近年来,随着我国城市化进程的加快,超高层建筑数量激增。超高层建筑的服役时间要求长、耐久性要求高,结构复杂、高宽比较大,易受外部环境和荷载(地震、大风等)的作用影响。人们根据震中距场地的远近将地震分为近场地震和远场地震。有关震害研究表明,近场地震对建筑结构的破坏性比远场地震严重,因此近场地震研究受到了较为广泛的关注(Hall et al,1995; Hall,Aagaard,1998; Zhang,Iwan,2002a,b)。近年来的一些大震灾害表明,远场地震对建筑结构尤其是超高层建筑结构造成的灾害同样不可忽视(杜东升等,2020; 张令心,张继文,2010),其长周期分量是导致超高层建筑产生结构响应的主要原因。超高层建筑结构由于其自振周期较大,在远场长周期地震动作用下容易发生类共振现象而遭到破坏,尤其是大地震产生的长周期(约2~10 s)地震动在大盆地中被放大,会对城市高层建筑产生严重威胁(Furumura,Oishi,2023)。如2008年四川汶川8.0级地震发生时,距震中750 km的西安地区部分高层建筑发生了较为严重的破坏,距震中3 000 km的泰国曼谷市中心的一些高楼发生摇晃,持续了近7 min(陈平,吴博,2010)。
武汉市位于江汉断坳与鄂东南褶皱带的交接地带,易受远场地震的影响,如1986年中国台湾花莲7.6级地震、1994年台湾海峡7.3级地震和2008年汶川8.0级地震发生时,武汉市均有震感。2015年,武汉市依据有关法律法规 湖北省人民政府.2006.湖北省地震监测管理实施办法. 规定,高度超过160 m的高层建筑和重大工程设施均设置强震动监测设施进行结构健康监测,目前武汉市120余栋超高层建筑共布设了400多个强震动监测点,现已建成全国最大规模的监测台阵。基于强震动监测台阵进行建筑结构模态参数识别是针对大型结构的一种有效而实用的故障诊断和安全检测方法,其获取的结构模态参数在结构动力特性评价、结构振动控制(施袁锋等,2021)、结构损伤诊断与安全性评价(何定桥,2021)等领域有重要应用。结构模态识别常用方法有随机子空间识别法、稀疏时域法、随机减量法、最小二乘法圆拟合、HHT法、正交多项式拟合法、神经网络模型、小波变换等(张鸣祥等,2022; 孙猛猛,2019; 秦世强等,2012; 单德山,李乔,2015; 许斌等,2011; 代煜,张建勋,2012; Baker,2007; 巴振宁等,2020)。在上述研究的基础上,何定桥和杨军(2022)提出了一种基于HHT的结构模态自动识别方法,利用深度神经网络和奇异谱分析对只包含单一模态信息的固有模态函数进行模态参数识别; 陶冬旺等(2021)利用功率谱法和复模态指数方法对建筑物结构响应记录的原始数据进行分析,得到了水平方向前三阶的模态振型和频率。互功率谱法简单易行且算法直观可信,对结构的前几阶固有频率的识别较为准确,但该方法在一些真假峰值的辨别上对人员的经验要求较高,在模态逐渐趋于密集时该方法存在局限性。随机子空间法具有较好的抗噪声扰动能力,适合土木结构尤其是桥梁结构的实际工程系统识别问题,能够比较准确地识别结构的模态参数,是目前较先进的结构环境振动模态参数识别方法。
2022年9月18日中国台湾花莲县发生6.9级地震,距震中1 000余千米的武汉市某35层超高层建筑结构观测台阵完整地获取了这次地震的结构动力响应。本文以该建筑结构对花莲地震的地震动响应为例,在分析地震动响应的频谱、反应谱、地震动持时和峰值加速度(PGA)放大效应的基础上,分别采用互功率谱法和基于协方差的随机子空间法两种方法在频域和时域上对该超高层建筑结构的一阶模态频率进行识别,并与数值分析结果进行了对比分析。