桥梁健康监测数据的质量评估方法研究

桥梁健康监测数据的挖掘和分析工作只有在整体数据质量符合基本要求的有效数据基础上进行,才能保障如模态参数识别、损伤识别和状态评估等后续工作的准确性。因此,基于量化改进的探索性分析方法(Exploratory Data Analysis,EDA)和相关性分析从数据完整性、准确性和一致性的角度建立了桥梁健康监测静、动态数据的质量评估方法。对某大跨度斜拉桥健康监测系统的静、动态数据进行质量评估,通过对比分析了不同评估质量的温度数据、静挠度数据和不同评估质量的主梁竖向加速度动力信号的模态参数识别的稳定图,验证了所提方法的正确性。结果表明,所提评估方法能够快速有效地判断数据质量的好坏,进而确保桥梁结构的服役性能评估和预测的准确性,有利于提高健康监测数据的可用性和效能。

大跨度铁路桥附属构件对不同宽高比矩形断面涡振性能的影响

在已建成的大跨度鳊鱼洲长江大桥原设计宽高比为6.7∶1的四线铁路桥矩形箱型主梁断面的基础上,通过调整断面宽高比,设计宽高比为4∶1的二线铁路和宽高比为9∶1的六线铁路桥矩形箱梁断面。通过节段模型风洞试验,在0°,±3°和±5°风攻角的均匀来流下,对以上3种常用二线、四线和六线铁路桥矩形箱梁断面与对应相同宽高比纯矩形断面之间的涡振特性关系,以及铁路桥附属构件对不同宽高比矩形断面涡振性能的影响进行研究。结果表明:在宽高比分别为4∶1和6.7∶1的矩形断面上布置铁路桥附属构件能增大断面在负风攻角下的涡振振幅,在-5°风攻角下竖向涡振振幅增大率高达277.5%,但对正风攻角下的涡振响应起到一定的抑制作用,而在宽高比为9∶1的矩形断面布置六线铁路桥附属构件则能明显增大该断面在各风攻角下的涡振振幅,其扭转涡振振幅增大率均在48.3%以上;铁路桥附属构件对矩形断面涡振性能的降低作用随着断面宽高比的增大而提升,针对气动外形较钝的二线和四线铁路桥箱梁,可参考相似宽高比矩形断面涡振特性,并重点考察箱梁在负风攻角下的涡振响应,而针对宽高比较大的六线铁路桥箱梁,由于附属构件影响较大,参考相似宽高比矩形断面涡振特性的意义较小,均应详细研究其在各风攻角下的涡振性能。

基于损伤因子的T形梁桥横向连接构件损伤识别

近年来,装配式T形梁桥在我国广泛应用,对桥梁易损位置横向连接构件损伤识别成为关注的热点问题.将T形梁桥的横隔梁简化成等刚度桥面板,采用弹簧体系模拟横向连接构件的受力变形,考虑横向连接构件剪力、横向力和翼缘板变形的影响,提出装配式T形梁桥横向连接构件损伤因子的理论计算式.将MATLAB理论计算、ANSYS数值模拟和实验的结果进行对比,验证损伤因子的有效性,并通过7种模拟工况和3种实际工况的对比,发现荷载作用位置越接近损伤横向连接构件,损伤识别的精确度越高.

基于时间序列压缩分割的监测数据异常识别算法研究

为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时间序列通过基于序列重要点(Series Importance Point, SIP)的时间序列线性分段(Piecewise Linear Represent, PLR)算法(PLR_SIP)得到数条时间子序列;然后采用欧氏距离进行时间子序列的相似性分析,并基于改进的局部离群因子(Local Outlier Factor, LOF)算法计算每条时间子序列的局部离群因子;最后将其与设定的阈值相比较,从而识别出监测数据的异常。为验证该算法的准确性与工程实用性,对某公路大跨度斜拉桥健康监测数据进行异常识别。结果表明:采用PLR_SIP算法对原始时间序列压缩分割得到的时间子序列能够准确地反映原序列的变化趋势和范围;改进的LOF算法突破了传统LOF算法仅能识别离群值这类无持续时间异常的局限性,能够排除噪声的干扰,实现对离群、缺失和漂移3种异常的识别。该算法无需定义训练集,直接以原始监测数据作为算法的输入,同时能够自适应调整阈值参数,具有良好的可扩展性、实时性、准确性和高效性,适用于处理实时、大量的桥梁健康监测数据。

基于EDA统计图量化的桥梁动态监测数据质量评估

探索性数据分析统计图在桥梁健康监测动态数据质量评估中已有广泛应用。为了减少人工观察统计图的主观性,通过近似度量方法实现统计图的量化分析,得到多个指标对监测数据进行快速质量评估。在运营环境激励作用下,桥梁结构动力响应具有短时线性平稳性,近似服从正态分布。以某大跨斜拉桥振动数据为研究对象,首先,绘制样本数据直方图和Q-Q图,通过观察数据分布特征预先判断数据质量,确定优、良和差3个等级。然后,分别通过KL散度和余弦相似度2种近似度量方法对样本数据直方图和Q-Q图进行量化,得到数据服从正态分布程度的指标;通过箱线图检测样本数据全局异常点,得到正常数据占比;统计分析得到量化值和先验质量等级的对应关系,确定以直方图KL散度和余弦相似度为主、以箱线图正常数据占比为辅的数据质量评估标准。最后,取部分数据为验证集,进一步验证所提方法各个指标的合理性,并给出该方法在实际工程上的应用结果。

钢桥疲劳裂纹扩展行为研究及可靠度更新分析

疲劳断裂失效一直是导致钢结构桥梁发生破坏的重要原因之一。为了更好地利用断裂力学对此失效行为进行研究,开展桥梁钢板件标准疲劳裂纹扩展试验。利用金属磁记忆无损检测技术监测疲劳裂纹扩展行为,分析疲劳裂纹扩展过程中磁信号的变化情况。从理论及试验两方面探讨疲劳裂纹扩展长度磁信号量化方法,确定磁特征参数与裂纹扩展长度之间定量关系式。随后将所提关系应用于疲劳裂纹扩展剩余寿命预测确定性研究,并通过试验结果对其进行验证。最后考虑疲劳裂纹扩展的随机性及损伤信息更新的必要性,进一步开展疲劳可靠度评估研究。研究结果表明:磁信号梯度最大值可以较好地对裂纹扩展长度进行量化表征,剩余寿命预测结果与试验结果误差均在20%以内,基于磁信号的可靠性评估方法可以配合我们更好地制定桥梁维修及养护策略。

基于改进NSGA-Ⅱ算法的船舶舾装作业计划优化研究

针对船舶舾装作业计划编制效率低、计划编制结果不符合作业预期要求等问题,建立多执行模式资源限制条件下的工期、成本和资源多目标优化模型.提出改进的非支配排序遗传算法(NSGA-Ⅱ),采用随机交叉算子、贪婪变异算子和自适应进化概率提升种群进化效率,同时融合模拟退火算法,增强算法的局部搜索能力,利用改进算法对实例进行仿真计算.结果表明:该方法可对船舶舾装作业计划进行多目标优化控制,实现舾装作业计划智能优化编制.通过算法对比分析,验证了改进NSGA-Ⅱ算法的可行性和有效性.

基于声发射信号时频图深度学习的桥梁钢桁架焊接节点损伤程度识别

针对桥梁钢桁架疲劳损伤识别难度大、精度低的现状,提出基于声发射信号时频分析与深度学习的钢桁架焊接节点损伤程度识别方法。对桁架节点在桥梁运营状态下产生的声发射信号进行小波变换,表征不同损伤程度信号的时频能量分布模式,然后建立卷积神经网络(convolutional neural network,CNN)模型对时频图进行损伤特征提取,并通过迁移学习思想提升模型的训练效率和学习能力,从而实现桁架焊接节点严重损伤、轻微损伤和噪声工况的准确识别。进一步对模型各卷积层激活区域进行可视化分析,解剖模型的损伤特征学习过程及分类逻辑。某悬索桥中央纵向腹板钢桁架焊接节点现场试验结果表明:相较于利用时域波形进行特征学习的一维卷积神经网络模型,时频图包含了更丰富的损伤信息,所建立的二维卷积神经网络模型对钢桁架焊接节点三种损伤程度的识别准确率超过94%,具有更强鲁棒性和实际应用价值。

非均布压力作用下纯弯曲孔道预应力摩阻损失

为获得更准确的孔道预应力摩阻损失计算方法,保证桥梁结构设计的有效预应力和桥梁结构的安全运行。根据赫兹接触理论,综合考虑摩擦力、接触压力与张拉力间的相互作用,导出了纯弯曲孔道在非均匀压力作用下摩阻损失公式。通过有限元软件分析不同参数对摩阻损失计算值的影响。通过实际工程的摩阻试验探究纯弯曲孔道在非均匀压力下预应力摩阻损失的具体分布规律,并通过规范公式、推导公式的理论计算值与现场实测数据的偏差,验证公式的合理性。结果表明:弯曲角度小于120°、摩擦系数为0.2~0.4范围内,推导公式计算值更接近实际情况;随着张拉应力和弯曲角度的增加,利用推导公式计算得到的摩阻损失值更接近实测结果。

基于BP神经网络的桥梁施工线形相机测量标定

机器视觉位移测量技术为大跨桥梁线形控制提供新解,而确保高精度的二维到三维坐标转换至关重要。对此,提出一种基于改进遗传算法BP神经网络的提升双目相机标定精度的方法,通过改进传统神经网络中的交叉及变异概率函数,提高标定效率及准确性。经相应试验算例验证,采取传统张氏标定法测量坐标的均方差误差为4.67 mm,应用该方法标定后测量坐标的均方差误差为0.82 mm,标定精度提高,能够满足桥梁施工线形的监控要求。

寒区桥隧智慧检测技术的理论基础与关键技术探究

本文通过对寒区桥隧结构特点和巡检需求的透彻理解和探讨,以及强有力的结构健康监测理论作为依傍,一份全新的桥隧检验理论已经顺利构建。要实现此项理论,就需深入探讨全天候无人化巡检、智能诊断与决策、以及实时数据传输和存储等关键技术的应用。通过实验仿真和现场试验,验证了该智慧型桥隧检测技术在寒区桥隧工程的适用性和可行性,其不仅能有效提高巡检效率,准确定位故障,还能大大减少人工巡检的成本和风险。以上成果的实现可为寒区基础设施的维护及管理提供一种新的技术支撑,有着广阔的应用前景。

虚拟仿真技术在路桥工程检测教学中的应用实践与效果评估

本文利用虚拟仿真技术,建立一种适应于路桥工程检测的虚拟仿真教学系统。此系统设有路桥构造、检测设备操作、数据获取及解读等模块。试验表明,用虚拟仿真技术代替传统教学,对于路桥工程检测教学,学生的实际操作能力、理论知识程度和教学满意度都大幅提高。这项创新成果开启了对工程检测教学改革的新垂观,为实践提供了案例,解决了教学过程中硬件设备、教学场地和学生实践操作的困扰,对提高教学质量和效率有极大帮助。

单箱三室PC连续弯箱梁桥静载试验

为了评估某单箱三室连续弯箱梁桥的实际承载能力,验证桥梁设计和施工质量的可靠度水平,对其进行静载试验。试验结果表明:各控制截面的挠度和应变实测值均比理论分析值小,与之对应的校验系数在规范要求范围内,该弯箱梁桥的结构刚度和强度均满足规范要求;静载试验前后,测试截面附近区域未见明显裂缝。

基于CEEMDAN-VMD-PSO-LSTM模型的桥梁挠度预测

针对桥梁运行阶段的健康状态监测,构建了CEEMDAN-VMD-PSO-LSTM模型对桥梁挠度进行预测。该模型主要分为二次模态分解平稳化、粒子群优化(PSO)算法和长短期记忆(LSTM)网络预测三大模块,共有5个步骤:①利用自适应噪声完备集合经验模态分解(CEEMDAN)算法对桥梁原始挠度序列进行初次模态分解,分解为若干本征模态分解函数(IMF);②使用样本熵(SampEn/SE)计算各IMF分量的复杂度,并通过K-means聚类为高频、中频和低频3个IMF分量;③通过变分模态分解(VMD)算法对高频IMF分量进行二次模态分解;④分别对各个IMF分量通过PSO算法得出LSTM最优超参数组合;⑤将各最优超参数分别代入LSTM模型进行训练,并将各预测结果融合为最终的预测结果。结果表明:该预测方法具有最高的预测精度,为智慧桥梁的安全监测监控提供了新的技术方法。

土工合成材料加筋土桥台极限承载力的离心载荷试验

土工合成材料加筋土(geosynthetic-reinforced soil,简称GRS)桥台是桥梁工程的承重结构,对其极限承载力还缺乏清晰的认识。在平面应变条件下开展了5组GRS桥台离心载荷试验,研究了筋材强度、承载区缩进距离和宽度对GRS桥台极限承载力以及破坏模式的影响。试验结果表明,筋材强度对GRS桥台极限承载力影响显著,采用高强度筋材的GRS桥台在加载过程中始终保持稳定。采用低强度筋材的GRS桥台的极限承载力随承载区缩进距离增加而增大,但其增长趋势出现衰减;随承载区域宽度增加,极限承载力降低;现行的半经验半理论公式显著低估了GRS桥台的极限承载力。从试验中和模型拆除后观察,GRS桥台破坏面均从承压区域后缘开始发育,随后向面层方向倾斜向下延伸至约1/2桥台高度处终止;但承载区缩进距离和宽度会影响破坏面的形态和位置。现有方法不能准确地预测GRS桥台破坏面底部终点的位置以及在承载区域下方的形态。增大承载区缩进距离和宽度使得各层筋材应变峰值的位置向桥台内部移动。桥台临空面的存在使得筋材的应变集中于靠近临空面一侧。

基于卷积神经网络的无人机成像桥梁裂缝检测方法研究

针对桥梁裂缝病害检测困难、裂缝宽度计算精度不高的问题,提出基于卷积神经网络的无人机成像桥梁裂缝检测系统,获取桥梁裂缝图像并提取裂缝,精确计算最大裂缝宽度。该系统改造无人机实现对桥梁底面和侧面图像的采集。首先采用神经网络模型筛选出裂缝图像;然后根据所采集到的图像特点,搭建基于卷积神经网络(Convolutional Neural Network,CNN)的裂缝滑动窗口检测(Slide Crack Detection,SCD)模型,进行图像的小窗口滑动识别以提取裂缝,并与采用基于裂缝图像统计特征的改进中值滤波去噪算法对比裂缝提取效果;最后提出裂缝分类及最大裂缝宽度计算方法,并与裂缝实测结果进行对比。结果表明:该无人机成像桥梁裂缝检测系统对裂缝图像的扰动小,裂缝提取效果更精确,该系统检测并计算的最大裂缝宽度相对实测结果误差在0.05 mm以内,满足桥梁裂缝检测要求。

混合监测方法在桥梁静载试验中的应用

为了缓解桥梁健康监测系统成本与测点数量之间的矛盾,获得更加全面的监测信息,探索了一种将实测数据与数值模型相结合的混合监测方法。首先通过适当假设将经典的结构平衡方程进行简化,再从有限元模型中提取结构柔度矩阵,并由实测数据反算出等效荷载,最后将其带回原方程计算所需的结构响应。研究结果表明:该方法实现了从部分响应数据到全局响应数据的扩展,且计算效率较高,可避免反复的有限元分析。混合监测技术对结构响应的计算有较高的精度,计算得到的响应与实际响应误差均在10%以内。

钢-混组合桥梁栓钉腐蚀疲劳失效及力学性能退化机理试验研究

腐蚀环境中钢-混组合桥梁的栓钉连接件可能因腐蚀-疲劳耦合作用而劣化,为此设计制作3组10个栓钉推出试件,分别进行腐蚀后的静力、疲劳性能试验和腐蚀-疲劳耦合试验,研究栓钉的腐蚀-疲劳失效及力学性能退化机理。结果表明:腐蚀作用使得栓钉抗剪刚度显著退化;腐蚀-疲劳耦合作用下栓钉疲劳寿命明显低于腐蚀后疲劳寿命;栓钉初始疲劳裂纹产生于钉杆靠近焊趾截面的剪力作用侧,以剪切裂纹扩展为主,当疲劳裂纹或腐蚀疲劳裂纹发展至约1/2栓钉直径后,栓钉在拉-剪组合应力作用下断裂;影响栓钉损伤发展速率的主要因素为荷载比、腐蚀速率及腐蚀-疲劳耦合作用;腐蚀-疲劳耦合作用下栓钉抗剪刚度退化速度大于疲劳单独作用下,抗剪刚度退化包括快速退化和缓慢退化2个阶段,前一阶段约占栓钉腐蚀疲劳寿命的20%。

大跨长挑臂钢箱组合梁桥抗风性能试验研究

为了解大跨长挑臂钢箱组合梁桥抗风性能及选取合适的声屏障形式,以挑臂长7.5 m的钢箱组合梁桥——临猗黄河大桥为背景,基于有限元计算的施工及成桥阶段桥梁动力特性指标,制作1个缩尺比1∶50的最大悬臂施工状态钢箱梁、2个缩尺比1∶60的成桥状态不同声屏障设置形式(直线形、折线形,高度均为2.5 m)钢箱组合梁节段模型进行风洞试验,分析施工和成桥状态主梁断面的涡振、颤振和驰振性能。结果表明:施工状态的钢箱梁抗风稳定性良好,涡振、颤振和驰振性能均满足设计要求;常遇风攻角为0°、±3°时,成桥状态下,设置2.5 m高折线形声屏障可有效抑制主梁涡振响应,且颤振与驰振稳定性均满足规范要求;设置2.5 m高直线形声屏障的主梁发生明显的竖向涡振现象。该桥主梁最终采用2.5 m高折线形声屏障。

基于滑窗OPTICS算法和DATA-SSI算法的桥梁模态参数智能化识别

针对现有基于数据驱动的随机子空间(data-driven stochastic subspace identification,DATA-SSI)算法存在的不足,无法实现稳定图中真假模态的智能化筛选,提出了一种新的模态参数智能化识别算法。首先通过引入滑窗技术来实现对输入信号的合理划分,以避免虚假模态和模态遗漏现象的出现;其次通过引入OPTICS(ordering points to identify the clustering structure)密度聚类算法实现稳定图中真实模态的智能化筛选,最后将所提算法运用于某实际大型斜拉桥主梁结构的频率和模态振型识别过程中。结果表明,所提改进算法识别的频率值结果与理论值(MIDAS有限元结果)以及实际值(现场动力特性实测结果)间的误差均在5%以内,且识别的模态振型图与理论模态振型图具有很高的相似性。