پیشنهاد روش بهینه شناسائی مشخصات دینامیکی سیستم سد و مخزن بر مبنای زیرفضای تصادفی
عنوان اصلي به زبان ديگر
TC
نام نخستين پديدآور
/مهران پورقلی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: پردیس بینالملل ارس
تاریخ نشرو بخش و غیره
، ۱۳۹۴
نام توليد کننده
، راشدی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
مهندسی عمران
زمان اعطا مدرک
۱۳۹۴/۱۰/۲۴
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
اصلیصترین دلیل خطا در شناسائی سیستم با استفاده از نتایج آزمایشصهای ارتعاش محیطی وجود نویزهای محیطی و اندازه-گیری و همچنین در نظر نگرفتن تحریک ورودی است .به همین جهت همواره یکی از اهداف اصلی ارائه تکنیکصهای جدید در حوزه ارتعاشات محیطی، کاهش عدم قطعیت پاسخصها می باشد .در بین روشصهای آنالیز مودال محیطی، زیر فضای تصادفی به عنوان قدرتمندترین روش شناخته شده، مورد توجه است .در این تحقیق با استفاده از تکنیک تحلیل همبستگی استاندارد، روش آنالیز مودالی در حوزه زیرصصص فضای تصادفی ارائه شده که بجای حل مسئله در فضای دادهصهای آزمایش، با استخراج بردارهای پایه ارتو نرمال فضای دادهصها، شناسائی را در فضای بهینه انجام میصدهد .از مزایای این روش با توجه به ماهیت تحلیل همبستگی استاندارد، نویز کمتر در نتیجه دقت بیشتری در برآورد مشخصات مودال میصباشد .بعلاوه به دلیل انجام شناسائی در فضای کوچکتر در مقایسه با روشصهای قبلی، فرآیند حل سرعت بیشتری نیز دارد .برای صحتصصسنجی روش ارائه شده، از مدلص قاب دوصص بعدی تحریکص شده تحت شتاب زلزله السنترو و همچنین از نتایج آزمایش ارتعاش محیطی انجام گرفته بر روی پل دره آلاموسا، استفاده شده است .نتایج نشان میصدهدکه این روش علاوه بر حذف نویزهای بیشتر در مقایسه با روش-های زیرفضای قبلی، دارای سرعت تحلیل بسیار بالائی در مسائل واقعی بوده بطوریکه فرآیند محاسبه پارامترهای دینامیکی و رسم شکلصهای مودی پل دره آلاموسا با ۳۰ سنسور نمونهصبرداری، بعد ماتریس حالت ۷۵۰ و تحریک ۵۰ مود ، با پردازنده ۵ هستهصای با سرعت ۳۰/۲گیگا هرتز در کمتر از ۱۵۰ثانیه در مقایسه با مدت زمان ۸ دقیقهصای روش زیرفضا-داده انجام شده است .در ارتعاشات لرزهصای سازهصهای بزرگ و پرکاربرد همچون سدها و پلصها و همچنین در آزمایشصهای ارتعاش اجباری با لرزاننده-های مصنوعی، بر خلاف آزمایشصهای ارتعاش محیطی نیروهای تحریکصکننده غالب معمولا قابل اندازهصگیری میصباشند .از آنجائیکه یکی از دلایل اصلی ایجاد خطا در آنالیز مودال عملیاتی عدم اعمال ورودیصها در شناسایی سیستم است، میصتوان با اعمال آنصها در مدل دینامیکی سیستم، مشخصات دینامیکی غیر سازهصای سیستم را که ناشی از تحریکصهای ورودی هستند را کاهش داد .در این نوشتار آنالیز مودال ویژهصای در حوزه روشصهای زیرفضا ارائهص شده است که با استفاده از تجزیه متعامد تأثیر تحریک نیروهای ورودی اندازهصگیری شده را از دادهصهای آزمایش فیلتر کرده و شناسایی سیستم تصادفی را با استفاده از روش بهینه زیرفضا برپایه همبستگی انجام میصدهد .برای بررسی قابلیت روش ارائه شده از دادهصهای لرزهصای سد پاکویما و همچنین نتایج آزمایشصهای ارتعاش اجباری پل دره آلاموسا استفاده شده است .از مهمترین نتایج این تحقیق میصتوان به حذف قطبصهای نویزی و غیر سازهصای و همچنین افزایش دقت مشخصات مودال استخراجصشده به ویژه ضرایب میرایی اشاره کرد .در سد پاکویما روشص زیرفضا- داده ۴ مود غیر سازهصای را شناسایی کرده درحالیکه الگوریتم پیشنهادی دو مود اول سد را مطابق نتایج پیشین بدون هیچ مقدار نویزی استخراج کرده است .بعلاوه در تحقیقات قبلی مربوط به آزمایش ارتعاش اجباری پل آلاموسا ضرایب میرایی استخراج نشده بودند ولی الگوریتم پیشنهادی ضرایب میرایی را متناظر با نتایج آزمایش چکش ضربه استخراج کرده است .در سد پاکویما نیز ضرایب میرایی متناظر، تطابق معناداری با نتایج آزمایش ارتعاش اجباری دارند
متن يادداشت
The presence of environmental and measurement noises and ignoring the input effects are the main sources of error in system identification using ambient vibration test results. Therefore, reducing uncertainty or noise levels from the records has always been one of the main goals of the new techniques in the field of ambient vibration. Among the modal analysis techniques, stochastic subspace identification is considered as a powerful technique. In this study, the modal analysis method based on canonical correlation analysis in stochastic subspace is presented that identifies dynamic properties in optimized space instead of data space by extracting ortho-normal vector of data space. The advantage of this method, due to the nature of canonical correlation analysis, is lower noise which results in greater accuracy in estimating modal properties. Moreover, the presented process is faster due to the smaller space of identification compared to the previous methods. To validate the proposed method, an analytical model of two-dimensional frame excited under Elcentro earthquake acceleration and also the results of ambient vibration tests carried out on the Alamosa Canyon Bridge are used. The results indicate that this method eliminates more noise than other subspace methods and moreover it is faster in solving practical problems. The computation of dynamic properties, natural frequencies and mode shapes, of Alamosa Canyon Bridge with 30 sampling sensors, space matrix size of 750 and 50 excited modes are carried out in less than 150 seconds with a quad-core 2.30 GHz processor. In the seismic vibrations of large and widely used structures such as dams and bridges, as well as the forced vibration tests with artificial vibrators, the dominant excitation forces are generally measurable. Not applying the inputs in the system identification is one of the main reasons for error generation in the operational modal analysis (OMA), so the non-structural dynamic characteristics due to the input excitations can be reduced by applying these inputs in the dynamic model of the system. In this paper, a special modal analysis is presented in the subspace methods field that filters the excitation effect of the measured input forces from the test data using orthogonal decomposition technique and identifies the stochastic system with an optimal subspace method based on Canonical Correlation Analysis. To evaluate the proposed method, the seismic data from the Pacoima dam and forced vibration test results of the Alamosa Canyon Bridge have been used. Non-structural and noisy poles removal, and increased accuracy of the derived modal properties, specially damping ratios, can be mentioned as the important results of the study. At Pacoima dam, the SSI-Data method identifies four non-structural modes, while the proposed method derived the first two modes just like the previous results without any noise. In addition, the damping ratios of the Alamosa Bridge are derived according to the Hammer test, which were not obtained in the previous investigations. At Pacoima Dam the related damping ratios have significant association with force vibration tests
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
TC
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )