معرفي روش زيرفضاي تصادفي بر پايه تحليل همبستگي استاندارد براي تحليل ارتعاش محيطي سازه ها

Processing of Ambient Vibration Results using Stochastic Subspace Identification based on Canonical Correlation Analysis

اصلي ترين دليل خطا در شناسايي سيستم با استفاده از نتايج آزمايش هاي ارتعاش محيطي وجود نويزهاي محيطي و اندازه گيري و همچنين در نظر نگرفتن تحريك ورودي است. به همين جهت همواره يكي از اهداف اصلي ارايه تكنيك هاي جديد در حوزه ارتعاشات محيطي، كاهش عدم قطعيت پاسخ ها مي باشد. در بين روش هاي آناليز مودال محيطي، زير فضاي تصادفي به عنوان قدرتمندترين روش شناخته شده، مورد توجه است. در اين تحقيق با استفاده از تكنيك تحليل همبستگي استاندارد، روش آناليز مودالي در حوزه زير فضاي تصادفي ارايه شده كه بجاي حل مسيله در فضاي داده هاي آزمايش، با استخراج بردارهاي پايه ارتو نرمال فضاي داده ها، شناسايي را در فضاي بهينه انجام مي دهد. از مزاياي اين روش با توجه به ماهيت تحليل همبستگي استاندارد، نويز كمتر در نتيجه دقت بيشتري در برآورد مشخصات مودال مي باشد. بعلاوه به دليل انجام شناسايي در فضاي كوچكتر در مقايسه با روش هاي قبلي، فرآيند حل سرعت بيشتري نيز دارد. براي صحت سنجي روش ارايه شده، از مدل قاب دو بعدي تحريك شده تحت شتاب زلزله السنترو و همچنين از نتايج آزمايش ارتعاش محيطي انجام گرفته بر روي پل دره آلاموسا، استفاده شده است. نتايج نشان مي دهدكه اين روش علاوه بر حذف نويزهاي بيشتر در مقايسه با روش هاي زيرفضاي قبلي، داراي سرعت تحليل بسيار بالايي در مسايل واقعي مي باشد؛ بطوريكه فرآيند محاسبه پارامترهاي ديناميكي و رسم شكل هاي مودي پل دره آلاموسا با 30 سنسور نمونه برداري، بعد ماتريس حالت 750 و تحريك 50 مد ، با پردازنده 5 هسته اي با سرعت30/2 گيگا هرتز در كمتر از150 ثانيه انجام گرفته است .

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.