基于车致振动和提升小波的梁式桥损伤识别研究.docxVIP

基于车致振动和提升小波的梁式桥损伤识别研究

一、引言

桥梁作为交通基础设施的关键组成部分，其结构安全与耐久性直接关系到交通运输的顺畅和人民生命财产的安全。随着服役时间的增长以及交通荷载、环境因素等的长期作用，梁式桥不可避免地会出现损伤累积，如裂缝、变形、构件老化等。若不能及时准确地识别这些损伤，可能会导致严重的安全事故。因此，开展梁式桥损伤识别研究具有重要的现实意义。

传统的桥梁损伤识别方法存在诸多局限性，如需要中断交通进行检测、成本高昂、效率低下等。而基于振动的损伤识别方法凭借其无需中断交通、可实现实时监测等优势，成为当前研究的热点。其中，车致振动作为一种天然的激励源，能够激发桥梁结构产生振动响应，通过对这些响应信号的分析，可以提取出与结构损伤相关的信息。提升小波作为一种有效的信号处理工具，具有良好的时频局部化特性和计算效率，为处理桥梁振动信号、识别损伤特征提供了有力支持。

本文旨在将车致振动与提升小波相结合，开展梁式桥损伤识别研究，以期为梁式桥的安全评估和维护提供一种高效、准确的方法。

二、车致振动原理及在梁式桥损伤识别中的应用

（一）车致振动原理

车辆在桥梁上行驶时，由于路面不平整、车辆自身振动等因素，会对桥梁产生动态荷载，从而引起桥梁结构的振动，即车致振动。车致振动的大小和特性与车辆参数（如车速、车重、车辆类型等）、桥梁参数（如桥梁结构形式、跨度、刚度等）以及路面状况等因素密切相关。

车辆行驶过程中，车轮与桥面之间的相互作用是产生车致振动的主要原因。当车辆以一定速度行驶在不平整的桥面上时，桥面的凹凸不平会使车轮受到竖向的冲击力，该冲击力通过桥梁支座传递到桥梁结构，引起桥梁的振动。同时，车辆自身的振动也会通过车轮与桥面的接触传递给桥梁，加剧桥梁的振动响应。

（二）车致振动在梁式桥损伤识别中的作用

梁式桥在损伤出现后，其结构刚度会发生变化，从而导致桥梁的振动特性（如固有频率、振型、阻尼比等）发生改变。车致振动作为一种激励，能够使桥梁产生振动响应，通过对这些振动响应信号的分析，可以提取出桥梁的振动特性参数，进而判断桥梁是否存在损伤以及损伤的位置和程度。

具体来说，当桥梁结构出现损伤时，其局部刚度会降低，在车致振动作用下，损伤部位的振动响应会明显增大，表现为振动信号的幅值增加、频率成分发生变化等。通过对振动信号的处理和分析，可以捕捉到这些变化，从而实现对桥梁损伤的识别。

与其他激励方式相比，车致振动具有无需专门设置激励装置、可以在正常交通条件下进行监测等优点，能够实现对梁式桥的长期、实时监测，为桥梁的安全运营提供及时的预警信息。

三、提升小波理论及优势

（一）提升小波理论

提升小波是一种基于第二代小波变换的方法，它通过对原始信号进行预测和更新操作来实现信号的分解和重构。与传统的小波变换相比，提升小波不需要进行傅里叶变换，具有计算简单、效率高、可以实现整数小波变换等优点。

提升小波的基本思想是将信号分解为低频近似部分和高频细节部分。具体来说，首先将信号分为偶数点和奇数点两部分，然后用偶数点的值对奇数点的值进行预测，得到预测误差，即高频细节部分；接着根据预测误差对偶数点的值进行更新，得到低频近似部分。通过不断重复这个过程，可以实现对信号的多尺度分解。在重构过程中，则通过相反的操作，将低频近似部分和高频细节部分组合起来，恢复原始信号。

（二）提升小波在信号处理中的优势

计算效率高：提升小波不需要进行傅里叶变换，避免了复杂的复数运算，大大提高了计算速度，适合处理大量的实时信号。

适应性强：提升小波可以根据不同的信号特点和处理需求，设计不同的预测和更新算子，具有很强的适应性。

易于实现整数变换：提升小波可以实现整数小波变换，避免了信号在变换过程中的精度损失，有利于信号的压缩和传输。

良好的时频局部化特性：提升小波与传统小波变换一样，具有良好的时频局部化特性，能够有效地捕捉信号中的瞬态特征和局部变化，适合处理非平稳信号，如桥梁振动信号。

四、基于车致振动和提升小波的梁式桥损伤识别方法

（一）信号采集

在梁式桥的关键部位（如跨中、支座附近等）布置加速度传感器，采集车致振动作用下桥梁的振动响应信号。传感器的布置应根据桥梁的结构形式和可能出现的损伤位置进行合理设计，以确保能够采集到有效的振动信号。同时，记录车辆的相关参数（如车速、车重、车辆类型等）和交通流量等信息，为后续的信号分析提供参考。

（二）信号预处理

由于采集到的振动信号中可能包含噪声（如环境噪声、传感器噪声等），需要对其进行预处理，以提高信号的质量。常用的预处理方法包括滤波、去趋势等。滤波可以去除信号中的高频噪声和低频干扰，去趋势可以消除信号中的线性趋势或非线性趋势，使信号更加平稳。

（三）基于提升小波的信号分解与特征提取

利用提升小波对预处理后的振动信号进行多尺度分解，得到不同尺度