Automatic Operational Modal Analysis of a Long-Span Suspension Bridge

Abstract

Overvåkning av konstruksjoner er viktig for sikker vedlikehold og drift, samt verifikasjon av numeriske modeller. Automatisk operasjonell modalanalyse (AOMA) har som mål å identifisere modale parametere som gir den viktigste informasjonen om den globale dynamiske oppførselen til en konstruksjon. Hålogalandsbrua er en relativt ny hengebru med langt spenn utenfor Narvik i Nord-Norge, med et overvåkningssystem som registrerer bevegelsene til brua. Målet til denne avhandlingen er å utføre AOMA på vibrasjonsdata fra Hålogalandsbrua og undersøke hvordan miljøfaktorer påvirker modale parametere.

Først implementeres et rammeverk for AOMA ved å bruke allerede eksisterende komponenter med programvare. Verifisering på et numerisk eksempel gjennomføres for å vurdere nøyaktigheten til rammeverket. Verifiseringen gir en total deteksjonsrate på 96,4% og en gjennomsnittlig differanse i egenfrekvens på 0,03% sammenlignet med en numerisk modell av eksempelet. Resultatene viser at rammeverket er egnet til videre bruk.

Frekvensinnholdet i vibrasjonsdataene fra Hålogalandsbrua undersøkes for å gjøre korrekte justeringer av parametere i rammeverket. Videre blir nødvendig prosessering utført for å klargjøre dataene for modalanalyse. AOMA gjennomføres gjentatte ganger på 30 minutters tidsserier av vibrasjonsdata fra totalt en måned, fra februar 2022. Modale parametere hentes fra en numerisk modell av brua og brukes som sammenlikningsgrunnlag for å vurdere resultatene fra modalanalysen. Til slutt analyseres vind- og temperaturdata fra den gitte perioden, også registrert av overvåkingssystemet, for å undersøke om miljøfaktorer påvirker de modale parametrene.

I frekvensområdet 0-1 Hz klarer AOMA gjentatte ganger å oppdage totalt 24 bevegelsesmoder fra brudekket på Hålogalandsbrua. Rammeverket ga en total deteksjonsrate på 80,2% av referansemodene fra den numeriske modellen, med en gjennomsnittlig differanse på 2,2% i egenfrekvens. Gjennomsnittlig beregningstid for hver tidsserie var 4,9 sekunder. Modeformer for alle de oppdagede modene stemte godt overens med modeformer fra den numeriske modellen. Indikasjoner på dynamisk kobling mellom to moder som er tett plassert i frekvensdomenet, er til stede og er sannsynligvis årsaken til dårlig deteksjonsrate for en av disse modene.

Det er en negativ korrelasjon mellom temperatur og frekvens for høyere ordens moder, og korrelasjonen blir sterkere jo høyere orden det er snakk om. Dette indikerer at konstruksjonen blir stivere ved lavere temperaturer, og de høyere ordens modene vibrerer med høyere frekvenser. Videre viser resultatene en positiv korrelasjon mellom vindhastighet og estimert demping i konstruksjonen, noe som samsvarer med buffeting-teorien. Lavere vindhastigheter reduserer eksitasjonen av brua, noe som fører til at det oppstår større spredning blant estimerte moder som ligger i den laveste frekvensen.

AOMA identifiserer flere bevegelsesmoder på Hålogalandsbrua sammenlignet med tidligere anvendte metoder for modalanalyse, noe som støtter videre bruk av AOMA.

Monitoring of structures is an important task to ensure safety in maintenance and operations, alongside verification of numerical models. Automatic operational modal analysis (AOMA) aims to identify modal parameters, providing the most important information about the global dynamic behaviour of a structure. The Hålogaland bridge is a relatively newly built long-span suspension bridge situated outside Narvik in northern Norway, with a monitoring system recording the motions of the bridge. The main objective of this thesis is to perform AOMA on vibration data from the Hålogaland bridge and investigate how modal parameters are influenced by environmental factors.

First, a framework for AOMA is implemented and assembled of already existing software components. Verification on a numerical example is carried out in order to assess the accuracy of the framework. The verification provided an overall detection rate of 96.4% and an average difference in natural frequency of 0.03%, compared to a numerical model of the example. The results made the framework suitable for further use.

The frequency content of the vibration data from the Hålogaland bridge is investigated in order to make proper adjustments of parameters in the framework. Furthermore, necessary preprocessing is done to prepare the data for modal analysis. AOMA is repeatedly performed on 30 minute time series of vibration data, from a total of one month from February, 2022. Modal parameters obtained from a numerical model of the bridge is utilized as comparison to assess the results from the modal analysis. Finally, wind and temperature data from the given period, also recorded by the monitoring system, is analysed to examine if environmental factors influence the modal parameters.

In the frequency range of 0-1 Hz, AOMA is able to repeatedly detect a total of 24 modes of vibration from the bridge deck of the Hålogaland bridge. The framework provided an overall detection rate of 80.2% of the reference modes chosen from the numerical model, with a 2.2% average difference in natural frequency. The average computational time of each time series under investigation was 4.9 seconds. Mode shapes of all the detected modes coincided well with mode shapes obtained from the numerical model. Evidence of dynamic coupling between two modes closely spaced in the frequency domain is present and is most likely the reason for low detection rate of one of these modes.

Negative correlation between temperature and frequency is present for higher order modes, and the correlation is stronger the higher the order. This is indicating that the structure becomes stiffer at lower temperatures and the higher order modes vibrates at higher frequencies. Furthermore, the results show positive correlation between wind speed and estimated damping in the structure, in agreement with buffeting theory. Lower wind speeds reduces the excitation of the bridge, causing more scatter to appear amongst estimated modes located in the lowest frequency.

Finally, AOMA is able to identify more modes of vibrations on the Hålogaland bridge, compared to previously used methods for modal analysis, which supports the further use of AOMA.