资源描述：
《某超高耸电视塔的脉动风荷载模拟及风振分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第9卷第1期2009年1月科学技术与工程Vol19No11Jan.2009167121819(2009)120048205ScienceTechnologyandEngineeringZ2009Sci1Tech1Engng1建筑技术某超高耸电视塔的脉动风荷载模拟及风振分析1陈晓桐卜国雄(广东技术师范学院天河学院建筑工程系,广州510540;哈尔滨工业大学深圳研究生院1,深圳518055)摘要某超高耸电视塔主塔高454m,天线高156m,总高610m,风荷载为其主要的控制荷载。采用现在广泛流行的线性滤波法中的AR自回归模型,模拟了该结构具有随机性、时间相关性、空间相关性的51条顺风向
2、脉动风荷载时程样本,并对结构进行了风振响应分析。分析结果表明了本文方法的有效性,为了进一不提高结构的舒适度性能,有必要采取相应的减振控制措施。关键词超高耸电视塔风荷载AR模型风振响应分析中图法分类号TU311;文献标志码A某在建超高耸电视塔结构主塔高454m,天线求,必须采取相应的减振控制措施。高156m,总高度610m,建成后为世界第一高塔。该电视塔坐落于广州市珠江口,风荷载比较大;而1脉动风荷载模拟且结构的第一振型周期达到了10s多,接近风荷载的卓越周期,对风荷载的静力和动力作用都很敏1.1脉动风的基本特性[1]感,尤其是脉动风荷载作用。因此有必要模拟出根据我国《建筑结构荷载规
3、范》(GB50009—脉动风荷载,对结构在脉动风荷载下的动力特性进2001),广州地区10年重现期的基本风压为0.262行分析,以便于对结构在风荷载下的安全度和舒适kN/m,相应的设计最大风速为20.8m/s。以此为度进行合理的评价,并采取相应的控制措施。标准,其他重现期基本风压乘以相应的重现期调整根据广州地区的风荷载参数,基于Davenport脉系数。鉴于本文主要考虑结构舒适度性能,重现期[6]动风速功率谱,采用现在广泛流行的线性滤波法中定为10年一遇。大气边界层风场按C类来模AR自回归模型[2—5]来模拟出结构的51条脉动风荷拟,平均风剖面指数α=0.22,梯度风高度400m。
4、载时程样本。该方法基于自然风特性,考虑结构不脉动风功率谱包括顺风向和横风向的功率谱。同高度的空间相关性,能模拟出同时具有随机性、对于一般高耸和高层结构,横风向谱值比顺风向谱时间相关性、空间相关性的风速时程。然后利用模小得多,通常只考虑顺风向谱的影响。加拿大A.拟出来的风荷载时程,对简化的51个节点糖葫芦串G.达文波特(A.G.Davenport)特根据世界上不同地点、不同高度实测得到90多次的强风记录,并假设模型进行风振响应分析。结果显示,在十年一遇的[7]脉动风谱中的湍流积分尺度Lu(z)沿高度不变,脉动风荷载下,结构主塔顶部的峰值加速度达到了2取常值1200m,并取脉动风速谱为
5、各不同高度实测0.225m/s,有必要进一步提高其舒适度性能要值的平均值。其公式如下:22008年9月22日收到2X01200nSv(n)=4KV1024/3,X0=(1)第一作者简介:陈晓桐(1980—),女,广东技术师范学院天河学院研n(1+X0)V10究生,研究方向:建筑教学。E2mail:cxt_008@163.com。(1)式中,n为频率(Hz);V10为标准高度为10m处1期陈晓桐,等:某超高耸电视塔的脉动风荷载模拟及风振分析49的平均风速;K为地面粗糙度系数。后,接下来进行模型参数别。1.2脉动风速时程的AR模拟任意一风速时间序列uk(t)可表示如下:p人工生成脉动风
6、荷载时程,主要有谐波合成法和uk(t)=∑uk(t-Δit)ψk+σkeN(t)(6)线性滤波法。本设计采用现在普遍流行的线性滤波i=1法中AR自回归模型形成的风速时程。由于脉动风(6)式中,uk(t)为模拟生成的第K个节点风速;σke速本身可用具有零均值的高斯平稳随机过程来表达,为相应的纯随机过程的根方差;Δt为时间步长;ψk且具有明显的各态历经性。该模型将均值为零的白为自回归参数;N(t)为是均值为零,方差为1的随噪声随机系列通过线性滤波器,使其输出为具有指定机脉冲。根据风速时程假定,(6)式两边右乘以uk谱特征的平稳随机过程.本设计基于自然风特性,考(t-Δjt),两边分别作
7、数学期望运算,并根据自相关虑结构不同高度的空间相关性,采用AR模型模拟具函数的性质,得下面Yule2Walker方程:p有随机性、时间相关性、空间相关性的风速时程,直接R(Δjt)=∑ΨkR[(i-j)Δt],j=1,2,⋯,pi=1Matlab中编程实现快速模拟。该方法效率高,计算量(7)小,而且模拟的结果也比较吻合。p考虑到实际风的时间相关性,采用时间序列分R(0)=ΨR(Δit)+σ2(8)∑kkei=1析中的自回归模型AR(AutogressiveModel)
