随机减量技术(random decrement technique,RDT)因其计算快、成本低的优点,在工程结构模态参数识别中应用广泛.针对RDT在信号截断幅值与样本时长的选取比较主观带来的误差问题,采用遗传算法(genetic algorithm,GA)对其进行改进,提出改进的随机减量技术GA-RDT,并将其应用于某超高层建筑气弹模型的气动阻尼识别.首先,对RDT方法得到的自由衰减曲线进行拟合并定义误差,分析截断幅值A和样本时长T对误差(优化目标)的影响,采用遗传算法寻找A和T的最优解;其次,基于气弹模型风洞试验所得的顶点加速度时程,结合GA-RDT方法和Hilbert-Huang变换(Hilbert-Huang transform,HHT)方法进行气动阻尼识别;最后,以自然激励技术(natural excitation technique,NExT)识别所得的气动阻尼比为基准,对比分析GA-RDT方法相对于传统RDT方法的精度优势.结果表明,与NExT方法所得的气动阻尼比相比,GA-RDT方法识别得到不同风速时X向、Y向与扭转向的气动阻尼比的平均误差均小于0.14％,其识别精度显著高于传统RDT方法,从而验证了基于GA-RDT的气动阻尼识别方法的可行性.
NETL
NSTL
万方数据
维普
