振动筛 桥梁涡振( 三 )



(a)涡振区的积分位移变换

(b)非涡旋振动区的积分位移变换

(c)涡流振动参数的时间历程和涡流振动分类的预警 。

瞬时频率
图5桥梁监测系统涡振时的位移轨迹和涡振 。
在图5(c)中,通过计算涡振信号递归实时希尔伯特变换后的实时涡振指数和参数,精确感知涡振前、中、后、后的涡振全过程 。该计算方法快速稳定,基于递归希尔伯特算法的计算结果,可与实时加速度积分算法相结合,对系统进行监控 。在各阶段涡振的识别和分析中具有较高的分辨率,极限识别分辨率可达毫秒级 。
为了保证涡振事件智能传感系统中实时加速度积分模块和后续涡振参数计算模块能够正常同步运行,本文选择将涡振识别的时间分辨率设置为1s,即每秒计算判断一次涡振参数 。为了大致判断涡振区间,即0:00 ~ 2:00,可以计算并绘制涡振参数Rratio的时程曲线,设定涡振多级预警的阈值 。根据递归希尔伯特圆的观测,当Rratio=0.3时,图形呈现明显的圆形,可作为涡激振动的一级预警指标 。当Rratio=0.6时,递归希尔伯特圆呈现标准圆形,表明产生了明显的涡振,可作为涡振预警的二阶涡振预警指标 。
通过对理想正弦信号的模拟和2020年6月12日某悬索桥实桥监测数据的计算分析,结果表明本文提出的基于实时振动监测信号的方法可用于悬索桥涡振识别、监测和预警 。该方法使用方便,计算成本低,识别频率高,计算结果丰富直观,可利用加速度、位移等多种监测信号监测和识别涡流振动 。除了悬索桥,其他可能产生涡振的工程结构,如索、塔、高层建筑、风洞实验室中的模型等 。该方法可广泛用于涡流振动的实时监测和智能感知 。


推荐阅读