CN105718658A - 大型桥梁在线评估体系 - Google Patents

Abstract

本发明公开了一种大型桥梁在线评估体系，包括：评估单元模型建立，用于建立检查评定模型，所述检查评定模型包含评估管理单元层、部位层、部件层、构件层以及评估指标层；评定体系，用于依据所述评估指标层信息对所述公路桥梁进行分级评定；根据各评估指标的评估标度对各构件进行评估，再对各部件进行评估，再对部位进行评估，最后对各个评估管理单元的状况进行评估。本发明对特定的底层评估指标设计了能适用自动监测数据为输入的在线评估器。该体系是对构件评估指标进行了拓展，使构件评估指标涵盖海量监测数据和传统的人工检测数据，从而更全面、准确的对大型桥梁进行在线评估。

Description

大型桥梁在线评估体系

技术领域

本发明涉及建筑工地检测领域，具体来说涉及一种大型桥梁在线评估体系。

背景技术

目前，对大型桥梁的评估依据来自规范《公路桥梁技术状况评定标准》(JTG/TH21-2011，以下简称“评定标准”)，它适用于对各级公路的桥梁技术状况评定，方法是分层综合评定与单项指标控制相结合的方法。但该规范中，所有构件的评估指标均来源于传统的人工检测(常规的表观病害检查、定期检测和特殊检测)结果。

而随着桥梁结构自动化监测技术的不断发展，在传统的以人工为主的日常检测养护工作基础上，我国重要的大型桥梁基本都建立了结构监测体系，据不完全统计，目前已有超过200座大跨度桥梁安装了结构监测体系。这些运营期产生的海量监测数据，具有可追溯性、客观性、数据量大，准确性好等特点，是大型桥梁安全及技术状况评估的优质数据来源。结构监测评估的最终目的是为结构安全定调，为养护管理决策服务。当前问题在于如何应用监测数据进行准确、有效评估。

为了有效应用监测数据对结构进行评估，当前已有不少学者进行了各方面的研究和应用，如李爱群及其科研团队以润扬长江大桥监测海量数据为主要研究对象，重点开展桥梁监测海量数据的分析与评估研究，王瑀等提出桥梁监测体系的在线结构分析及状态评估方法。这些方法主要是通过对监测的海量数据进行分析和处理，将提取的评估指标通过模糊推理、专家评估体系、神经网络、可靠度理论等方法与结构有限元模型分析结果或结构初始状态进行对比，从而确定结构健康状况或进行损伤识别。但是目前还没有专门用以在线监测大型桥梁的检查评定体系。

发明内容

针对上述问题，本发明的目的在于提供一种大型桥梁在线评估体系，以解决现有技术中的问题。

为了实现上述目的，本发明的技术方案如下：

大型桥梁在线评估体系，其特征在于，包括：

评估单元模型建立，用于建立检查评定模型，所述检查评定模型包含评估单元层、部位层、部件层、构件层以及评估指标层；所述评估单元层包括若干个可以独立的评估单元；所述评估指标层包括外观检查病害类评估指标、人工检测数据类评估指标和自动监测数据类评估指标，并采用最不利原则保证指标层标度的准确性；所述自动监测数据类评估指标由预先设置在构件层上的传感器获得；

评估体系，用于依据所述评估指标层信息对所述公路桥梁进行分级评定；其中，外观检查病害类评估指标、人工检测数据类评估指标通过人工检测方法获取并按照国家标准进行评分，自动监测数据类评估指标依据在线评估器进行评分，然后根据各评估指标的评估标度对各构件进行评估，再对各部件进行评估，再对部位进行评估，最后进行各评估单元总体状况的评估。

在本发明的优选实施例中，所述在线评估器根据评估时段内指标相应的所有监测数据进行分析处理后，选择在线评估器进行评分，再根据评估分值按指标评估标度表确定指标的评估标度，评估指标层的评估算法可不断扩展，所述在线评估器选用可靠度评估器或隶属度评估器。

在本发明的优选实施例中，大型桥梁按结构方式合理进行划分成各个管理单元，针对每个管理单元建立评估模型并进行评估，这样可以准确评估并给出针对性的合理养护建议。

在本发明的优选实施例中，评估体系是模块化的，权重可依据规范或者专家打分法确定基准权重，然后根据指标层得分采用变权算法修正。

在本发明的优选实施例中，采用最不利原则保证指标层标度的准确性，当人工检测指标和自动监测指标一样时，按照最不利原则，取标度值最大的一个。

在本发明的优选实施例中，可以统计同类型构件技术状况，统计结果用于指导养护。

在本发明的优选实施例中，评估体系外接病害对策库，有针对不同评估结果有效指导养护单位的养护决策。

在本发明的优选实施例中，构件的指标层可灵活扩展，跨中扰度、结构应变、桥面风荷载，这是对现有规范的指标项是重要的补充。

在本发明的优选实施例中，评估体系带基准模型，同工况、定期、当前监测检测数据进入基准模型，经过有限元分析，可以获得结构的二次内力分布，有明显的力学意义，可以直接指导出结构的薄弱环节，定向指导养护工作。

在本发明的优选实施例中，所述可靠度评估器，先确定评估指标的抗力值，即该类指标的评定标准，然后根据抗力值和通过监测数据计算得到的指标均值计算可靠度指标β，并进一步计算指标评估分数f(β)，从而确定指标评估标度。

在本发明的优选实施例中，所述隶属度评估器通过设置合理的空间分区门槛值，即模糊指标a，b，c，d和输入、输出隶属度函数，对自动监测数据类评估指标进行评分。

在本发明的优选实施例中，所述自动监测数据类评估指标包括跨中扰度、墩台沉降、结构温度。

在本发明的优选实施例中，所述外观检查病害类评估指标包括蜂窝麻面、剥落掉角、空洞孔洞。

在本发明的优选实施例中，所述人工检测数据类评估指标包括保护层厚度、钢筋腐蚀、混凝土碳化、混凝土强度、结构变位、预应力构件损伤、裂缝在。

本发明在现有评定的基础上，制定了将大型桥梁按结构形式划分为若干受力独立的评估单元的规则，然后以分层综合评估方法为纲，对特定的底层评估指标设计了能适用监测数据为输入的在线评估器。该体系对构件评估指标进行了拓展，使构件评估指标涵盖海量监测数据和传统的人工检测数据，从而更全面、准确的对大型桥梁进行在线评估。经该体系得出的评估结果准确、客观、合理。

本发明的特点可参阅本案图式及以下较好实施方式的详细说明而获得清楚地了解。

附图说明

图1为本发明的示意图。

图2为评估单元划分示意图。

图3为墩台沉降、跨中挠度和结构温度测点布置示意图。

图4为评估情况示意图。

图5为隶属度函数示意图。

图6为隶属度评估算法流程及详细说明。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例进一步阐述本发明。

参见图1，以某混凝土连续箱梁为例：

大型桥梁在线评估体系，包括：

评估单元模型建立，用于建立检查评定模型，所述检查评定模型包含评估单元层、部位层(上部结构、下部结构和桥面系)、部件层、构件层以及评估指标层；如图2所示。关于评估单元的划分，针对大型桥梁，构件数量众多，要想达到准确评估并给出针对性的合理养护建议，必须对整体桥梁结构进行合理划分。源于电子化、网格化、高效化养护管理的理念，以一联独立及完整受力为原则，将大型桥梁按结构形式划分为若干评估单元，通常一跨简支梁、一联连续梁、一联钢构、一座斜拉桥可作为一个评估单元。

评估指标层包括外观检查病害类评估指标、人工检测数据类评估指标和自动监测数据类评估指标；自动监测数据类评估指标包括跨中扰度、墩台沉降、结构应变。外观检查病害类评估指标包括蜂窝麻面、剥落掉角、空洞孔洞等。人工检测数据类评估指标包括保护层厚度、钢筋腐蚀、混凝土碳化、混凝土强度、结构变位、预应力构件损伤、裂缝等。自动监测数据类评估指标由预先设置在构件层上的传感器获得。

评估体系，用于依据所述评估指标层信息对所述公路桥梁进行分级评定；其中，外观检查病害类评估指标、人工检测数据类评估指标通过人工检测方法获取并按照国家标准进行评分，在进行评估单元在线评估时，可读取各指标最近一次检测结果，按评定标准进行评估，确定指标的评估标度类别。自动监测数据类评估指标则需根据评估时段内指标相应的所有监测数据进行分析处理后，选择合适的在线评估器(如可靠度评估器、隶属度评估器)进行评分，再根据评估分值(百分制)按指标评估标度表确定指标的评估标度。然后根据各评估指标的评估标度对各构件进行评估，再对各部件进行评估，再对部位进行评估，最后进行评估单元总体状况的评估。

在线评估器根据评估时段内指标相应的所有监测数据进行分析处理后，选择合适的在线评估器可靠度评估器或隶属度评估器进行评分，再根据评估分值按指标评估标度表确定指标的评估标度。

关于可靠度评估器，可靠性的数量描述一般用可靠度，可靠度是结构在规定的时间内，在规定的条件下，完成预定功能的概率。可靠度的决定因素是构件综合抗力和荷载效应，这些因素又进一步分为材料性能不定性、构件几何尺寸不定性、计算模式不定性及荷载分布的变异性等。在实际结构中，影响构件可靠度因素常为多个随机变量。在桥梁监测系统中，传感器监测数据包括应变、位移、温度、风速等，统计其分布规律大多为正态分布或对数正态分布，因此可将这些监测项目视为影响构件可靠度的评估指标，采用可靠度评估器进行评估。在实际工程中，应用可靠度评估器时，需首先确定评估指标的抗力值(即该类指标的评定标准)，然后根据抗力值和通过监测数据计算得到的指标均值计算可靠度指标β，并进一步计算指标评估分数f(β)，从而确定指标评估标度。

可靠度评估需给定评估指标的抗力值μ_R，评估过程如下：

1、计算评估指标在评估时段内的均值μ_S和变异系数C(C＝标准差/均值＝σ_S/μ_S)；

2、计算可靠度指标β

$\mathrm{\β}=({\mathrm{\μ}}_R-{\mathrm{\μ}}_S)/\left\{C{({\mathrm{\μ}}_R^2+{\mathrm{\μ}}_S^2)}^{1/2}\right\}$

3、计算评估指标得分f(β)

$f\left(\mathrm{\β}\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\mathrm{\∞}}^{\mathrm{\β}-\frac{1}{\sqrt{13}C}}{e}^{-\frac{t^2}{2}}dt$

4、根据评估指标得分查表得到评估标度值。

关于隶属度评估器，为了解决指标评分标准的不确定性问题，国内外许多学者提出基于模糊推理理论、通过统计分析确定指标隶属度函数的方法进行评估指标的评分。这一类指标评估器统称为隶属度评估器，在实际应用时，视指标具体情况，通过设置合理的空间分区门槛值(即模糊指标a，b，c，d)和输入、输出隶属度函数，对评估指标进行评分，如淡丹辉在东海大桥监测系统中提出的模糊推理系统(thefuzzyinferencesystem)。

隶属度评估算法说明如下：

1、隶属度函数原理

隶属函数的拟合是采用Cauchy分布，其主要类型有以下三种，如图5所示。

(1)偏小型模糊分布，x越大，则隶属度越小，采用降半Cauchy分布

${\mathrm{\μ}}_1\left(x\right)=\left\{\begin{array}{cc}1& x\≤a\\ \frac{1}{1+\mathrm{\α}{(x-a)}^{\mathrm{\β}}}& x>a\end{array}\right.---\left(1.1\right)$

(2)中间型模糊分布，采用对称Cauchy分布

${\mathrm{\μ}}_2\left(x\right)=\frac{1}{1+\mathrm{\α}{(x-a)}^{\mathrm{\β}}}---\left(1.2\right)$

(3)偏大型模糊分布，x越大，则隶属度越大，采用升半Cauchy分布

${\mathrm{\μ}}_3\left(x\right)=\left\{\begin{array}{cc}0& x\≤a\\ \frac{1}{1+\mathrm{\α}{(x-a)}^{-\mathrm{\β}}}& x>a\end{array}\right.---\left(1.3\right)$

式中：α和β为参数，且有α＞0，β＞0。

具体到分级的D、C、B、A的四个函数，分别采用(1.4)、(1.5)、(1.6)、(1.7)的函数形式。其中β都取2。

即：

${\mathrm{\μ}}_D\left(x\right)=\left\{\begin{array}{cc}1& x\≤a_1\\ \frac{1}{1+{\mathrm{\α}}_1{(x-a_1)}^2}& x>a_1\end{array}\right.---\left(1.4\right)$

${\mathrm{\μ}}_C\left(x\right)=\frac{1}{1+{\mathrm{\α}}_2{(x-a_2)}^2}---\left(1.5\right)$

${\mathrm{\μ}}_B\left(x\right)=\frac{1}{1+{\mathrm{\α}}_3{(x-a_3)}^2}---\left(1.6\right)$

${\mathrm{\μ}}_A\left(x\right)=\left\{\begin{array}{cc}0& x\≤a_4\\ \frac{1}{1+{\mathrm{\α}}_4{(x-a_4)}^{-2}}& x>a_4\end{array}\right.---\left(1.7\right)$

如上所示，事实上只要确定a₁、a₂、a₃、a₄和α₁、α₂、α₃、α₄8个未知数就确定了4个隶属函数。

假设对应的分级标度为：

D	C	B	A
				x≤g1	g1＜x≤g2	g2＜x≤g3	g3＜x

那么，g₁、g₂、g₃和a₁、a₂、a₃、a₄满足以下关系：

a₁≈0.8g₁

$a_2=\frac{(g_1+g_2)}{2}$

$a_3=\frac{(g_2+g_3)}{2}$

$a_4=\frac{(g_2+3g_3)}{4}$

而α₁、α₂、α₃、α₄和a₁、a₂、a₃、a₄又满足以下关系：

${\mathrm{\α}}_1=\frac{2}{{(g_1-a_1)}^2}$

${\mathrm{\α}}_2=\frac{2}{{(g_1-a_2)}^2}$

${\mathrm{\α}}_3=\frac{2}{{(g_2-a_3)}^2}$

α₄＝2*(g₃-a₄)²

这样就能通过三个分级标度确定所有8个参数。

2、算法流程及详细说明，如图6所示。

2.1隶属度函数参数

指标x分四个判定等级A、B、C、D(所有指标均按四等级划分)，各级划分指标为g₁、g₂、g₃(评估指标设定时给出)，如下表所示

D	C	B	A
				x≤g1	g1＜x≤g2	g2＜x≤g3	g3＜x

则隶属度函数参数a₁、a₂、a₃、a₄和α₁、α₂、α₃、α₄计算如下：

a₁≈0.8g₁

$a_2=\frac{(g_1+g_2)}{2}$

$a_3=\frac{(g_2+g_3)}{2}$

$a_4=\frac{(g_2+3g_3)}{4}$

${\mathrm{\α}}_1=\frac{2}{{(g_1-a_1)}^2}$

${\mathrm{\α}}_2=\frac{2}{{(g_1-a_2)}^2}$

${\mathrm{\α}}_3=\frac{2}{{(g_2-a_3)}^2}$

α₄＝2*(g₃-a₄)²

2.2各等级隶属度

得到隶属度函数参数后，即可通过下列几个计算式求指标x对应的各等级隶属度：

${\mathrm{\μ}}_D\left(x\right)=\left\{\begin{array}{cc}1& x\≤a_1\\ \frac{1}{1+{\mathrm{\α}}_1{(x-a_1)}^2}& x>a_1\end{array}\right.---\left(1.4\right)$

${\mathrm{\μ}}_C\left(x\right)=\frac{1}{1+{\mathrm{\α}}_2{(x-a_2)}^2}---\left(1.5\right)$

${\mathrm{\μ}}_B\left(x\right)=\frac{1}{1+{\mathrm{\α}}_3{(x-a_3)}^2}---\left(1.6\right)$

${\mathrm{\μ}}_A\left(x\right)=\left\{\begin{array}{cc}0& x\≤a_4\\ \frac{1}{1+{\mathrm{\α}}_4{(x-a_4)}^{-2}}& x>a_4\end{array}\right.---\left(1.7\right)$

2.3指标评估值及评估分数

指标x对应的各级隶属度得到后进行归一化处理，得到

A＝{μ_Aμ_Bμ_Cμ_D}

则指标x对应的评估值为F＝A*[4321]^T＝μ_A*4+μ_B*3+μ_C*2+μ_D*1

指标x的评估分数H＝100-12.5F

东海大桥工程是上海国际航运中心洋山深水港区一期工程的重要配套工程，全长约31km。东海大桥工程主要包括钢箱梁斜拉桥、大跨度变高预应力混凝土连续箱梁和30～70m预应力混凝土等高度连续箱梁三大类结构形式，根据评估单元划分规则，桥梁总体划分为182个评估单元，其中8个评估单元设置了实时监测传感器。限于篇幅，本文以其中一个设置了实时监测的评估单元——160m跨副通航孔桥的为例，以其2014年12月的监检测数据为评估数据来源，通过编制的软件程序模块采用基于《公路桥梁技术状况评定标准》的大型桥梁在线评估体系进行评估。

160m跨副通航孔桥为90+160+160+90m变高度预应力混凝土连续梁，除传统的人工检测项目外，东海大桥监测系统在该评估单元各墩墩顶及两个副通航孔跨中位置布设了静力水准仪，并选择一个墩顶断面布置风速仪，在副通航孔跨中断面设置结构应变计，实时监测该结构段的墩台沉降、跨中挠度、结构应变、桥面风荷载，测点布置如图3所示。

根据监测情况，该评估单元的在线评估体系设置中，除了评定标准中的构件评估指标外，在上部结构的主梁TXL-002和主梁TXL-003构件中，增加“跨中挠度”、“结构应变”和“风荷载”评估指标，采用可靠度评估器进行指标评分；而在下部结构的所有桥墩构件中，增加“墩台沉降”指标，采用隶属度评估器进行指标评分。根据2014年12月的监检测数据，160m跨副通航孔桥在线评估结果为上部结构评分88.44，下部结构评分82.54，桥面系评分95.74，评估单元总体评分为87.54，结构状况为二类，说明有轻微缺损，但对桥梁使用功能无影响。上部结构评估情况如图4所示。

本发明所提出的评定体系遵照评定标准制定的原则，对于大型桥梁，首先根据桥梁中的结构形式，按独立受力原则，将大型桥梁划分为若干评估单元；然后根据评定标准的规定，按评估单元结构形式确定构件分类、评估权重等信息；再是根据监测系统测点布置情况，结合评定标准确定构件评估指标和评估标准(包括监测数据类评估指标，该类指标需确定合适的在线评估器和针对性的评估标准，见下述)；最后按分层综合评估与单项指标控制相结合的方法逐一对各评估单元进行评估。该评估体系借鉴评定标准的层次划分原则，评估框架和层次间的递推规则均按评定标准的要求，但对构件评估指标进行了拓展，使构件评估指标涵盖自动监测数据和传统的人工检测数据，为已建立监测系统的大型桥梁技术状况评估提供参考。该评估体系已通过编制相应的软件模块在监测系统中实现在线自动评估，并且在软件模块中，授权用户可根据监测数据特点选择合适的在线评估器，并可对底层评估指标和顶层评估单元的评估结果进行修正，从而更全面、准确的对大型桥梁进行在线评估，实现监测系统为桥梁养护管理决策服务的目的。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (14)

1.大型桥梁在线评估体系，其特征在于，包括：

大型桥梁由若干个评估单元组成，评估单元模型建立，用于建立检查评定模型，所述检查评定模型包含评估单元层、部位层、部件层、构件层以及评估指标层；所述评估指标层包括外观检查病害类评估指标、人工检测数据类评估指标和自动监测数据类评估指标，并采用最不利原则保证指标层标度的准确性；所述自动监测数据类评估指标由预先设置在构件层上的传感器获得。

评估体系，用于依据所述评估指标层信息对所述公路桥梁进行分级评定；其中，外观检查病害类评估指标、人工检测数据类评估指标通过人工检测方法获取并按照国家标准进行评分，自动监测数据类评估指标依据在线评估器进行评分，然后根据各评估指标的评估标度对各构件进行评估，再对各部件进行评估，再对部位进行评估，最后进行评估单元总体状况的评估。

2.根据权利要求1所述的公路桥梁技术状况检查评定体系，其特征在于，所述在线评估器根据评估时段内指标相应的所有监测数据进行分析处理后，选择在线评估器进行评分，再根据评估分值按指标评估标度表确定指标的评估标度，评估指标层的评估算法可不断扩展，所述在线评估器选用可靠度评估器或隶属度评估器。

3.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，将大型桥梁按结构方式合理进行划分成各个管理单元，针对每个管理单元建立评估模型并进行评估。

4.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，评估体系是模块化的，权重可依据规范或者专家打分法确定基准权重，然后根据指标层得分采用变权算法修正。

5.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，采用最不利原则保证指标层标度的准确性，当人工检测指标和自动监测指标一样时，按照最不利原则，取标度值最大的一个。

6.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，可以统计同类型构件技术状况，统计结果用于指导养护。

7.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，评估体系外接病害对策库，有针对不同评估结果有效指导养护单位的养护决策。

8.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，构件的指标层可灵活扩展，对规范的指标项是重要的补充，如跨中扰度、结构应变、桥面风荷载。

9.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，评估体系带基准模型，同工况、定期、当前监测检测数据进入基准模型，经过有限元分析，可以获得结构的二次内力分布，有明显的力学意义，可以直接指导出结构的薄弱环节，定向指导养护工作。

10.根据权利要求2所述的大型桥梁在线评估体系，其特征在于，所述可靠度评估器，先确定评估指标的抗力值，即该类指标的评定标准，然后根据抗力值和通过监测数据计算得到的指标均值计算可靠度指标β，并进一步计算指标评估分数f(β)，从而确定指标评估标度。

11.根据权利要求2所述的大型桥梁在线评估体系，其特征在于，所述隶属度评估器通过设置合理的空间分区门槛值，即模糊指标a，b，c，d和输入、输出隶属度函数，对自动监测数据类评估指标进行评分。

12.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，所述自动监测数据类评估指标包括跨中扰度、结构应变、桥面风荷载。

13.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，所述外观检查病害类评估指标包括蜂窝麻面、剥落掉角、空洞孔洞。

14.根据权利要求1所述的大型桥梁在线评估体系，其特征在于，所述人工检测数据类评估指标包括保护层厚度、钢筋腐蚀、混凝土碳化、混凝土强度、结构变位、预应力构件损伤、裂缝。