基于模型嵌入循环神经网络的损伤识别方法

目前,绝大多数基于深度学习的结构损伤识别方法依靠深度神经网络自动提取结构的损伤敏感特征,并通过损伤状态之间特征的差异实现模式分类识别.然而,这些方法面临着损伤量化难度大的挑战,并且需要大量的模型训练数据.本文提出基于模型嵌入循环神经网络(Model-Embedding Recurrent Neural Network,MERNN)的损伤识别方法.首先,通过数据驱动的卷积神经网络(Convolutional Neural Network,CNN)建立荷载-响应之间的映射关系,然后,利用龙格库塔法改进传统的循环神经网络,建立基于循环神经网络架构的数值计算单元.最后,基于结构响应计算值与实测响应残差构成的损失函数与神经网络的自动微分机制来实现结构刚度参数的更新,进而实现结构损伤识别.数值模拟框架与实验室的3层剪切型框架的损伤识别结果表明,本文提出的方法能基于少量响应数据准确量化结构损伤.

基于卷积神经网络的荷载大小与位置同步识别

结构健康监测和状态评估中现有大多数研究均需要精确的荷载作用位置或详细的荷载时程,为了同时获得荷载大小和位置,构建并训练了同时具备分类和回归能力的两分支卷积神经网络,建立了融合分类问题和回归问题的损失函数,提取结构响应与荷载大小、结构响应与荷载位置间的映射关系.通过数值简支梁算例和三层试验框架验证了该方法识别结构荷载大小和位置的精度.结果表明:噪声条件下数值模型的荷载识别误差在8%以内,荷载位置识别准确率在95%以上;实际结构的荷载识别误差在18%以内,荷载位置识别准确率为100%.两分支卷积神经网络可以很好地同时识别荷载大小和位置.

基于子结构的有限元模型修正方法

提出了一种基于子结构的有限元模型修正方法。该方法将整体结构有限元模型划分为多个子结构模型,求解独立子结构的主模态特征解和特征灵敏度;通过位移协调条件和能量方程,约束相邻独立子结构,得到整体结构的特征解和特征灵敏度;并以整体结构模态和结构试验模态的残差为目标函数,通过调整子结构单元参数,完成有限元模型修正。当结构局部参数发生变化,通过分析某一个或几个子结构即可求解整体结构特征解和特征灵敏度,而不需要分析其他未发生变化的子结构。由于子结构模型尺寸远小于整体结构,该方法能够极大地提高有限元模型修正方法的精度和效率。

基于子结构的大型桥梁有限元模型修正方法

实际桥梁结构的整体有限元模型修正时自由度和单元数量较多,待修正参数多,有限元模型修正精度和效率低。为了提高有限元模型修正的效率,提出基于子结构的有限元模型修正方法。子结构方法是化整体分析为局部分析的方法,与直接修正大型桥梁有限元模型相比,子结构方法只需要计算每个子结构少量低阶模态,得到整体结构的特征解及特征解灵敏度,形成模型修正的目标方程和灵敏度矩阵,进而缩短模型修正时间。将基于子结构的模型修正方法用于怒江特大桥主桥(上承式钢桁拱桥)有限元模型修正,结果表明:修正后桥梁的前10阶频率与桥梁的模拟实测频率值相吻合,且模型修正时间仅为传统整体方法的56%。

基于自适应核密度估计的桥梁短时风速预测方法

为准确、高效地预测桥梁短时风速,提出一种基于自适应核密度估计(AKDE)的桥梁短时风速预测方法。该方法以AKDE为手段,通过历史风速获得实测风速样本总体的概率密度估计,在进行风速预测时,以当前风速样本为条件,在风速样本总体中匹配和估计预测状态的风速统计信息,从而实现对未来时刻单点风速和区间风速的预测。采用藏木雅鲁藏布江大桥现场实测风速数据对该方法进行验证,并与最小二乘支持向量机(LS-SVM)方法进行对比。结果表明:该方法可同时实现对短时单点风速和区间风速进行精度较高的预测,且与LS-SVM方法相比具有更高的计算效率,可满足实际工程快速预测风速的需求。

轨道交通地下结构安全监测与管养系统的实现

轨道交通地下结构在全寿命周期内因地质条件、列车运营、地面建筑物施工等因素会发生过大沉降、变形、裂缝、渗漏水等病害。本文针对武汉市轨道交通地下结构特点和病害类型,研发了基于B/S(Browser/Sever)的轨道交通地下结构安全监测与管养系统。该系统利用无线网络对地铁隧道结构自动进行数据采集与传输,综合监测数据,实时掌握结构受力状况,对异常情况及时预警,减少突发性事故的发生;采用基于Java的Jess专家系统,可根据结构性能及其退化趋势提供日常管养建议,实现对运营线路管理养护信息的集成、共享和智能决策,确保轨道交通地下结构在运营期的安全与稳定。

真空磁浮钢结构管道梁方案研究

真空管道磁浮交通技术由于突破了空气阻力、噪声和轮轨黏着等因素制约,未来可成为弥补或取代航空的长距离运输模式。为了获得适用于长距离运输和车辆条件的真空管道梁结构形式,在调研国内外研究现状的基础上,分析磁浮系统设计的顶层指标,从技术成熟度和可行性层面提出高架桥钢结构管道梁方案。以常用跨度25 m管道梁为例,采用多参数影响分析和变量优化方法,分析管道梁各关键参数(管壁厚度、加劲肋间距、高度和翼缘板宽度)对结构竖向刚度、横向刚度、一阶竖向自振频率和强度的影响,获得了控制结构设计的主要因素。并以结构工程量最小化为目标,优化获得了该管道梁的各参数取值。研究成果可为后续真空磁浮高架桥梁的设计提供参考。

真空磁浮组合材料管道梁结构设计

针对现有钢结构真空管道梁造价高、运输条件受限且安装不便等问题,本文探讨了一种适用于未来长距离运输和车辆条件的组合材料管道梁结构,开展了三种常用跨度管道梁结构的试设计,分析了一联多跨方案对结构刚度和变形的影响。获得研究成果:①分层设计方案可充分发挥结构各自特点,降低施工和运输难度;②通过试设计获得了常用跨度管道梁的关键参数取值,并以某试验线为例,分析了合理跨度选取的各项因素,获得最优经济跨度;③一联多跨方案比选表明联长和跨数的增加可有效提高结构的横、竖向刚度,减小活载变形,对于提升结构运营性能、减少养护工作量有直接作用,但是随着联长的逐渐增加,结构的刚度提升效果将逐渐保持不变;④联长的增加会显著加大纵向温度变形,对轨道结构受力影响较大。研究成果可为真空磁浮高架桥梁的设计提供参考。

高速铁路大跨度混凝土拱桥变形监测与分析

高速铁路设计时速快,变形控制要求高。由于结构的受力特点和混凝土材料的特性,混凝土拱桥在运营过程中会出现下挠变形,直接影响轨道线形和行车安全。为保障沪昆客运专线北盘江大桥的行车安全性和舒适性,通过对其建立自动化变形观测系统,分析其变形和温度数据的变化规律,结合拟合分析方法,确定温度和变形的影响系数,研究实测数据中徐变和温度效应的提取方法。结果表明:与同期人工观测数据相比,本系统的观测精度和有效性满足要求;桥面线形受温度变化影响较敏感,在低温时,不均匀沉降差值大,桥面线形相对不平顺,随着温度升高,沉降差值减小,桥面线形逐渐趋于平顺;通过建立的拟合计算徐变分析方法得到其相对徐变变形,与规范理论值相差约6%,满足工程要求。

基于模糊聚类的高速列车车速识别

本文提出了一种基于时间序列分析和模糊聚类分析的高速列车车速识别方法。首先,分析列车以不同车速通过桥梁时桥梁结构的加速度响应的差异性,判定了列车上桥和下桥的时间;然后,由时间序列分析建立不同车速下桥梁的加速度响应时间序列模型(AR模型),计算了AR模型系数;最后,通过对不同AR模型的系数进行模糊聚类分析来识别高速列车车速。针对某铁路桥的实测加速度样本数据,以已知车速条件下的车速聚类划分结果为依据,将未知车速的聚类划分结果与已知车速的聚类划分结果进行对比分析,成功确定了高速列车未知车速区间。

桥梁测力支座监测系统设计与工程应用

桥梁测力支座及相应的监测系统可用于桥梁的健康监测,在普通球型钢支座基础上开发的一种新型桥梁测力支座,通过在支座内部设置测力结构,采用先进的传感器,外部配置数据传输系统实现实时测力及对桥梁施工和运营状态的远程监控。本文介绍了支座和监测系统的结构形式及工作机理,通过试验测定并在沪昆客专北盘江大桥得到工程应用。结果表明:提出的支座结构形式新颖,受力和传力机理明确,经试验室测试数据重复性好,性能稳定;选用的传感器及配套的数据传输系统性能良好,工艺成熟,输出信号稳定准确;研究成果可以监测桥梁结构的施工和运营状态,也可纳入桥梁健康监测系统,亦可供新制式轨道交通桥梁支座监测系统设计参考。

动力特征解灵敏度分析的结构关键区域判别

实际工程结构体量大、病害多,各局部损伤对结构整体性能影响差异大,关键区域的微小损伤将威胁整体结构安全。因此,有必要判定结构的关键区域,使结构监测、评估、管养主次分明,重点突出。提出了加权融合多阶动力特征解灵敏度的结构关键区域判别方法。基于振型质量参与系数确定了特征解数目和各阶特征解的权重系数,建立了融合多阶归一化的加权特征值和特征向量灵敏度的灵敏度指标,对灵敏度指标求二阶范数得到关键区域指标,作为关键区域判定依据。该判定方法是一种定量的判定依据。将该方法运用于一榀平面框架和一座上承式拱桥,结果表明,框架结构的关键区域为梁柱节点和支座附近的柱子区域,拱桥关键区域为拱圈的拱脚区域;另外,结构关键区域并非一成不变,局部损伤会导致原本不关键区域变成关键区域。研究的关键区域判别方法对提高健康监测和评估效率、节约人力物力有重要意义。

复杂山区铁路大跨桥梁施工大风监测预警技术

为保障复杂山区铁路桥梁施工过程中的抗风安全,以郑万高铁大宁河大桥为工程背景,建立适用于工程推广应用的局地大风预警系统。首先,在桥址处代表性的观测位置安装风速监测设备,并对风速监测序列中的异常值进行判别与订正;其次,基于历史观测数据,建立基于ARIMA-GARCH模型的风速超前预测方法;最后,介绍用于桥梁施工期大风预警系统的架构以及预警策略。研究结果表明:大风预警系统具有计算效率高、运行稳定、预警准确等优点,可为桥梁施工过程防灾减灾提供可靠的参考依据。

基于ARMAX模型和稀疏正则化的结构损伤识别方法

结构健康监测系统对于保障工程结构安全具有重要意义,而结构损伤识别方法是结构健康监测系统的关键组成部分。本文提出一种基于时间序列ARMAX模型和稀疏正则化的结构损伤识别方法。首先,建立与结构运动方程对应的ARMAX模型,并利用模型自回归系数提取结构的固有频率和振型;然后,将提取的结构模态参数作为损伤敏感特征,构建损伤识别求解方程;最后,结合结构损伤的稀疏特性,使用稀疏正则化算法对方程进行求解,由解向量中的非零元素可得结构损伤的位置和程度。进行了一个六层集中质量剪切结构试验,试验结果表明该方法可以准确识别出结构中损伤的位置和程度,与传统损伤识别方法相比,该方法有效提高了损伤识别的精度。

基于LabVIEW的桥梁监测系统设计与实现

桥梁结构监测技术能有效地保证桥梁的安全运营,保障人民群众的生命财产安全。为了满足桥梁结构的远程数据监测需要,实现桥梁监测的网络化,该系统在美国桥梁诊断公司(BDI)的桥梁结构测试系统的基础上加以改进,将无线网络技术、虚拟仪器技术和桥梁结构监测技术与之结合在一起,并以Lab VIEW作为软件开发平台研究并设计了一套无线数据传输解析存储模块,实现了桥梁传感器数据的无线传输与存储,具有较强的适应性和稳定性,为中小型跨径桥梁的监测提供可行的解决方案。

DBSCAN和GRU算法在桥梁监测系统的研究

桥梁监测系统通过实时监测桥梁的各项指标来保证桥梁的安全运行,但监测数据在传输的过程中,不可避免地会产生噪声,从而对后续的数据预测产生较大干扰。通常利用聚类找出离散点来去除噪声,传统的K-means算法聚类前需要指定聚类簇数,以空间中K个点为中心进行聚类,对最靠近的对象归类,但海量的桥梁数据易受环境因素影响,因而无法预先指定数据簇。DBSCAN无需事先知道要形成的簇类的数量,可以自动确定簇个数。另外,桥梁数据是以时间戳存储的时序数据,在时序数据预测算法中,LSTM和GRU算法能够解决RNN算法的梯度爆炸问题,而GRU比LSTM参数量少,可以减少过拟合风险。基于此,文中以郑万高铁巫山大宁河双线大桥为研究对象,提出一种DBSCAN和GRU神经网络相结合的数据预测算法,以DBSCAN剔除噪声数据,并利用GRU神经网络对桥梁的压力进行深度学习,预测下一时刻的数据,然后进行异常检测。实践结果表明:所提算法可以准确地预测桥梁下一时刻的压力值,与LSTM算法相比,该算法的决定系数提高5.2%,均方根误差和平均绝对误差分别降低8.3%和11.6%;同时系统还能及时发送预警短信,为桥梁的安全提供保障。

基于物联网的地铁隧道断面监测系统的设计

为了满足地铁隧道安全信息监测的需要,设计一种远程地铁隧道断面监测与预警系统。系统主要由分布在隧道断面上的监测点和云服务器监控中心两部分组成。监测点以CC2530芯片为核心,使用智能倾角传感器采集断面倾角变化数据,并结合Zig Bee无线传感技术和GPRS通信技术将数据上传至云服务器监控中心。通过定制通信协议实现倾角数据的收发存储和查询功能。实践证明,系统结构稳定可靠,具有一定的先进性和推广性,为准确预测地铁隧道的安全情况提供参考。

山区铁路桥梁施工期大风监测预警系统

桥梁结构在施工期,易受大风气象的影响,需要开展现场的大风监测预警技术研究。本文以郑万高铁重庆段控制性工程-巫山大宁河双线大桥为工程背景,设计并实施了符合该桥特点的大风预警监测系统,介绍了系统的分解架构、中心系统部署和主要功能界面的实现。该系统的实施为有效保障大宁河大桥现场的施工期抗风安全提供了重要支持。开发和部署了Matlab编写的预测程序,有效的实现了桥址区的风速预测需求。系统的成功应用,证明了其实时性、可靠性和有效性,可在其他同类工程中得到应用。

上承式铁路拱桥健康监测系统设计

桥梁健康监测目前已广泛应用于大型桥梁的运营管理和维护中。文章以某上承式铁路拱桥为背景,研究设计了整个监测系统的监测内容和布点原则、总体系统构成和各模块功能,对桥梁的安全与预警评估模块设计进行了简要介绍。健康监测系统的设计与实施,对提升桥梁的运营安全和桥梁整体管养水平有着重要作用,可为国内同类工程参考。