《Journal of Building Engineering》:Linear System Identification of the UC San Diego Geisel Library Building under Low-Intensity Seismic Excitations
编辑推荐:
研究人员利用六次低强度地震的数据,对UCSD Geisel图书馆建筑进行了全面的系统识别(SID)研究。研究人员应用并比较了五种状态空间系统识别方法(输入-输出和仅输出)。研究人员使用多种系统识别方法,在六次地震中识别出了13个振动模态(全局、耦合和局部)。研
研究人员利用六次低强度地震的数据,对UCSD Geisel图书馆建筑进行了全面的系统识别(SID)研究。研究人员应用并比较了五种状态空间系统识别方法(输入-输出和仅输出)。研究人员使用多种系统识别方法,在六次地震中识别出了13个振动模态(全局、耦合和局部)。研究人员通过比较6自由度(6-DOF)和3自由度(3-DOF)刚性基础激励,量化了旋转地面运动对系统识别结果和预测地震响应的影响。研究人员利用识别出的状态空间模型,对建筑的地震加速度响应进行了模态分解。研究人员将低强度地震的系统识别结果与环境振动数据以及基于竣工图纸的有限元(FE)模型的结果进行了比较。研究人员使用有限元模型进行了近似灵敏度分析,以评估关键建筑参数的不确定性对预测模态特性的影响。研究人员为建筑的贝叶斯有限元模型更新和长期结构健康监测(SHM)建立了实验-数值基线。
结构健康监测(SHM)在土木工程中因经济和安全效益而备受关注,其中系统识别(SID)通过从测量数据中反演动态特性(如模态频率、阻尼比和振型)来提取特征。传统方法包括实验模态分析(EMA)和运行模态分析(OMA),分别依赖输入测量与否。自然地震提供免费激励,但不可控,而低强度地震能在不破坏结构的情况下激发响应。然而,现有研究多采用单一方法,缺乏多方法交叉验证,且旋转地震动的影响及环境振动与地震激发的差异尚不明确。为此,研究人员对加州大学圣地亚哥分校(UCSD)Geisel图书馆建筑展开了全面研究,利用六次低强度地震数据(峰值地面加速度PGA<1.47%g)和10台三分量加速度计记录的30通道数据,应用五种状态空间SID方法(包括输入-输出方法:确定性-随机子空间识别DSI、观测器/卡尔曼滤波识别与特征系统实现算法OKID-ERA;仅输出方法:协方差驱动随机子空间识别SSI-cov、数据驱动随机子空间识别SSI-data、多参考自然激励技术与特征系统实现算法MNExT-ERA),识别了13个振动模态,量化了旋转激励的影响,并建立了与有限元(FE)模型的对比基线。该研究发表于《Journal of Building Engineering》,为未来贝叶斯FE模型更新和长期SHM提供了高质量实验-数值基线。
研究人员采用的关键技术方法包括:1)使用两种输入-输出方法(DSI和OKID-ERA),其中刚性基础激励通过首层加速度计估计为6自由度(6-DOF)或3自由度(3-DOF)输入;2)使用三种仅输出方法(SSI-cov、SSI-data、MNExT-ERA),假设宽带激励;3)利用稳定图区分物理模态与虚假模态;4)基于OpenSees-STKO平台建立三维线性FE模型(含24,497个梁柱单元和75,731个壳单元,共26,625个节点),模型基于竣工图纸和估计的当前材料属性(混凝土弹性模量E
c从名义强度推算),未校准测量数据;5)进行近似灵敏度分析,考虑混凝土弹性模量、钢筋贡献、非结构构件和活荷载质量的不确定性,评估对前八阶模态频率的影响;6)通过比较6-DOF与3-DOF输入,以及与环境振动(AV)数据对比,验证方法效果。样本队列来源为UCSD Geisel图书馆,无特定队列。
研究结果如下:
**5.2 系统识别结果**:通过五种SID方法在六次地震中识别出13个振动模态,包括两个扭转模态、两个平移/弯曲模态(NE-SW和NW-SE方向)、四个东西向耦合平移-扭转模态、一个NE-SW方向耦合模态和四个NW-SE方向耦合模态。没有单一方法识别全部模态,不同方法识别模态数因事件和方法而异(如M5.3 Calipatria事件识别6个模态,M4.3 Carson事件识别9个)。自然频率在方法间一致性高(变异系数平均1.25%),阻尼比变异性大(平均58.1%),且出现负阻尼比(-1.08%)等非物理结果。通过振型极坐标图显示,低阶模态(如1st-To、1st-TNE-SW)接近经典阻尼,高阶模态非经典阻尼更明显。
**5.3 响应预测**:利用DSI识别状态空间模型预测地震响应,与实测加速度对比,相对均方根(RRMS)误差平均79.06%(6-DOF输入),其中上楼层误差大于下楼层,竖直通道(如F6E1)误差最高(42.5%-182.6%),因高阶模态贡献。
**5.4 模态分解**:使用DSI模型对预测加速度进行模态分解,显示模态贡献取决于输入频率含量、传感器位置和方向,例如M5.3 Calipatria事件中,F6E2竖直通道高阶模态贡献显著。
**5.5 3-DOF输入对比**:仅用平移3-DOF输入时,DSI方法识别模态数变化(如M4.3 Carson事件从3个增至4个),OKID-ERA识别模态数减少;自然频率对第1st-TNW-SE模态敏感性高,且3-DOF输入下RRMS误差降至61.20%,但部分通道(如F6E3)误差增大,表明旋转输入估计不准确导致6-DOF输入优势不一致。
**6 与环境振动(AV)对比**:与15天和486天AV数据对比,地震识别出的模态(如1st-TEW+To)频率略低于AV(如AV为5.13 Hz,地震为5.08-5.23 Hz),阻尼比地震(2.11%)高于AV(1.72%),归因于地震下微裂纹激活和响应幅值依赖性阻尼。AV数据识别出更多高阶模态(>5 Hz)。
**7 有限元模型**:FE模型前八阶模态频率与识别结果存在差异(如FE第1阶频率1.29 Hz,识别1.57 Hz)。灵敏度分析表明,混凝土弹性模量不确定性影响最大(-3.9%至+3.9%),非结构构件贡献次之(+2.3%至+4.7%),钢筋贡献(+0.78%至+2.3%),活荷载质量影响最小(-0.8%至+0.8%)。MAC值显示FE模态1与识别1st-To模态(0.98)、模态2与1st-TNE-SW(0.92)高度一致,但模态3与1st-TNW-SE(0.33)较低,因模型维度差异。
讨论部分指出,方法间一致性验证了识别模态的物理性,但低强度地震下结构准线性行为假设成立;旋转输入估计的秩亏导致6-DOF输入优势不明显,建议谨慎使用;SSI效应不显著,因基础坐落在坚硬沉积岩上;环境条件(温度、风速)变化影响小。结论部分翻译如下:研究人员对UCSD Geisel图书馆进行了全面的线性系统识别(SID),利用2021年6月5日至2024年1月15日期间六次低强度地震(PGA<1.47%g)的高精度30通道加速度数据,应用了五种状态空间SID方法(两种输入-输出:DSI和OKID-ERA;三种仅输出:SSI-cov、SSI-data和MNExT-ERA),并使用稳定图区分物理模态。这些方法估计模态参数,输入-输出方法识别固定基础特性,仅输出方法捕获耦合建筑-基础-土系统(包括土-结构相互作用SSI效应)。通过首层加速度计估计了3-DOF(仅平动)和6-DOF(平动和转动)刚性基础地震输入,并利用识别状态空间模型进行加速度响应模态分解。将识别模态特性与先前环境振动(AV)研究结果及未校准FE模型(基于竣工图纸和估计当前材料属性)预测值进行了比较,并讨论了差异来源。在六次地震中,五种SID方法识别出13个振动模态(使用6-DOF输入),量化了方法间变异性,没有单一方法捕获全部模态。3-DOF输入比6-DOF输入识别模态更少,且无一致趋势。识别状态空间模型预测响应显示,旋转地震输入可与平动输入相当,两者激发相同模态。排除旋转输入后,整体预测与实测的一致性提高(平均RRMS误差从79.06%降至61.20%),但部分通道在6-DOF输入下表现更好。6-DOF输入的不一致优势反映了刚性基础假设的局限性和6-DOF输入(特别是转动分量)估计的秩亏不准确性。固定基础(输入-输出)与柔性基础(仅输出)SID结果比较显示SSI效应不显著。地震SID结果与AV结果(两个共同识别模态)比较表明,地震期间自然频率略有降低(可能因低强度激励下混凝土微裂纹激活),阻尼比更高(与响应幅值依赖性阻尼一致)。FE模型前八阶模态的近似灵敏度分析显示,FE预测与识别模态特性的差异主要由当前混凝土弹性模量不确定性主导,其次是非结构构件和钢筋贡献,活荷载质量影响最小。这些不确定性界定了第一阶(扭转)模态的识别自然频率。本研究为Geisel图书馆未来的贝叶斯FE模型更新和长期结构健康监测建立了高质量实验-数值基线。更新后的线性FE模型将扩展以纳入非线性钢筋混凝土行为,用于模拟强地震动下的结构响应。