中国公路学报

作者：包龙生, 韩旭, 马明, 高治军, 于玲, 包宇扬, 王晓光

单位：1. 沈阳建筑大学 交通与测绘工程学院, 辽宁 沈阳 110168;2. 沈阳建筑大学 土木工程学院, 辽宁 沈阳 110168;3. 中交第一公路勘察设计研究院有限公司, 陕西 西安 710068;4. 沈阳建筑大学 电气与控制工程学院, 辽宁 沈阳 110168"],"fundList_en":["National Natural Science Foundation of China (62273243)； Shenyang Science and Technology Plan Project (23-407-3-19)

关键词：桥梁工程,密集模态识别,变异系数分析,Hankel矩阵,大跨度桥梁

基金：国家自然科学基金项目(62273243)；沈阳市科技计划项目(23-407-3-19)

采用数据驱动随机子空间模态识别方法处理大规模数据时，Hankel矩阵的构建参数优化是实现高效准确识别模态的关键。为此，提出了一种Hankel矩阵最优参数的确定方法，以提升大跨度桥梁密集模态的自动识别效率与准确性。首先，通过数值模拟的加速度响应数据构建Hankel矩阵，利用投影矩阵的条件数确定Hankel矩阵的最优块行数。然后，重新设计Hankel矩阵子空间的划分比例，通过分析Hankel矩阵不同划分比例的子空间对模态自动识别结果的影响，确定子空间的最优划分比例。接着，采用最优MinPts(Minimum Number of Points)的DBSCAN(Density-based Spatial Clustering of Application with Noise)算法将密集的物理模态与虚假模态完全分离，并分析变异系数确定有效的模态参数。最后，基于悬索桥健康监测系统的实测数据验证Hankel矩阵最优参数在大跨度桥梁密集模态识别中的适用性。结果表明：Hankel矩阵最优块行数的确定，提高了投影矩阵积累物理模态特征信息的质量，显著提升了模态识别的准确性；采用最优MinPts的DBSCAN算法能够准确判定物理模态阶数，并成功提取了0~0.5 Hz范围内的密集物理模态；基于Hankel矩阵子空间最优划分比例的模态自动识别方法，能够有效降低频率和阻尼比模态识别结果的离散性。选择合理的Hankel矩阵参数可以提高大跨度桥梁密集模态的自动识别准确率，这对其在桥梁健康监测中的推广应用具有重大意义。

来源：2025年第12期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第12期