基于应变模态的桥梁损伤识别方法研究进展

应变模态相比其他模态参数对损伤有更高的敏感性,基于应变模态的损伤识别方法能够对局部损伤进行有效的识别,如何利用应变模态对桥梁结构进行准确而又全面的损伤识别(尤其是损伤定量)成为重要的研究方向。该文总结了近些年来基于应变模态的多种识别方法并分析了其特点,对进一步的研究提出了相关建议。

温度作用下钢桁拱桥活动支座工作性能评估方法研究

为准确判断钢桁拱桥活动支座服役期间的工作性能,对温度作用下活动支座工作性能评估方法进行研究。以某铁路钢桁拱桥为背景,分析梁体局部温度与支座纵向位移相关性的差异,推导钢桁梁支座纵向位移与温度梯度的关系式;分析支座摩阻力对支座纵向位移的影响,运用间隙迟滞非线性系统建立温致支座纵向位移滞回模型,进而提出用于评估活动支座工作性能的指标--间隙迟滞系统的参数C。采用现场监测数据对评估指标的可靠性进行验证。结果表明:评估指标(参数C)能够反映支座摩阻力的大小和支座纵向位移迟滞特性的强弱,C值增大,活动支座工作性能劣化,可以通过长期数据的积累实现活动支座性能劣化情况的识别。

基于宏观应变测试的受弯构件微损伤识别研究

基于宏观应变理论,针对受弯构件微损伤工况,对损伤范围、刚度折减量、损伤位置进行分析,总结了不同参数对识别结果的影响,根据结论改进了原有的损伤指标,并进行了室内实验验证,由改进后的损伤指标计算的损伤误差在2%以内。研究表明:由改进后的损伤指标计算的刚度折减量与损伤位置无关;当确定了损伤范围和损伤位置,通过拟合的计算公式能够准确量化标距范围内的刚度折减量,实现了标距范围内更细微损伤的精确定量识别。

基于人工蜂群优化小波神经网络的斜拉索损伤识别方法研究

小波神经网络在对数据预测方面存在着收敛速度慢、极易陷入局部最优的缺陷,而人工蜂群算法全局寻优能力强、收敛速度快,但其本身也存在后期寻优能力弱的缺点。利用人工蜂群算法对小波神经网络进行优化,建立ABC-WNN分析模型,并对汉巴南铁路嘉陵江特大桥进行了损伤识别研究。以振型模态指标作为ABC-WNN模型的训练和测试样本,基于ANSYS建立的三维分析模型,按索面积分别折减10%、30%、50%、100%四种工况对斜拉索损伤进行模拟计算,将分析结果与实际检测量进行对比,在此基础上与单一的BP、WNN模型进行相对误差、均方误差以及平均绝对误差三方面的对比分析。研究表明:ABC-WNN模型对斜拉桥的损伤位置和损伤程度能进行有效识别,且相较于其他单一的分析模型预测精度更高、收敛速度更快,在工程应用中能有效拓展神经网络的实用性。