桥梁结构损伤检测与识别技术探讨.docVIP

桥梁结构损伤检测与识别技术探讨 　　摘要桥梁是公路交通畅通的咽喉,其承载和通行能力是车辆顺畅的重要因素。因此,如何合理评定和精确检测旧桥的承载能力,并对旧桥使用加固、维修和补强等措施,进而寻找有效可行的方法、研究、试验与实践推广提高桥梁承载等级,并逐渐引起学术界的普遍关注,相应建立了专门的国际性机构对桥梁进行研究。本文简单的对桥梁结构的损伤检测和识别技术进行了探讨。 　　关键词桥梁结构 损伤检测 识别技术 　　中图分类号:U443文献标识码:A 　　 　　桥梁在长时间运作过程中,要受到各种外在因素的影响,不同程度的都会发生各种结构损伤,发生损伤的原因可能是维护不当或是车祸事故等人为因素所造成,也有可能是地震、风暴等自然灾害所引起的,也有可能是桥梁结构的自然老化等原因,以上这些因素均会导致桥梁的耐久性和承载能力的降低,对交通运输安全造成很大的影响,发生这些问题后都要进行必要的改造、维修与加固等措施,前期工作是要进行桥梁结构详细与系统的检测。 　　1 桥梁结构损伤检测和识别的常用方法 　　1.1 统计分析法 　　损伤被看作是在系统分析的方法中系统的一种附加激励,它能够使系统在输出信号时发生变化。通过测量结构的输出信号求得附加激励,而输出信号中的噪声问题就是必须要考虑到的因素之一,结构的小损伤对系统的输出信号影响很小,常常被噪声信号所淹没。损伤识别技术是基于统计信息方法基础的,能够对结构的小损伤也能检测到。但是,土木结构的监测数据与模型会存在着各种不确定性因素,运用统计分析法是一种可行的通用方法,可以对桥梁进行健康监测和损伤识别,再用这种方法时要考虑到传感器的最优布置、结构失效的概率分析和对可能存在的损伤的判断及通过给定传感器阵列所能够可靠识别的损伤类型等问题。 　　1.2 损伤指标法 　　桥梁结构如果发生了损伤,其质量和刚度都会相应发生变化,从而会引起相应的动力指纹发生变化。常用的动力指纹包括振型曲率、应变模态、固有频率、模态振型、频响函数、模态柔度矩阵、模态保证准则和坐标模态保证准则等。运用损伤指标法时首先要建立动力指纹数据库,在建库之前必须先考虑桥梁结构是否健康,并且还要考虑先验预估的损伤等情况发生,通过把发生损伤时的动力指纹与其进行比较,进而识别损伤。损伤指标法也存在一些敏感性不是很高,而且与所有潜在的损伤情况相对应的数据库比较难建立的缺点。除了上述提到的指标外,可能还有其它不同的用于识别结构损伤位置与损伤程度的指标,而单一的一种损伤识别指标可能是远远不够的。 　　1.3 神经网络法 　　上世纪80年代中后期,出现了一种以人体神经机理模拟客观事物一种新型方法,被人们称为人工神经网络(Artificial Neural Network),随着社会的发展和进步,它也逐渐被广大学者所研究和接受。它通过强大的非线性函数映射能力、高度的容错性和鲁棒性以及大规模并行分布处理、善于联想、综合和推广是其主要内在特征。神经网络模型形式多种多样,模型的差异可以从不同角度对生物神经系统进行不同层次的描述和模拟。像RBF网络、双向联想记忆(BAM)、感知器、Hopfield和多层映射BP网络模型等都是具有代表性的神经网络模型。我们通过运用这些网络模型就可以实现模式分类、数据聚类、优化计算和函数逼近等多种功能。神经网络的模式分类功能是神经网络核心技术,利用它可以进行桥梁结构的损伤识别。神经网络法的有效性取决于算法本身的可靠性和原始数据的完整性。在现实当中,对斜拉桥和悬索桥等大型结构就可以利用神经网络法进行健康监测。 　　1.4 遗传算法 　　遗传算法GA(Genetic Algorithms)是上世纪60年代由Holland教授提出一类借鉴自然遗传机制和生物自然选择的随机化搜索算法,其主要的优点是对其目标函数不要求可微,不要求连续,算法简单和鲁棒性强;只要求进行必要的计算就能满足要求,借助这项算法可以进行遍及在整个解空间内的搜索,很容易得到全局的最优解,而传统搜索方法对于解决的非线性问题和复杂问题却表现很无力。遗传算法GA(Genetic Algorithms)在组合优化求解、机器学习和工程领域方面都有着颇为广泛的应用前景。 　　1.5 模型修正法 　　模型修正法是一种实现桥梁结构的损伤判别和定位的方法。我们在监测桥梁健康的过程中,将先前的模型计算结果与试验结构的振动反应记录进行综合的比较,利用直接或间接所测的频响函数、模态参数和加速度时程记录等条件,再通过条件优化约束,不断地修正模型中的刚度分布,最终得到桥梁结构刚度变化的信息。模型修正法也存在一些缺点:在测量信噪比高、测试模态集不完备以及测试自由度不足等情况发生时,对解的不确定和不唯一问题就很难判断,最后只能够通过添加约束方程来进行求解。如果同时使用固有频率和模态