编辑推荐：
本研究提出一种新型无模型频谱过滤框架，通过间接车辆数据提取桥梁模态频率。通过45分钟加速度信号分割和功率谱密度形状归一化，结合三种数据一致性测量构建频率依赖滤波器，有效抑制道路和车辆噪声。验证表明该方法可识别桥梁前8阶模态频率，误差≤0.5Hz，CV<4.07%，并在100次三组合运行后达到稳定。该框架为车辆无关的桥梁模态识别提供了可靠基础和严格不确定性量化方法。
阿卜杜勒拉赫曼·阿尔加迪（Abdulrrahman AlGadi）| 弗尔坎·卢莱奇（Furkan Luleci）| F. 内卡蒂·卡特巴斯（F. Necati Catbas）
美国中佛罗里达大学（University of Central Florida）土木、环境与建筑工程系，奥兰多，FL 32816
摘要
本研究提出了一种新颖的、无需模型的光谱滤波框架，利用车辆驶过桥梁时的数据（间接数据）来提取桥梁的模态频率。从一辆行驶在短跨度多跨桥梁上的乘用车中收集了45分钟内的加速度信号，并将这些信号分为仅与道路相关的部分和跨越桥梁的部分。随后对道路部分的功率谱密度（Power Spectral Density）进行归一化处理，并利用三种数据一致性度量（道路-道路、桥梁-桥梁和桥梁-道路）来构建一个频率依赖的滤波器。该方法能够在不依赖车辆动力学显式知识的情况下，有效抑制道路和车辆噪声，从而增强桥梁响应的识别能力。通过便携式结构健康监测（Structural Health Monitoring, SHM）传感器的测量结果验证，该方法能够识别出桥梁的多达8个模态频率。具体而言，由于间接数据能够覆盖更广泛的空间和时间范围以及更多类型的交通激励，因此显著提高了模态识别的准确性，改善了峰值估计，并揭示了静态数据中难以识别的模态。为了量化方法的可靠性，我们对455组三次重复实验的数据进行了不确定性分析（总计45分钟），计算了95%分位数范围、变异系数（Coefficient of Variation, CV）和偏差指标，并进行了统计检验。与便携式SHM估计结果的对比显示，该方法具有很高的准确性（偏差≤0.5 Hz）和精确度（CV < 4.07%），并且仅需100组三次重复实验即可获得稳定的频率估计结果。本研究为利用广泛的间接车辆数据进行与车辆类型无关的桥梁模态频率识别及严格的不确定性量化奠定了坚实的基础，这对于桥梁网络的实际监测具有关键意义。
部分内容摘录
引言与贡献
民用基础设施系统是现代社会的支柱，支撑着交通网络、商业活动和公共安全[1]。然而，许多此类系统正在老化，且越来越容易受到自然灾害和极端天气事件的影响，这带来了日益增长的风险，需要及时干预才能加以缓解[2,3,4]。尽管近年来联邦和州政府对基础设施更新的投资有所增加，但要充分发挥其效益仍需持续的努力。
挑战与需求
连续、高保真的监测数据对于准确的结构健康评估和决策制定至关重要[13]。然而，传统的桥梁检查方法（包括初步检查、例行检查、深入检查、针对特定损伤的检查以及特殊检查）主要依赖于人工操作且具有周期性[14, [15], [16], [17], [18]]。这些检查通常采用基于视觉的评估方法、链条拖拽和敲击等手段，虽然简单但存在局限性。方法论
本节详细介绍了所提出框架的两个主要组成部分：(i) 使用多一致性滤波方法从车辆驶过桥梁时的数据中提取模态频率；(ii) 基于收敛性和统计指标的结构化不确定性分析。所有程序都旨在实现与车辆类型无关、无需模型依赖，并能适用于各种类型的桥梁和车辆。
设备与测试结构
本节介绍了在桥梁处于完全运行状态时用于行驶监测实验的监测平台的相关信息（见图1）。实验中使用了配备传感器的Mini Cooper Coupe车型。车辆内部安装了National Instruments (NI) cDAQ-9178底盘，该底盘连接到NI 9234数据采集模块以及其他设备。
结果与讨论
本节展示了通过间接监测获得的桥梁模态频率估计结果，并将其与便携式SHM系统的测量结果进行了比较。随后介绍了不确定性分析的结果。
结论与局限性
本研究提出了一种新颖的、无需车辆模型的行驶监测框架，能够以高可靠性和可量化的不确定性提取桥梁的多个模态频率。通过将车辆-道路功率谱密度形状进行归一化，并利用三种一致性度量（车辆-道路、车辆-桥梁和道路-桥梁），我们证明了可以通过选择性增强复合行驶光谱来揭示短跨度多跨桥梁的前八个模态。
未来发展方向
针对第4节中指出的局限性，我们提出了几个扩展该方法实用性、适应性和应用范围的途径：
- •
研究替代的加权方案和自适应阈值设定方法，以便根据不同的交通和环境条件自动调整滤波器阈值，从而最大化模态峰值的清晰度。
- •
通过改变车辆驶过桥梁的次数来研究数据收集工作的平衡性。
资金来源
该项目部分得到了以下支持：1) 中佛罗里达大学MAPS项目（利用结构健康监测和建筑信息建模技术进行民用基础设施保护的移动评估项目）；2) 中佛罗里达大学CECS设备基金；3) 洛克希德·马丁公司St. Laurent教授职位；4) 中佛罗里达大学卓越博士后计划（P3）。
作者贡献声明
阿卜杜勒拉赫曼·阿尔加迪（Abdulrrahman AlGadi）：负责撰写、审稿与编辑、初稿撰写、数据可视化、验证、软件开发、方法论设计、调查分析、数据整理及概念构建。
弗尔坎·卢莱奇（Furkan Luleci）：负责撰写、审稿与编辑、初稿撰写、数据可视化、验证、软件开发、方法论设计、调查分析、数据整理及概念构建。
F. 内卡蒂·卡特巴斯（F. Necati Catbas）：负责撰写、审稿与编辑、初稿撰写、数据可视化、验证、监督工作及资源协调。
利益冲突声明
作者声明以下可能构成潜在利益冲突的财务利益或个人关系：F. Necati Catbas的报告由中佛罗里达大学提供。若存在其他作者，他们声明自己没有已知的可能影响本文研究结果的财务利益或个人关系。
致谢
作者衷心感谢本研究所需的资金支持。同时，他们也感谢中佛罗里达大学CITRS（民用基础设施韧性及安全技术实验室）的现任和前任成员们所做出的各种贡献，包括现场支持和技术讨论。本文表达的观点和意见仅代表作者本人，并不一定反映任何其他实体的立场。
数据声明
本研究的数据集可从中佛罗里达大学的官方网站获取。
