CN105675056B - 一种大跨桥梁损伤识别方法 - Google Patents

Abstract

本发明公开了一种基于温度应变的大跨桥梁损伤识别方法，步骤为：1)根据桥梁的健康监测系统采集到的桥梁应变ε_m和温度T，利用总体经验模态分解技术得到温度载荷引起的温度应变ε_T；2)利用温度应变ε_T识别桥梁的损伤。本发明损伤识别方法建立了温度(输入)与温度应变(输出)的关系，能够得到结构刚度等信息，从而可以建立损伤指标本来判别结构的损伤。通过建立的温度(输入)与温度应变(输出)的关系，从而消除了环境因素干扰，更能精准的识别结构的损伤位置，本发明适合所有桥梁，特别是长期监测的大跨桥梁。

Description

一种大跨桥梁损伤识别方法

技术领域

本发明涉及土木与交通工程的大跨桥梁监测数据处理及损伤识别领域。

背景技术

桥梁是城市生命线工程的重要组成部分，然而桥梁在设计和施工过程中难免存在缺陷，同时在服役期间不可避免的遭受冲击荷载、环境腐蚀、材料老化、以及突发事件等问题。桥梁结构的健康监测与安全性能评价成为国内为的研究热点。

损伤识别技术是桥梁结构健康监测与损伤预警的重要分析手段。在损伤识别的发展过程中，多种先进信号处理方法与数理统计方法被用于结构的损伤识别，如小波分析、EEMD、神经网络、支持向量机等等。基于振动特性的损伤识别理论已发展较为成熟，已建立多种损伤指标来判断结构的损伤，比如频率、模态应变能、模态曲率、柔度等变化来识别损伤。然而桥梁在长期服役过程中，环境因素影响了基于结构振动的损伤识别方法的发展。其中，环境温度对结构损伤参数影响不容忽视。

Farrar等人研究发现，一个座7跨复合结构桥梁在一天的服役过程中，其第一阶频率发生了5％的波动。Peeters与De Roeck通过对Z24桥一年的研究发现，其结构频率发生了14-18％的变化。倪一清等对香港汀九大桥的分析表明，由温度变化引起的频率变化可达到2％。由此可见，损伤引起的动力特性改变可能要小于温度变化对结构动力特性的影响，那么基于结构动力特性的损伤识别方法在处理长期监测数据的时候就很有可能发生误判。随后，一些学者开始致力于研究如何剔除环境因素对结构振动特性的影响。一些消除温度影响的方法发展起来，比如奇异值分解，主成分分析，聚类分析等等。

虽然这些方法很好的消除了环境特别是温度对结构的影响，但是基于结构振动的损伤识别方法存在一个较大的不足，那就是传统方法都是基于环境振动来进行的，也就是说这些方法只利用了结构的反应(输出)来识别损伤，并没有考虑到结构的荷载(输入)。事实上，桥梁在服役期间，结构输入是非常难测的(车辆荷载激励、风荷载等)。从模态分析的角度来说，只利用结构的输出信息只能简单的得到结构频率、振型和阻尼，更重要的是这些参数对实际结构的损伤是不敏感的。

传统方法具有以下不足：1.传统损伤识别参数(比如频率，阻尼等)容易受到环境引起；2.传统损伤识别只利用了结构的反应信息(输出)，而车辆荷载信息(输入)很难测得，使得传统方法无法识别结构的深层次参数。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，而提供一种消除了环境因素干扰，更能精准的识别结构的损伤位置的基于温度应变的大跨桥梁损伤识别方法。

为解决上述技术问题，本发明采用的技术方案是：

一种基于温度应变的大跨桥梁损伤识别方法，其特征在于，步骤为：

1)根据桥梁的健康监测系统采集到的桥梁应变ε_m和温度T，利用总体经验模态分解技术得到温度载荷引起的温度应变ε_T；

2)利用温度应变ε_T识别桥梁的损伤。

所述步骤1)的具体步骤为：

11)在桥梁上布置n个传感器，通过健康监测系统采集到的桥梁的应变与温度。ε_m1,ε_m2,...ε_mi...ε_mn，温度T₁,T₂,...T_i...T_n，式中，ε_mi表示第i个传感器测得的应变；T_i表示第i个传感器测得的温度；

12)通过EEMD技术从实测应变ε_m1,ε_m2,...ε_mi...ε_mn中分离出温度应变ε_T1,ε_T2,...ε_Ti...ε_Tn；

13)根据温度应变ε_T1,ε_T2,...ε_Ti...ε_Tn计算梯度温度应变ε_Ty1,ε_Ty2,...ε_Tyi...ε_Tyn：

式中，ε_Tyi表示第i个传感器的梯度温度应变，i＝1～n，α表示结构材料的热膨胀系数，T_yi表示第i个传感器位置的温度沿截面的非线性分布，b(y)截面宽度沿截面高度的变化，A表示截面面积，I表示截面惯性矩，y₀表示截面上一点到底板的距离。

所述步骤2)的具体步骤为：

21)利用截面上的温度分布求出温度梯度：T_y1,T_y2,...T_yi...T_yn；

22)对n个传感器的梯度温度应变ε_Ty1,ε_Ty2,...ε_Tyi...ε_Tyn进行归一化处理：

式中，表示第i点归一化后的梯度温度应变；

23)建立n个传感器之间的欧氏距离矩阵：

式中，表示t₀内n个传感器之间的欧氏距离矩阵；t₀表示健康监测

系统采集数据的时间；表示t_o时间内第i传感器与第j个传感器之间的欧

氏距离：

m表示t_o时间内传感器i与j采集到的数据长度，j＝1～n；

24)定义损伤指标DEDM，如果有损伤发生，那么欧氏距离差值矩阵将

会有某行某列的值异常，从而判断为损伤位置；

其中，DEDM表示两个不同时间段下各个传感器欧氏距离矩阵的差值；表示经过t₁时间的数据采集后计算出新的欧氏距离矩阵。

传统的结构损伤识别方法都是基于结构振动特性来识别损伤的，然而桥梁在长期服役过程中，其振动特性容易受到环境因素的干扰，导致损伤识别发生误判。本发明提出了一种基于温度应变的损伤识别方法，该方法建立了温度(输入)与温度应变(输出)的关系，从而消除了环境因素干扰，更能精准的识别结构的损伤位置。首先利用桥梁健康监测系统采集桥梁的温度与应变数据，并计算截面的温度梯度。然后利用总体经验模态分解技术从实测应变中分离出温度应变，并对温度梯度进行归一化处理。最后利用归一化后的温度应变计算传感器之间的欧氏距离，并建立欧氏距离矩阵。若结构没有发生损伤，则欧氏距离矩阵是一个稳定不变的矩阵。当桥梁运营一定时间后，重复上述步骤可以得到新的欧氏距离矩阵，若结构发生损伤，则通过比较前后两次欧氏距离矩阵的差别即可判断结构损伤的位置。

有益效果

1.提出了结构损伤识别的新方法，通过建立温度荷载与结构温度反应的关系，能够得到结构刚度等信息，从而可以建立损伤指标本来判别结构的损伤。本发明适合所有桥梁，特别是长期监测的大跨桥梁。

2.提出了长期健康监测数据处理的新方法，即利用欧氏距离建立各个传感器之间的空间距离，可以将长期监测数据转化为一个稳定的矩阵，通过不同时期的欧氏距离矩阵的差别来发现结构的损伤位置。本发明能够提高长期监测数据处理效率。

附图说明

图1是损伤识别方法流程图。

图2是温度应变分离图。图a表示实测应变，图b表示利用EEMD技术分从实测应变中分离出的温度应变，图c表示车辆荷载应变，图d表示主梁一天的温度的变化。

图3是江阴大桥有限元示意图。

图4是损伤识别结果图。

具体实施方式：

下面结合附图，对本发明作详细说明：

本发明桥梁损伤识别方法，如图1所示，具体步骤如下：

已知悬索桥健康监测系统，定义有n个光纤传感器(同时测得应变与温度)，分别表示为A₁,A₂,...A_i...A_n，n个传感器采集到的应变数据为ε_m1,ε_m2,...ε_mi...ε_mn，对应的温度为T₁,T₂,...T_i...T_n。温度与应变的示例图见图2d和图2a。

通过EEMD技术可以从实测应变中分离出温度应变ε_Ti(如图2b),n个传感器的温度应变可以表示为ε_T1,ε_T2,...ε_Ti...ε_Tn。温度应变ε_T包含了均匀温度T_E引起的应变ε_U，梯度温度T_y引起的应变和均匀应变ε_U只与结构的膨胀系数有关，故剔除均匀温度应变，只保留后两项。

ε_U＝αT_E

T_E＝∫TdA/A

式中，A表示截面面积。

梯度温度应变ε_Tyi可以表示为：

ε_Tyi表示第i个传感器的梯度温度应变。表示梯度温度T_yi下产生的轴向应变，表示梯度温度T_yi下产生的弯曲应变，α表示结构材料的热膨胀系数，T_yi表示第i个传感器位置的温度沿截面的非线性分布，b(y)截面宽度沿截面高度的变化，A表示截面面积，I表示截面惯性矩，y₀表示截面上一点到底板的距离。

那么n个传感器的梯度温度应变可以表示为：ε_Ty1,ε_Ty2,...ε_Tyi...ε_Tyn

截面上温度梯度可以表示为：T_y1,T_y2,...T_yi...T_yn

梯度温度应变与温度梯度有关，然而每个截面的温度梯度是不一样的，故对

温度梯度进行归一化处理。对n个传感器的梯度温度应变进行归一化处理，

等式两边除以

那么n个传感器的归一化后表示为：

两个传感器之间的欧氏距离可以表示为

式中，m表示传感器采集到的数据长度。

那么n个传感器之间的欧氏距离矩阵可以表示为

式中，表示t₀内n个传感器之间的欧氏距离矩阵。表示第i传感器与第j个传感器之间的欧氏距离。t₀表示健康监测系统采集了t₀时间的数据，n表示传感器编号。

当健康监测系统运营一段时间后，重复上述步骤可以得到新的欧氏距离矩阵，那么通过比较两次的欧氏距离矩阵差别，就可以发现损伤位置，损伤指标定义如下：

其中，DEDM表示两个不同时间段下各个传感器欧氏距离矩阵的差值。表示经过t₁时间的数据采集后计算出新的欧氏距离矩阵。如果有损伤发生，那么欧氏距离差值矩阵将会有某行某列的值异常，从而判断为损伤位置。

实施例：

利用有限元软件ANASYS建立了江阴大桥模型(如图3)，然后对本发明方法进行了验证。悬索桥主梁共分为18个区域，白色矩形框表示完好区域，黑色矩形框表示损伤区域(损伤量为10％)，采用了折减主梁弹性模量的方法模拟损伤情况。对江阴大桥有限元模型施加温度荷载与车辆荷载，从18个区域中依次选取18个测点，那么从18个测点上可以得到应变与温度：

ε_m1,ε_m2,...ε_mi...ε_m18

T₁,T₂,...T_i...T₁₈

式中，i＝1～18,ε_mi表示测点i的应变，T_i表示测点i的温度。

利用EEMD技术从实测应变ε_mi中提取温度应变，18个测点的温度应变可以表示为

ε_T1,ε_T2,...ε_Ti...ε_T18

结构温度中包含了均匀温度与梯度温度，均匀温度产生的均匀温度应变只与结构材料膨胀系数有关，所以进一步从温度应变ε_Ti中分离出梯度温度应变ε_Tyi，

那么梯度温度可以由实测温度求得

然后对梯度温度应变进行归一化处理，

最后计算18个测点之间的欧氏距离矩阵，

式中m表示测点应变数据的长度。通过上述步骤，可以计算损伤前后江阴大桥的欧氏距离矩阵。通过比较前后欧氏距离的差别就可以发现损伤位置，利用公式6。计算结果如图4。图4中有三行三列显示为亮色，而其它地方为黑色，说明亮色区域就是损伤位置，而黑色区域是未损伤位置。并且三处损伤位置对应于单元4，单元10和单元13损伤，与实际结果一致。说明本发明能够识别多处损伤，同时具有较强的抗噪能力，从而就桥梁的安全进行评估。

Claims (1)

1.一种基于温度应变的大跨桥梁损伤识别方法，其特征在于，步骤为：

1)根据桥梁的健康监测系统采集到的桥梁应变ε_m和温度T，利用总体经验模态分解技术得到温度载荷引起的温度应变ε_T；

2)利用温度应变ε_T识别桥梁的损伤；

所述步骤1)的具体步骤为：

11)在桥梁上布置n个传感器，通过健康监测系统采集到的桥梁的应变ε_m1,ε_m2,...ε_mi...ε_mn与温度T₁,T₂,...T_i...T_n，式中，ε_mi表示第i个传感器测得的应变；T_i表示第i个传感器测得的温度；

12)通过EEMD技术从实测应变ε_m1,ε_m2,...ε_mi...ε_mn中分离出温度应变ε_T1,ε_T2,...ε_Ti...ε_Tn；

13)根据温度应变ε_T1,ε_T2,...ε_Ti...ε_Tn计算梯度温度应变ε_Ty1,ε_Ty2,...ε_Tyi...ε_Tyn：

${\mathrm{\ϵ}}_{Tyi}=\frac{{\∫}_0^h{\mathrm{\αT}}_{yi}b\left(y\right)dy}{A}+\frac{{\∫}_0^h{\mathrm{\αT}}_{yi}b\left(y\right)ydy}{I}{y}_o$

式中，ε_Tyi表示第i个传感器的梯度温度应变，i＝1～n，α表示结构材料的热膨胀系数，T_yi表示第i个传感器位置的温度沿截面的非线性分布，b(y)截面宽度沿截面高度的变化，A表示截面面积，I表示截面惯性矩，y₀表示截面上一点到底板的距离；

所述步骤2)的具体步骤为：

21)利用截面上的温度分布求出温度梯度：T_y1,T_y2,...T_yi...T_yn；

22)对n个传感器的梯度温度应变ε_Ty1,ε_Ty2,...ε_Tyi...ε_Tyn进行归一化处理：

${\stackrel{\‾}{\mathrm{\ϵ}}}_{Tyi}=\frac{1}{A}+\frac{{\∫}_0^{h}ydy}{I}{y}_o$

式中，表示第i点归一化后的梯度温度应变；

23)建立n个传感器之间的欧氏距离矩阵：

式中，表示t₀内n个传感器之间的欧氏距离矩阵；t₀表示健康监测系统采集数据的时间；表示t_o时间内第i传感器与第j个传感器之间的欧氏距离：

$d_{ij}^{t_o}=\sqrt{{\Σ}_{k=1}^m{({\stackrel{\‾}{\mathrm{\ϵ}}}_{Tyi}-{\stackrel{\‾}{\mathrm{\ϵ}}}_{Tyj})}^2}$

m表示t_o时间内传感器i与j采集到的数据长度，j＝1～n；

24)定义损伤指标DEDM，如果有损伤发生，那么欧氏距离差值矩阵将会有某行某列的值异常，从而判断为损伤位置；

$DEDM={\mathrm{EDM}}^{t_0}-{\mathrm{EDM}}^{t_1}$

其中，DEDM表示两个不同时间段下各个传感器欧氏距离矩阵的差值；表示经过t₁时间的数据采集后计算出新的欧氏距离矩阵。