建筑结构 建筑结构 Building Structure ISSN 1002-848X CN 11-2833/TU 《建筑结构》网络首发论文 题目： 台风激励下上海中心大厦模态频率识别分析 作者： 熊青松，陈琳，熊海贝 DOI: 10.19701/j-jzjg.20231033 网络首发日期： 2024-12-12 引用格式： 熊青松，陈琳，熊海贝.台风激励下上海中心大厦模态频率识别分析[/OL].建 筑结构.htps:/doi.org/10.19701/jzjg.20231033 n<i中国扣例 .cnki.net 网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶 段. 录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件. 排版定稿指录用定稿按照期 刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码. 整期汇编定稿指出 版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件. 录用定稿网络首发稿件内容必须符合《出 版管理条例》和《期刊出版管理规定》的有关规定：学术研究成果具有创新性、科学性和先进性，符合编 辑部对刊文的录用要求，不存在学术不端行为及其他行为：稿件内容应基本符合国家有关书刊编辑、 出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等. 为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容， 只可基于编辑规范进行少量文字的修改. 出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版》电子杂志社有限公司签约，在《中国 学术期刊（网络版》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷 出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿. 因为《中国学术期刊（网络版）》是国家新闻出 版广电总局批准的网络连续型（ISSN2096-4188，CN11-6037/Z），所以签约期刊的网络版上网络首 发论文视为正式出版. 网地首发时间 ： 304-12-1209:37: 网增推发增址:： apc:Tiat cski neshrtia/11.233.TU:.302412111.01 DOI: 10.19701/j.jzjg.20231033 台风激励下上海中心大厦模态频率识别分析* 熊青松12，陈琳！ ，熊海贝！ （1同济大学土木工程学院上海200092：2香港理工大学土木及环境工程学系，香港999077） 摘要：台风激励下超高层建筑的实测研究可为高层建筑结构风致响应及结构动力特性分析提供重要参考. 对超高层建筑上海 中心大厦，在台风“安比”期间实测风致响应数据进行了模态分析，识别得到了结构的模态频率特征，同时开展了信号信噪 噪声干扰越小，频率识别结果越准确. 峰值识别法中采用多个通道系列信号的平均正则化功率语，可以一定程度上减小噪声 干扰，进而提高识别精度. 此外，信号测点布置楼层高度与识别效果之间无直接关联. 基于实测响应数据的模态频率识别结 来与有限元计算结果总体吻合良好，分析有限元模型建模、计算过程中简化及假定可以对识别结果差异进行合理解释. 关键词：上海中心大厦：超高层建筑：模态频率识别：台风激励 中图分类号：TU355 文献标志码：A *国家自然科学基金面上项目（51978502）. 第一作者：熊青松，博士，主要从事结构健康监测与智能感知评估研究，Email：tbeseus@toagiedu.cn. 通信作者：熊海贝，博士，教授，主要从事结构健康监测与木结构研究，Email：xiong204@outlocik.. Modal frequency recognition analysis of Shanghai Tower under typhoon excitation XIONG Qingsong CHEN Lin'. XIONG Haibei (1 College of Civil ngineering Tongji University Shanghai 20092 China; 2 Depurtment of Civil nd Environmental Engineering. The Hong Kong Polytechnic University Hong Kong 999077 China) Abstracet: Field research on the windl-induced responses of super-tall buildings under typhoon conditions provides substantial insights for the analysis of structural wind responses and dynamic characteristics of high-rise structures. A modal analysis of the Shanghai Tower based on the measured windinduced response during Typhoon Ampil was presented. The analysis identifies the modal frequencies of the structure and investigates the sensitivity of modal frequency identification to signal-to-noise ratio (SNR) o ne s is s e ssa mq a um sod n o iq p frequency identification with higher SNRs leading to reduced noise interference and more precise frequency identification. The peak-peaking identification method which incorporates the averaged normalized power spectrum of muliple-channel signals can mitigate noise interference to some extent thereby enhancing identification acuracy. Furthermore there is no direct relationship p uo pastq sauanba repou paguap a rea snsau oeop! a pue suod uansta jo nq aq uq measurement align well with the results using finite element analysis. The discrepancies between these results can be reasonably explained by the simplifications and assumptions made during the modeling and putation processes of the finite element model. Keywords: Shanghai Tower super high-rise building: modal frequency identification; typhon excitation 0引言 实测数据进行高层建筑模态参数识别是获取结构 在小刚度、低阻尼的趋势下，高层建筑结构 动力特性参数的最可靠途径之一2. 的自振周期开始逼近于自然界风速的长卓越周 目前国内外在相关领域已经取得了一定的研 期，导致风荷载对其影响越来越显著川，台风激 究成果. Monica等3-4对目前世界第一高楼哈利法 励下高层建筑的实测研究取得了广泛关注. 塔（828m）进行了实测研究，识别出结构模态频 其中，结构模态参数作为结构动力特性的重 率和阻尼比. 李秋胜等5-对环境激励下深圳平安 要指标，其识别结果对于结构优化设计、安全评 金融中心（592.5m）、台北101大楼（508m）、 估、损伤检测、模型修正等方面具有重要作用. 金茂大厦（420.5m）等超高层建筑进行实测研究， 一般认为，结构所处的日常工作环境能够提供充 Wu GU等9-1基于上海中心大厦（632m）、上海 分的激励，输出动力响应结果能更符合结构真实 环球金融中心（492m）在台风激励下的实测数据， 状态和边界条件. 因此，基于环境作用激励下的 识别得到了其结构模态参数，并指出结构模态参 数随振幅的变化规律. 熊海贝等2-16也对上海中 51 239.4 4(2个x向2个向) 心大厦在施工、服役阶段的动力特性开展了相应 37 173.6 4(2个X向2个Y向) 实测研究. 上述实测研究结果可以为超高层建筑 22 103.5 4(2个x向2个Y向） 结构风致响应及结构动力特性提供重要参考，但 7 33.45 4(2个X向2个Y向) 现阶段关于强台风作用激励下的超高层建筑实测 研究仍然偏少，有待积累. 表2加速度传感器基本参数 本文基于目前国内最高建筑一一上海中心大 厦在台风“安比”期间的实测数据进行结构模态 型号 量程/g 灵敏度(Vg 分辨率 采样频率/x 频率识别分析，分析信号信噪比及测点楼层高度 LC0132T 0.1 50 4×10° 100 对模态频率识别结果的影响，并将识别结果与有 台风“安比” （Ampil）为2018年台风季的 限元模型进行对比验证，对造成结果差异的可能 第10次命名风暴，属于强热带风暴等级，7月下 原因进行讨论. 旬在中国东部及东北地区造成中度破坏，7月22 1上海中心大厦与台风“安比” 日在上海崇明岛东部登陆，成为自1949年以来 本文基于的超高层建筑风致响应实测数据来 第三个登陆上海的热带气旋. 本文基于台风“安 源为上海中心大厦（图1）. 该结构规模宏大、所 比”登陆期间，上海中心大厦监测数据开展实测 处地理位置风环境复杂，结构风荷载效应显著. 研究. 上海中心 632 m 环球金融中心 492m 金茂大厦 420.5 m 图2台风“安比”风暴路径 图1上海中心大厦 2模态频率识别 为监测结构在施工及服役期间的动力响应和 2.1识别方法 安全性态，上海中心大厦安装有较为完善的结构 结构模态参数识别也称为系统识别，利用结 健康监测系统，负责采集来自各种传感器的原始 构的响应与激励求解系统特性，目前已发展出多 数据，包括11种不同类型、共计400多个的传感器 [4. 其中，为获取结构在不同环境激励下结构动 种识别算法. 根据识别原理大体可分为三类：时 域识别法（如随机子空间法”）、频域识别法（如 力响应时程，上海中心大厦在结构关键楼层上布 峰值法）和时频域识别法（如小波变化法）. 设有高精度加速度传感器，其楼层分布如表1所 其中，峰值法即峰值拾取法（Peak Picking，PP）， 示，传感器基本参数如表2所示. 是基于结构的频响函数在固有频率处会出现峰值 表1加速度传感器楼层分布 的特点，当只知道输出响应时，可分别用其功率 层数 标高/m 传感墨数日 谱代替频响函数，利用平均正则化功率谱密度曲 124 573.9 4(2个X向2个Y向） 线的峰值频率确定模态特征频率. 其基本公式为： 117 542 42个X向2个Y向） G (jw)= H(jw)G (jw)H(jw) (1) 100 465.4 4(2个X向2个Y向) 83 8888 4(2个X向2个Y向) 式中：G(jw)为输入信号的功率谱：H(jw)为传递 314.1 4(2个x向2个Y向) 函数：G (jw)为输出信号的功率谱. 67 峰值法原理简洁易懂，识别过程也较为简便， 但该方法峰值选取比较主观，识别结果容易受到 虚假模态的干扰. 尽管如此，由于峰值法快速便 1.6 .8 捷，在工程中得到广泛应用. 因而，本文也采用 这种方法提取结构模态频率. 2 由于信号噪声以及傅里叶变换过程中的谱泄 露问题的影响，极易引入虚假模态，从而导致峰 06 值频率的选取出现较大误差. 特别的，如果有多 个楼层的信号时程数据，便可以将多个时程信号 的功率谱显示在同一个坐标轴下，当有多条功率 中/H2 0899 （b）通道系列2 谱曲线同时出现峰值时，则可以在较大程度上确 .8| LDSN 13 信，该峰值频率即对应纯模态特征频率. 但当通 16 道测点较多时，不同测点信号之间幅度范围相差 14 较大，导致峰值域不明显. 因此，为包含测 点的功率谱信息，本文利用平均正则化功率谱密 度来选取峰值14，即将不同测点的信号进行归一 04 化处理，使多个信号幅值都在一个较为接近的幅 04 度范围内，从而进行频率识别，这种方法可以包 0102034050070809 含测点的信息，因此峰值频率的选取会更加 （c）通道系列3 /Hz 准确. 平均正则化功率谱计算公式为： 8.335 G(jw)= 1G²（jw) (2) 16 1.4 式中：n为总测点数，G（jw）为第i个测点的功 率谱密度. 2.2识别结果 0.8 0.4 根据台风“安比”期间的历史监测数据，选 取结构各个加速度传感器通道的传感信号，共得 EP / 到31条采样数据，其中7楼4个通道及22楼通 （d）通道系列4 道1信号在本次监测时段内信号缺失. 图3不同通道系列下结构模态频率识别 依据传感器布设方向，可将多个通道划分为 表3四通道系列结构频率识别结果 4个不同的通道系列，采用优化的峰值法提取结 阶数 蜂值法识别频率/Hx 构模态频率识别. 图3给出了不同通道系列下的 通道系列1 通道系列2 通道系列3 通道系列4 楼层加速度信号正则化功率谱，得到对应的识别 1 0.106 0.103 0.108 0.101 频率，见表3. 2 0.112 0.107 0.123 0.137 18- 42o0 3 0201 0.208 0.209 0.210 16 4 0.302 1670 0.304 0.303 14 5 0.315 0.313 0.327 0.335 6 0.367 0.419 0.428 0.431 A 0.503 RLS'0 0.578 0.575 04 8 0.664 0.661 0.634 0.646 0.4 9 0.698 69 0.665 0.703 根据表3、图3可以看出，基于不同通道信 （a）通道系列1 号识别到的结构频率存在略微的差异，为了得到 最接近结构真实自振频率，还需对表3、图3数 据展开进一步处理. 为进一步削减虚假模态的影 响，得到更可靠的识别结果，对4个通道系列的 模态或者部分模态丢失的可能性较大. 数据信噪 识别结果进一步处理，即对于某一模态阶数的4 比对模态频率识别结果影响不可忽略，信噪比越 个通道识别的4个数据，剔除其中的最大值和最 高，噪声干扰越小，频率识别结果越准确. 另外， 小值，取中间两个数据的算术平均值作为该模态 除可以考虑采用传统方式对信号进行降噪处理 阶数的特征频率，最终的识别结果如表4所示. 外，在同一坐标轴下得到多个信号的正则化功率 表4结构模态频率最终识别结果 谱后剔除噪声较大的信号，可以起到与数据预处 阶数 阶数 频率/Hx 阶数 频率/Hz 理降噪类似的效果，较大程度上排除噪声的干扰， 1 0.105 4 0.300 7 6650 进而提高识别结果的精确度和可靠度. 2 0.118 5 0.321 8 590 2.3.2测点楼层高度 3 8020 6 9 0.696 一般而言，对于高层建筑结构，在环境风荷 载激励作用下楼层越高其加速度越大，因而高楼 2.3敏感性分析 层的测点采集的加速度信号量级比低楼层要大得 2.3.1信号信噪比 多，甚至可以相差一到两个数量级. 对于不同量 为了进一步说明噪声对模态频率识别结果的 级范围的加速度时程信号，环境噪声对其影响程 影响，选取两个典型测点信号分别求得其功率谱 度是有所区别的楼层测点的加速度信号功率谱频 进行峰值法模态频率识别，即信噪比较低的 率识别效果与楼层高度（即加速度量级）之间， 117F-02测点（117层第2个通道系列）加速度时 是否会存在一定的相关性也值得分析与探讨，类 程数据和信噪比较高的117F-04测点加速度时程 似地，选取加速度时程曲线“毛刺”较少（信噪 数据. 由于仅有单个功率谱密度曲线，则无需进 比高）的低、中、高楼层测点加度数时程数据进 行正则化处理. 信号的信噪比可以通过加速度时 行频率识别，即22F-02，83F-04、124F-01测点（对 程曲线的“毛刺”程度近似初步估计. 为进一步 应加速度幅值的数量级分别为10m/s²、10m/s²、 加大信号之间信噪比差距，对117F-04测点信号 10m/s²）测点加速度信号功率谱频率识别，识别 进行平滑加窗滤波处理，对F117-02测点信号不 结果与标准值对比分析见表6. 做降噪处理，并将频率结果，与2.2节模态识别 表6不同楼层测点数据识别频率误差对比分析 结果进行对比分析，分析结果如表5所示. 标准值22F-02（低模层） 阶数 83F-04（中楼层）124F-01（高楼层） 表5不同信噪比信号数据识别频率误差对比分析 /Hz 频率/H2相对误差期率/Hz相对误差频率/H2相对误差 模态 识别值 117F-02（低信噪比) 117F-04（高信噪比） 1 0.105 0.104 -1.0% 0.104 -1.0% 0.109 3.8% 阶数 /Hz 频率/Hz 相对误差 顿率/ 相对误差 0.118 0.140 18.6% 0.165 39.8% 0.134 13.6% 1 0.105 0.104 -1.0% 0.104 -1.0% 3 0.208 0.208 0 0.214 2.9% 0.207 -0.5% 2 0.118 0.208 76.3% 0.147 24.6% 4 0.300 0.305 1.7% 0.305 1.7% 0311 3.7% 3 0.208 0.305 46.6% 0.208 0 5 0321 670 2.5% 90 4.7% 0.336 4.7% 4 0.300 0.433 44.3% 0.299 -0.3% 6 0.424 0.427 0.7% 0.421 -0.7% 0.348 -17.9% IZE0 0.452 40.8% 0.348 8.4% 7 0.539 0.452 -16.1% 0.501 -7.1% 0.439 -186% 0.424 0.476 12.3% 0.427 0.7% 8 0654 0.647 -1.1% 0.647 -1.1% 0.671 2.6% 7 0.539 0500 -7.2% 0.531 -1.5% 9 0.696 0.702 0.9% 0.702 0.9% 0.699 0.4% 8 $9'0 0.647 -1.1% 0.647 -1.1% 由表6可以看出，22、83、124层识别频率 9 0.696 0.696 0 0.702 0.9% 结果与标准值之间的误差相当，识别效果没有明 从表5可以明显看出，高信噪比的测点数据 显的区分，可见功率谱进行模态频率识别时对加 识别结果的总体吻合程度较好，除第2、5阶频率 速度信号量级的敏感性不高，测点布置楼层高度 误差较大外，其余模态阶数的频率识别结果误差 与识别效果之间没有直接关系. 这是因为功率谱 都在2%以内：低信噪比的测点数据识别结果的吻 曲线是时程信号经过傅里叶变换后转变为频域内 合程度较差，尤其是第2~6阶识别结果与标准值 的结果，峰值频率的选取仅依赖于峰值横坐标， 之间存在“错位”，这是由于低信噪比的加速度 而与信号数值大小的数量级无关. 时程信号噪声干扰过大，在识别过程中存在虚假
台风激励下上海中心大厦模态频率识别分析 熊青松.pdf
