基于挠度及索力监测的斜拉索损伤敏感性分析

由于斜拉索的锈蚀断丝等损伤必然导致索力及结构内力状态的改变,主梁的挠度也将随之发生变化,本文以一座独塔斜拉桥为例,从主梁挠度及索力的监测方法出发,以拉索损伤的敏感性分析为手段,探讨基于主梁挠度及索力监测的斜拉索损伤识别的方法及其适用性.     

基于监测响应的斜拉桥车重车速识别

针对超载超速车辆的长期非正常运营引起桥梁损伤破坏现象,考虑桥面不平度的影响,通过车桥耦合计算,应用神经网络方法对通过斜拉桥的重车荷载识别进行了初步探讨。首先基于相似公路上实测车流统计模型拟定车流荷载,通过车桥耦合响应分析,运用数值模拟数据建立网络的训练和精度检验样本,并加入5%的随机噪声,通过检验组(车重和车速)数据识别结果的误差分布来评价网络训练精度,车重与车速输出误差在5%以内,表明网络训练精度较高。然后,依据斜拉桥健康监测系统,采用斜拉桥实际运营状态下的监测响应(索力和应变)提取车辆荷载作用特征参数并组成网络的输入向量,运用满足精度要求的神经网络来识别车重和车速结果较好。其中,车速分布近似均值65 km/h的正态分布,车重大多分布在10～70 t的范围内,10 t以下小型车辆识别误差较高。车速车重总体呈现负相关,分布具有一定离散性,以上特征与实际情况基本吻合。表明将BP神经网络法与斜拉桥监测系统相结合的方式进行重车车速车重识别是可行的。     

基于模态分析理论和神经网络的斜拉桥拉索损伤识别研究

将振动模态分析和神经网络技术结合起来,以振动模态构造的损伤标识量作为神经网络识别输入的特征参数,进行结构健康监测。根据云阳长江公路大桥设计资料,考虑桥梁拉索结构的单构件损伤、2个构件损伤、3个构件损伤3类损伤工况,分别采用了模态频率、位移振型模态、曲率模态3种指标作为神经网络的输入参数,共建立9个BP神经网络模型进行了桥梁损伤识别的研究。研究结果表明基于振动模态分析理论和BP神经网络的桥梁损伤识别方法可用于识别斜拉桥拉索结构的损伤位置和损伤程度。     

基于小波包和频响函数随机——模糊统计的斜拉桥损伤识别

针对单一方法损伤识别的缺点,提出了基于频响函数和小波包能量谱的斜拉桥损伤识别指标,结构损伤前后的频响函数作为信号,进行小波包能量谱分析.由于试验中的频响函数存在一定的随机模糊性,对完好状态下的10次频响函数值进行了随机模糊均值处理,得到的频响函数作为基准.独塔斜拉桥模型实验表明,斜拉桥的一处和两处的损伤都可以识别,损伤...     

大跨度预应力混凝土斜拉桥基于定期检测的损伤识别方法

为了在定期检测信息的基础上实现大跨度预应力混凝土斜拉桥的健康状态评估,提出采用无线多点自动综合测试系统监测结构应力,利用环境随机振动法测试全桥索力,并结合桥梁几何测试信息,获得桥梁状态的综合检测方法。针对招宝山大桥,建立最优化遗传静力反分析模型,采用基于遗传算法的大型复杂结构损伤识别程序对模拟的损伤工况进行分析,有效识别出了斜拉桥主梁的损伤位置。并且由于遗传优化算法对参数的类型和数量没有限制,对斜拉桥进行包含不同损伤类型的参数化建模,可以进行结构多类型损伤的识别,因此,可推广至其他复杂桥梁的损伤识别,为同类工程所借鉴。     

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.     

基于小波分析的PC连续刚构桥损伤识别研究

为了深入对PC连续刚构桥的损伤识别进行研究,以小波变换为工具,结构曲率模态为信号,利用结构损伤前后的曲率模态小波系数差作为损伤识别指标,对一四跨PC连续刚构桥进行了损伤识别,研究并探讨了损伤识别指标在连续刚构桥单损伤、多损伤工况下的适用性。在单损伤工况下,损伤识别指标具有良好的敏感性和适用性,能够准确的定位损伤,并能根据损伤程度和损伤指标信息建立回归方程,对损伤程度进行估计;在多损伤工况下,随着损伤程度的增加,由于各部位特性受损伤的影响程度不同,采用整体识别时出现的伪信息,对结构损伤识别造成影响,因此提出对PC连续刚构桥进行基于损伤识别指标的分段识别方法,能有效的避免损伤识别中的误判和漏判现象。     

一种确定既有斜拉桥内力初始状态的方法研究

对运营多年的斜拉桥进行索力调整,也就是内力优化调整,与优化一个处于设计阶段或正在施工过程中的斜拉桥内力优化不同,主要体现在前者施工工序的不确定和材料结构参数的退化。把施工工序的不确定和结构参数的变化以及外荷载的改变引起的相应桥梁结构的位移归于索力的变化,基于静力测试数据的基础上,验证了索力的变化和位移的变化之间存在着对应关系,提出了依据"索力-位移"对应关系的参数识别方法以确定既有斜拉桥的内力初始状态。该法应用于运营多年的G325九江大桥斜拉桥调索换索加固工程中,确定了桥梁的内力初始状态,指导了该桥调索加固工程,检验了实测参数误差对参数识别结果的影响程度。     

随机车辆荷载作用下大跨径斜拉桥拉索损伤诊断方法

针对分布式布里渊光纤感测技术在斜拉桥结构损伤诊断中的应用问题，提出了随机车辆荷载作用下大跨径斜拉桥拉索损伤诊断方法。首先，以南京长江三桥为工程背景，基于蒙特卡洛方法、车辆荷载模型及泊松过程理论建立了斜拉桥索力及主梁应变的概率模型。其次，通过主梁应变数据在斜拉桥拉索损伤前后分布规律的变化，提出了基于应变样本空间马氏距离的斜拉桥拉索损伤诊断方法。最后，采用ANSYS有限元模拟随机过程，对所提方法进行验证。研究表明：在随机车辆荷载作用下，主梁应变数据服从正态分布；斜拉索发生损伤后，主梁应变数据的分布规律会发生变化；所提方法能够有效判别斜拉桥拉索损伤，可为分布式布里渊光纤感测技术在大跨径桥梁结构健康监测中的应用提供理论方法支持。     

独塔不对称斜拉桥拉索索力施工监控研究

斜拉桥拉索索力对结构受力及成桥线形有较大影响,施工中必须对索力进行精确监测.文中以一独塔双索面斜拉桥施工监控为背景,先对设计成桥索力进行优化复核,确定施工节段索力分批张拉值,然后通过锚下张拉力识别索力测试公式中的相关参数,得到用于实桥索力测试的修正公式,提高索力测试结果的精度.     

异型独塔斜拉桥施工控制与监测分析

以某异型独塔斜拉桥工程为背景,结合理论预测,以及现场实时监测与反馈分析,重点探讨了独塔斜拉桥施工健康的关键技术。结果表明:斜拉索索力、桥面线形及结构内力控制较好,成桥后斜拉索实测索力与理论索力相对差在±5.0%以内,实测线形与理论结果相对差在±3.0 cm以内,主梁及塔身实测应力与理论预测结果一致。     

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。     

基于多层感知深度学习的大跨度斜拉桥索力调整

为提高大跨度斜拉桥施工过程中索力调整的速度及准确性,基于多层感知深度学习,构建了索力调整的深度网络架构。将索力调整实质定义为:在斜拉索无应力长度允许调整的范围内,拟合目标响应与索力调整量之间的映射关系,转化为机器学习和统计学中的回归问题。结合深度学习的二阶梯度下降和深度网络正则化策略,采用多层感知器索力调整的4层深度神经网络,以某混合梁斜拉桥为工程背景,验算数学和结构响应两方面下索力调整量的预测误差,及调索后的结合梁线形及索力误差。结果表明:预测误差均在工程允许范围内,成桥阶段调索后的结合梁线形误差在40mm以内,索力误差均在5%以内;索力调整的多层感知深度网络能快速、精确地预测索力调整量,可用于大跨度斜拉桥的索力调整。     

无应力长度正装迭代法在无背索斜拉桥工程中应用

在斜拉桥施工过程中,每次张拉的斜拉索都会对其他斜拉索产生复杂的影响,通常采用倒拆法、倒拆-正装法及无应力状态法均存在不同程度的不闭合问题,不容易求解到合理的施工过程索力。为研究确定无背索斜拉桥施工时合理施工状态的方法,以一座主跨180 m无背索斜塔单索面钢混组合斜拉桥为例,采用Midas Civil基于无应力长度结合正装迭代思路建立成桥阶段和施工阶段有限元分析模型。首先根据初始索力求解出无背索斜拉桥初始无应力长度,然后依据最小二乘原理通过多次正装迭代分析,使斜拉桥施工最终状态和成桥目标状态差异达到允许范围内,求解得斜拉桥合理施工状态的索力值。通过实例证明,基于无应力长度正装迭代法可以较好地解决无背索斜拉桥施工正装分析的不闭合问题,完成索力优化,满足工程精度要求。对无背索斜拉桥合理成桥状态索力及合理施工过程索力优化提供了一定参考,具有一定的推广价值。     

斜拉桥混凝土索塔的疲劳损伤

车辆荷载作用、风力、温差等因素会造成索力的变化。这些反复的、有周期的作用将会使混凝土斜拉桥的索塔出现疲劳损伤，导致承载能力下降、使用寿命减少。通过长期观测，统计出索力的周期变化索力影响，算出索塔混凝土的疲劳荷载强度，分析索塔的疲劳损伤演化，估算疲劳寿命。     

梁桥损伤识别的神经网络设计

神经网络已经越来越地到基于振动的结构损伤识别中。论文讨论了梁桥损伤识别的ＲＢＦ神经网络。扩大了输入向量和损伤分段的选择，取得了很好的识别效果。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

大跨多塔斜拉桥火灾后PC主梁损伤程度评估方法研究

某四塔双索面预应力混凝土斜拉桥在合拢前,6#索塔左幅锚固区内发生火灾,事故导致结构出现严重损伤,经紧急抢险和索力恢复后,结构损伤得到一定缓解,为科学指导结构合拢以及后续加固设计提供依据,需对主梁的损伤程度进行准确评估。提出了以实测数据为依据,联合实体及杆系有限元模型对PC主梁的损伤程度进行评估的方法。与实测结果对比表明,本文提出的评估方法准确有效,可为同类结构的损伤识别提供重要参考。     

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。     

基于测点位移差的中、下承式拱桥吊杆损伤识别

根据摄动有限元法原理,提出了基于测点间位移差的变化进行吊杆损伤识别的方法。进行吊杆损伤识别时,先测试吊杆节点间的高程差,并减去损伤前相同2个节点竖向位移差,得到吊杆损伤后2个节点竖向位移差的变化;再通过节点竖向位移差的变化构成吊杆损伤识别方程;当损伤识别初定方程和确定方程识别结果基本一致时,即判定吊杆发生损伤,并取2个方程所得吊杆损伤程度均值作为损伤程度;最后,以京珠高速郑州黄河二桥主桥为例验证了该方法。结果表明：采用该方法进行吊杆损伤识别,识别结果精度较高,即使对于小程度损伤也可识别,且测量误差对识别结果影响较小。