CN103868492A - 运营状态下斜拉桥竖向变形性能的退化报警方法 - Google Patents
运营状态下斜拉桥竖向变形性能的退化报警方法 Download PDFInfo
- Publication number
- CN103868492A CN103868492A CN201410129392.1A CN201410129392A CN103868492A CN 103868492 A CN103868492 A CN 103868492A CN 201410129392 A CN201410129392 A CN 201410129392A CN 103868492 A CN103868492 A CN 103868492A
- Authority
- CN
- China
- Prior art keywords
- girder
- cable
- vertical
- temperature
- stayed bridge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Bridges Or Land Bridges (AREA)
Abstract
本发明涉及一种运营状态下斜拉桥竖向变形性能的退化报警方法,该方法包括如下步骤:传感器的设置:在斜拉桥跨中位置的主梁顶面和底面安装温度传感器用以监测主梁的顶面温度和底面温度,另外在斜拉桥跨中位置的主梁顶面安装竖向加速度传感器和竖向位移传感器用以监测主梁竖向加速度和主梁竖向位移;在斜拉桥桥塔顶部位置安装温度传感器;在斜拉桥距离跨中位置最近的斜拉索中部位置安装温度传感器;监测数据的处理;完好状态下主梁竖向位移和运营因素的数学相关模型;控制图显著性水平的确定;斜拉桥竖向变形性能退化报警。本发明全面考虑了运营状态下引起斜拉桥主梁竖向位移变化的各种因素,有效提高了斜拉桥主梁竖向变形性能退化报警的实时性和准确性。
Description
技术领域
本发明是一种应用于运营状态下斜拉桥竖向变形性能的退化报警方法,涉及桥梁工程的无损检测领域。
背景技术
在斜拉桥的长期运营过程中,斜拉桥竖向变形性能的退化直接关系到整个桥梁结构的安全运营。因此需要对斜拉桥的竖向变形性能进行监测和评估,以便尽早地发现其性能退化并及时报警。目前,斜拉桥竖向变形性能检测主要采用人工定期检测的方式,这种方式存在以下的问题:(1)人工检测主观性较强,并且缺乏历史数据的积累,难以对斜拉桥竖向变形性能的退化做出定量地判断;(2)实时性较差,不能及时地发现斜拉桥竖向变形性能退化,有可能影响到桥梁结构和行车的安全。因此,针对上述人工检测的缺点,迫切需要发展一种方法对斜拉桥竖向变形性能退化进行实时地监测和报警。
斜拉桥主梁的竖向位移是反映斜拉桥竖向变形性能最直观和最有效的参数。在斜拉桥运营状态下通过监测斜拉桥主梁竖向位移的变化可以较好地反映斜拉桥的竖向变形性能。然而,斜拉桥在实际运营状态下的主梁竖向位移是由各种运营因素的综合作用引起的。不仅车辆荷载会引起主梁竖向位移,斜拉桥的温度作用也会引起主梁竖向位移。对于斜拉桥而言,主梁平均温度、主梁竖向温差、塔梁温差和索梁温差等四种温度作用都会引起主梁竖向位移。因此有必要在全面考虑车辆荷载和温度作用等各种运营因素对斜拉桥主梁竖向位移的影响基础上,提出一种斜拉桥运营状态下的竖向变形性能退化报警方法,满足斜拉桥竖向变形性能退化报警的实时性和准确性要求。
发明内容
技术问题:本发明针对现有斜拉桥竖向变形性能退化监测技术的不足,提出了一种运营状态下斜拉桥竖向变形性能的退化报警方法,重点解决斜拉桥竖向变形性能退化报警的实时性和准确性。
技术方案:为解决上述技术问题,本发明提供了一种运营状态下斜拉桥竖向变形性能的退化报警方法,该方法包括如下步骤:
步骤1:传感器的设置:
在斜拉桥跨中位置的主梁顶面和底面安装温度传感器用以监测主梁的顶面温度和底面温度,另外在斜拉桥跨中位置的主梁顶面安装竖向加速度传感器和竖向位移传感器用以监测主梁竖向加速度和主梁竖向位移;在斜拉桥桥塔顶部位置安装温度传感器,用以监测桥塔的温度;在斜拉桥距离跨中位置最近的斜拉索中部位置安装温度传感器,用以监测斜拉索的温度;
步骤2:监测数据的处理:
以10分钟为计算区间,对传感器获取的原始数据进行处理,分别计算主梁顶面温度Tu、主梁底面温度Tb、主梁竖向位移D、桥塔温度Tt、斜拉索温度Tc和车辆荷载的代表值E,所述车辆荷载的代表值E是以10分钟为区间计算主梁竖向加速度的均方根,以此作为这一时间段内的车辆荷载的强度代表值。在此基础上进一步计算主梁平均温度T0=(Tu+Tb)/2、主梁竖向温差Tv=Tu-Tb、塔梁温差Tp=Tt-T0和索梁温差Tr=Tc-T0;
步骤3:完好状态下主梁竖向位移和运营因素的数学相关模型:
步骤3a:选取桥梁施工建成后n天的监测数据来建立相关模型,则监测样本总量为m=144×n,n为自然数,
步骤3b:采用反向传播神经网络建立主梁竖向位移D和主梁平均温度T0、主梁竖向温差Tv、塔梁温差Tp、索梁温差Tr和车辆荷载代表值E的相关性模型,反向传播网络模型的隐层数和隐层单元由随机爬山法确定,
步骤3c:消除运营因素对主梁竖向位移的影响,分别选取主梁平均温度的参考值为R0、主梁竖向温差的参考值为Rv、塔梁温差的参考值为Rp、索梁温差的参考值为Rr和车辆荷载代表值的参考值为RE,将主梁竖向位移的原始测试值D归一化至主梁平均温度的参考值R0、主梁竖向温差的参考值Rv、塔梁温差的参考值Rp、索梁温差的参考值Rr和车辆荷载代表值的参考值RE,得到消除运营因素影响的主梁竖向位移值D1,
步骤4:控制图显著性水平的确定:
将步骤3计算出的主梁竖向位移值D1输入均值控制图,调整控制图的显著性水平,使得上述n天总计m个样本点全部落在控制图的上、下控制线之内;
步骤5:斜拉桥竖向变形性能退化报警:
对未知状态的l天监测数据,采用斜拉桥完好状态的相关模型消除主梁平均温度、主梁竖向温差、塔梁温差、索梁温差和车辆荷载代表值的影响,在此基础上得到s个主梁竖向位移值,s=144×l,l是天数,记为D2;保持步骤4确定的显著性不变,将消除运营因素影响的主梁竖向位移值D1和s个主梁竖向位移值D2同时输入均值控制图,此时,若所有m+s个样本仍全部位于上、下控制线内,则说明斜拉桥竖向变形性能为正常,若有样本落在了控制线以外,则说明斜拉桥竖向变形性能异常,作出斜拉桥竖向变形性能发生退化的报警。
有益效果:针对运营状态下斜拉桥竖向变形性能退化报警的实时性和准确性要求,本发明综合采用现场监测、统计分析、均值控制图等手段提出了运营状态下的斜拉桥竖向变形性能退化报警方法,具有以下有益效果:
(1)本发明所需安装的传感器数量较少,仅需要温度传感器、位移传感器和加速度传感器。同时,本发明采用的方法简单易行,可以在计算机中较为方便地编程实现,方便实际工程的应用。
(2)本发明全面考虑了运营状态下引起斜拉桥主梁竖向位移变化的各种因素,消除了主梁平均温度、主梁竖向温差、塔梁温差、索梁温差和车辆荷载代表值对主梁竖向位移实测值的影响,有效提高了斜拉桥竖向变形性能退化报警的精度。
(3)本发明能够对斜拉桥竖向变形性能退化进行在线监测,方法的实现过程中无需人工干预,减少了人力劳动的支出,具有广阔的工程应用前景。
附图说明
图1为某斜拉桥传感器布设位置示意图;
图2为斜拉桥跨中位置的主梁顶面和底面的传感器布设位置示意图;
图3为主梁竖向位移的实测值和消除环境影响后的归一化值;
图4为斜拉桥竖向变形性能处于正常状态下的主梁竖向位移均值控制图,图中的UCL表示上控制线,LCL表示下控制线,CL为控制图的中线;
图5为斜拉桥竖向变形性能处于退化状态下的主梁竖向位移均值控制图,图中的UCL表示上控制线,LCL表示下控制线,CL为控制图的中线。
具体实施方式
下面将参照附图对本发明进行说明。
本发明的基本思想是:通过在斜拉桥跨中位置的主梁上安装竖向位移传感器用以监测主梁竖向位移,当斜拉桥竖向变形性能发生退化时,主梁的竖向位移就会发生异常变化,从而实现斜拉桥竖向变形性能退化报警。
但是,如背景技术中所述,在桥梁的运营状况下,车辆荷载和温度作用将会引起主梁竖向位移发生变化,这种变化将淹没或掩盖斜拉桥竖向变形性能退化所造成的主梁竖向位移变化。因此,应建立主梁竖向位移和车辆荷载、温度作用的相关性模型用以消除运营因素对主梁竖向位移的影响。
本发明的方法是:根据斜拉桥车辆荷载和温度作用对主梁竖向位移的影响特征建立健康状态下主梁竖向位移与主梁平均温度、主梁竖向温差、塔梁温差、索梁温差、车辆荷载代表值的相关性模型,基于上述相关性模型消除斜拉桥车辆荷载和温度作用对主梁竖向位移的影响,得到能够真正反映斜拉桥竖向变形性能的主梁竖向位移,并采用均值控制图的方法识别由斜拉桥竖向变形性能退化所引起的主梁竖向位移异常变化。
本发明提出的运营状态下斜拉桥竖向变形性能退化报警方法为:
包括如下步骤:
1):传感器的设置:
桥梁施工建设时,在斜拉桥跨中位置1的主梁顶面和底面安装温度传感器用以监测主梁的顶面温度和底面温度,另外在主梁顶面安装竖向加速度传感器和竖向位移传感器用以监测主梁竖向加速度和主梁竖向位移;在斜拉桥桥塔顶部位置2安装温度传感器,用以监测桥塔的温度;在斜拉桥距离跨中位置最近的斜拉索中部位置3安装温度传感器,用以监测斜拉索的温度;
2):监测数据的处理:
以10分钟为计算区间,对传感器获取的原始数据进行处理,分别计算主梁顶面温度Tu、主梁底面温度Tb、主梁竖向位移D、桥塔温度Tt、斜拉索温度Tc和车辆荷载的代表值E,所述车辆荷载的代表值E是以10-min为区间计算主梁竖向加速度的均方根,以此作为这一时间段内的车辆荷载的强度代表值。在此基础上进一步计算主梁平均温度T0=(Tu+Tb)/2、主梁竖向温差Tv=Tu-Tb、塔梁温差Tp=Tt-T0和索梁温差Tr=Tc-T0;
3):完好状态下主梁竖向位移和运营因素的数学相关模型:
a):选取桥梁施工建成后n天的监测数据来建立相关模型,则监测样本总量为m=144×n,n为自然数,
b):采用反向传播神经网络建立主梁竖向位移D和主梁平均温度T0、主梁竖向温差Tv、塔梁温差Tp、索梁温差Tr和车辆荷载代表值E的相关性模型,反向传播网络模型的隐层数和隐层单元由随机爬山法确定,反向传播神经网络以及随机爬山法的具体过程参阅文献:董长虹.神经网络与应用.北京:国防工业出版社,2005,
c):消除运营因素对主梁竖向位移的影响,分别选取主梁平均温度的参考值为R0、主梁竖向温差的参考值为Rv、塔梁温差的参考值为Rp、索梁温差的参考值为Rr和车辆荷载代表值的参考值为RE,将主梁竖向位移的原始测试值D归一化至主梁平均温度的参考值R0、主梁竖向温差的参考值Rv、塔梁温差的参考值Rp、索梁温差的参考值Rr和车辆荷载代表值的参考值RE,得到消除运营因素影响的主梁竖向位移值D1,
4):控制图显著性水平的确定:
将步骤3计算出的主梁竖向位移值D1输入均值控制图,调整控制图的显著性水平,使得上述n天总计m个样本点全部落在控制图的上、下控制线之内;
5):斜拉桥竖向变形性能退化报警:
对未知状态的l天监测数据,采用斜拉桥完好状态的相关模型消除主梁平均温度、主梁竖向温差、塔梁温差、索梁温差和车辆荷载代表值的影响,在此基础上得到s个主梁竖向位移值,s=144×l,l是天数,记为D2;保持步骤4确定的显著性不变,将消除运营因素影响的主梁竖向位移值D1和s个主梁竖向位移值D2同时输入均值控制图,此时,若所有m+s个样本仍全部位于上、下控制线内,则说明斜拉桥竖向变形性能为正常,若有样本落在了控制线以外,则说明斜拉桥竖向变形性能异常,可作出斜拉桥竖向变形性能发生退化的报警。
(1)在传感器的设置过程中,传感器的布置数量、位置及参数的设置可视斜拉桥的跨径、桥面宽度以及桥址的环境等具体情况而定,通常在斜拉桥跨中位置的主梁顶面和底面安装温度传感器,另外在斜拉桥跨中位置的主梁顶面安装竖向加速度传感器和竖向位移传感器,在斜拉桥桥塔顶部位置安装温度传感器,在斜拉桥距离跨中位置最近的斜拉索中部位置安装温度传感器,即可满足本发明的需要。
(2)将原始监测数据作如下处理:主梁顶面和底面的温度传感器数据以10-min为区间计算其平均值,以此作为这一时间区段内的主梁顶面温度Tu和主梁底面温度Tb;主梁顶面的竖向位移传感器数据以10-min为区间计算其平均值,以此作为这一时间区段内的主梁竖向位移D;桥塔和斜拉索的温度传感器数据以10-min为区间计算其平均值,以此作为这一时间区段内的桥塔温度Tt和斜拉索温度Tc;主梁顶面的竖向加速度传感器数据以10-min为区间计算其均方根值,以此作为这一时间段内的车辆荷载的强度代表值E。在此基础上进一步计算这一时间区段内的主梁平均温度T0=(Tu+Tb)/2、主梁竖向温差Tv=Tu-Tb、塔梁温差Tp=Tt-T0和索梁温差Tr=Tc-T0。
(3)选择桥梁施工完成后n天的监测数据来建立相关模型,这是因为这段时间内斜拉桥的竖向变形性能可认为处于完好的状态,以T0、Tv、Tp、Tr、E和D分别表示主梁平均温度、主梁竖向温差、塔梁温差、索梁温差、车辆荷载代表值和主梁竖向位移,样本总数为m=144×n。
(4)采用反向传播神经网络建立主梁竖向位移D和主梁平均温度T0、主梁竖向温差Tv、塔梁温差Tp、索梁温差Tr和车辆荷载代表值E的相关性模型,反向传播网络模型的隐层数和隐层单元由随机爬山法确定。反向传播神经网络是目前应用广泛的成熟的神经网络技术,关于随机爬山法等反向传播神经网络计算中的具体过程不在本发明所涉及范围。
(5)选取主梁平均温度的参考值为R0、主梁竖向温差的参考值为Rv、塔梁温差的参考值为Rp、索梁温差的参考值为Rr和车辆荷载代表值的参考值为RE,将其输入神经网络模型,得到主梁竖向位移的参考值为Dr,同时将主梁平均温度的原始测试值T0、主梁竖向温差的原始测试值Tv、塔梁温差的原始测试值Tp、索梁温差的原始测试值Tr和车辆荷载代表值的原始测试值E也输入神经网络模型,得到主梁竖向位移的计算值Dt,于是可计算消除运营因素影响的主梁竖向位移值D1:
D1=D-(Dt-Dr) (1)
(6)将消除了运营因素影响的主梁竖向位移值D1输入均值控制图,调整控制图的显著性水平,使得上述n天总计m个样本点全部落在上、下控制线(UCL、LCL)之内。
(7)对未知状态的l天监测数据,首先将其处理为10-min为计算区间的代表值,然后采用斜拉桥完好状态下的相关模型消除主梁平均温度、主梁竖向温差、塔梁温差、索梁温差和车辆荷载代表值的影响,计算出s(s=144×l)个主梁竖向位移值D2。保持控制图的显著性水平与完好状态下的一致,将D1和D2同时输入均值控制图,此时,若所有m+s个样本仍全部位于上、下控制线内,则说明斜拉桥竖向变形性能为正常,若有样本落在了控制线以外,则说明斜拉桥竖向变形性能异常,可作出斜拉桥竖向变形性能发生退化的报警。
附图非限制性地公开了本发明一个实施例的示意图,以下将结合附图对本发明的具体实施方案进行进一步的描述:
在传感器的设置过程中,通常在斜拉桥跨中位置的主梁顶面和底面安装温度传感器,另外在主梁顶面安装竖向加速度传感器和竖向位移传感器,在斜拉桥桥塔顶部位置安装温度传感器,在斜拉桥距离跨中位置最近的斜拉索中部位置安装温度传感器,即可满足本发明的需要。图1给出了某斜拉桥传感器布设位置示意图。图1中,斜拉桥跨中位置1的主梁顶面和底面安装温度传感器,另外在主梁顶面安装竖向加速度传感器和竖向位移传感器,在斜拉桥桥塔顶部位置2安装温度传感器,在斜拉桥距离跨中位置最近的斜拉索中部位置3安装温度传感器。图2给出了斜拉桥跨中位置的主梁顶面和底面的传感器布设位置示意图。
针对图1所示的斜拉桥选取2012年一月到六月168天的监测数据,并以10-min为时距,计算主梁顶面温度Tu、主梁底面温度Tb、主梁竖向位移D、桥塔温度Tt、斜拉索温度Tc和车辆荷载的代表值E。在此基础上进一步计算主梁平均温度T0=(Tu+Tb)/2、主梁竖向温差Tv=Tu-Tb、塔梁温差Tp=Tt-T0和索梁温差Tr=Tc-T0,共144×168=24192个样本。
采用反向传播神经网络建立主梁竖向位移和主梁平均温度、主梁竖向温差、塔梁温差、索梁温差和车辆荷载代表值的相关性模型。神经网络模型的输入端是主梁平均温度、主梁竖向温差、塔梁温差、索梁温差和车辆荷载代表值,输出层单元是主梁竖向位移。训练神经网络模型时采用主梁平均温度T0、主梁竖向温差Tv、塔梁温差Tp、索梁温差Tr和车辆荷载代表值E作为输入端,主梁竖向位移D作为输出端。网络的隐层数和隐层单元由随机爬山法确定,本实施例最终采用的网络结构为单隐层且具有8个隐层单元。
选取主梁平均温度的参考值R0为20℃、主梁竖向温差的参考值Rv为10℃、塔梁温差的参考值Rp为10℃、索梁温差的参考值Rr为10℃和车辆荷载代表值的参考值RE为0.01m/s2,将其输入神经网络模型,得到主梁竖向位移的参考值为Dr,同时将主梁平均温度的原始测试值T0、主梁竖向温差的原始测试值Tv、塔梁温差的原始测试值Tp、索梁温差的原始测试值Tr和车辆荷载代表值的原始测试值E也输入神经网络模型,得到主梁竖向位移的计算值Dt,得到消除运营因素影响的主梁竖向位移值D1。本实施例中,主梁平均温度的参考值R0取为20℃、主梁竖向温差的参考值Rv取为10℃、塔梁温差的参考值Rp取为10℃、索梁温差的参考值Rr取为10℃和车辆荷载代表值的参考值RE取为0.01m/s2,但是需要说明,主梁平均温度、主梁竖向温差、塔梁温差、索梁温差和车辆荷载代表值的“参考值”选取没有规定值。这是因为本发明中所提出的消除运营因素的影响,并不是消除运营因素对主梁竖向位移的“绝对”影响,而是消除运营因素的“相对”影响,只要在斜拉桥竖向变形性能处于完好状态和未知状态中选取一致的运营因素“参考值”,就可以实现对斜拉桥竖向变形性能退化的判别。
再取另外10天监测数据作为斜拉桥竖向变形性能未知时的数据,采用本发明的方法得到144×10=1440个主梁竖向位移值样本,记为D2。
图3给出了主梁竖向位移的实测值和消除环境影响后的归一化值。图中实线表示主梁竖向位移的实测值,虚线的前24192个样本即表示D1,后1440个样本则表示D2,从图中可以看出主梁竖向位移的归一化值曲线变化都很平稳,且幅度很小,这说明本发明的方法有效地去除了运营因素对主梁竖向位移的影响。
将D1和D2同时输入均值控制图,图4给出了斜拉桥竖向变形性能处于正常状态下的主梁竖向位移均值控制图。图中前24192个数据表述斜拉桥竖向变形性能处于完好状态,即D1;后1440个数据表示斜拉桥竖向变形性能处于未知状态,即D2。通过调整控制图的显著性水平使前24192个样本正好位于上下控制线之内,同时,可以发现,后1440个样本同样也位于控制线之内,这说明此时钢箱梁处于健康状态。
为了检验本发明对斜拉桥竖向变形性能退化报警的效果,将上述另取的10天的10-min主梁竖向位移值施加一定的变化,以此来模拟斜拉桥竖向变形性能退化对主梁竖向位移的影响:
式中,D为后10天的10-min主梁竖向位移实测值;Dm为斜拉桥竖向变形性能退化下后10天的10-min主梁竖向位移模拟值;ε表示退化水平,这里取为0.05%;为健康状态下斜拉桥前168天的主梁竖向位移实测值的平均值。
再将Dm按照本发明的方法计算得到1440个主梁竖向位移样本,记为D′2。然后将D1和D′2也同时输入均值控制图,保持控制图的显著性水平不变,图5给出了斜拉桥竖向变形性能模拟退化状态下的主梁竖向位移均值控制图,从图中可以看出当斜拉桥竖向变形性能退化引起主梁竖向位移发生0.05%的变化时,后1440个样本明显地趋近下控制线,且有部分样本已超出控制范围,此时,可以判定斜拉桥竖向变形性能发生退化。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (1)
1. 一种运营状态下斜拉桥竖向变形性能的退化报警方法,其特征在于:该方法包括如下步骤:
步骤1:传感器的设置:
在斜拉桥跨中位置的主梁顶面和底面安装温度传感器用以监测主梁的顶面温度和底面温度,另外在斜拉桥跨中位置的主梁顶面安装竖向加速度传感器和竖向位移传感器用以监测主梁竖向加速度和主梁竖向位移;在斜拉桥桥塔顶部位置安装温度传感器,用以监测桥塔的温度;在斜拉桥距离跨中位置最近的斜拉索中部位置安装温度传感器,用以监测斜拉索的温度;
步骤2:监测数据的处理:
以10分钟为计算区间,对传感器获取的原始数据进行处理,分别计算主梁顶面温度Tu、主梁底面温度Tb、主梁竖向位移D、桥塔温度Tt、斜拉索温度Tc和车辆荷载的代表值E,所述车辆荷载的代表值E是以10分钟为区间计算主梁竖向加速度的均方根,以此作为这一时间段内的车辆荷载的强度代表值,在此基础上进一步计算主梁平均温度T0=(Tu+Tb)/2、主梁竖向温差Tv=Tu-Tb、塔梁温差Tp=Tt-T0和索梁温差Tr= Tc-T0;
步骤3:完好状态下主梁竖向位移和运营因素的数学相关模型:
步骤3a:选取桥梁施工建成后n天的监测数据来建立相关模型,则监测样本总量为m=144×n,n为自然数,
步骤3b:采用反向传播神经网络建立主梁竖向位移D和主梁平均温度T0、主梁竖向温差Tv、塔梁温差Tp、索梁温差Tr和车辆荷载代表值E的相关性模型,反向传播网络模型的隐层数和隐层单元由随机爬山法确定,
步骤3c:消除运营因素对主梁竖向位移的影响,分别选取主梁平均温度的参考值为R0、主梁竖向温差的参考值为Rv、塔梁温差的参考值为Rp、索梁温差的参考值为Rr和车辆荷载代表值的参考值为RE,将主梁竖向位移的原始测试值D归一化至主梁平均温度的参考值R0、主梁竖向温差的参考值Rv、塔梁温差的参考值Rp、索梁温差的参考值Rr和车辆荷载代表值的参考值RE,得到消除运营因素影响的主梁竖向位移值D1,
步骤4:控制图显著性水平的确定:
将步骤3计算出的主梁竖向位移值D1输入均值控制图,调整控制图的显著性水平,使得上述n天总计m个样本点全部落在控制图的上、下控制线之内;
步骤5:斜拉桥竖向变形性能退化报警:
对未知状态的l天监测数据,采用斜拉桥完好状态的相关模型消除主梁平均温度、主梁竖向温差、塔梁温差、索梁温差和车辆荷载代表值的影响,在此基础上得到s个主梁竖向位移值,s=144×l,l是天数,记为D2;保持步骤4确定的显著性不变,将消除运营因素影响的主梁竖向位移值D1和s个主梁竖向位移值D2同时输入均值控制图,此时,若所有m+s个样本仍全部位于上、下控制线内,则说明斜拉桥竖向变形性能为正常,若有样本落在了控制线以外,则说明斜拉桥竖向变形性能异常,作出斜拉桥竖向变形性能发生退化的报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410129392.1A CN103868492A (zh) | 2014-04-24 | 2014-04-24 | 运营状态下斜拉桥竖向变形性能的退化报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410129392.1A CN103868492A (zh) | 2014-04-24 | 2014-04-24 | 运营状态下斜拉桥竖向变形性能的退化报警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103868492A true CN103868492A (zh) | 2014-06-18 |
Family
ID=50907279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410129392.1A Pending CN103868492A (zh) | 2014-04-24 | 2014-04-24 | 运营状态下斜拉桥竖向变形性能的退化报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103868492A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825009A (zh) * | 2016-03-15 | 2016-08-03 | 东南大学 | 一种基于建筑信息模型的桥梁竖向变形性能预警方法 |
JP2017120207A (ja) * | 2015-12-28 | 2017-07-06 | セイコーエプソン株式会社 | 加速度センサーの設置方法、加速度センサー、制御装置、および計測システム |
CN107620260A (zh) * | 2017-10-25 | 2018-01-23 | 广西路桥工程集团有限公司 | 一种拱桥施工缆索吊塔架位移控制系统及使用方法 |
CN108021732A (zh) * | 2017-10-26 | 2018-05-11 | 南京工程学院 | 一种索承桥梁模数式伸缩缝的在线损伤预警方法 |
CN109357787A (zh) * | 2018-10-26 | 2019-02-19 | 中国十七冶集团有限公司 | 一种斜拉桥的主梁混凝土温度监控方法 |
CN113175987A (zh) * | 2021-04-09 | 2021-07-27 | 东南大学 | 一种考虑环境温度变异的桥梁动力特性异常预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59180323A (ja) * | 1983-03-30 | 1984-10-13 | Hitachi Ltd | 変位検出器 |
CN101782372A (zh) * | 2010-02-04 | 2010-07-21 | 东南大学 | 基于梁端纵向位移的桥梁伸缩缝损伤诊断智能方法 |
CN102288152A (zh) * | 2011-07-25 | 2011-12-21 | 河南路研交通科技有限公司 | 桥梁结构挠度测量装置及方法 |
WO2012012903A1 (en) * | 2010-07-30 | 2012-02-02 | Universite Laval | Pavement stress analysis sensor |
CN102565194A (zh) * | 2012-02-09 | 2012-07-11 | 东南大学 | 运营状态下大跨桥梁钢箱梁损伤预警方法 |
-
2014
- 2014-04-24 CN CN201410129392.1A patent/CN103868492A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59180323A (ja) * | 1983-03-30 | 1984-10-13 | Hitachi Ltd | 変位検出器 |
CN101782372A (zh) * | 2010-02-04 | 2010-07-21 | 东南大学 | 基于梁端纵向位移的桥梁伸缩缝损伤诊断智能方法 |
WO2012012903A1 (en) * | 2010-07-30 | 2012-02-02 | Universite Laval | Pavement stress analysis sensor |
CN102288152A (zh) * | 2011-07-25 | 2011-12-21 | 河南路研交通科技有限公司 | 桥梁结构挠度测量装置及方法 |
CN102565194A (zh) * | 2012-02-09 | 2012-07-11 | 东南大学 | 运营状态下大跨桥梁钢箱梁损伤预警方法 |
Non-Patent Citations (1)
Title |
---|
吴大宏: "基于遗传算法与神经网络的桥梁结构健康检测系统研究", 《西安交通大学 博士学位论文》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017120207A (ja) * | 2015-12-28 | 2017-07-06 | セイコーエプソン株式会社 | 加速度センサーの設置方法、加速度センサー、制御装置、および計測システム |
CN105825009A (zh) * | 2016-03-15 | 2016-08-03 | 东南大学 | 一种基于建筑信息模型的桥梁竖向变形性能预警方法 |
CN105825009B (zh) * | 2016-03-15 | 2018-09-18 | 东南大学 | 一种基于建筑信息模型的桥梁竖向变形性能预警方法 |
CN107620260A (zh) * | 2017-10-25 | 2018-01-23 | 广西路桥工程集团有限公司 | 一种拱桥施工缆索吊塔架位移控制系统及使用方法 |
CN107620260B (zh) * | 2017-10-25 | 2018-06-01 | 广西路桥工程集团有限公司 | 一种拱桥施工缆索吊塔架位移控制系统及使用方法 |
CN108021732A (zh) * | 2017-10-26 | 2018-05-11 | 南京工程学院 | 一种索承桥梁模数式伸缩缝的在线损伤预警方法 |
CN108021732B (zh) * | 2017-10-26 | 2020-03-31 | 南京工程学院 | 一种索承桥梁模数式伸缩缝的在线损伤预警方法 |
CN109357787A (zh) * | 2018-10-26 | 2019-02-19 | 中国十七冶集团有限公司 | 一种斜拉桥的主梁混凝土温度监控方法 |
CN113175987A (zh) * | 2021-04-09 | 2021-07-27 | 东南大学 | 一种考虑环境温度变异的桥梁动力特性异常预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102565194B (zh) | 运营状态下大跨桥梁钢箱梁损伤预警方法 | |
CN103868492A (zh) | 运营状态下斜拉桥竖向变形性能的退化报警方法 | |
TWI449883B (zh) | 結構體安全性之分析方法 | |
CN108763763B (zh) | 一种桥梁结构应变响应异常预警方法 | |
Mourad et al. | A method for automatic validation of long time series of data in urban hydrology | |
CN101782372B (zh) | 基于梁端纵向位移的桥梁伸缩缝损伤诊断智能方法 | |
CN101382473B (zh) | 桥梁结构安全预警的ewma控制图方法 | |
CN105760934A (zh) | 一种基于小波与bp神经网络的桥梁异常监测数据修复方法 | |
Ding et al. | Assessment of bridge expansion joints using long-term displacement measurement under changing environmental conditions | |
Sousa Tomé et al. | Online early damage detection and localisation using multivariate data analysis: Application to a cable‐stayed bridge | |
CN111625988A (zh) | 基于深度学习的桥梁健康管理分析与预测系统及方法 | |
CN102589993B (zh) | 公路钢桥面板焊缝疲劳损伤全场监控方法 | |
KR101328889B1 (ko) | 계측 변위 기반의 구조물 건전도 평가 시스템 | |
CN113514110A (zh) | 一种道路桥梁工程智能测量系统 | |
CN115165725A (zh) | 一种基于数据驱动的海上装备腐蚀监测与安全预警系统 | |
CN104850678B (zh) | 基于行车走行性的公路桥梁伸缩装置走行服役性能评定方法 | |
CN104048843A (zh) | 基于gps位移监测的大跨桥梁钢箱梁损伤预警方法 | |
CN109635497B (zh) | 一种基于非线性损伤理论的钢梁桥寿命及可靠度分析方法 | |
EP3951344A1 (en) | Methods and systems for damage evaluation of structural assets | |
Zhou et al. | Damage detection for SMC benchmark problem: A subspace-based approach | |
CN110657882B (zh) | 一种利用单测点响应的桥梁实时安全状态监测方法 | |
Phares et al. | Evolution of a bridge damage-detection algorithm | |
Lu et al. | Bridge structural health–monitoring system using statistical control chart analysis | |
CN109711075B (zh) | 一种突发载荷非线性理论的钢梁桥寿命及可靠度分析方法 | |
CN113138058B (zh) | 一种板梁桥铰缝损伤监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140618 |