大跨度及超大 跨度发展,伴随着桥梁跨度的增加,桥梁的阻尼减小, 频率降低,其风振问题越来越突出,涡激振动便是其中 之一。 涡激振动是大跨度桥梁在低风速下出现的一种 复杂的风致振动。 当气流流经桥梁时,漩涡脱落会引 起桥梁的振动,而振动的桥梁反过来会对漩涡脱落产 生某种反馈,使结构振动和气流之间发生相互作用,从 而产生一种具有自激性质的强迫振动。 大跨度桥梁涡激振动的研究方法主要有四种理 论分析、风洞试验、现场实测和数值风洞分析。 目前, 国内外对于涡激振动的研究主要以涡激振动影响因 素、发生机理以及控制措施为主,少数文献对基于监测 ChaoXing 数据的桥梁涡激振动特性进行了研究,但仅限于涡激 振动中风和振动监测数据一些特异性表征规律,对基 于这些规律的进一步涡激振动动态监控还缺乏深入研 究。 Li 等[1]采用长期监测系统采集的风和振动数据进 行聚类分析发现,顺风向风速非均匀性对涡激振动模 式有显著影响。 Li 等[2]分析了桥梁顺风向的基本风场 特性,得到了全尺寸双箱梁下表面的风压分布及其旋 涡脱落频率,发现全尺寸桥梁模型的垂直涡激振动振 幅比现场监测结果小得多。 Li 等[3]研究发现风速、风 向和非均匀性是涡激振动整个过程发展阶段、稳定阶 段、消失阶段和响应幅度的关键参数。 Li 等[4]研究了 一种基于现场测量的双钢箱梁悬索桥的涡激振动研究 结果表明,涡激振动更可能发生在6 10 m/ s 的低风速 范围内,风向几乎与桥线垂直,湍流强度较低。 Zhu 等[5]提出了一种通用简化非线性数学模型,可用于预 测大跨度桥梁竖向涡激振动的稳定振幅。 Xu 等[6]采 用降价模型Reduced-Order Modeling, ROM方法,模 拟了涡激振动过程中桥面的流体结构相互作用。 李 欢等[7]通过设计隔流板和下稳定板等气动减振措施来 抑制主梁涡振。 杨瑞[8]建立了脉动风场下的涡激力模 型。 李加武等[9]从主梁涡激共振的应力状态出发,总 结出以塔高为参数的桥塔弯曲涡激共振允许振幅估算 公式。 陈政清等[10]分析了考虑人体舒适性和行车安全 影响的大跨度桥梁竖弯涡振限值。 赖马树金[11]对现场 原型桥梁涡激振动特性研究发现,低湍流度和风向基 本垂直于桥向的风容易引起大跨度桥梁的涡激振动, 风场的不均匀性对涡激振动的幅值具有重要的影响, 一般而言,更低的不均匀性对应更大的涡激振动 幅值。 本文依托某跨海大桥结构健康监测系统,从长期 海量的桥梁健康监测数据中挖掘桥梁涡激振动特性, 建立了从监测数据角度判断桥梁涡激振动的研究方 法,选取了顺风向平均风速、风向角、能量集中系数以 及加速度均方根值Root Mean Square, RMS作为涡激 振动发生的特征参数,根据特征参数与涡激振动的相 关关系,构造了跨海大桥涡激振动的动态监控模型,建 立了独立的涡激振动动态监控系统,对系统模型的预 测效果进行了对比分析,并开发了实用的涡激振动预 警 App。 1 工程背景 跨海大桥在主跨 1/4 断面、1/2 断面和 3/4 断面共 布置了 8 个超声风速仪,每个断面左右幅各布置 1 个, 用以监测来流自由风场风速,安装位置如图 1 所示。 为了监测桥面的振动信息,在主跨 1/4 断面、1/2 断面 和3/4 断面以及边跨1/2 断面布置了12 个单向加速度 传感器,每个断面布置 3 个2 个用以监测桥面竖向加 速度,1 个用以监测桥面侧向加速度。 图 1 跨海大桥传感器布置图 Fig. 1 Sensor layout of cross sea bridge 2 涡激振动特征参数分析 依托跨海大桥原有结构监测系统长期监测数据, 重点分析了桥梁即时的风速、风向角等风参数外部 因素以及桥梁结构振动响应能量集中系数与加速 度均方根值 等内部因素,初步确定了顺风向平均 风速、风向角、能量集中系数与加速度均方根值等监 测参数在涡激振动事件与非涡激振动对比分析中具 有明显的特异性,可作为涡激振动预测分析的特征 参数。 2. 1 顺风向平均风速 根据跨海大桥原有监测系统数据的分析可知涡激 振动发生时风场参数中顺风向平均风速主要集中在 4 13 m/ s。不同传感器的顺风向平均风速具有特异 性,即只有风速在一定范围时才可能发生涡激振动,能 作为涡激振动预测分析的特征参数。 441振 动 与 冲 击 2020 年第 39 卷 ChaoXing 2. 2 风向角 发生涡激振动时的风向散点图,如图 2 所示。 从 图 2 可知,涡振发生时风向角主要分布在 300 330 与 120 150,风向角方向基本上与桥梁位置垂直。 故涡激振动的风向角具有特异性,即只有风向角在一 定范围时才可能发生涡激振动。 因此,风向角可以作 为涡激振动预测分析的特征参数。 图 2 跨海大桥涡激振动风速风向散点图 Fig. 2 Scatter diagram of wind speed and wind direction of cross sea bridge 2. 3 能量集中系数 桥梁结构正常振动和涡激振动最大的区别在于一 个为多模态共存振动,一个为单一频率存在的振动。 某段时间范围内主梁加速度数据频谱分析中峰值最大 的功率谱密度记为 WP1,峰值第二大的功率谱密度记为 WP2,记能量集中系数为功率谱密度之比 WP2/ WP1。 图3 为某次涡激振动事件中能量集中系数的变化曲线,从 图 3 可知,涡激振动发生时间段内,WP2/ WP1均小于 0. 1 接近于 0。 因此,能量集中系数的变化规律可以作 为涡激振动发生前预测预警的重要依据。 图 3 某次涡激振动 WP2/ WP1变化曲线 Fig. 3 WP2/ WP1variation curve of vortex induced vibration 2013 年 2015 年所有涡激振动样本与相应的桥 梁正常振动过程中 RMS 值的对比,如图 4 所示。 从图 4 可知,涡激振动发生过程中,主桥振动 RMS 几乎都在 5 cm/ s2以上。 因此,RMS 值可以作为涡激振动预测预 警的一个反映振动幅度的重要参数。 2. 4 加速度均方根值 2013 年 2015 年所有涡激振动样本与相应的桥 梁正常振动过程中 RMS 值的对比,如图 4 所示。 由图 4 可知,涡激振动发生过程中,主桥振动 RMS 几乎都在 5 cm/ s2以上。 因此,RMS 值可以作为涡激振动预测预 警的一个反映振动幅度的重要参数。 图 4 涡激振动与非涡激振动加速度 RMS 对比图 Fig. 4 Acceleration RMS comparison of vortex induced vibration and non-vortex induced vibration 3 涡激振动动态监控预测模型 3. 1 涡激振动动态监控模型框架 跨海大桥涡激振动动态监控预测模型框架,如图 5 所示。 该模型主要分为两部分①风速分析模块,该部 分是基于风速实时监测数据的初步判断,以顺风向平 均风速和风向角两个参数为判断依据;②加速度分析 模块,该部分是基于加速度实时监测数据的二次判断, 以加速度 RMS 和能量集中系数 Wp1/ Wp2两个参数为判 断依据。 3. 1. 1 风速分析模块 根据跨海大桥原有监测系统数据的分析可知,涡 激振动发生时顺风向风速主要集中在 4 13 m/ s。 风 向角主要分布在于桥址垂直的方向,在 300 330与 120 150。 当桥址处自然风满足这两个条件时,发生 涡激振动的可能性最大。 桥梁规范中对风参数进行分 析时通常取 10 min 为分析周期。 当顺风向平均风速和 风向角两者计算结果满足上述涡激振动发生条件时, 541第 8 期 张勇等 大跨度悬索桥涡激振动动态监控预测 ChaoXing 则进入加速度分析模块进行进一步分析,如果不满足 则继续对后 10 min 风速数据进行动态监测。 图 5 涡激振动动态监控模型框架 Fig. 5 Dynamic monitoring model frame of vortex induced vibration 假定风速传感器布设有 m 个,在涡激振动风速数 据中评价指标为平均风速与风向角,令 αi,βii 1, 2,,m分别表示第 i 号传感器平均风速和风向角是 否满足涡激振动的条件参数,当条件满足时其值为 1, 否则为 0,即 αi 1/ βi 1,风速 / 风向角满足涡激振动发生条件; αi 0/ βi 0,风速 / 风向角不满足涡激振动发生条件 1 所有传感器满足涡激振动发生的风速与风向角的 条件参数个数为 2 m 个。 而涡激振动发生过程中同 时满足所有条件的可能性较小,而且往往涡激振动只 满足几个条件,因此初步选取风参数分析阈值为 m,即 满足式2则认定为发生涡激振动。 ∑ m i 1 αi∑ m i 1 βi≥ m,i 1,2,,m2 3. 1. 2 加速度分析模块 加速度分析模块中主要有两个参数①能量集中 系数 Wp1/ Wp2,其定义为主梁振动频谱图中能量第二与 第一的模态所对应的功率谱密度比值,表征了桥梁是 否为单模态振动,Wp1/ Wp2等于或接近于 0 表示桥梁振 动中仅仅包含一种模态,即共振状态涡激振动,在预 测模型中,初定 Wp1/ Wp20. 1 为涡激振动发生的判断 依据;②加速度 RMS,其表征为某段时间内桥梁振动幅 度的大小,以加速度 RMS 达到 5 cm/ s2作为判断涡激 振动发生与否的条件。 为满足预警需要,加速度分析 采取 2 min 为分析时距。 假定加速度传感器布设有 n 个,同理令 μj, vjj 1,2,,n分别表示第 j 号传感器 能量集中系数与加速度 RMS 是否满足涡激振动的条 件参数,当条件满足时其值为 1,否则为 0。 所有加速 度传感器满足涡激振动发生的振动特性条件参数个数 为 2 n 个。 初步选取加速度振动特性分析阈值为 n, 即满足式3则认定为发生涡激振动。 ∑ n j 1 μj∑ n j 1 vj≥ n, j 1,2,,n3 若均不满足式3,则重新返回风速分析模块中。 3. 2 模型测试实例 依据上述预警模型及跨海大桥原有监测系统涡激 振动数据,计算某次涡激振动事件分析结果,如表 1 所 示。 按照风参数分析模块和加速度分析模块均判断出 此事件内发生了涡激振动,则判断涡激振动发生。 表 1 涡激振动动态预测实例分析 Tab. 1 An example analysis of dynamic prediction of vortex induced vibration 传感器编号123456总分备注 平均风速10. 59. 47. 99. 05. 5 风向角328. 3325. 4321. 8325. 4325. 8∑ 9大于 5 符合涡激振动发生条件 条件参数 α11 β11 α21 β21 α31 β31 α41 β41 α50 β51 RMS4. 94. 45. 45. 84. 13. 3 能量集中系统0. 0540. 0580. 0070. 0060. 0470. 082∑ 8大于 6 判定发生涡激振动 条件参数 μ10 v10 μ20 v21 μ31 v31 μ41 v41 μ50 v51 μ60 v61 2013 年 2015 年跨海大桥监测系统统计及记录 的涡激振动事件共有 100 次,其中剔除数据缺失的事 件,完整记录涡激振动事件 75 次,根据编制的涡激振 动预测模型对该 75 次事件进行模拟预测分析,共识别 641振 动 与 冲 击 2020 年第 39 卷 ChaoXing 出涡激振动事件 54 次,识别率 72。 4 涡激振动动态监控系统 通过对日常观测的大量资料进行处理分析,在研 究产生涡激振动的主要因素和桥梁结构主要涡激振动 特性的基础上,建立了跨海大桥涡激振动动态监控预 测模型。 由于涡激振动预测时效性的限制,原有跨海 大桥结构监测系统的加速度、风速等传感器的存储频 率已经不能满足对涡激振动事件提前、实时监控预警 的需要,因此为了及时地掌握涡激振动数据,并对数据 进行分析和实时预警,必须建立一套独立的涡激振动 动态监控系统。 4. 1 系统组成 涡激振动动态监控系统划分为 4 个子系统传感 器子系统、数据采集与传输子系统、数据存储子系统、 数据处理与分析子系统,各个子系统的主要功能定义, 如表 2 所示。 表 2 涡激振动动态监控系统构成及主要功能 Tab. 2 Composition and main functions of dynamic monitoring system for vortex induced vibration 子系统完成的主要功能 传感器子系统 由各种不同类型的传感器构成,将监测的 不同形式的物理量转变成便于记录及再 处理的电压、电流或光等信号 数据采集与 传输子系统 完成监测数据的采集,预处理及通讯 数据存储子系统完成监测数据的存储与记录 数据处理与 分析子系统 对采集的现场实时监测数据进行处理和 分析,对桥梁涡激振动事件进行预测预警 其中,传感器子系统由1 个风速传感器跨中和3 个加速度传感器跨中和八分点处组成;数据采集与 传输子系统包括 4G 通讯模块以及 1 台数据采集仪;数 据存储子系统为工控机;数据处理与分析子系统为 MATLAB 软件程序。 涡激振动实时监控模型主要从风参数和振动参数 两个方面对涡振进行预测。 该系统的主要目的是通过 长期桥梁健康监测数据的挖掘,选取区分涡激振动与 非涡激振动的特征参数,建立涡激振动实时监控模型 能够直接与监测数据对接,在数据实时采集的基础上 做到实时处理、判断与预警。 该系统软件部分的设计 需要考虑采集数据的采集方式、传输方式、数据存储方 式、数据传输方式及软硬件结合等方面因素。 4. 2 系统安装 监测系统现场安装位置,如图 6 图 8 所示。 横断 面方向上,整个系统都安装在由金塘岛南往册子岛 北方向的检修通道区域,见图 6 中虚线圆圈所示。 平面方向上,在主跨跨中位置安装监测机柜内置 1 台 4G 通信模块、1 台工控机和 1 台采集仪、1 个风速仪 和 1 个加速度计。 在主跨跨中附近的 2 个八分点位置 各安装 1 个加速度计见图 7。 所有监测设备都靠近 检修通道栏杆安装,通过夹具与栏杆立柱进行栓接 固定。 风速仪、加速度传感器、和采集传输设备安装 如下 1风速仪。 风速仪安装在专用支架上,支架通过 夹板栓接固定在检修栏杆立柱上,风速仪安装高度距 离检修栏杆上缘 1. 5 m。 2加速度计。 加速度计安装在专用防护盒里,防 护盒通过夹板栓接固定在检修栏杆立柱上,加速度计 安装高度距离检修通道表面约 20 cm。 3采集仪。 采集仪安装在专用机柜里,机柜通过 夹板栓接固定在检修栏杆立柱上,机柜安装高度距离 检修通道表面约 35 cm。 图 6 涡激振动动态监控系统现场安装位置横断面示意图 Fig. 6 Cross section of site installation position for vortex induced vibration dynamic monitoring system 741第 8 期 张勇等 大跨度悬索桥涡激振动动态监控预测 ChaoXing 图 7 系统现场安装位置立面示意图 Fig. 7 Field installation facade position of monitoring system 图 8 系统设备现场安装图 Fig. 8 Site installation diagram of system equipment 5 基于实时监测数据的涡激振动动态监控 5. 1 数据有效性验证 为了验证涡激振动动态监控系统数据的有效性, 对比 了 其 与 桥 梁 健 康 监 测 系 统 某 次 涡 激 振 动 15 ∶ 1016 ∶ 40事件的风速、风向与加速度数据,如 图 9 所示。 从图 9 可知,两者在数据变化规律、 数值大 小上都较为接近,特别是加速度。 因此,涡激振动动态 监控系统监测数据适用于涡激振动动态监控预测 模型。 5. 2 预测模型调试与预测效果 涡激振动动态监控系统安装 1 个风速风向传感器 和 3 个振动加速度传感器,涡激振动风速数据中评价 指标为平均风速与风向角,加速度数据中评价指标为 能量集中系数与加速度 RMS,因此风速数据的条件参 数共 1 2 2 个,加速度数据的条件参数共 3 2 6 个,经过现场实测数据的反复测试,我们选取了风速数 据满足 1 个条件参数,加速度数据满足 4 个条件参数 进行预测。 依托涡激振动动态监控模型与动态监控系统,经过 2017 年在跨海大桥上实际运行一年,实时监测到的涡激 振动事件共28 起,排除数据缺失部分实际记录到的涡激 振动共有30 起,未预测到的涡激振动仅有 2 起,识别准 确率达到93。 从结果上看,一般在涡激振动开始或者 发生10 min 时可以预测出涡激振动事件,少数持续时间 较短、振动幅度较小的涡激振动事件存在漏报。 图 9 数据有效性对比 Fig. 9 Comparison of data validity 841振 动 与 冲 击 2020 年第 39 卷 ChaoXing 表 3 2017 年涡激振动预测结果 Tab. 3 Prediction results of vortex induced vibration in 2017 序 号 涡激振动预测 开始时间结束时间 实际涡激振动 开始时间结束时间 12017 -01 -22T1 ∶ 102017 -01 -22T1 ∶ 202017 -01 -22T1 ∶ 102017 -01 -22T1 ∶ 30 22017 -01 -22T2 ∶ 002017 -01 -22T2 ∶ 302017 -01 -22T2 ∶ 002017 -01 -22T2 ∶ 40 32017 -02 -15T13 ∶ 302017 -02 -15T13 ∶ 402017 -02 -15T13 ∶ 302017 -02 -15T13 ∶ 40 42017 -02 -15T14 ∶ 302017 -02 -15T14 ∶ 502017 -02 -15T14 ∶ 302017 -02 -15T14 ∶ 40 52017 -03 -03T13 ∶ 402017 -03 -03T13 ∶ 502017 -03 -03T13 ∶ 302017 -03 -03T13 ∶ 50 62017 -03 -03T18 ∶ 102017 -03 -03T19 ∶ 002017 -03 -03T18 ∶ 002017 -03 -03T19 ∶ 00 7数据缺失2017 -03 -14 14 ∶ 502017 -03 -14T15 ∶ 10 82017 -04 -13T19 ∶ 002017 -04 -13T19 ∶ 302017 -04 -13T19 ∶ 002017 -04 -13T19 ∶ 40 9 10 2017 -04 -19T15 ∶ 102017 -04 -19T16 ∶ 40 2017 -04 -19T15 ∶ 20 2017 -04 -19T16 ∶ 30 2017 -04 -19T16 ∶ 20 2017 -04 -19T16 ∶ 50 112017 -05 -19T17 ∶ 302017 -05 -19T17 ∶ 502017 -05 -19T17 ∶ 302017 -05 -19T17 ∶ 50 122017 -05 -19T18 ∶ 202017 -05 -19T20 ∶ 202017 -05 -19T18 ∶ 202017 -05 -19T20 ∶ 10 132017 -05 -20T16 ∶ 102017 -05 -20T16 ∶ 502017 -05 -20T16 ∶ 002017 -05 -20T16 ∶ 50 14未预测到2017 -05 -20T21 ∶ 102017 -05 -20T21 ∶ 20 152017 -05 -30T11 ∶ 002017 -05 -30T14 ∶ 002017 -05 -30T11 ∶ 102017 -05 -30T14 ∶ 00 162017 -05 -30T15 ∶ 402017 -05 -30T17 ∶ 202017 -05 -30T15 ∶ 402017 -05 -30T17 ∶ 20 17数据缺失2017 -06 -06T21 ∶ 502017 -06 -06T22 ∶ 30 18 19 2017 -07 -15T14 ∶ 502017 -07 -15T18 ∶ 10 2017 -07 -15T14 ∶ 50 2017 -07 -15T16 ∶ 50 2017 -07 -15T15 ∶ 50 2017 -07 -15T18 ∶ 10 202017 -07 -16T13 ∶ 302017 -07 -16T14 ∶ 102017 -07 -16T13 ∶ 302017 -07 -16T14 ∶ 10 212017 -07 -16T16 ∶ 402017 -07 -16T16 ∶ 502017 -07 -16T16 ∶ 302017 -07 -16T16 ∶ 50 222017 -07 -18T1 ∶ 502017 -07 -18T2 ∶ 402017 -07 -18T1 ∶ 502017 -07 -18T2 ∶ 30 232017 -08 -03T7 ∶ 502017 -08 -03T8 ∶ 302017 -08 -03T7 ∶ 502017 -08 -03T8 ∶ 30 242017 -08 -03T15 ∶ 002017 -08 -03T15 ∶ 502017 -08 -03T15 ∶ 002017 -08 -03T16 ∶ 00 252017 -08 -03T22 ∶ 502017 -08 -04T0 ∶ 102017 -08 -03T22 ∶ 502017 -08 -04T0 ∶ 10 26数据缺失2017 -08 -18T18 ∶ 502017 -08 -18T22 ∶ 30 27数据缺失2017 -08 -19T19 ∶ 402017 -08 -19T20 ∶ 30 28数据缺失2017 -08 -19T20 ∶ 502017 -08 -19T21 ∶ 30 292017 -09 -05T19 ∶ 202017 -09 -05T21 ∶ 002017 -09 -05T19 ∶ 002017 -09 -05T21 ∶ 10 30数据缺失2017 -09 -10T19 ∶ 102017 -09 -10T20 ∶ 10 312017 -09 -17T2 ∶ 102017 -09 -17T2 ∶ 302017 -09 -17T2 ∶ 002017 -09 -17T2 ∶ 30 322017 -09 -17T7 ∶ 102017 -09 -17T10 ∶ 302017 -09 -17T7 ∶ 002017 -09 -17T10 ∶ 30 332017 -09 -19T6 ∶ 202017 -09 -19T7 ∶ 002017 -09 -19T6 ∶ 202017 -09 -19T7 ∶ 00 34未预测到2017 -09 -19T17 ∶ 502017 -09 -19T18 ∶ 10 352017 -09 -19T19 ∶ 102017 -09 -19T21 ∶ 502017 -09 -19T19 ∶ 102017 -09 -19T22 ∶ 00 362017 -09 -27T12 ∶ 502017 -09 -27T14 ∶ 102017 -09 -27T13 ∶ 002017 -09 -27T14 ∶ 30 37数据缺失2017 -10 -22T13 ∶ 502017 -10 -22T15 ∶ 10 38数据缺失2017 -10 -22T15 ∶ 402017 -10 -22T17 ∶ 20 39数据缺失2017 -10 -29T13 ∶ 402017 -10 -29T13 ∶ 50 941第 8 期 张勇等 大跨度悬索桥涡激振动动态监控预测 ChaoXing 5. 3 预警 APP 涡激振动动态监控系统实时数据分析程序可自动 实时处理风场与振动监测数据,并保存计算结果,包括 风速风向、振动加速度、加速度 RMS、能量集中数等。 用户使用手机预警 App见图 10程序能够实时获取数 据分析程序计算结果,当桥梁发生涡激振动时,可在通 知栏推送当前发生涡激振动事件的预警信息,如“当前 桥梁 发 生 涡 激 振 动, 开 始 时 间 为 2017 - 08 - 03 T07 ∶ 50,实时风速 5. 1 m/ s,风向 121”,并将计算结 果数据以图形显示。 此外,历史涡激振动事件以列表 形式显示,可查询历史涡激振动事件详细信息。 图 10 预警 App 用户界面 Fig. 10 User interface of early warning App 6 结 论 本文从跨海大桥 2013 年 2017 年结构长期健康 监测数据出发,探索大跨度悬索桥风致振动的振动特 点,对涡激振动的特征参数 风场参数和振动参数 进行了深度挖掘,围绕两者建立了涡激振动动态监控 预测模型,并在实桥上建立了相应的系统进行测试,得 到的主要结论如下 1通过对跨海大桥长期监测数据统计分析,确定 了涡激振动预测分析的特征参数顺风向平均风速、风 向角、能量集中系数与加速度均方根值。 2 自定义能量集中系数,即功率谱密度之比 WP2/ WP10. 1 时,可判定结构发生涡激振动。 3根据特征参数在涡激振动中的特异性,构造了 两大分析模块的跨海大桥涡激振动动态监控预测模型, 并确定了条件参数阈值,模型预测识别率达到72。 4建立了独立的涡激振动动态监控系统并验证了 其数据的有效性,对2017 年全年监测到的涡激振动事件 进行预测分析,识别准确率达到93,预测效果较好。 5开发实用的涡激振动预警 App,以便桥梁管理 单位及时接受预警信息并采取相应交通管制措施。 参 考 文 献 [ 1 ] LI S W, LAIMA S J, LI H. Cluster analysis of winds and wind-induced vibrations on a long-span bridge based on long- term field monitoring data[J]. Engineering Structures, 2017, 138 245 -259. [ 2 ] LI H, LAIMA S J, ZHANG Q Q, et al. Field monitoring and validationofvortex-inducedvibrationsofalong-span suspension bridge [ J].Journal of Wind Engineering and Industrial Aerodynamics, 2014,124 54 -67. [ 3 ] LI S W, LAIMA S J, LI H. Data-driven modeling of vortex- induced vibration of a long-span suspension bridge using decision tree learning and support vector regression [ J]. Journal of Wind Engineering and Industrial Aerodynamics, 2018,172 196 -211. [ 4 ] LI H, LAIMA S J, OU