基于移动TMD加速度响应的桥梁损伤检测新方法研究

将TMD安装在一个可移动的装置上,利用TMD上的无线传感器记录其通过桥梁时的加速度时程曲线。通过对TMD加速度响应的分析对桥梁的损伤位置和损伤程度进行识别。对简支梁桥和移动TMD耦合系统建立有限元模型,对该识别方法进行数值模拟和参数分析,验证该方法识别桥梁单处损伤和多处损伤的可行性,结果与预期目标吻合。对不同路面粗糙度,TMD不同移动速度,移动TMD与桥梁的质量比和刚度指标比进行参数分析,为采用该方法对桥梁进行快速损伤检测的参数选取提供理论依据。     

基于曲率模态振型进行梁式桥损伤识别研究

以刚架桥为具体研究对象,根据曲率模态振型,对刚架桥的损伤识别进行数值仿真研究。利用刚架桥损伤前后的曲率模态振型变化对刚架桥的损伤进行定位识别,探讨曲率模态振型用于刚架桥在不同损伤情况,以及不同损伤程度下的损伤识别诊断能力。数值仿真结果表明,曲率模态振型是梁式桥结构损伤识别的敏感标示量,可以对刚架桥的损伤进行识别。     

混凝土曲线梁桥损伤识别干扰性分析研究

目前桥梁损伤识别主要采用曲率模态分析、振型曲率变化指标、结构固有频率变化、能量变化等方法理论,其中曲率模态分析法应用广泛,识别效果好。但是对桥梁结构同时存在多处不同程度损伤的识别效果并不理想;非结构损伤因素导致结构刚度变化对其识别结果的干扰性亦值得探讨。本文在基于曲率模态绝对差值理论的基础上,分析多处损伤识别的相互干扰性和非结构损伤因素导致结构刚度变化的干扰性,对该方法进一步优化完善。以云南大保高速某特大桥为依托工程,建立空间有限元模型,对该桥的损伤进行模拟分析。研究表明按模态振型幅值大小来优化损伤识别区段可以有效排除其干扰性,提高识别结果的准确性和可靠性。     

基于BP神经网络的中等跨径桥梁损伤识别探讨

针对中等跨径桥梁中的损伤识别不敏感问题,运用BP神经网络进行中等跨径桥梁结构损伤识别。利用MIDAS/Civil分别建立三跨连续变截面箱梁完好及不同损伤状态下有限元模型,分析桥梁不同状态下的特征值,发现中等跨径桥梁对结构损伤的敏感性依次为振型竖向位移固有频率;将参数化的结构固有频率及振型作为BP神经网络的输入、损伤位置和损伤程度作为输出进行神经网络训练,对各工况下损伤位置和损伤程度进行识别,发现识别效果较差,通过获取中等跨径桥梁的自身特性,利用BP神经网络难以识别结构损伤,需探索合适的损伤识别参数及适用于中等跨径桥梁的方法。     

基于柔度矩阵曲率差法识别结构损伤

提出利用柔度矩阵曲率差法研究结构的损伤识别,利用结构损伤前后的柔度矩阵分别求得各列的平均值,然后进行差分,并以其作为损伤识别的指标;以有限元分析含损伤结构的模态参数为基础,分别建立简支梁含有一处损伤、多处损伤、连续梁各跨和支座处含有一处损伤的ANSYS有限元模型,分析该方法识别结构损伤的效果。数值分析表明该方法仅需低阶模态参数即可准确简便地识别结构单处或多处损伤的位置;通过与已有的MF、MFC、RFD等损伤指标的数值模拟分析对比,显示了该指标的优越性。     

基于神经网络技术的斜拉桥损伤分步识别方法

结合神经网络技术进行了斜拉桥损伤分步识别的系统性研究,提出了具体的斜拉桥损伤分步识别过程,给出了每一识别步骤中适当的损伤识别参数.可实现斜拉桥主要构件即拉索和主梁中损伤的有效识别.采用概率神经网络确定损伤构件的类型,采用径向基函数(RBF)网络实现损伤的定位定量分析.针对润扬大桥斜拉桥的损伤模拟分析表明:将测试数据进行平均计算可以大大降低噪声对于概率神经网络识别结果的影响;噪声水平对2个径向基函数网络的损伤位置和损伤程度的识别能力方面的影响较小.采用不同的神经网络分阶段实现大跨斜拉桥的损伤识别,不仅提高了损伤识别的效率和准确性,而且增强了损伤识别方法在实际结构中应用的可行性.     

基于车激响应的桥梁支座脱空病害识别方法研究

为快速、准确地评估铁路简支梁桥的支座健康状态,分析各影响因素对识别结果的影响,以刚体动力学和结构有限元法为基础建立了车桥耦合动力分析模型,提出了一种以频谱相似性指标构建目标函数、以模型修正方法为主要技术手段的桥梁支座脱空病害识别方法,并在此基础上以某高速铁路32m简支梁桥为工程背景,采用数值模拟和现场试验的方式对所提方法进行了验证。结果表明:该方法可实现支座脱空病害的定位和定量识别,且计算效率和精度均较高,虚假损伤很小;列车行车速度、轨道不平顺谱及列车编组等因素对支座脱空病害识别结果影响较小;现场试验的加速度频谱分析实测值与理论值在低频段吻合良好,各支座识别结果均大于支座刚度限值,支座未发生脱空病害,与支座实际状态一致。     

基于动力特性识别的桥墩冲刷状态分析

为提高桥墩冲刷深度监测的经济性与便利性,提出一种基于动力特征识别的桥墩冲刷状态分析理论。该理论首先基于结构自振频率与振型,对其合理筛选后转换得到能反映桥梁状态的结构柔度矩阵,基于该结构柔度矩阵得到反映关注方向结构刚度的"计算结构位移差",将其作为桥墩冲刷识别参数。进而利用参数分析得到该冲刷识别参数与不同桥墩冲刷深度之间的理论定量关联,同时利用桥梁检测时获得的结构实际动力特性和实际取值,以及预先得到的"计算结构位移差"与冲刷深度之间的关系进行反演计算,得到了桥墩冲刷此时的反演深度。最后以简支梁桥为示例,基于American Petroleum Institute(API)规范所推荐的计算公式建立多方向的桩土弹簧模型,利用逐步移除相应弹簧单元模拟桥墩冲刷行为,演示了所提出的基于动力特性识别的桥墩冲刷状态分析理论的具体应用方法与步骤,并给出该方法的应用前提。研究结果表明:反演得到的桥墩冲刷深度具备一定的准确性,而多桥墩之间的耦合性可利用拟合公式进行修正;该方法可借助常规桥检项目对桥墩冲刷状态进行定性及定量分析,具备计算逻辑严密准确、监测设备便利经济的优点,在动力特征准确识别的基础上,可准确预测桥墩冲刷深度。     

基于固有频率和模态振型差值曲率的结构损伤识别研究

摘要本文采用单元划分的原则,建立了悬臂梁结构的ANSYS有限元模型。对此悬臂梁有限元模型损伤前后的基本模态参数——固有频率进行对比分析,并利用对结构损伤识别更敏感、有效的模态参数——模态振型差值曲率进行结构损伤单元的识别研究。研究表明：结构损伤后固有频率明显降低,且随着损伤程度的增大固有频率衰减加剧,固有频率的衰减在一定程度上反映了结构的损伤性状;模态振型差值曲率对于结构的损伤位置和损伤程度具有优异的鉴别性,它的研究对于工程实践和科学研究都具有深远意义。     

基于新奇检测技术的桥梁结构损伤预警方法

结构损伤预警是实现损伤检测策略的第一步,是进一步进行结构健康诊断的基础。大量的研究证明新奇检测技术可以较好地应用于结构的损伤预警。探讨了应用前馈BP网络(Feed-forward back-propagation network)实现新奇检测技术的方法。以结构的自振频率为作为网络的基本输入,对斜拉桥结构进行了损伤预警模拟研究。该方法的优点是不依赖于数值模型。对神经网络的训练仅需要健康结构的若干实测频率。模拟研究表明,该方法具有较高的实用价值。导致频率2.5%以上变化的损伤情况,均可给予预警。模拟了14种损伤情况,每种损伤考虑2种损伤程度。通过多指标策略,预警同时还在一定意义上指示损伤程度。     

融合加速度与计算机视觉实测车致响应的梁桥损伤识别方法

基于结构振型相关参数的损伤识别方法对振型的空间分辨率具有较高要求。为了改进计算机视觉技术在桥梁结构全场振型提取和损伤识别方面的不足,同时充分利用SHM系统各类传感器采集的丰富数据,提出了一种基于计算机视觉和有限数量加速度传感器实测桥梁在移动荷载作用下响应的损伤识别方法。首先,通过理论推导研究了损伤前后任意边界条件单跨梁在移动集中力作用下的位移响应,并从理论角度分析了局部刚度损伤引发的结构位移响应和振型改变。在此基础上,提出了一种通过测量少量测点的计算机视觉位移和加速度响应,提取可表征结构真实状态的多阶高空间分辨率振型的方法,所得振型的空间分辨率取决于移动荷载速度和位移采样频率。根据所提取振型的特点,提出了一种多阶全场模态曲率面积差加权融合的结构损伤识别参数,该参数可以直接利用损伤前后该单元前后节点的模态转角求得。为了验证所提出的方法,开展了实验室简支梁模型在不同速度和大小的移动荷载作用下的多工况损伤识别试验。试验结果表明,所提出的方法可以通过计算机视觉和有限数量的加速度传感器实现模型梁全场振型提取,且该振型与测点加速度模态分析得出的结果相符,空间分辨率可达模型梁跨径的1/6 000～1...     

基于小波分析的桥梁振动损伤识别方法

桥梁动力特性参数(固有频率、振型和阻尼等)是反映桥梁整体安全状态的重要参数之一。桥梁损伤会引起结构动力特性改变,故对桥梁振动损伤进行识别便可以实现对桥梁的状态评估。建立仿真模型对桥梁振动损伤进行模拟,并运用小波分析方法对算例桥梁振动损伤数据进行分析,以有效实现对结构损伤状态的识别与评估。     

基于结构模态损伤识别问题的研究

损伤识别是结构健康监测的关键技术,基于频率和振型等结构模态信息是结构在线损伤识别的主要手段。通过数值计算,分析研究了基于频率和振型的损伤识别过程中的若干问题,指出基于频率和振型的损伤识别在理论上的可行性,但在考虑误差的情况下,仅基于频率的损伤识别是不可靠的,基于振型的损伤识别也受到了很大限制,这与许多学者的结论是一致的,同时也从另一个角度说明基于结构模态信息的损伤识别亟待有效的传感器优化布置办法,从经验上对传感器布置进行初步优化,并用算例检验其可行性。     

基于结构模态的损伤识别研究

损伤识别是结构健康监测的关键技术,基于频率和振型等结构模态信息是结构在线损伤识别的主要手段。通过数值计算,分析研究了基于频率和振型的损伤识别过程中的若干问题,指出基于频率和振型的损伤识别在理论上的可行性,但在考虑误差的情况下,基于频率的损伤识别是不可靠的,基于振型的损伤识别也受到了很大限制。这与许多学者的结论是一致的,同时也从另一个角度说明基于结构模态信息的损伤识别亟待有效的传感器优化布置办法。文章从经验上对传感器布置进行初步优化,并用算例检验其可行性。     

曲率模态和神经网络在损伤识别中的应用

以连续梁为例，通过曲率模态及改进后的模态置信准则联合确定损伤位置，并使用神经网络判定各损伤处的损伤程度。数值模拟考虑了梁不同位置及不同程度损伤情况，研究了运用曲率模态和模态置信准则进行损伤和损伤位置的识别，分析了各自方法的优缺点，通过两种方法的联合运用，使损伤位置识别准确、合理，并且说明了1阶曲率模态的局部参数是损伤程度识别较优的网络输入量，最后运用神经网络识别损伤程度。     

中承式拱桥的吊杆损伤识别

针对中承式拱桥吊杆容易受损破坏的特点,通过数值模拟研究了中承式拱桥吊杆损伤位置和损伤程度的识别问题。提出了综合运用结构自振频率和曲率模态的吊杆损伤定位识别与损伤程度识别的实用方法。     

连续梁结构损伤识别的小波神经网络方法研究

以含损伤的连续梁结构为研究对象,研究了识别结构损伤位置和损伤程度的小波神经网络方法。通过有限元分析和Lanczos法计算得到损伤结构的曲率模态参数,再利用曲率和应变的关系得到应变模态参数。根据连续小波变换理论并用Matlab小波工具箱,得到小波系数模极大值并判断出结构损伤的位置。以此为基础,将小波系数模极大值作为BP神经网络输入参数构造神经网络,通过损伤程度与小波系数模极大值之间的非线性关系,由神经网络的输出参数确定结构的损伤程度。建立了一种既能识别结构损伤位置又能确定损伤程度的小波神经网络方法。通过对一含裂缝的三跨连续梁的损伤识别计算分析,验证了该方法的有效性。     

后张预应力混凝土桥的安全评估

根据实测振型进行损伤识别是结构安全监测中的一个重要方面.已经发现,根据振型应变能分布变化的损伤指数法对某些工况很有效.提出一种基于应变能和动能的新损伤指数法,并将其与以前的损伤指数法进行了比较.其目的就是根据有限元模拟,论证用损伤指数法进行桥梁探伤和估计破坏程度的可行性.最后,根据一大跨混凝土桥的振型监测结果,用这种方法估计实际结构的破坏位置.     

大跨斜拉桥的拉索损伤识别

针对润扬长江大桥北汊斜拉桥的修正模型,通过数值模拟研究了斜拉桥拉索损伤位置的识别问题。提出了综合运用斜拉桥竖弯振型频率变化、主梁模态曲率变化以及拉索索力变化进行拉索损伤位置识别的实用方法。     

基于车致桥梁响应和L1正则化的损伤识别研究

桥梁损伤识别是典型的反问题,通常需采用正则化手段求解。基于L₁正则化的损伤识别方法能很好地利用损伤所具有的稀疏性,在桥梁监测领域得到了广泛的应用。此类方法通常利用频率和振型的变化作为判断损伤的依据,然而实际测试中可获得的频率阶数有限、振型测试精度低,严重影响其效果。采用移动荷载激励下的桥梁动力响应,提出一种基于有限元模型修正技术和L₁正则化的损伤识别方法。首先,采用数值算例系统比较局部损伤导致的桥梁频率变化与车致桥梁动力位移-时间曲线面积变化情况,结果表明相比于频率变化,车致桥梁动力位移-时间曲线面积的变化更适合用于损伤识别。其次,提出基于有限元模型修正技术和L₁正则化的桥梁损伤识别方法。将桥梁有限元模型中的单元刚度折减因子作为待修正参数,以模型计算和实测车致桥梁动力位移-时间曲线面积的差值最小为目标函数,并引入L₁正则化优化求解,识别桥梁损伤。然后,采用包含单损伤和双损伤工况的简支梁和连续梁数值算例,验证所提方法的有效性,并分析测试噪音、移动荷载速度不均匀和桥梁刚度分布不均匀对识别结果的影响。最后,制作移动车辆和简支梁桥的试验模型,进行移动荷载试验。研究结果表明：提出的损伤识别方法能够较准确地识别桥梁单损伤的位置和程度,但随着损伤数目的增多,其有效性有所下降。