CN106568557A - 一种高速铁路桥梁车–桥振动性能的安全预警方法 - Google Patents

Abstract

本发明公开了一种高速铁路桥梁车–桥振动性能的安全预警方法，包括如下步骤：采集每次列车通过的加速度响应幅值最大值和对应的车速数据，将两组序列的相应元素进行配对，并按车速大小进行排列；采用小波包分解技术对主梁加速度响应幅值序列进行分解并提取加速度–车速中值线，并以加速度序列在固定序列长度内的加速度幅值均值的匹配度确定最优的小波包分解参数；基于区间估计理论获取各子序列内加速度幅值围绕加速度–车速中值线的波动区间；将加速度波动区间与加速度–车速中值线进行叠加，得到高速铁路桥梁车–桥振动性能的安全预警区间。与现有技术相比，本发明方法考虑因素全面，方法准确合理，并且物理意义明确，便于理解实施，应用范围广泛。

Description

一种高速铁路桥梁车–桥振动性能的安全预警方法

技术领域

本发明属于高速铁路桥梁结构性能分析与预警领域，是一种高速铁路桥梁车–桥振动性能的安全预警方法，具体来说，涉及一种高速铁路桥梁在服役过程中的振动性能安全预警方法。

背景技术

高速铁路桥梁是中国高速铁路干线上的关键工程，我国运营的高速列车最高时速已经达到350km/h，高速列车作为桥梁运营过程中的主要激励源，桥梁结构在列车高速行车作用下的振动性能值得关注。桥梁结构健康监测系统广泛应用于桥梁结构的性能监测，我国的高速铁路桥梁为保障桥梁结构的正常服役与高速列车的行车安全，也多加装有结构健康监测系统，这使得基于结构健康监测数据的高速铁路桥梁车–桥振动性能分析与安全预警成为可能。

目前，土木、交通领域对基于桥梁结构健康监测数据的桥梁车–桥振动性能分析较少，基于结构健康监测数据的桥梁服役性能的安全预警就更少。常用的方法有以下几种：(1)基于经验的预警：该方法根据桥梁设计者和管理者的力学知识与管养经验，设置一个桥梁车致振动响应阈值，当桥梁结构在高速列车作用下振动响应超过该阈值时进行报警，此方法需要从业者有较丰富的力学知识与管理经验，且由于桥梁结构形式的不同，无法推广应用；(2)基于概率统计的预警：此方法根据结构响应数据的统计值，在给定置信度内设置一个最大预警阈值，当桥梁结构在高速列车作用下振动响应超过该阈值时进行报警，此方法只考虑桥梁响应参数，而未分析一些重要参数(如车速、环境温度等)的影响，故预警值通常偏大，实用性不强；(3)基于相关性曲线斜率变化的预警方法：该方法考虑了一些参数(车速、环境温度等)对桥梁车致振动响应的影响，回归出桥梁振动响应和影响因数的相关性曲线，当相关性曲线斜率改变时，则表示桥梁服役性能的改变，此方法虽然能反映桥梁的性能变化，但对于该性能变化的物理意义没有明确定义，难以为工程从业人员所理解。因此，有必要研发一种物理意义明确、实施方法简单、应用范围广泛的方法，以实现桥梁振动性能的安全预警。

发明内容

技术问题：本发明所要解决的技术问题是：提供一种高速铁路桥梁车–桥振动性能的安全预警方法，该方法可以实现高速铁路桥梁在服役过程中的车致振动性能的安全预警。

技术方案：为解决上述技术问题，本发明采用的技术方案是：

一种高速铁路桥梁车–桥振动性能的安全预警方法，包括如下步骤：

(1)采集列车通过时桥梁主梁振动的加速度响应幅值最大值和对应的车速数据，将两组序列的相应元素进行配对，并按车速大小进行排列，得到加速度-车速相关性数据；

(2)采用小波包分解技术对主梁加速度响应幅值序列进行分解并提取，得到试算的加速度–车速中值线，并以加速度序列在固定序列长度内的加速度幅值均值的匹配度确定最优的小波包分解参数作为加速度–车速中值线最优值；

(3)基于区间估计理论获取各子序列内加速度幅值围绕加速度–车速中值线的波动区间；

(4)将加速度波动区间与加速度–车速中值线进行叠加，得到高速铁路桥梁车–桥振动性能的安全预警区间。

在优选的实施方式中，所述步骤(2)中包括：

(2.1)对主梁加速度响应幅值序列A_s进行分解与提取，采用小波包分解后最末一层的小波包分解系数C^I,N作为试算的中值线提取结果，记为N为小波包分解尺度，为某一层中小波分解系数序号，0≤I≤N；

(2.2)将主梁加速度响应幅值序列A_s分成M个加速度幅值子序列；

(2.3)取各个加速度幅值子序列的均值与对应的车速均值根据子序列车速均值从试算的中选取位于车速区间相应的s_r为试算值的车速选值范围；

(2.4)计算各子序列的与的均方误差MSE；

(2.5)选取不同N值与I值试算所得的MSE值中最小值所对应的作为桥梁主梁加速度响应幅值序列的中值线最优值。

在优选的实施方式中，所述步骤(3)中包括：

(3.1)用加速度响应幅值序列减去加速度–车速中值线得到加速度幅值波动序列F_A；

(3.2)将加速度幅值波动序列划分为m个子序列；

(3.3)计算每个子序列的正态分布均值区间估计的下限值和上限值[μ_ja,μ_jb]，以及正态分布标准差区间估计的下限值和上限值[σ_ja,σ_jb]；

(3.4)根据区间估计制定波动区间：

其中，F_ja和F_jb是子序列波动区间的下限和上限；r是用以描述波动的离散程度的系数。

有益效果：与现有技术相比，本发明具有以下有益效果：

(1)方法逻辑严密，实施有章可循。本发明实施过程全部建立在监测数据的处理与计算之上，经验因素少，任何拥有一定数学基础的技术人员都能依照本专利实现高速铁路车–桥振动性能的安全预警，方法可行性强，便于广泛推广和应用。

(2)考虑因素全面，方法准确合理。高速列车是桥梁结构振动的主要激励源，传统的桥梁振动预警方法仅限于对桥梁振动响应的分析，本发明根据桥梁结构健康监测系统采集桥梁振动加速度与列车车速数据，得到了不同行车车速带上的安全预警阈值，预警方法更加准确合理。

(3)物理意义明确，便于理解实施。本发明是一种两阶段分析方法：首先基于小波包分解技术提取了桥梁振动加速度–列车车速相关性中值线，而后基于区间估计理论获得了加速度幅值围绕加速度–车速中值线的波动区间，最终实现高速铁路车–桥振动性能的安全预警；方法实施过程明确，每一个实施过程都拥有明确的物理意义，便于桥梁管理维护人员理解与实施。

附图说明

图1为本发明方法的流程图。

图2为匹配所得的加速度序列和车速序列结构示意图。

图3为小波包分解原理(以三层为例)示意图。

图4为基于小波包分解的加速度–车速中值线提取与校核结果示意图。

图5为加速度响应围绕加速度–车速中值线的波动区间结果示意图。

图6为桥梁车–桥振动性能的安全预警区间结果示意图。

具体实施方式

下面将参照附图，对本发明的技术方案进行详细的说明。

如图1所示，本发明实施例公开一种高速铁路桥梁车–桥振动性能的安全预警方法，主要包括如下步骤：

步骤10)：采集桥梁振动加速度与列车车速数据，建立加速度–车速相关性：

在高速铁路桥梁的主梁跨中安装加速度传感器与雷达测速仪，每当有列车驶过时，即采集桥梁主梁的加速度响应时程与驶过列车即时车速。取某段时间内(如一年)内每次列车通过的加速度响应幅值最大值和对应的车速数据，得到两组监测序列，将两组序列的相应元素进行配对，并按车速大小进行排列，从而建立桥梁振动加速度–列车车速的相关性。其中，桥梁主梁加速度响应幅值序列为A_s＝[a_s1,a_s2,…,a_si,…,a_sn]，列车车速序列为s＝[s₁,s₂,…,s_i,…,s_n]，n为数据序列总长度；s_i为第i个车速元素，a_si为相应的加速度响应幅值元素，两组数列数据排列顺序满足s₁＜s_i＜s_n。

步骤20)：提取加速度–车速相关性中值线：

采用小波包分解技术对按列车车速大小顺序排列的主梁加速度响应幅值序列A_s进行分解，以得到反映桥梁振动加速度幅值随车速变化特征的加速度–车速相关性中值线。对主梁加速度响应幅值序列A_s进行分解与提取，小波包将序列A_s在第N层分解为N²个小波包分解系数，C^I,N，N为小波包分解尺度，小波包分解所用的小波基采用Symlets小波基，[J I]表示所提取的小波包分解系数是第J层中的第I个小波包分解系数，中值线提取结果固定采用小波包分解后最末一层的小波包分解系数，即J＝I时的第[N I]({0≤I≤N-1|I∈N^*})个小波包分解系数。

提取适当的小波包分解系数就得到桥梁主梁加速度响应幅值序列的中值线计算值：

小波包采用的分解尺度N与小波包分解系数的选取参数I需要带入不同层数参数多次试算；将加速度序列按固定长度等分成多个子序列，并取各子序列加速度幅值均值与试算结果对比，选择匹配度最佳的试算结果作为中值线最优值。具体过程如下：

(a)将A_s分成M个加速度幅值子序列：

A_s＝[A_s1,A_s2,…,A_sk,…,A_sM] (2)

(b)取各个加速度幅值子序列的均值与对应的车速均值根据子序列车速均值从试算的中选取位于车速区间相应的s_r为试算值的车速选值范围，可取值为0.5千米每小时(km/h)。

(c)计算各子序列的与的均方误差：

(d)选取不同参数值[N I]试算所得的MSE值中最小值所对应的N值与I值，作为桥梁主梁加速度响应幅值序列的中值线最优值：

步骤30)：获取加速度幅值围绕加速度–车速中值线的波动区间：

计算加速度幅值围绕加速度–车速中值线的波动为：

将加速度幅值波动序列划分为m个子序列：

F_A＝[F_As1,F_As2,…,F_Asj,…,F_Asm] (6)

其中，m为数据序列总分割分数；F_Asi为第j个小序列。每一个子序列的真值服从均值为μ_j标准差为σ_j，并在置信度95％内拥有估计值[μ_ja,μ_jb]和[σ_ja,σ_jb]，[μ_ja,μ_jb]为子序列的正态分布均值区间估计的下限值和上限值，[σ_ja,σ_jb]为子序列的正态分布标准差区间估计的下限值和上限值。假设σ_j未知，则μ_j满足：

其中为子序列样本的均值，S_j为子样本的标准差；t_α/2(n/m-1)为n/m-1个样本在Student分布上的α/2分位点。假设μ_j未知，则σ_j满足：

其中S_j为子样本的标准差；χ_α/2(n/m-1)和χ_1-α/2(n/m-1)为n/m-1个样本在Chi-square分布上的α/2和1-α/2分位点。

求得每一个随机波动子序列的区间估计值[μ_ja,μ_jb]和[σ_ja,σ_jb]后，就可以根据区间估计制定波动区间：

其中，F_ja和F_jb是子序列波动区间的下限和上限；r可取值为3，是用以描述波动的离散程度的系数。

步骤40)：将加速度波动区间与加速度–车速中值线进行叠加，得到安全预警区间：

将序列波动区间的下限和上限与中值线序列相应值叠加，则得到桥梁各子序列上的振动加速度预警区间的下、上限阈值可表述为：

其中，为各子序列的加速度–车速中值线均值。组合个子序列上的振动加速度预警区间，就得到整个车速带上的振动加速度预警区间上下限阈值序列：

应用示例：

下面以京沪高速铁路线南京大胜关长江大桥主梁横向振动加速度数据和列车车速数据为例，说明本发明的具体实施过程。

(1)利用加速度传感器与雷达测速仪分别采集列车驶过时的主梁加速度响应时程与列车车速。取2012年至2015年内每次列车通过的加速度响应幅值最大值和对应的车速数据，将两组数据的相应元素进行配对，并按车速大小进行排列如图2所示，在图2中，纵坐标表示主梁振动加速度，单位为毫米每二次方秒(mm/s²)，横坐标表示列车车速，单位为千米每小时(km/h)。

(2)利用小波包分解法(分解原理如图3)对加速度序列进行多次试算，并将试算结果与等分的加速度幅值均值序列计算均方误差，将均方误差最小值所对应的试算结果作为加速度–车速中值线最优值，如图4所示。图中所采用的最优小波包分解层数为8层，小波包分解系数C^0,8，该系数序列与等分加速度幅值均值序列的均方误差为0.12026毫米。

(3)将加速度幅值减去对应加速度中值线值，得到加速度响应围绕加速度–车速中值线的波动。将加速度波动分成多个子序列，并以95％为置信度求各个子序列的加速度波动区间上、下限，如图5所示。在图5中，纵坐标表示主梁振动加速度，单位为毫米每二次方秒(mm/s²)，横坐标表示列车车速，单位为千米每小时(km/h)；

(4)将加速度波动区间的下限和上限与加速度–车速中值线相应值进行叠加，得到安全预警区间如图6所示。在图6中，纵坐标表示主梁振动加速度，单位为毫米每二次方秒(mm/s²)，横坐标表示列车车速，单位为千米每小时(km/h)。

以上实施例仅仅是对本发明方案的进一步具体说明，在阅读了本发明实施例之后，本领域普通技术人员对本发明的各种等同形式的修改和替换均属于本发明申请权利要求所限定的保护的范围。

Claims (4)

1.一种高速铁路桥梁车–桥振动性能的安全预警方法，其特征在于，包括如下步骤：

(1)采集列车通过时桥梁主梁振动的加速度响应幅值最大值和对应的车速数据，将两组序列的相应元素进行配对，并按车速大小进行排列，得到加速度-车速相关性数据；

(2)采用小波包分解技术对主梁加速度响应幅值序列进行分解并提取，得到试算的加速度–车速中值线，并以加速度序列在固定序列长度内的加速度幅值均值的匹配度确定最优的小波包分解参数作为加速度–车速中值线最优值；

(3)基于区间估计理论获取各子序列内加速度幅值围绕加速度–车速中值线的波动区间；

(4)将加速度波动区间与加速度–车速中值线进行叠加，得到高速铁路桥梁车–桥振动性能的安全预警区间。

2.根据权利要求1所述的高速铁路桥梁车–桥振动性能的安全预警方法，其特征在于，所述步骤(2)中包括：

(2.1)对主梁加速度响应幅值序列A_s进行分解与提取，采用小波包分解后最末一层的小波包分解系数C^I,N作为试算的中值线提取结果，记为N为小波包分解尺度，为某一层中小波分解系数序号，0≤I≤N；

(2.2)将主梁加速度响应幅值序列A_s分成M个加速度幅值子序列；

(2.3)取各个加速度幅值子序列的均值与对应的车速均值根据子序列车速均值从试算的中选取位于车速区间相应的s_r为试算值的车速选值范围；

(2.4)计算各子序列的与的均方误差MSE；

(2.5)选取不同N值与I值试算所得的MSE值中最小值所对应的作为桥梁主梁加速度响应幅值序列的中值线最优值。

3.根据权利要求1所述的高速铁路桥梁车–桥振动性能的安全预警方法，其特征在于，所述步骤(3)中包括：

(3.1)用加速度响应幅值序列减去加速度–车速中值线得到加速度幅值波动序列F_A；

(3.2)将加速度幅值波动序列划分为m个子序列；

(3.3)计算每个子序列的正态分布均值区间估计的下限值和上限值[μ_ja,μ_jb]，以及正态分布标准差区间估计的下限值和上限值[σ_ja,σ_jb]；

(3.4)根据区间估计制定波动区间：

$\left\{\begin{array}{c}{F}_{ja}={\mathrm{\μ}}_{ja}-{\mathrm{r\σ}}_{ja}\\ F_{jb}={\mathrm{\μ}}_{jb}+{\mathrm{r\σ}}_{jb}\end{array}\right.$

其中，F_ja和F_jb是子序列波动区间的下限和上限；r是用以描述波动的离散程度的系数。

4.根据权利要求3所述的高速铁路桥梁车–桥振动性能的安全预警方法，其特征在于，所述步骤(3.3)中μ_ja，μ_jb，σ_ja和σ_jb的计算公式分别为：

${\mathrm{\μ}}_{ja}={\stackrel{\‾}{X}}_j-\frac{S_j}{n/m}{t}_{\mathrm{\α}/2}(n/m-1)$

${\mathrm{\μ}}_{jb}={\stackrel{\‾}{X}}_j+\frac{S_j}{n/m}{t}_{\mathrm{\α}/2}(n/m-1)$

${\mathrm{\σ}}_{ja}=\frac{\sqrt{n/m-1}{S}_j}{\sqrt{{\mathrm{\χ}}_{\mathrm{\α}/2}^2(n/m-1)}}$

${\mathrm{\σ}}_{jb}=\frac{\sqrt{n/m-1}{S}_j}{\sqrt{{\mathrm{\χ}}_{1-\mathrm{\α}/2}^2(n/m-1)}}$

其中，为子序列样本的均值，S_j为子序列样本的标准差；t_α/2(n/m-1)为n/m-1个样本在Student分布上的α/2分位点；χ_α/2(n/m-1)和χ_1-α/2(n/m-1)为n/m-1个样本在Chi-square分布上的α/2和1-α/2分位点。