桥梁健康监测数据在桥梁养护管理工作中的应用

桥梁健康监测是科学地监测与评估公路桥梁的主体结构状况,并且在特殊的气候环境、交通环境及桥梁出现异常的时候,及时地发出预警信号。同时总结分析健康监测所得到的数据信息,从而对桥梁后期的养护管理工作提供相应的数据支撑和技术支持。本文通过以桥梁健康监测数据为基础,研究了桥梁健康监测数据在桥梁养护管理工作的应用,并通过结合现有的公路桥梁健康状况评定标准,从而提出一种桥梁健康监测数据与桥梁养护管理工作有机融合的桥梁健康状况评定方法。

“3σ准则”在桥梁健康监测数据奇异值检验中的应用

监测数据的奇异值检验是桥梁健康监测系统监测数据处理与分析的首要步骤,关系着后期是否能对桥梁的健康状况做出比较科学的评判。该文首先介绍了用监测值序列本身直接进行估计的"3σ准则"基本算法和评判标准,以及为保证数据序列连续性所采取的措施;然后结合郑州北环跨编组站大桥监测系统实例,运用Matlab软件编写计算程序,应用"3σ准则"对该桥部分温度、应变监测数据进行了奇异值检验,结果表明该方法在监测数据奇异值检验中可以有效地判别数据粗差,具有良好的效果。

桥梁健康监测数据处理方法及分析探讨

随着桥梁使用年限的增长,其各方面性能都会下降,对桥梁进行健康监测是本世纪研究的热点。面对海量的桥梁健康监测数据,及时对数据分析,确定桥梁的运营状况,保证桥梁安全运营具有非常重要的意义。本文简要介绍海量数据的处理方法,并陈简要述前人研究成果及数据的分析方法。

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。

基于健康监测数据的斜拉桥索梁锚固区焊缝疲劳萌生寿命预测

针对斜拉桥在通车运营不久就萌生疲劳裂纹的现象,以苏通长江大桥为工程背景,在建立焊接细节精细化有限元模型、分析焊接细节缺口应力集中系数和疲劳缺口系数的基础上,基于健康监测实测数据和局部应力应变法理论对索梁锚固区焊接细节处的疲劳裂纹萌生寿命进行预测。考虑到索梁锚固区焊接细节存在高值残余应力,分析了焊接残余应力对焊接细节疲劳裂纹萌生寿命的影响。研究结果表明,与下锚固板相连外腹板焊趾处的疲劳裂纹萌生寿命短于与上锚固板相连外腹板焊趾处的疲劳裂纹萌生寿命;焊接残余应力对疲劳裂纹萌生寿命的影响较大;考虑残余应力的疲劳裂纹萌生寿命较不计残余应力的疲劳裂纹萌生寿命下降60%左右。

桥梁时变可靠度指标的改进粒子滤波预测算法

基于健康监测时间序列数据,提出了桥梁动态可靠度指标的改进粒子滤波预测方法.首先,利用监测极值数据建立动态模型,将其作为粒子滤波算法的状态方程和监测方程;然后,采用贝叶斯动态线性模型(BDLM)为粒子滤波器提供随时间更新的动态建议分布,以解决传统粒子滤波算法的样本退化问题,同时增加了粒子滤波算法的鲁棒性及自适应性;进而利用改进的粒子滤波算法(IPF),结合极值监测数据实现结构极值的动态预测,并结合一次二阶矩(FOSM)可靠性方法,实现桥梁结构可靠度指标的动态预测;最后通过在役桥梁工程实例与设计试验对所提模型和方法的合理性与有效性进行验证.