结构温度效应分离（临近预报应用） · Thermal Effect Separation — Nowcasting

01

模型定义

从结构响应中分离温度引起的周期分量，得到剔除温度后的长期趋势。

02

公式

R(t) = β₀ + β_T·T(t) + β_t·t + ε 或用状态空间把温度项、季节项、损伤项设为独立状态

公式中各量的定义与单位见"输入 / 输出"。

03

输入与输出

项	内容
输入	临近预报场景：结构响应（位移/应变/频率）、同步温度（气温 + 构件温度）以最近观测与趋势外推为输入，更新频率分钟级，输出未来 0~6 小时短时预报。
输出	温度系数 β_T、去温度趋势项

04

参考依据

结构健康监测相关文献；Peeters & De Roeck (2001) 温度对模态频率影响

05

成熟度与边界

成熟度

Established

领域

结构 · Structural

适用边界温度对自振频率的影响可达数个百分点，远大于中等损伤引起的频率变化。临近预报需与雷达/卫星实况融合校正，逐分钟滚动更新，并按强度分级发布预警。

06

机理与过程链

结构模型分两类：一是有限元静力/动力分析，按材料本构与边界条件计算内力与变形；二是模态与响应分析，用频率、振型与阻尼描述结构动力特性，服务于风振、地震与舒适度评价。

工程判别的落点是"实测—计算"的对应关系：频率偏差反映刚度变化（损伤、支座脱空），振型相关系数（MAC）反映损伤位置，位移与应变趋势反映荷载与温度作用。绝对量依赖模型精度，相对变化更可信。

07

核心假设与成立条件

假设不成立时，模型偏差通常最先体现在趋势而非绝对值上。

假设	工程含义与成立条件
线弹性	正常使用阶段应力低于屈服/开裂；损伤段需非线性
材料参数	混凝土 E 取 0.8~1.0 倍规范值、钢材按实测；参数偏差 10% 使频率偏差约 5%
边界条件	支座约束按设计假定；支座沉降/脱空改变边界须重算
温度均匀	日照温差使构件温度不均，模型中按实测温度场加载

08

误差来源与失效模式

出现下列表现时应先复核假设与输入，而不是调整输出。

失效模式	表现与判据
非线性开裂	混凝土开裂后刚度下降 20%~40%，线性模型高估频率
支座与连接失效	支座脱空或螺栓松动使频率突降、振型异常
温度效应混杂	日照温差引起的变形可占实测位移的 30%~50%
模型简化	附属构件与填充墙参与受力，简化模型低估整体刚度

09

输入数据条件与精度要求

本模型最小可用数据集：临近预报场景：结构响应（位移/应变/频率）、同步温度（气温 + 构件温度）以最近观测与趋势外推为输入，更新频率分钟级，输出未来 0~6 小时短时预报。

数据项	采样与精度要求
加速度	100~200 Hz，24 位采集，噪声底 <10 µg/√Hz
位移/应变	1~10 Hz，精度 0.1 mm / 1 µε，温度同步
风/温度环境量	1 min，用于分离环境作用
模态参数	按 1 h 窗识别，频率分辨率 0.01 Hz，阻尼按半功率带宽

输入

临近预报场景：结构响应（位移/应变/频率）、同步温度（气温 + 构件温度）以最近观测与趋势外推为输入，更新频率分钟级，输出未来 0~6 小时短时预报。

输出

温度系数 β_T、去温度趋势项

10

部署、标定与运行要点

围绕结构温度效应分离（临近预报应用）的运行前检查清单。

环节	要点
采样频率	加速度 100~200 Hz（模态识别）、位移 1~10 Hz；风振期加密
模态识别	环境激励按 1 h 窗，频率分辨率 0.01 Hz
温度同步	构件表面温度与空气温度同测，用于分离温度变形
比对阈值	频率偏差 >5%、MAC <0.8 时启动损伤排查

11

验证指标与参考阈值

阈值为工程常用参考区间，具体项目按合同与规范取值。

指标	参考阈值
频率偏差	<5%（完好状态）
MAC	>0.8（主要振型）
位移/应变趋势	与计算同向，绝对误差 <30%
阻尼比	0.5%~2%（混凝土结构）

12

常见问答

实测频率比计算低 10% 说明结构有问题吗？
先排查模型刚度取值（填充墙、材料 E）与边界条件；同条件下频率下降 >5% 且随时间发展才指向损伤。

位移监测受温度影响很大怎么办？
同步测构件温度，用温度-位移回归分离温度分量，剩余部分才是荷载与结构响应。

模态识别需要什么数据？
至少 1 h 连续加速度、100 Hz 采样；环境激励下用随机子空间或峰值拾取，频率分辨率 0.01 Hz。

14

与相邻方法的取舍

同一目标量常有多种建模路线，取舍取决于数据条件与精度要求。

方法	适用	局限
有限元模型	内力与变形完整	参数与边界敏感，计算量大
模态/响应分析	动力特性清晰、可与实测比	仅整体特性，局部损伤定位弱
数据驱动损伤识别	异常检测灵敏	需大量基线数据，可解释性差