服役桥梁性能预测模型应用及发展综述.docVIP

服役桥梁性能预测模型应用及发展综述 　　摘要 桥梁性能的退化是一个必然的过程，但通过预测桥梁的性能以及退化速度，可以预先掌握维护维修的时间，制定适当的维护策略，可见，退化分析对于桥梁的管理决策具有十分重要的意义。通过收集一定量的文献资料，总结了已有的几种桥梁性能预测模型，对各种模型的理论及其应用现状进行了介绍，并对其各自的优势和缺陷进行了比较分析，最后对我国桥梁管理系统的现状进行了剖析 ,对其发展进行了展望。 　　关键词 桥梁 性能 预测模型 比较 　　中图分类号：K928.78 文献标识码：A 文章编号： 　　1 前言 　　桥梁性能的退化是一个必然的过程。随着社会经济的不断发展，桥梁作为交通枢纽中重要的一环，车流量增大，车辆载重也不断增加，导致桥梁结构所承受的荷载持续增大；另一方面，社会的发展也会影响环境的改变，桥梁结构在各种退化机制的共同作用下，抗力不断降低。这两方面因素的耦合作用促使桥梁的退化进程大大加快。对服役桥梁进行退化分析，了解其退化率，可以掌握维护的时机；预测剩余寿命，或者退化到最差状态的时间；帮助制定不同年龄的桥梁合适的维护策略；辅助决定维护的优先级；制定维护预算。[1]可见，退化分析对桥梁的管理决策具有十分重要的意义。 　　2 各种预测模型理论 　　现有的桥梁性能预测模型种类繁多，依据模型建立的方法，将已有的主要桥梁预测模型分为四大类：机械模型（Mechanistic Models）、确定性模型（Deterministic Models）、随机模型（Stochastic Models）和人工智能模型（Artificial Models）。本文针对上述各模型的建立方法及应用现状进行了分析与比较，简单阐述如下： 　　2.1 机械模型 　　机械模型，也可称物理反应模型[2]，是通过研究在桥梁退化过程中发生的物理化学过程来建立一些数学关系，进而实现预测。这类模型能详细描述桥梁构件的退化机理，因而在项目级的退化分析中十分有效，但在网络级的分析中很难进行应用。国内外已有大量的文献研究了钢筋混凝土结构（主要是基于构件）的各种退化机制，这类研究试图得到结构的材料强度和截面尺寸随时间减小的规律，进而建立结构的??载能力随时间退化的关系。由于钢筋混凝土存在种类繁多的退化机制，且多种机制往往同时发生，这给该模型的实际应用带来了很大的麻烦，况且各种退化机制及其相互作用还未研究透彻，因此此类模型在当前的桥梁管理系统中还没有被采用过。[3] 　　2.2 确定性模型 　　确定性模型是依靠一系列影响桥梁退化和状态的因素间的相互关系，通过精确的或统计的公式表示出来。[2]这类模型适用于网络级退化分析，模型的输出值通常是代表一组桥梁未来状态的平均值。因而该模型不适于对特定的桥梁进行预测，否则会出现较大误差。确定性模型的建立方法通常有线性外推法、回归分析法和曲线拟合法三种。 　　早期的桥梁退化分析基于线性外推法建立预测模型，模型假定桥梁的车辆荷载和维护水平不随时间而改变，因而退化率是一个常数。这类线性模型只需桥梁的初始状态和服役期的任一时刻状态就可预测未来任一时刻的桥梁状态。然而影响退化过程的因素（如气候、车辆、结构类型、设计水准等）使得退化率不可能是一常数，1994年分段线性模型[4]的提出是对线性模型更符合实际的修正。 　　采用回归分析法建立的预测模型是用于确定两个或两个以上变量间的经验关系的一种模型。各个变量均以平均值和标准差两个参量表示。回归模型主要有逐级回归、线性回归、非线性回归三种形式。[5]逐级回归模型中可包含多个变量，如桥梁的类型、状态等级、无损检测（NDT）结果、交通量、桥龄及周边环境等。依据这些变量将数据库中的数据归类，同时可通过相关系数矩阵测试这些变量对桥梁退化的影响性，由此筛选出进行下一步分析的变量。该模型满足项目级的管理需要，已用于预测不同路段的路面状况指数。[3,6]但模型的回归系数较小使得误差较大，产生这一结果部分原因是大量估计误差的存在。线性回归模型与非线性回归模型可以将桥梁的性能（主要是状态等级）与其影响因素（如桥梁类型、重要性等级、所处位置、日均车流量等）建立直接的数学关系，但必须将模型的输入数据按不同的退化因素进行分类，因而减少了分析每类桥梁的数据，也降低了模型的可靠性。 　　依据桥梁状态数据，利用曲面拟合方法，建立最体现数据规律的多项式，能较精确地预计未来桥梁的状态。但运用该方法建立的预测模型同样具有确定性模型的共同缺陷：无法考虑桥梁不同构件退化机理间的相互影响，难以利用随后收集的数据去更新先前的状态，无法预测单桥的未来状态。 　　2.3 随机模型 　　随机退化模型中，桥梁在任意时刻的性能不是一个确定的值，而是在某一空间状态的任一值。该模型考虑了退化过程的本质——随机性，使