CN103162984A - 基于熵理论的在役桥梁安全预警方法 - Google Patents

Abstract

本发明公开了一种基于熵理论的在役桥梁安全预警方法，该方法根据仿真敏感熵指标和仿真结构信息熵建立仿真预警熵指标，再根据敏感熵指标对仿真预警熵指标进行修正，获得预警熵指标，实时计算出各个加速度传感器对应的结构信息熵，将结构信息熵与预警熵指标进行数值比较，当某一采样周期内结构信息熵中的最大者小于某一预警熵指标时，则作与该预警熵指标所对应的预警等级相匹配的预警处理。本发明的有益技术效果是：从宏观上将桥梁结构作为整体系统考虑，通过对系统熵特性的监测实现对桥梁安全的监测，突破了传统监测信息的局部性与桥梁结构的整体性无法统一的矛盾，使得局部与局部、局部与整体的关联性更密切，提升了桥梁结构健康监测系统在实际工程实践中的应用价值。

Description

基于熵理论的在役桥梁安全预警方法

技术领域

本发明涉及一种桥梁结构安全监测技术，尤其涉及一种基于熵理论的在役桥梁安全预警方法。

背景技术

近年来随着桥梁建设事业的迅猛发展，桥梁结构形式与功能日趋复杂，工程的规模也越来越大，然而在世界各国都相继发生了一些桥梁突然性的破坏事件，这些灾难性的事件使得各国科研人员认为：对桥梁在运营状态下的健康监测问题的研究是刻不容缓的；通过对桥梁结构状态的监控与评估,可以达到保证桥梁安全运营，避免桥梁安全事故发生的目的；同时监测信息可为桥梁维护、维修与管理决策提供依据和指导。

然而，目前针对大体量、多自由度、荷载激励未知的桥梁结构，只是单纯得到各个结构截面的应力、应变、挠度、加速的等结构响应信息，在产生了海量的监测数据的情况下却无法完成对结构整体或构件准确、可靠的安全状态评估信息。结构健康监测所获取的结构响应信息来源于结构各部位在随机荷载激励下的振动响应，其本质是振动系统的在外部激励下的系统耗散过程。由此，将各部位监测的振动响应与结构系统统一起来，实现对桥梁结构健康监测及安全评估本质的认识是目前国内外研究的热点。如何从监测到的海量桥梁结构实时响应信息提取结构安全状态参数却是国内外亟需解决的重大难题。

发明内容

针对背景技术中的问题，本发明提出了一种基于熵理论的在役桥梁安全预警方法，该方法步骤为：

1）在桥梁上布设多个加速度传感器，采集桥梁零损伤条件下正常运营时的加速度传感器读数；根据加速度传感器读数，计算每个加速度传感器对应的初始结构信息熵，以初始结构信息熵中的熵值最大者的数值为敏感熵指标；

2）搭建桥梁仿真模型，在桥梁仿真模型上与布设在实际桥梁上的加速度传感器位置对应的位置处布设仿真用传感器；

3）向桥梁仿真模型施加仿真荷载激励以模拟桥梁在零损伤条件下的正常运营情况，采集桥梁仿真模型在零损伤条件下正常运营时的仿真用传感器读数；根据仿真用传感器读数，计算每个仿真用传感器对应的仿真初始结构信息熵，并以仿真初始结构信息熵中的熵值最大者的数值为仿真敏感熵指标；

4）对桥梁仿真模型进行多次不同形式的破坏，每次破坏后都向桥梁仿真模型施加仿真荷载激励，以模拟桥梁在各种损伤条件下的运营情况；在每种损伤条件下，分别采集仿真用传感器的读数，根据仿真用传感器读数，计算每种损伤条件下每个仿真用传感器对应的仿真结构信息熵；

每种损伤条件下，单个仿真用传感器对应的仿真结构信息熵中的最小者记为熵值A，多个仿真用传感器则有多个熵值A，以熵值A中的最大者的数值为仿真预警熵指标；

5）根据每种损伤条件下对应的仿真预警熵指标与仿真敏感熵指标之间的数值差异，设定各种损伤条件对应的预警等级：仿真预警熵指标与仿真敏感熵指标之间的数值差异越大，说明桥梁结构越不稳定，则此仿真预警熵指标对应的损伤条件的预警等级越高；

6）计算敏感熵指标和仿真敏感熵指标之间的差值，根据差值对仿真预警熵指标进行修正，获得预警熵指标；

7）对加速度传感器读数进行定期采集，并计算出各个加速度传感器对应的结构信息熵，将结构信息熵中最大者与预警熵指标进行数值比较，当某一采样周期内结构信息熵中的最大者小于某一预警熵指标时，则作与该预警熵指标所对应的预警等级相匹配的预警处理。

前述方案中所涉及的各种熵值可按如下方法计算：

一个采样周期内，通过加速度传感器或仿真用传感器能获得包含多个加速度数值的一组读数；针对同一加速度传感器或仿真用传感器，在相同时长的不同采样周期内，可分别获得多组读数；

则有：

${\mathrm{\Δa}}_i^j=|a_i^j-a_i^0|$

其中，

为第j个采样周期内、第i次采样获得的加速度数值；

为第一个采样周期内、第i次采样获得的加速度数值；

为第j个采样周期与第一个采样周期中、第i次采样时获得的两个加速度数值之间的差值；

按下式对

进行归一化处理：

$q_i^j=\frac{{\mathrm{\Δa}}_i^j}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\Δ}{a}_i^j}$

其中，

为与

对应的归一化处理后的数据，n为单个采样周期内的采样数量；

按下式计算第j个采样周期、第i次采样时加速度传感器或仿真用传感器对应的信息熵熵值S_j：

$S_j=-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{q}_i^j\ln q_i^{\text{j}}$

当前述方法用于计算初始结构信息熵或结构信息熵时，其加速度数值为加速度传感器采集到的数据，当前述方法用于计算仿真初始结构信息熵或仿真结构信息熵时，其加速度数值为仿真用传感器采集到的数据；

零损伤条件下和其余每种损伤条件下，均包含多个采样周期，每个采样周期内均进行n次采样，按前述方法计算熵值S，即可获得多个熵值。

本发明的有益技术效果是：从宏观上将桥梁结构作为整体系统考虑，通过对系统熵特性的监测实现对桥梁安全的监测，突破了传统监测信息的局部性与桥梁结构的整体性无法统一的矛盾，使得局部与局部、局部与整体的关联性更密切，提升了桥梁结构健康监测系统在实际工程实践中的应用价值。

具体实施方式

熵（entropy）在控制论、概率论、数论、天体物理、生命科学等领域都有重要的应用，是各领域十分重要的参量，它可以从宏观上表征体系的稳定程度。本领域的学者也早就对熵在桥梁监测系统中的应用进行过探索，但目前尚未有成熟、可行的实用方案。

桥梁是一个十分复杂的非线性系统，本领域在分析这类结构时，一般采用如下模型来进行分析：

其中，[M]、[C]、[K]分别是质量矩阵、阻尼矩阵和刚度矩阵，

{x}分别是加速度向量、速度向量、位移向量，{F(t)}是载荷向量（激励阵）；当随机外部激励作用到桥梁结构上时，最终都会以加速度向量、速度向量或位移向量的变化体现出来，而速度向量和位移向量最终都可以用加速度向量来进行表征，这就可以使信息处理的复杂度得到大大简化，并通过信息熵来对加速度向量进行分析，从而实现对桥梁结构安全的监测；基于此思路，本发明提出了如下方案：

一种基于熵理论的在役桥梁安全预警方法，1）在桥梁上布设多个加速度传感器，采集桥梁零损伤条件下正常运营时的加速度传感器读数；根据加速度传感器读数，计算每个加速度传感器对应的初始结构信息熵，以初始结构信息熵中的熵值最大者的数值为敏感熵指标；

现有理论已经证明，熵的数值大小与系统的稳定程度呈正相关性，即熵值越大，系统越稳定，熵值越小，系统稳定性越差，因此，本发明中以初始结构信息熵中的熵值最大者为敏感熵指标，可以使判断桥梁结构稳定性的标准更为严格，从而保证桥梁的结构安全；实际工程中，随着桥梁的运营，后续监测过程中获得的结构信息熵的数值，都不可能大于敏感熵指标。

2）搭建桥梁仿真模型，在桥梁仿真模型上与布设在实际桥梁上的加速度传感器位置对应的位置处布设仿真用传感器；

3）向桥梁仿真模型施加仿真荷载激励以模拟桥梁在零损伤条件下的正常运营情况，采集桥梁仿真模型在零损伤条件下正常运营时的仿真用传感器读数；根据仿真用传感器读数，计算每个仿真用传感器对应的仿真初始结构信息熵，并以仿真初始结构信息熵中的熵值最大者的数值为仿真敏感熵指标；仿真敏感熵指标的选择依据与敏感熵指标相同。

4）对桥梁仿真模型进行多次不同形式的破坏，每次破坏后都向桥梁仿真模型施加仿真荷载激励，以模拟桥梁在各种损伤条件下的运营情况；在每种损伤条件下，分别采集仿真用传感器的读数，根据仿真用传感器读数，计算每种损伤条件下每个仿真用传感器对应的仿真结构信息熵；

每种损伤条件下，单个仿真用传感器对应的仿真结构信息熵中的最小者记为熵值A，多个仿真用传感器则有多个熵值A，以熵值A中的最大者的数值为仿真预警熵指标；

每个加速度传感器或仿真用传感器对应的结构信息熵或仿真结构信息熵反应的是该传感器对应位置处的结构稳定性，由于桥梁结构的正常劣化是一个缓慢蠕变的过程，因此取单个仿真用传感器对应的仿真结构信息熵中的最小者作为熵值A，可以避免监测系统频繁报警，而以多个熵值A中的最大者的数值为仿真预警熵指标，可以使监测系统报警的准确性得到提高。

5）根据每种损伤条件下对应的仿真预警熵指标与仿真敏感熵指标之间的数值差异，设定各种损伤条件对应的预警等级：仿真预警熵指标与仿真敏感熵指标之间的数值差异越大，说明桥梁结构越不稳定，则此仿真预警熵指标对应的损伤条件的预警等级越高；

具体设置损伤条件时，可以根据经验数据，以及桥梁业主方制订的判断桥梁损伤度的标准在桥梁仿真模型上设置对应的破坏形式，破坏越严重，则其对应的仿真预警熵指标数值肯定越小。

6）计算敏感熵指标和仿真敏感熵指标之间的差值，根据差值对仿真预警熵指标进行修正，获得预警熵指标；具体修正时，可按如下方式进行：

设敏感熵指标的数值为b，仿真敏感熵指标的数值为c，某一仿真预警熵指标的数值为d，则修正后的仿真预警熵指标的数值为d-（c-b）；

7）对加速度传感器读数进行定期采集，并计算出各个加速度传感器对应的结构信息熵，将结构信息熵中最大者与预警熵指标进行数值比较，当某一采样周期内结构信息熵中的最大者小于某一预警熵指标时，则作与该预警熵指标所对应的预警等级相匹配的预警处理。

前述方案除了可以对桥梁的结构安全状态进行预警外，还对桥梁的病害处理具有指导意义：当系统发出报警信息后，说明桥梁结构上的某一位置出现了结构损伤或结构稳定性劣化严重，只要加速度传感器布置的数量和覆盖的监测区域足够多，工程人员可直接依据加速度传感器方便地找到需要处治的位置，并对其损伤情况进行分析和处理。

根据如下方法计算信息熵：

一个采样周期内，通过加速度传感器或仿真用传感器能获得包含多个加速度数值的一组读数；针对同一加速度传感器或仿真用传感器，在相同时长的不同采样周期内，可分别获得多组读数；

则有：

${\mathrm{\Δa}}_i^j=|a_i^j-a_i^0|$

其中，

为第j个采样周期内、第i次采样获得的加速度数值；

为第一个采样周期内、第i次采样获得的加速度数值；

为第j个采样周期与第一个采样周期中、第i次采样时获得的两个加速度数值之间的差值；

按下式对进行归一化处理：

$q_i^j=\frac{{\mathrm{\Δa}}_i^j}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\Δ}{a}_i^j}$

其中，

为与

对应的归一化处理后的数据，n为单个采样周期内的采样数量；

按下式计算第j个采样周期、第i次采样时加速度传感器或仿真用传感器对应的信息熵熵值S_j：

$S_j=-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{q}_i^j\ln q_i^{\text{j}}$

当前述方法用于计算初始结构信息熵或结构信息熵时，其加速度数值为加速度传感器采集到的数据，当前述方法用于计算仿真初始结构信息熵或仿真结构信息熵时，其加速度数值为仿真用传感器采集到的数据；

零损伤条件下和其余每种损伤条件下，均包含多个采样周期，每个采样周期内均进行n次采样，按前述方法计算熵值S，即可获得多个熵值。

Claims (2)

1.一种基于熵理论的在役桥梁安全预警方法，其特征在于：

1）在桥梁上布设多个加速度传感器，采集桥梁零损伤条件下正常运营时的加速度传感器读数；根据加速度传感器读数，计算每个加速度传感器对应的初始结构信息熵，以初始结构信息熵中的熵值最大者的数值为敏感熵指标；

2）搭建桥梁仿真模型，在桥梁仿真模型上与布设在实际桥梁上的加速度传感器位置对应的位置处布设仿真用传感器；

3）向桥梁仿真模型施加仿真荷载激励以模拟桥梁在零损伤条件下的正常运营情况，采集桥梁仿真模型在零损伤条件下正常运营时的仿真用传感器读数；根据仿真用传感器读数，计算每个仿真用传感器对应的仿真初始结构信息熵，并以仿真初始结构信息熵中的熵值最大者的数值为仿真敏感熵指标；

4）对桥梁仿真模型进行多次不同形式的破坏，每次破坏后都向桥梁仿真模型施加仿真荷载激励，以模拟桥梁在各种损伤条件下的运营情况；在每种损伤条件下，分别采集仿真用传感器的读数，根据仿真用传感器读数，计算每种损伤条件下每个仿真用传感器对应的仿真结构信息熵；

每种损伤条件下，单个仿真用传感器对应的仿真结构信息熵中的最小者记为熵值A，多个仿真用传感器则有多个熵值A，以熵值A中的最大者的数值为仿真预警熵指标；

5）根据每种损伤条件下对应的仿真预警熵指标与仿真敏感熵指标之间的数值差异，设定各种损伤条件对应的预警等级：仿真预警熵指标与仿真敏感熵指标之间的数值差异越大，说明桥梁结构越不稳定，则此仿真预警熵指标对应的损伤条件的预警等级越高；

6）计算敏感熵指标和仿真敏感熵指标之间的差值，根据差值对仿真预警熵指标进行修正，获得预警熵指标；

7）对加速度传感器读数进行定期采集，并计算出各个加速度传感器对应的结构信息熵，将结构信息熵中最大者与预警熵指标进行数值比较，当某一采样周期内结构信息熵中的最大者小于某一预警熵指标时，则作与该预警熵指标所对应的预警等级相匹配的预警处理。

2.根据权利要求1所述的基于熵理论的在役桥梁安全预警方法，其特征在于：根据如下方法计算信息熵：

一个采样周期内，通过加速度传感器或仿真用传感器能获得包含多个加速度数值的一组读数；针对同一加速度传感器或仿真用传感器，在相同时长的不同采样周期内，可分别获得多组读数；

则有：

${\mathrm{\Δa}}_i^j=|a_i^j-a_i^0|$

其中，

为第j个采样周期内、第i次采样获得的加速度数值；

为第一个采样周期内、第i次采样获得的加速度数值；

为第j个采样周期与第一个采样周期中、第i次采样时获得的两个加速度数值之间的差值；

按下式对

进行归一化处理：

$q_i^j=\frac{{\mathrm{\Δa}}_i^j}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\Δ}{a}_i^j}$

其中，

为与

对应的归一化处理后的数据，n为单个采样周期内的采样数量；

按下式计算第j个采样周期、第i次采样时加速度传感器或仿真用传感器对应的信息熵熵值S_j：

$S_j=-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{q}_i^j\ln q_i^{\text{j}}$

当前述方法用于计算初始结构信息熵或结构信息熵时，其加速度数值为加速度传感器采集到的数据，当前述方法用于计算仿真初始结构信息熵或仿真结构信息熵时，其加速度数值为仿真用传感器采集到的数据；

零损伤条件下和其余每种损伤条件下，均包含多个采样周期，每个采样周期内均进行n次采样，按前述方法计算熵值S，即可获得多个熵值。