Traducido del inglés al español - www.onlinedoctranslator.

com

Observaciones de campo sobre las propiedades modales de dos edificios altos

bajo fuertes vientos
Siu Kui Auun, Feng Liang Zhangun,norte, hacer ping ab
un
Departamento de Ingeniería Civil y Arquitectónica, Universidad de la Ciudad de Hong Kong, Hong Kong
b Ove Arup & Partners Hong Kong Ltd., Hong Kong

información del artículo resumen

Historial del artículo: Este artículo presenta observaciones sobre las propiedades modales identificadas de dos edificios altos utilizando datos de
Recibido el 14 de julio de 2011 vibración ambiental recopilados durante eventos de viento fuerte. Se utiliza un método de dominio de frecuencia bayesiano
Recibido en forma revisada rápido desarrollado recientemente para la identificación modal basada en los datos ambientales medidos. El enfoque ve la
5 de diciembre de 2011 identificación modal como un problema de inferencia en el que la probabilidad se utiliza como una medida de la plausibilidad
Aceptado el 8 de diciembre de 2011 relativa de los resultados dado un modelo de la estructura y los datos medidos. Centrándose en los primeros tres modos, las
Disponible en Internet el 28 de diciembre
propiedades modales de los edificios se identifican en ventanas de tiempo que no se superponen durante los eventos de viento
de 2011
fuerte, que abarcan períodos de velocidades de viento normales a altas.
& 2011 Elsevier Ltd. Todos los derechos reservados.

Palabras clave:
Mojadura
Pruebas modales
Identificación modal
Análisis modal operativo
Edificio alto

1. Introducción
La caracterización de las propiedades dinámicas de las estructuras es
fundamental para evaluar su respuesta ante cargas dinámicas como las debidas a
sismos y fuertes vientos. Para edificios altos sujetos a fuertes vientos donde la
vibración todavía se encuentra en el régimen elástico lineal por diseño, las
características dinámicas consisten en las propiedades modales, es decir, las
frecuencias naturales, las relaciones de amortiguamiento, las formas modales y
las masas modales. En la etapa de diseño, las frecuencias naturales, las formas
modales y las masas modales se pueden estimar utilizando un modelo de
elementos finitos que incorpora la información estructural con respecto a la
geometría, los elementos estructurales y la distribución de masas. Las
instalaciones informáticas modernas han hecho posible un análisis de elementos
finitos muy detallado (Hugo, 1987;Bañarse, 1982). Sin embargo, cuando la
información sobre el comportamiento macroscópico es suficiente, los edificios
se modelan prácticamente con la idealización tradicional en términos de vigas,
columnas, elementos de muros de corte, con el supuesto de piso rígido cuando
corresponda. Dichos modelos no son necesariamente inferiores a los más
detallados, porque su simplicidad permite que los ingenieros estructurales
realicen un buen juicio de modelado y verifiquen durante la fase de modelado.
Por otro lado, actualmente no existe un método formal para predecir los valores
de amortiguamiento, aparte de las fórmulas de regresión empírica.
norte
Autor correspondiente. Tel.: þ852 3442 6492; fax: þ852 3442 0427.
Direcciones de correo electrónico: siukuiau@cityu.edu.hk (S.-K. Au),
zhangfengliang6@gmail.com (F.-L. Zhang), alex.to@arup.com (P. To).
0167-6105/$ - ver portada y 2011 Elsevier Ltd. Todos los derechos reservados.
doi:10.1016/j.jweia.2011.12.002
(Davenport y Hill-Carroll, 1986;Kareem y Gurley, 1996;Jeary, 1997;Satake et
al., 2003).
Las propiedades dinámicas reales de los edificios a menudo se obtienen
tomando medidas de vibración in situ. Debido a la gran magnitud de la fuerza
requerida para excitar el edificio artificialmente, las pruebas de vibración
ambiental (solo salida) (Ivanovic et al., 2000;Doebling et al., 1996;Peeters y
De Roeck, 2001;Au y Zhang, en prensa) se utilizan a menudo cuando la
medición de la vibración (principalmente la aceleración) se registra cuando el
edificio está sujeto a cargas ambientales desconocidas, como el viento y las
vibraciones del suelo. Entre otros métodos, la técnica de decremento aleatorio
se ha utilizado en el campo de la ingeniería eólica (Jeary, 1986;Tamura y
Suganuma, 1996;Tamura et al., 1993,1994), cuya teoría es esencialmente de
naturaleza de un solo grado de libertad. Estudios sobre las propiedades
modales de los edificios en un amplio rango de amplitudes (por
ejemplo,Fukuwa et al., 1996) revelan que los miembros no estructurales
juegan un papel importante cuando la amplitud de respuesta es pequeña. Con
 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23
un número cada vez mayor de edificios altos construidos en todo el mundo,
sus propiedades modales in situ bajo fuertes vientos se convierten en un tema
de interés oportuno (Ni et al., 2011a,b;Fu et al., 2008;Li et al., 2008). En este
sentido, para el estudio de la dependencia de la amplitud de los datos de campo
con ruido, es necesario delinear la tendencia sistemática real de los efectos del
ruido espurio que surgen, por ejemplo, de un error de identificación, un error
de modelado, etc.
Este artículo presenta observaciones sobre las propiedades modales
identificadas a partir de datos de aceleración ambiental de dos edificios altos
en Hong Kong durante eventos de tifones y monzones. La identificación
modal se realiza utilizando un método de dominio de frecuencia bayesiano
rápido desarrollado recientemente (Agosto, 2011;Agosto, 2012a,b), cuya
teoría se esbozará brevemente. Además del valor más probable, el método
también arroja la incertidumbre posterior de los parámetros modales en
presencia de datos. También permite identificar la densidad espectral de la
carga de viento modal, lo que permite una cuantificación científica del nivel
de respuesta dinámica en términos del valor modal de la raíz cuadrada media.
Se investiga la dependencia de amplitud que potencialmente puede estar
presente en la frecuencia natural y la relación de amortiguamiento. Los
edificios instrumentados se describen primero, seguidos por los eventos de
viento fuerte donde se registraron los datos de vibración. Luego se presenta el
método utilizado para identificar las propiedades modales a partir de los datos
de campo ambiental y se investigan las observaciones sobre la dependencia
de la amplitud.
2. Edificios instrumentados
En este trabajo se estudian dos edificios altos, a saber, el Edificio A y el
B. El edificio A tiene 310 m de altura, 50 m por 50 m en planta. Se trata de
un edificio tubular de hormigón con un sistema de muros centrales. El edificio
B tiene 320 m de altura, 50 m por 50 m en planta. La resistencia estructural
lateral la proporcionan dos vigas voladizas a aproximadamente un tercio y
dos tercios de la altura del edificio, con paredes centrales cerca del centro y
megacolumnas en las esquinas.Figuras 1 y 2muestran las direcciones modales
de los tres primeros modos de los Edificios A y B, respectivamente. Fueron
identificados en base a datos ambientales con cuatro acelerómetros triaxiales
colocados en las cuatro esquinas del techo en condiciones normales de viento,
por ejemplo, con una velocidad del viento inferior a 20 km/h. Los prefijos
'TX', 'TY', 'R' representan los modos x, y y de torsión de los edificios. Los
números junto a la etiqueta de modo indican la frecuencia natural y la relación
de amortiguamiento. Cabe señalar que para el Edificio B, las direcciones
modales principales no se alinean con los lados del edificio, debido a la
conexión con un edificio vecino (no se muestra).
TX1: 0,156 Hz, 0,38 % TY1: 0,173 Hz, 0,39 %
Fig. 1. Modos identificados del Edificio A identificados bajo viento normal; La figura superior muestra la naturaleza del modo, la frecuencia natural (Hz) y la relación de
amortiguamiento (%).
13
Para el registro prolongado de vibraciones durante un evento de viento
fuerte (tifón o viento monzón), el equipo desplegado (Fig. 3)
consta de un acelerómetro de fuerza triaxial balanceada (nivel de ruido de
aproximadamente 0,5 mg = pffiffiffiffiffiffiHzffi) emparejado con un
registrador de señal digital de 24 bits.
Los datos se registraron a una frecuencia de muestreo de 50 Hz en una tarjeta
flash compacta. Para cada edificio, el sensor se colocó en el mismo lugar en
todos los eventos de viento fuerte, en una habitación segura en el techo del
edificio. Para eventos de tifón, el equipo se desplegó en el sitio de
construcción el día en que se emitió la señal de tifón T1, generalmente en el
verano. Este último es una señal de espera que indica un ciclón tropical con
centro dentro de los 800 km de Hong Kong y puede afectar el territorio. El
procedimiento era similar cuando se emitía una señal de viento monzónico,
generalmente en otoño o invierno.
3. Datos y eventos de viento fuerte
Los datos de vibración investigados en este estudio se midieron durante dos
eventos monzónicos y dos tifones, a saber, Typhoon Goni y Koppu.tabla 1resume
la duración de los datos obtenidos en diferentes eventos.Figura 4–7dar una visión
general de la condición del viento y la magnitud de los datos de vibración
registrados en diferentes eventos. La velocidad y la dirección del viento son un
promedio de 10 minutos registrado en la estación Waglan Island de Hong Kong
Observation (HKO) (22o1005600N, 11411801200E, velocidad del viento
equivalente a 90 m de altitud). Los edificios A y B están ubicados en el noroeste
de la estación de Waglan Island a una distancia de 15 km y 30 km,
respectivamente. El uno o los dos gráficos inferiores muestran el historial del
tiempo de aceleración de los edificios medidos durante el evento. Solo se trazan
los datos en la dirección x del sensor, ya que el gráfico para la dirección y del
sensor es similar. La vibración vertical es de poca relevancia.
El tifón Goni visitó Hong Kong del 4 al 6 de agosto de 2009, viajando desde
el sureste de Hong Kong a una velocidad de 9 km/h. Como se vio enFigura 4, la
velocidad del viento osciló entre 22 km/h y 60 km/h; y no hubo mucho cambio
en la dirección del viento. Un mes después del tifón Goni, el tifón Koppu visitó
Hong Kong. Koppu viajó más rápido que Goni, a una velocidad de 20 km/h.
Aterrizó en Hong Kong alrededor de las 11 am del 14 de septiembre de 2009.
Como se ve enFigura 5, la velocidad del viento osciló entre 25 km/h a 120 km/h
y su dirección de Noreste a Sur. Tenga en cuenta que, dado que la carga del viento
(tanto el viento medio como la parte estocástica) generalmente escala al menos
con el cuadrado de la velocidad del viento, se puede esperar un aumento de orden
de magnitud en la respuesta estructural de la normal.
R1: 0,309 Hz, 0,60 %
 14 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23
TX1: 0,184 Hz, 0,49 %
Fig. 2. Modos identificados del Edificio B identificados bajo viento normal; La figura superior muestra la naturaleza del modo, la frecuencia natural (Hz) y la relación de
amortiguamiento (%).
Fig. 3. Entorno del sensor. (a) Edificio A y (b) Edificio B.
al viento fuerte. Typhoon Koppu proporciona mucha información para grandes
vibraciones estructurales en el estudio actual.
El primer viento del monzón, denominado aquí MS1, tuvo lugar del 4 al 7
de enero de 2010. Como se ve enFigura 6, el registro de datos se inició durante
la cumbre del evento. La velocidad del viento osciló entre 15 km/h y 50 km/h.
La dirección del viento varió de Este a Noreste. El segundo viento del monzón,
MS2, tuvo lugar en diciembre de 2010 (Figura 7). La velocidad del viento osciló
entre 12 km/ha 50 km/h y la dirección del viento fue predominantemente norte.
es claro deFigura 4–7que las velocidades del viento en los dos eventos de tifón
son significativamente más altas que las de los eventos de monzón. Los eventos
de tifones brindan información para el estudio de vibraciones de gran amplitud,
mientras que los eventos de monzones complementan el régimen de velocidad
del viento de bajo a moderado.
TY1: 0,190 Hz, 0,77 % R1: 0,427 Hz, 1,67 %
4. Metodología de análisis
Los datos de aceleración registrados durante un evento de viento fuerte se
utilizan para identificar las propiedades modales de la estructura. Esto
corresponde a un problema de identificación modal ambiental en el que solo se
mide la respuesta (de salida) y se supone que la carga (de entrada) es estocástica.
Para este propósito, todo el historial de tiempo se divide en ventanas de tiempo
no superpuestas de 30 min, dentro de las cuales la carga y la respuesta se
modelan como un proceso estocástico estacionario. Esta estrategia compensa
entre la precisión de los parámetros modales identificados y la suposición de
estacionariedad en el viento estocástico. En particular, se encuentra que la
ventana de tiempo de 30 minutos produce una cantidad suficiente de datos para
estimaciones confiables de la frecuencia natural y la relación de
amortiguamiento. Cuando la ventana de tiempo es demasiado corta, los
parámetros modales identificados (especialmente las relaciones de
amortiguamiento) tienen una gran incertidumbre posterior y, por lo tanto, su
MPV no es confiable. Por ejemplo, si se usa una ventana de datos de 10
minutos, algunos de los modos no podrían identificarse en algunos segmentos
de tiempo simplemente porque sus respuestas no se excitan adecuadamente
durante el segmento. Por otro lado, la carga del viento y, por lo tanto, la
amplitud de la respuesta estructural pueden cambiar significativamente durante
un período prolongado (por ejemplo, unas pocas horas), violando la suposición
sobre
respuesta estacionaria. Extender la ventana de tiempo sobre períodos de
amplitudes de respuesta pequeñas y grandes tiende a producir propiedades
modales identificadas que representan un promedio (en algún sentido no trivial)
sobre tales amplitudes. Esto es especialmente relevante para la relación de
amortiguamiento que se sabe que depende de la amplitud.
 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23 15

4.1. Identificación modal bayesiana
Se utiliza un método de dominio de frecuencia bayesiano rápido para
identificar las propiedades modales utilizando los datos en cada ventana de
tiempo de 30 minutos. La teoría se describe brevemente aquí. Se remite al
lectorYuen y Katafygiotis (2003)) para la formulación original y paraAu
(2011)yAu (2012a,b) para algoritmos rápidos recientemente desarrollados que
permiten una implementación práctica. El método puede identificar las
frecuencias naturales, las relaciones de amortiguamiento, las formas de modo,
la densidad espectral de potencia (PSD) de la fuerza modal y la PSD del error
de predicción. Es aplicable tanto para modos bien separados como poco
espaciados. La idea básica es que para una estructura bajo excitación de banda
Hora (hr), Origen: 4-ago-2009
ancha, la parte real e imaginaria de la FFT de la respuesta estructural sigue una
distribución gaussiana multidimensional que se puede caracterizar
analíticamente en términos de parámetros modales. Al maximizar la función de
densidad de probabilidad posterior (PDF) de los parámetros modales dados los
datos de FFT, o al minimizar de manera equivalente la función de probabilidad
logarítmica negativa (NLLF), se pueden determinar las propiedades modales
más probables. La incertidumbre posterior en el contexto de la inferencia
bayesiana en los parámetros modales también se puede calcular a partir de la
hessiana del NLLF. Esto será útil para delinear la tendencia real del ruido
espurio debido al error de estimación al estudiar más adelante la dependencia
de la amplitud de los parámetros modales.

17:30:00Fig. 4. Datos de viento y respuesta durante

Goni.
16 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–
23

Hora (hr), Origen: 14-Sep-2009

11:10:00Fig. 5. Datos de viento y respuesta durante

Koppu.
 S.-K. Au et al. / J. Ing.
Eólica. Ind. Aerodin. 101 (2012)16–23 17

Hora (hr), Origen: 5-ene-2010 15:10:00Fig.

6. Datos de viento y respuesta durante MS1.

Hora (hr), Origen: 7-dic-2010 14:20:00Fig.

7. Datos de viento y respuesta durante MS2.

Se supone que los datos de aceleración medidos consisten en la señal de
vibración ambiental estructural y el error de predicción:
y€ j ¼ x€ j þej ð1Þ
donde x€ j ARn y ejARn (j¼1,2,y, N) son la respuesta de aceleración del modelo
de la estructura y el error de predicción, respectivamente; N es el número de
puntos de muestreo; n es el número de grados de libertad (grados de libertad)
medidos. El error de predicción explica la discrepancia entre la respuesta medida
y la respuesta del modelo (teórico) para parámetros modales dados. La FFT de
y€ j se define como
respectivamente; uiARn es el vector de forma de modo i-ésimo confinado a
los grados de libertad medidos; m es el número de modos. El segundo grupo
es SARmm, la matriz de fuerzas modales de densidad espectral de potencia
(PSD) de Hermitian. El tercero es la densidad espectral de potencia del error
de predicción, Se.
Sea Zk ¼ ½ReFk; Im AR2n ser un vector aumentado de la parte real e
imaginaria de. En la práctica, solo los datos FFT confinados a una banda de
frecuencia seleccionada dominada por los modos objetivo se utilizan para la
inferencia bayesiana. Sea tal colección denotada por {Zk}. Usando el
Teorema de Bayes, la PDF posterior de h dados los datos está dada por:

pðh9fZkgÞppðhÞpðfZkg9hÞ d3Þ

r2ffiffiffiffiffiffiffiDtffi XN y€ jexp2piðk1Þðj1Þ ð2Þ
norte nortej ¼ 1
donde i2¼ 1; Dt es el intervalo de muestreo; k¼1,y, Nq con Nq ¼ int½N=2þ1,
int½U denota la parte entera de su argumento; Nq es el índice que corresponde
a la frecuencia de Nyquist.
Multiplicando la FFT por su transpuesta conjugada se obtiene la matriz de
densidad espectral en la frecuencia fk. El factor de escala de la FFT en (2) se
ha definido de manera que la densidad espectral es unilateral con respecto a
la frecuencia física en Hz. Se puede verificar usando la igualdad de Parseval
que sumando el i-ésimo elemento diagonal de la matriz de densidad espectral
sobre las frecuencias (k¼1,y, Nq) y multiplicando por la resolución de
frecuencia Df¼1/NDt se obtiene el doble del valor cuadrático medio del i-
pðfZkg9hÞ ¼ k ð
ésimo canal. Heredado de la definición de la FFT, todas las cantidades
espectrales en este trabajo son unilaterales con respecto a la frecuencia física
en Hz.
Sea h los parámetros modales a identificar, que incluye tres grupos de
parámetros. El primer grupo es {fi,zi, ui:1,y,m}, donde fi y zi representan la
frecuencia natural y la relación de amortiguamiento del i-ésimo modo,
donde p(h) es la PDF anterior que refleja la plausibilidad de h en ausencia de
datos. Suponiendo que no haya información previa, la PDF posterior
p(h9{Zk}) es directamente proporcional a la 'función de probabilidad'
p({Zk}9h). El 'valor más probable' (MPV) de los parámetros modales h es el
que maximiza p(h9{Zk}) y por lo tanto p({Zk}9h). Un previo no informativo
es común en el área de la identificación modal porque la variación en el PDF
posterior a menudo está dominada por la función de probabilidad con la gran
cantidad de datos que se encuentran a menudo en la práctica.
Para N grande y Dt pequeño, se puede demostrar que las FFT a diferentes
frecuencias son asintóticamente independientes y su parte real e imaginaria
siguen una distribución gaussiana (Yuen y Katafygiotis, 2003). La función de
verosimilitud p({Zk}9h) viene dada por:
Y 1 1 T 1
n detCkÞ1=2 exp 2 Zk Ck Zk ð4Þ
2pÞ ð
donde detð:Þ denota el determinante; Ck es la matriz de covarianza de Zk:
1U "Rehk ImHk #"UT # Smi
18 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23

estimará por medio de un promedio, que posteriormente se ajusta mediante un

ck ¼ 2 Yo soyHK rehk tuT þ 2 I2n
tu
U¼[u1,u2,y,um]ARnm es la matriz de forma modal, siendo
ui(i¼1,y,m) la forma modal i-ésima confinada a los grados de
libertad medidos; I2nAR2n denota la matriz de identidad;
HkARmm es la matriz de transferencia cuyo elemento (i, j) viene
dado por
Hkði,jÞ ¼ Sij½ðb2ik1Þþ2izibik1½ðbjk2 1Þ2izjbjk1 ð6Þ y bik¼fi/fk; fi es la
frecuencia natural del i-ésimo modo; fk es la abscisa de frecuencia FFT; Sij
es la densidad espectral cruzada entre la i-ésima y la j-ésima excitación modal.
Es más conveniente trabajar con la función log-verosimilitud negativa
(NLLF) L(h):
ð5Þ
modelo teórico para producir los 'mejores' parámetros modales. Por ejemplo, en
el dominio del tiempo se usa comúnmente la función de correlación de muestra,
mientras que en el dominio de la frecuencia las contrapartes son la densidad
espectral de potencia o el espectro de valor singular. Cuando la frecuencia natural
se estima eligiendo el pico del espectro (o variante), su precisión está limitada
por la resolución de frecuencia del espectro. El MPV de frecuencia natural en el
enfoque bayesiano no tiene este inconveniente ya que, por definición,
simplemente maximiza la PDF posterior y, por lo tanto, tiene un valor continuo.
Filosóficamente, para los supuestos de modelado dados y los datos disponibles,
la formulación bayesiana es única y definitiva. Dejando a un lado los problemas
computacionales, es superior a cualquier método no bayesiano basado en
cualquier proxy teórico.
4.2. Incertidumbres posteriores
Un mérito importante de los métodos de identificación bayesianos sobre los

4
(Mili-g)
2

-2

-4
0 200 400 600 800 1000 1200 1400 1600 1800
Tiempo (seg), Origen: 14-Sep-2009 23:05:00
4
(Mili-g )
2

-2

-4
0 200 400 600 800 1000 1200 1400 1600 1800
Tiempo (seg), Origen: 14-Sep-2009
23:10:00Fig. 8. Historias de tiempo típicas de datos de aceleración bajo viento
fuerte.
T 1
1X Zk d7Þ métodos no bayesianos es que, además del MPV, también proporcionan una
LðhÞ ¼½lndetCkðhÞþZk CkðhÞ 2 evaluación cuantitativa rigurosa de las incertidumbres asociadas con los
k
parámetros modales dados los datos disponibles. La incertidumbre posterior de
así que eso los parámetros modales está asociada con la dispersión de la PDF posterior sobre
el MPV. Con suficiente cantidad de datos, la PDF posterior tiene un máximo
pðh9fZkgÞpexp½LðhÞ d8Þ único (en el MPV) y se puede aproximar mediante una PDF gaussiana centrada
en el MPV. La incertidumbre posterior de los parámetros modales se puede
Por lo tanto, maximizar p(h9{Zk}) es equivalente a minimizar L(h).
caracterizar por su matriz de covarianza asociada con la PDF posterior. Usando
Determinar el MPV de h minimizando numéricamente el NLLF requiere una
una serie de Taylor de segundo orden del NLLF sobre el MPV, se puede
evaluación repetida del determinante y el inverso de Ck para diferentes valores
demostrar que la matriz de covarianza posterior se puede aproximar por la inversa
de prueba de h. El proceso de minimización está mal condicionado porque Ck
de la hessiana del NLLF.Agosto, 2011;Agosto, 2012a,b).
está cerca de ser singular. Por otro lado, el tiempo computacional crece
Las incertidumbres posteriores de los parámetros modales permiten evaluar
drásticamente con la dimensión del problema, que es proporcional al número de
su precisión y decidir si se necesitan datos adicionales para mejorar la calidad,
grados de libertad medidos en una configuración dada. Esto hace que la solución
por ejemplo. En la práctica, esto se puede medir en función del "coeficiente de
directa basada en la formulación original sea poco práctica en aplicaciones reales.
variación" (cov), definido como la relación entre la derivación estándar posterior
En vista de esto, recientemente se han desarrollado algoritmos rápidos que
y el MPV. La desviación estándar posterior se puede obtener de la raíz cuadrada
permiten obtener el MPV casi instantáneamente en el caso de modos bien
del elemento diagonal correspondiente de la matriz de covarianza posterior.
separados (Agosto, 2011) y modos poco espaciados (Agosto, 2012a,b). Los
Conocer la precisión de los parámetros identificados ayuda a distinguir las
detalles son omitidos aquí.
tendencias reales del ruido espurio debido a una identificación inexacta.
En el proceso de identificación de los parámetros modales, una diferencia
fundamental entre la formulación bayesiana y los métodos convencionales es que 4.3. Amplitud de vibración
no se involucra ningún concepto de promediación estocástica y no es relevante
ninguna decisión sobre cuál es la cantidad a promediar. Por el contrario, en los
Para la investigación de la dependencia de la amplitud potencial de los
métodos convencionales es necesario especificar un 'proxy teórico' previo que se
parámetros modales, es necesario tener una cantidad robusta que represente el
 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23 19

nivel de vibración de la respuesta. También es preferible distinguir la magnitud
de la respuesta en diferentes modos. Para este propósito, el valor de la raíz
cuadrada media (RMS) de la respuesta modal dentro de una ventana de tiempo
dada se usa para representar el nivel de vibración en un modo dado. Esto es
consistente con la suposición estacionaria utilizada en la identificación modal.
Sea Zi la i-ésima respuesta modal que satisface la ecuación modal de
movimiento:
modos fundamentales, es decir, los dos primeros modos de traslación y el
primer modo de torsión. Del espectro de valores singulares se seleccionan
bandas de frecuencia cuyos datos FFT se utilizarán para identificar los modos
que cubren utilizando el método descrito enSección 4. Las bandas de
frecuencia seleccionadas se muestran enFiguras 9 y 10por el símbolo '[]'. Para
ambos edificios, los dos primeros modos se identifican en la misma banda
(con m¼2 modos) ya que están muy próximos entre sí.

Z€ i þ2zioiZ_ i þo2i Zi ¼ piðtÞ d9Þ

donde oi¼2pfi y pi(t) es la i-ésima fuerza modal. Si pi se modela como ruido

blanco con densidad espectral Si, entonces la varianza de Zi viene dada por
(Clough y Penzien, 1993;Laúdes y Sarkani, 2004)

Si
Var½Zi ¼ 3 ð10Þ
8zioi

Teóricamente, la varianza de la aceleración modal Z€ i es ilimitada porque la

amplificación dinámica de la respuesta de aceleración es plana para frecuencias
altas y el espectro de ruido blanco teóricamente se extiende a frecuencias
infinitas. Sin embargo, considerando el ancho de banda limitado en los procesos
físicos y el hecho de que la banda de resonancia representa la mayor contribución,
la varianza de la aceleración a menudo se puede aproximar bien por

4 Var½ Zyo ¼p4fzyo si yo ð11Þ

Var½Z€ i oi

Aquí, Si es efectivamente la PSD de la fuerza modal en la vecindad de la

frecuencia natural. En este estudio, el RMS modal de la respuesta de aceleración
se calcula como la raíz cuadrada de (11), donde el valor de los parámetros
modales se toma en sus valores identificados utilizando los datos en la misma
ventana de tiempo. Las formas modales identificadas, cada una de las cuales
consiste en el componente x, y, z en la ubicación del sensor en el techo del
edificio, se normalizan para tener una norma euclidiana unitaria, es decir, con
suma de cuadrados igual a uno. Como la vibración vertical es pequeña en
comparación con las horizontales, la respuesta modal Zi corresponde
aproximadamente al desplazamiento lateral (dinámico) en el techo del edificio a
lo largo de la dirección modal.
5. Resultados de analisis

5.1. Ventana de tiempo típica de 30 minutos

El análisis de una ventana de tiempo típica de datos se presenta primero,

ya que el mismo procedimiento se aplica a otras ventanas de tiempo, cuyos
resultados se estudiarán más a fondo para determinar la dependencia de la
amplitud.Figura 8muestra las historias de tiempo de aceleración de los
edificios A y B en el tifón Koppu, que corresponden al segmento cuando el
viento era más fuerte.Figura 9a muestra la PSD raíz correspondiente del
Edificio A en Typhoon Koppu. Las líneas azul y verde indican los datos
medidos en las direcciones x e y del sensor, respectivamente. La vibración
vertical es pequeña (alrededor de una décima parte de los grados de libertad
horizontales), por lo que no se muestra en la figura.Figura 9b muestra el
espectro de valor singular correspondiente, es decir, un gráfico de la raíz
cuadrada de los valores propios de la matriz de densidad espectral calculada
a partir de datos frente a frecuencia. Los modos estructurales son evidentes en
estos espectros. Hay seis modos por debajo de 1 Hz y los dos primeros modos
están estrechamente espaciados. De forma similar,Figura 10a y b muestran la
PSD y el espectro de valor singular del edificio B en el tifón Koppu,
respectivamente. Hay seis modos por debajo de 1 Hz. Los dos primeros y los
dos últimos modos también están estrechamente espaciados. Los edificios A
y B tienen modos de traslación fundamentales estrechamente espaciados
debido a su planta cuadrada. Sus frecuencias naturales son bastante pequeñas,
un reflejo directo de su altura. El estudio aquí se centra en los tres primeros
20 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23

Tablas 2 y 3resuma los resultados de identificación modal para el edificio
A y B, respectivamente, usando los datos de la ventana de tiempo de 30
minutos como se describió anteriormente. Cada parámetro modal se muestra
en términos de su MPV y cov posterior. Este último es una indicación directa
de la precisión de identificación dados los datos. Se ve que los cov posteriores
de las frecuencias naturales son todos inferiores al 1%, que son mucho
5.2. Propiedades modales versus amplitud de vibración
A continuación, investigamos la correlación entre las frecuencias
naturales identificadas y las relaciones de amortiguamiento con la amplitud
de la vibración. Para este propósito, la aceleración modal RMS en cada
ventana de tiempo se calcula con base en (11) y se usa como proxy de la

Frecuencia (Hz)
Fig. 9. Densidad espectral de potencia raíz y espectro de valor singular, datos de 30 minutos, Edificio A. (a) densidad espectral de potencia raíz y (b) valor singular raíz.
menores que los de la relación de amortiguamiento o la PSD de la fuerza amplitud de vibración.Figuras 11 y 12muestre el gráfico de dispersión del
modal. Los dos últimos son del orden de unas pocas decenas de por ciento. MPV de las frecuencias naturales y las relaciones de amortiguamiento frente
Está claro que la incertidumbre posterior de la relación de amortiguamiento al RMS de vibración modal para los edificios A y B, respectivamente. El RMS
gobierna el requisito de longitud de datos. Para este estudio, con 30 minutos modal se traza en una escala logarítmica para aumentar la visibilidad a medida
de datos, el cov de la relación de amortiguamiento es de alrededor del 30 %, que abarcan varios órdenes de magnitud. Se han trazado los resultados para
lo que indica un nivel moderado de precisión. Sin embargo, no se recomienda todas las ventanas de tiempo en todos los eventos. Para el Edificio A, un
aumentar la longitud de los datos extendiendo la ventana de tiempo porque círculo, una cruz y un triángulo denotan el resultado de Goni, Koppu y MS2,
esto puede aumentar significativamente el error de modelado con respecto a respectivamente. Para el Edificio B, una cruz y un triángulo denotan el
la respuesta estacionaria. Después de todo, la reducción en el cov no es resultado de Koppu y MS1, respectivamente. En estas figuras, cada punto está
significativa con una extensión moderada de la longitud de los datos, ya que centrado en el MPV con una barra de error que cubre una derivación estándar
generalmente es inversamente proporcional a la raíz cuadrada de posterior del parámetro modal. Si no hubo error de modelado o cambio
sistemático de factores que afectan los parámetros modales,Au y Zhang,
longitud de datos. Por ejemplo, extender la ventana de tiempo de 30 min a 1 2011). Es visualmente evidente desdeFiguras 11 y 12que la dispersión en el
h puede, en el mejor de los casos, reducir el cov a 1 = pffiffiffi2 70% de su MPV es significativamente mayor que la implícita en las barras de error, lo
valor original, es decir, del 30% al 21%. No obstante, en una hora, la que sugiere cierta dependencia sistemática del RMS modal. Esto se investiga
velocidad del viento y, por lo tanto, la magnitud de la respuesta podrían a continuación con más detalle.
cambiar significativamente durante un evento de tifón, lo que generaría un
error de modelado con respecto a la estacionariedad.
5.2.1. Frecuencia natural
Existe una tendencia inversa entre la frecuencia natural y el RMS modal,
independientemente del modo y el edificio. Para el edificio A (Figura 11), la
 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23 21

tendencia inversa comienza en un RMS modal de aproximadamente 10 mg para

los dos modos de traslación y 1 mg para el modo de torsión. Se puede hacer una
observación similar para el edificio B (Figura 12). En RMS modal bajo, las
frecuencias naturales identificadas en Koppu ( ) no concuerdan con las de MS1 (
x ). Se cree que esto es un efecto estacional, ya que Koppu tuvo lugar en verano
y MS1 en invierno. Excepto por esto, la región donde los puntos se dispersan es
bastante repetible a lo largo de los eventos. La frecuencia natural parece
disminuir
22 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23

10-2

10-3

10-4

10-5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frecuencia (Hz)

10-2
Modo 1 Modo 2

10-3

Modo 3

10-4

10-5
[ ] [ ]
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frecuencia (Hz)
Fig. 10. Densidad espectral de potencia de raíz y espectro de valor singular, datos de 30 minutos, Edificio B. (a) Densidad espectral de potencia de raíz y (b) valor singular de raíz.
Tabla 2 con el RMS modal. Sin embargo, la causa real de este fenómeno se desconoce
Resumen de propiedades modales identificadas, Edificio A, datos típicos de 30 minutos en Koppu. en el momento de escribir este artículo. Una posible causa es el aflojamiento de
las juntas de fricción a niveles de vibración suficientemente altos. Es poco
probable que el efecto térmico sea la causa porque durante los eventos de viento
monovolumen (cov) monovolumen(cov)monovolumen (cov) fuerte, la radiación solar es insignificante durante el día.
TX1 0.125 0.198 0.149 (0,23%) 1.0 (23%) 113,800 (9,4%) La rigidez aerodinámica es otra posible causa, aunque en el momento de
TX2 0.168 (0,23%) 0.9 (25%) 88,700 (9,3%) redactar este informe no se podía cuantificar por falta de información.
Para proporcionar una vista cuantitativa de la dependencia de la amplitud
R1 0.271 0.347 0.291 (0,21%) 1.1 (20%) 300 (12%) de la frecuencia natural, hacemos una regresión de las frecuencias naturales
identificadas con el RMS modal, usando un modelo de la forma
s

Resumen de propiedades modales identificadas, Edificio B, datos típicos de 30 minutos en f ¼ aþblog10 s 0la ð12Þ
Tabla 3 Koppu .
Modo Banda de frecuencia f (hercios) z(%) S ((metrog)2/Hz)
donde f es la frecuencia natural correspondiente a la aceleración modal RMS s;
s0 es el nivel RMS modal de referencia más allá del cual comienza la tendencia
decreciente; ayb son parámetros de regresión; y e es el error de predicción.
TX1 0,147 0,224 0,175 (0,23%) 0,9 (26%) 33.510 (40%) TX2 0,176 (0,34%) 1,7 (18%) 54.460 Sustituyendo s¼s0, se puede ver que a es la predicción del modelo de f
(32%) correspondiente al RMS modal de referencia, digamos f0. Por lo tanto, (12) se
R1 0.370 0.500 0.402 (0,26%) 2.0 (14%) 90 (11%)
puede reescribir en una forma adimensional como:

f ¼ 1þb0log10s s0þmi0 ð13Þ f0

 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23 23

donde f0¼a, b0 ¼b/a y e0 ¼e/a.Tabla 4resume los de vibración, en el análisis de regresión solo se utilizan los datos de los
resultados de la regresión. Los valores de s0 se toman de los diagramas de eventos de tifón, es decir, Goni y Koppu. La sexta columna de la tabla muestra
dispersión mediante inspección visual. Como el interés está en los altos niveles el estadístico R. Cuanto mayor sea el R2, mejor será el modelo de regresión.

0.156

0.154

0,152 0,15

0.148

0.174

0,172 0,17

0.168
24 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23

0.166

RMS modal (mgramo) RMS modal (mgramo)

0.31

0,305 0,3

0,295 0,29

0.285

RMS modal (mgramo) RMS modal (mgramo)

Fig. 11. Frecuencia natural y relación de amortiguamiento identificadas frente a RMS modal, Edificio A (J: Goni; : Koppu; x : MS2). (a) Modo 1, (b) Modo 2 y (c) Modo 3.

Se puede observar que los valores de R2 van del 60% al 90%, 5.2.2.relación de amortiguamiento
sugiriendo una tendencia razonablemente evidente. Esto también se refleja en Las gráficas de la columna derecha dehigos. 11 y 12sugieren el hecho de que la
desviación estándar de e0 es generalmente menor al 1%. una correlación positiva entre la relación de amortiguamiento y RMS,

0.19
 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23 25

0.185 0.18
0.175

RMS modal (mgramo) RMS modal (mgramo)

0,195 0,19

0,185 0,18

0.175

RMS modal (mgramo) RMS modal (mgramo)

0.44
26 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23

0.43

0.42

0,41 0,4

Fig. 12. Frecuencia natural identificada y relación de amortiguamiento frente a RMS modal, Edificio B. (a) Modo 1, (b) Modo 2 y (c) Modo 3.

aunque la dispersión es mucho mayor comparada con la de las frecuencias
naturales. La dispersión en estas figuras se puede atribuir a una precisión de
identificación limitada (es decir, con una cantidad finita de datos), un error de
modelado en el mecanismo de amortiguamiento (por ejemplo, no
necesariamente clásico), un error de modelado en la estacionariedad, un
mecanismo de dependencia de amplitud desconocido (o cualquiera). ), etc. La
amortiguación aerodinámica es otra posible causa ya que depende tanto de la
dirección como de la
magnitud de la velocidad del viento. Sin embargo, en el momento de escribir
este artículo, esto no se podía cuantificar debido a la falta de información, por
ejemplo, datos del túnel de viento. Además, incluso en presencia de
dependencia de la amplitud, no se está seguro de cuál es un buen indicador para
medir la amplitud de la vibración en el entorno estocástico. En el contexto
anterior, la siguiente discusión debe considerarse de manera exploratoria en
lugar de concluyente.
 S.-K. Au et al. / J. Ing. Eólica. Ind. Aerodin. 101 (2012)16–23 27

Tabla 4 Au, SK, 2012a. Identificación modal ambiental bayesiana rápida en el dominio de la frecuencia,
Resultados de regresión para frecuencia natural versus RMS modal. parte I: valor posterior más probable. Sistemas mecánicos y procesamiento de señales 26,
s0(metrogramo) F0 estándar 60–75.
Edificio Modo b0 R2 Au, SK, 2012b. Identificación modal ambiental bayesiana rápida en el dominio de la frecuencia,
demi0(%)
parte II: incertidumbre posterior. Sistemas mecánicos y procesamiento de señales 26, 76–90.
UN 1 30 0.154 0.017 0.792 0.44
Au, SK, Zhang, FL, 2011. Sobre la evaluación de la incertidumbre de la forma del modo posterior
2 30 0.172 0.011 0.648 0.38 en la identificación modal ambiental. Mecánica de ingeniería probabilística 26, 427–434.
Au, SK, Zhang, FL, Identificación modal ambiental de una estructura primaria-secundaria
mediante el método Fast Bayesian FFT. Sistemas Mecánicos y Procesamiento de Señales,
3 2 0.305 0.024 0.738 0,60
doi:10.1016/j.ymssp.2011.07.007. En prensa.
Bathe, KJ, 1982. Procedimientos de elementos finitos en análisis de ingeniería. Prentice-Hall,
B 1 10 0.184 0.027 0.748 0.75 Englewood Cliffs, Nueva Jersey.
2 10 0.188 0.033 0.922 0.50 Clough, RW, Penzien, J., 1993. Dinámica de estructuras, 2ª ed. McGraw-Hill, Nueva York.
Davenport, AG, Hill-Carroll, P., 1986. Amortiguamiento en edificios altos: su variabilidad y
tratamiento en el diseño. En: Actas de la Convención de Primavera de la ASCE, Seattle, EE.
3 1 0.431 0.043 0.946 0.44
UU., Building Motion in Wind, págs. 42–57.
Doebling, SW, Farrar, CR, Prime, MB, Shevitz, DW, 1996. Identificación de daños y monitoreo
Para el Edificio A (Figura 11), la dispersión es poco sistemática para de la salud de sistemas mecánicos estructurales a partir de cambios en sus características de
permitir ver una tendencia consistente. Para el Edificio B (Figura 12), se vibración: una revisión de la literatura. Informe del Laboratorio Nacional de Los Álamos,
LA-13070-MS, ESA-EA.
observa una tendencia creciente en los tres modos. La relación de
Fu, JY, Li, QS, Wu, JR, Xiao, YQ, Song, LL, 2008. Mediciones de campo de las características
amortiguamiento parece aumentar cuando el RMS ha excedido un cierto del viento en la capa límite y las respuestas inducidas por el viento de edificios muy altos.
umbral, digamos, 10 mg para los modos de traslación y 1 mg para el modo de Revista de ingeniería eólica y aerodinámica industrial 96, 1332–1358.
torsión. Sin embargo, se alcanza una meseta en un umbral RMS más alto. Esta Fukuwa, N., Nishizaka, R., Yagi, S., Tanaka, K., Tamura, Y., 1996. Medición de campo del
amortiguamiento y la frecuencia natural de un edificio real con estructura de acero en un
observación es físicamente plausible y ha sido sugerida durante décadas (Jeary,
amplio rango de amplitudes. Revista de ingeniería eólica y aerodinámica industrial 59, 325–
1997). Sin embargo, todavía es muy difícil dar una descripción cuantitativa de 347.
este fenómeno, por no hablar de un modelo de predicción que sea útil para fines Holmes, JD, 1996. Respuesta a lo largo del viento de las torres de celosía II. Amortiguación
de diseño. aerodinámica y deflexiones. Estructuras de ingeniería 18 (7), 483–488.
Hughes, TJR, 1987. El método de los elementos finitos: análisis de elementos finitos dinámicos
y estáticos lineales. Prentice-Hall, Englewood Cliffs, Nueva Jersey.
Ivanovic, SS, Trifunac, MD, Todorovska, MI, 2000. Pruebas de vibraciones ambientales de
6. Conclusiones
estructuras: una revisión ISET. Revista de tecnología sísmica 37, 165–197.
Jeary, AP, 1986. Amortiguamiento en edificios altos: un mecanismo y un predictor. Ingeniería
En este artículo se presenta la instrumentación y la identificación modal de sísmica y dinámica estructural 14, 733–750.
dos edificios altos durante tifones y vientos monzónicos. El rápido método de Jeary, AP, 1997. Amortiguamiento en estructuras. Ingeniería eólica y aerodinámica industrial 72,
345–355.
dominio de frecuencia bayesiano adoptado hace posible analizar la relación
Kareem, A., Gurley, K., 1996. Amortiguamiento en estructuras: su evaluación y tratamiento de la
entre los parámetros modales y el nivel de vibración, en consonancia con los incertidumbre. Ingeniería eólica y aerodinámica industrial 59, 131–157.
modelos de vibración aleatorios que a menudo se adoptan en el análisis y diseño Li, QS, Xiao, YQ, Wu, JR, Fu, JY, Li, ZN, 2008. Efectos de los tifones en edificios muy altos.
de ingeniería eólica. La incertidumbre posterior de los parámetros modales Revista de sonido y vibración 313, 581–602.
Lutes, LD, Sarkani, S., 2004. Vibraciones aleatorias: análisis de sistemas estructurales y
juega un papel importante, ya que ayuda a delinear las tendencias sistemáticas
mecánicos. Elsevier, Nueva York.
de la inexactitud de identificación debido a la longitud limitada de los datos. Marukawa, H., Kato, N., Fujii, K., Tamura, Y., 1996. Evaluación experimental del
El seguimiento de las propiedades modales durante la duración de los amortiguamiento aerodinámico de edificios altos. Revista de ingeniería eólica y
tifones indicó una correlación negativa significativa entre las frecuencias aerodinámica industrial 59, 177–190.
Ni, YQ, Li, B., Lam, KH, Zhu, D., Wang, Y., Lynch, JP, Law, KH, 2011a. Monitoreo de
naturales y el nivel de vibración. La tendencia es repetible entre eventos y
vibraciones en construcción de una estructura súper alta utilizando un sistema de detección
edificios, aunque solo en un sentido estadístico. Se han construido modelos de inalámbrico de largo alcance. Estructuras y sistemas inteligentes 7, 83–102.
regresión para las frecuencias naturales, que son de calidad razonable según lo Ni, YQ, Wong, KY, Xia, Y., 2011b. Controles de salud a través de puentes emblemáticos hasta
refleja su estadística R. Por el contrario, la dispersión en los coeficientes de estructuras altísimas. Avances en ingeniería estructural 14, 103–119.
Peeters, B., De Roeck, G., 2001. Identificación del sistema estocástico para el análisis modal
amortiguamiento es bastante significativa, lo que hace que el modelo de
operativo: una revisión. Revista de sistemas dinámicos, medición y control 123, 659–667.
correlación sea irrelevante o dificulte su construcción. A medida que se Satake, N., Suda, K., Arakawa, T., Sasaki, A., Tamura, A., 2003. Evaluación de la amortiguación
observen más eventos en el futuro, las tendencias potenciales y su repetibilidad utilizando datos a gran escala de edificios en Japón. Revista de Ingeniería Estructural 129,
se pueden investigar más a fondo. El trabajo futuro puede considerar la 470–477.
Tamura, Y., Suganuma, SY, 1996. Evaluación del amortiguamiento dependiente de la amplitud y
instalación de anemómetros en los edificios para proporcionar información más
la frecuencia natural de los edificios durante vientos fuertes. Revista de ingeniería eólica y
detallada del viento local para comprender sus efectos en la respuesta. Datos aerodinámica industrial 59, 115–130.
del túnel de viento de los edificios,Holmes, 1996;Marukawa et al., 1996) e Tamura, Y., Shimada, K., Hibi, K., 1993. Respuesta del viento de una baja (observación de tifón
investigar su papel en la tendencia sistemática y la dispersión de las propiedades en Nagasaki Huis Ten Bosch Domtoren). Revista de ingeniería eólica y aerodinámica
industrial 50, 309–318.
modales observadas.
Tamura, Y., Yamada, M., Yokota, H., 1994. Estimación del amortiguamiento estructural de
edificios. En: Congreso Estructural de la ASCE y Simposio Internacional de la IASS Atlanta,
EE. UU., 2, págs. 1012–1017.
Reconocimiento Yuen, KV, Katafygiotis, LS, 2003. Método de transformada rápida de Fourier bayesiano para la
actualización modal utilizando datos ambientales. Avances en Ingeniería Estructural 6, 81–
Los datos de los edificios altos se obtuvieron a través de un proyecto de 95.

investigación en colaboración (URN 05/81d) con Ove Arup & Partners Hong
Kong Ltd., cuyo apoyo se agradece. Los autores agradecen a los revisores
anónimos por sus comentarios constructivos.
Referencias

Au, SK, 2011. Método Fast Bayesian FFT para la identificación modal ambiental con modos
separados. Revista de Ingeniería Mecánica (ASCE) 137, 214–226.