《现存的大跨径桥梁的风的特性是以测量数据为基础外文翻译.doc》由会员分享，可在线阅读，更多相关《现存的大跨径桥梁的风的特性是以测量数据为基础外文翻译.doc（15页珍藏版）》请在三一办公上搜索。
1、毕业设计外文翻译现存的大跨径桥梁的风的特性是以测量数据为基础摘要：该论文阐述了一座现存的大跨径桥梁的风的特性是以测量数据为基础的。风的数据时由在Seohae桥上的两个测量站点所得的经过处理和统计分析过。威布尔分布被用在桥上来模拟风速。威布尔系数k和c，估计用两种方法复原方法和卡方检验方法。检验两种方法是否适用常用柯尔莫哥洛夫-斯米洛夫试验。研究发现,两种方法给出了很好的适应分布测量风速数据在桥上了。流式桥的主导风向是西北和东面。风向玫瑰图表明,大风通常来自西北。从每个方向威布尔分布看，根据风的方向可以知道参数k和c有很大的不同。关键词：大跨径桥梁，威布尔分布，风的特性，风向玫瑰图。1. 介绍
2、最近，许多大跨径悬吊体系桥梁，比如说Seohae桥(2000), Youngjong大桥(2000)和 Kwangan大桥(2003) 在韩国已经建成。这些分别与综合监控系统联系。在Seohae桥，许多仪器被安装在最理想的位置并且不停地监视。在论文中，风的测量数据是从安装Seohae桥上的风速仪中获得并处理系统分析的。在桥梁工程中极端的风是要考虑的重要因素之一，因此，风的特性可以给设计者和管理人员一些极端的风的影响可能对结构在使用周期内的影响的信息。一个对风工程概率分布广泛的使用是威布尔分布，(Simiu and Scanlan, 1996)。为了发现桥梁的风的特性，所以应用了威布尔分布。两个
3、数学模型被用来估算威布尔分布的参数k和c。这个研究表明了假设模型的适用性，并且根据季节和风的特性讨论参数k和c的不同。2. 估计威布尔分布参数的方法自1970年开始最大的努力使构建一个适合的统计模型用来描述风俗频率的分布，威布尔分布提供了一个接近许多自然现象的近似概率法律。它一直被用应用于风荷载作用下作代表风速分布研究。最近些年，很多的注意力集中在风能应用的方法上，不仅仅是由于它巨大的适应性和简单性也由于它可以给我们一个合适的实验数据。该模型通常用于风工程。威布尔几率密度函数给出了 （1）V是风速，k是形状参数，c是轴序参数相应的累积分布函数是 （2）在概率为F代表了风速v低于一定的风速值。H
4、ennessey和Justus et al.研究过几种估计威布尔分布参数的方法，比如矩的方法，回归方法和卡方检验法。Dorvlo应用上述三种方法实际取得风速数据估计来风速分布。在这篇文章中，两个模型通过采用回归方法和卡法检验法来研究风速对现存的桥梁的统计分布可能性。2.1回归方法累积分布函数，Eq. (2),可以写成下列形式： （3）使方程中的参数可以获得使用最小二乘法, 如果a和b是估计的拦截和斜坡的线性回归方程,那么，规模和形状参数估计是b k和 c - exp (-a / k)。2.2卡方检验法我们用Fm(vi)和F(vi)表示观察得到形式化的风速分布数据和假设的理论分布在j间隔的分别。
5、那么，参数k和c进行估算一直与公式4减到最小。- (minimized) （4） 3. 测量和统计分析 3.1 Seohae桥的说明Seohae桥，2000年十一月通车，位于首尔以南约65公里处，是韩国国内最长的桥之一。该桥横穿牙山市长7.31公里并由一斜拉桥和两个不同类型的PSC箱梁桥组成。斜拉桥部分长990米，由三跨220m+470m+200m和两个长60m的复合端跨梁组成。斜拉桥的桥塔是H形的混凝土结构并位于海平面以上187米处。PSC箱梁桥通过分段预制法和自由悬臂法建造。PSC箱梁有3-10连续跨梁（图1）,每跨长60米，宽2*15.7米。FCM型桥由2跨165米长的主跨和85米长的引
6、桥组成。3.2尺寸监督结构响应和评估桥梁的性能，许多仪器诸如风速仪，加速仪，倾斜计，应变仪，温度计被安装在被熟知的结构行为的地方。自从2000年结构健康监测系统的开发，Seohae桥一直被监测到现在。该系统包括四个风速仪，都安装在桥上，两个超声波风速仪分别安装在桥塔顶部两个安装斜拉桥中跨甲板上。两个螺旋桨风速计安装在相同的桥塔顶部和FCM型桥的甲板上（图2，图3）。参照基准的平均海平面，第一个测量站点在桥塔上高187米处，第二个测量站点在FCM型桥甲板上高57米处。每个风速计可以测量风速和风向采样率在100Hz内，每到10分钟的采样周期结束时，所有的统计数据如最大，平均，最小风速都确定了并且储
7、存到SSHMS的数据库里面。该文章的数据都来自于两个螺旋桨式风速计经过处理加工和统计分析。并且大多数数据形式为每小时平均风速和方向。3.3统计分析风速2002到2004年的风速测量数据被标记在图4里面，频率和概率密度的实测数据列于表1。第二、四纵列频率分别表示PY1顶部和FCM测量站点的风速测量站收集的数据多少。第三、五纵列纪律密度是通过计算式fi= ni /N,计算得到的，N是风速数据的总值，ni 是在(i) m/s (i-1) m/s之间的风速数据个数。Wind Speed,v (m/s)PY1 TopFCMFrequency,nProbabilityDensity,fFrequency,
8、nProbabilityDensity,f090.000400.0000114690.05798230.0327236300.143142660.1694335680.140640790.1620431450.124035410.1406528020.110429410.1168624540.096724360.0967721680.085518790.0746816290.064214030.0557912150.047910720.0426109750.03847860.0312116990.02765640.0224125510.02173730.0148134140.01633010.
9、0120142520.00992520.0100151650.00651960.007816830.00331210.004817750.0030790.003118300.0012350.001419160.0006240.00102080.000370.00032130.000160.00022220.000120.00012310.000000.00002460.000200.00002500.000000.00002610.000000.0000Total253701251861（表 1）图5的柱形图表示概率密度基于测量风速数据。可以知道真实的风速分布正如直方图的斜率所示。这是因为极端
10、风速是罕见的事件。由于偏态分布, 高斯模型被认为是不对称的形状描述风速分布。那么，我们可以用威布尔分布模仿分布。（图5）这两种方法如上所述,还原方法和卡方检验法被用来估算威布尔分布的参数k和 c。估计的形状、尺寸参数列在表2。在两个站点，我们YearMethodPY1 TopFCMkckc2002Regression1.535.901.545.54Chi-Square1.505.821.705.422003Regression1.595.311.444.98Chi-Square1.525.271.634.882004Regression1.605.481.535.23Chi-Square1.5
11、45.481.585.21TotalRegression1.565.571.505.25Chi-Square1.525.511.635.17可以看出这两种方法估计参数则略有不同。拟合结果平均风速每小时与这两种方法都显示,两者合计在同一图结果与测试概率密度（图5）。可以看出,这两个假设模型近似实际分布得令人满意。检查符合这两种不同的细节，累积分布密度的计算方法表示在图6。（图6）K-S检验方法是一种广泛使用的拟合优度检验。基本的程序包括对比实验累计频数，Fm (v), 一个假定的理论分布函数F(v) 。如果偏差是大就通常期望从一个给定的样本量，理论模型是不合格的。在K-S检验方法中，整个范围的v
12、在Fm(v) 和F(v) 之间最大的不同就是衡量实测数据与理论模型之间的差距。让这个最大不同应注意 （5）在一个特定的意义的水平a，K-S检验方法比较了公式5临界值测量最大的不同。临界值由公式6确定. (6)临界值在特定意义下的a值根据n的不同被制成表格 。在PY1顶部和FCM上的风速的累计频率被标绘在图6上。累积分布函数和假设理论模型被标注在同一个图标里。在这个例子里，最大的不同就是总结在表3里面，当n=26时，在5%显著水平的临界值是，由于，可以知道卡方检验法和回归检验法，哪个是假设模型，哪个更适合于建立Seohae桥在特征值a=5%的风速模型，也可以表明卡方检验法比回归法更适合。Meth
13、odDn at PY1Top Dn at FCMRegression0.0250.047Chi-Square0.0140.034（表3）评估每月或每季的参数k和c可以提供关于区域风的潜力的有帮助的数据。表4 提供了通过回归分布获得的形状和规模的季节性波动。正如表4所列，尺度参数c显示冬天增加夏天减少，形状参数k不能显示规律性的因为季节或者站点变化的增加或减少。形状参数在没有大偏差的情况下在PY1顶部的测量值在1.36到1.70之间，在FCM的测量值在1.33到 1.81之间，这就表明区域风的潜能是相对不变的。所以最好的就是通过一些年的观察得到一个相对可靠的数值。Year SeasonPY1 T
14、opFCMk ckc2002Winter 1.556.491.336.05Spring 1.646.371.685.70Summer 1.365.351.554.83Fall 1.605.711.615.722003Winter1.605.851.435.50Spring 1.615.011.444.66Summer 1.554.661.814.36Fall 1.535.431.405.032004Winter1.666.251.445.79Spring 1.706.051.605.61Summer 1.504.841.634.55Fall 1.615.131.525.11（表4）34统计分析
15、风向为了了解风速分布和不同风向的特征，我们画了一幅所谓的基于气象观察风速风风向的风玫瑰图，我们分为16个区域，每个区域是22.5度。16个区域最外面的点表示了16个区域相对风向的分布频率。（图7）ie表示了风速从那个方向的百分之多少的时间。图7表示了从2002到2004年之间的PY1顶部和FCM测量点的风玫瑰图。在图7里面，我们可以知道两个测点的主风向都是西北风，但是值得注意的是PY1顶部测点的第二主风向是东南风而FCM测点的是东风，这是地理条件的不同而引起的。这就表明根据测点位置的不同风的特性也不一样，尤其是大跨径桥梁。2003年的在FCM测点的关于风速和风向的统计表示在图8里面。（图8）数
16、据时以每10分钟记录下来的。V表示每个方向的年平均风速，dV表示最大风速和每10分钟的平均风速的差值，s是表示dV的标准偏差，V(max)是V加上dV，塔表示大风通常来自于一个特殊的方向西北风，在顺时针315度的周围。这种现象在冬天尤其突出。西北方向几乎与桥梁的水平轴相一致。最后，它表明垂直于行驶方向的高风速是经常产生的。所以，这些可能会引起一些不安全或者对驾驶员的事故。根据标准偏差，SW, SSW 和 WSW方向的风远远多于其他方向。但是，根据平均差，ESE, E和ENE远远多于其他方向。这些表明紊流强度和阵风因素有方向的原因。图9表明平均差和标准偏差是受到平均风速间隔的影响的。平均差当平均
17、风速增大时趋向于增加，而标准偏差在风速V = 10.0 11.0 m/s时有一个峰值。（图9）为了了解详情，我们画下测量过的风速分布和理论上的威布尔分布来对照两个主要的风向并记录在图10里面。2002到2004年的FCM测点数据被使用了并按照每小时的形式表达出来。“NW”的意思就是风向是西北风，“E”的意思就是风向是东风，“all”的意思就是周围都有风。西北风是参数k和c分别是2.27和8.84，东风是参数k和才分别是1.90和4.33，当这些数值和表2中的1.50和5.25相比时，形状参数是高于平均值的，而尺寸参数在两个风向上是不同的。威布（图10）尔分布在NM上是比在E上偏右的。E方向上峰
18、值的频率经常在低风速时出现，但是NW经常在高风速是出现。而NW方向的平均风速几乎是E方向的两倍。因此，我们必须注意风向会改变风的特性。而风速分布和风向之间并没有什么关系。4结论在这项研究中,通过安装在Seohae桥上的风速计测得的风的数据经过处理分析，所得的主要结果如下：(1) 威布尔分布通常用来模拟桥梁的风速分布，威布尔分布的参数k 和 c通常用两种方法来估算。为了检验两种方法是否适合，通常使用K-S检验方法，研究发现,这两种方法都很好的适应Seohae桥的风速数据的分布。(2) 规模参数c显示在冬季有增加的趋势和在夏天有减少的趋势。但是，形状参数k不能清晰的显示出由于季节和测量站点的变更而产生周期性的变化。(3) FCM桥的主导风向是东风和西北风，风向玫瑰图表明大风通常是西北风。在威布尔分布的每个方向，结果表明, 根据风的方向参数k和c会有很大的不同。
