CN107609304A - 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 - Google Patents

Abstract

本发明公开了一种大跨度铁路桥梁的基于PHM的故障诊断预测系统，包括：可视化管理模块、档案资料模块、在线监测模块、人工巡检模块、诊断预测模块、养护维修模块、数据交互模块、PHM数据库，本发明还提供了一种大跨度铁路桥梁的基于PHM的故障诊断预测方法。本发明的有益效果为：采用3S网络架构、BIM与GIS技术关联和存档设计、施工、运营及维护信息，通过对列车、轨道、桥梁、及桥梁环境的综合监测及人工巡检信息的大数据处理来实现对桥梁病害的诊断与预测，及对桥梁健康状况的评估，为桥梁的维护提供决策依据。

Description

大跨度铁路桥梁的基于PHM的故障诊断预测系统及方法

技术领域

本发明涉及铁路桥梁技术领域，具体而言，涉及一种大跨度铁路桥梁的基于PHM的故障诊断预测系统及方法。

背景技术

大跨度铁路桥梁是铁路线路的控制性重点工程。随着服役时间的延长，在荷载和环境因素影响下，这些桥梁不可避免地出现各种损伤和病害。这些病害一方面影响了结构的耐久性，缩短了桥梁结构使用寿命；另一方面可造成结构强度和刚度的削减，为铁路运营埋下了安全隐患。

目前，铁路桥梁的病害主要通过人工周期性检查来发现。然而，大量人工巡检日志并未及时电子化和信息化，并且对病害位置和损伤程度的描述因人而异，各类病害信息缺少甚至无法关联，难以实现桥梁病害的统计分析。再者，随着我国铁路运营里程的大幅增长及服役时间延长所带来的更多桥梁病害，现有的人工检修任务日益繁重，普遍存在着人员、机具、时间不足的问题。尤其是高铁桥梁的检修一般是在夜间天窗时间进行，受光线影响较大。

另外，极少数大跨度铁路桥梁装备了桥梁健康监测系统，对运营状态进行实时监测。然而，一方面是桥梁健康监测系统仅在主体结构的关键部位或关键构件上安装有为数不多的传感器，因而它不可能对桥梁所有部位或所有病害进行有效的实时监测；另一方面，海量桥梁健康监测数据又很难直接指导桥梁的检修，各类监测数据关联程度很低，无法有效地服务于桥梁的管养。更为重要的是，既有的健康监测系统仅对桥梁主体结构状况和所处环境进行监测，难以直接用于评价列车于桥上轨道运营时的安全状态。而实际运营时，列车、轨道线路和桥梁是一个耦合系统，其响应均受环境因素影响。

因此，就大跨度铁路桥梁来说，如何开展高效可行的具有预防性和预测性的健康状态管理具有重大意义。

发明内容

为解决上述问题，本发明的目的在于提供一种大跨度铁路桥梁的基于PHM的故障诊断预测系统及方法，采用3S网络架构、BIM与GIS技术关联和存档设计、施工、运营及维护信息，通过对列车、轨道、桥梁、及桥梁环境的综合监测及人工巡检信息的大数据处理来实现对桥梁病害的诊断与预测，及对桥梁健康状况的评估，为桥梁的维护提供决策依据。

本发明提供了一种大跨度铁路桥梁的基于PHM的故障诊断预测系统，包括：

可视化管理模块，其用于对桥梁结构进行BIM建模并直观展示，对桥梁上安装的若干传感器的类型、安装位置及状态进行定位并展示，同时对桥梁的病害位置进行定位并展示病害的描述信息；

档案资料模块，其用于查询桥梁有限元模型的动静力分析数据和桥梁设计、施工、运营维护的数据；

在线监测模块，其通过安装在桥梁上的若干传感器采集桥梁主体结构及关键构件、轨道状态、列车车辆、桥址环境的信息并进行实时监测；

人工巡检模块，其用于检查人员对桥梁、桥上轨道和综合检测车进行巡检，根据病害的位置在三维BIM模型中进行定位，并对病害所处的结构部位、病害类型和病害程度进行文字描述和/或语音描述和/或图片描述，记录巡检时的时间、人员、结构部位或位置、检查所用机具信息；同时，用于查询既有的巡检数据和下一步的巡检计划；

诊断预测模块，其用于根据所述健康监测模块采集到的实时监测数据和所述人工巡检模块检查到的巡检数据，对监测数据的历史趋势和多个数据的相关性进行分析，通过设置阈值进行预警和故障诊断，根据巡检数据对桥梁关键结构或构件的劣化进行评估，包括劣化级别或类型及劣化随时间的变化规律及影响因素，并对桥梁的疲劳可靠度进行评估，同时，对巡检数据进行多元因素相关性分析；

养护维修模块，其用于根据故障诊断和预警结果对桥梁开展维修和修复工作，记录养护和维修的时间、人员、结构部位或位置、以及所用的主要养修机具和材料信息；

系统管理模块，其用于组织机构、系统用户角色、权限、用户账号密码、系统运行日志、数据字典的管理；

数据交互模块，其用于各个模块之间、各个模块与PHM数据库之间的数据交互；

PHM数据库，其用于存储各个模块的多种数据。

作为本发明进一步的改进，在线监测模块安装的若干传感器包括：

用于监测桥址环境的传感器，包括监测风速风向、温度、湿度、列车荷载与速度和水文气候的传感器；

用于监测桥梁的静力反应、动力响应的传感器，包括监测位移或变形、应力或应变、振动加速度、振幅的传感器；

用于监测桥梁结构构件外观缺陷或病害的视频传感器，包括监测螺栓断裂、锈蚀、钢构件或混凝土构件开裂的视频传感器；

用于监测轨道状态的传感器，包括监测轮轨力、减载率、脱轨系数的传感器；

用于监测温调器的传感器。

作为本发明进一步的改进，人工巡检模块的巡检数据包括：

桥梁钢桁架和桥面系以及附属结构的开裂、变形、屈曲、腐蚀、疲劳、涂层失效；

桥梁关键结构包括支座、阻尼器、温调器的锈蚀、断裂、退化、渗漏、蒙尘、润滑不足、变形；

桥梁下部结构的开裂、剥落、腐蚀、沉降、冲刷；

桥上轨道的状态；

综合检测车检测到的轨道几何与车辆动态响应。

作为本发明进一步的改进，诊断预测模块中，

对监测数据在时域内提取特征值并对其历史趋势进行分析，同时对多个监测数据分别提取特征值并对相关性进行分析；

对监测数据中的振动信号在频域内采用傅里叶变换、小波变换分析信号中的奇异性及其奇异性产生的原因；

对监测数据中列车荷载信号建立列车荷载概率模型，结合Monte-Carlo法分析列车荷载效应，并根据Palmgren-Miner线性累积损伤理论与AASHTO规范中的S-N曲线建立疲劳极限状态方程，分析方程中各参数的概率分布，结合列车通行数量预测列车荷载增长及荷载效应对桥梁疲劳可靠指标的影响；

对巡检数据采用统计算法进行多元因素相关性分析，对每种巡检数据分别确定病害影响程度最高的主要因素。

作为本发明进一步的改进，对同荷载工况下的两个振动传感器采集到的N组振动信号进行互谱频率分析，提取前两阶频率，根据恒定的频率值设置阈值，确定超出阈值的区域振动信号，分析引起互谱频率异常的结构病害与缺陷或其它影响因素。

作为本发明进一步的改进，对断裂高强螺栓进行多元因素相关性分析，从多个因素中找出断裂螺栓的使用寿命相关程度较高的主要因素，并建立断裂螺栓的使用寿命与主要因素的线性关系。

作为本发明进一步的改进，从综合检测车反馈的若干组周期性检测数据中提取轨道不平顺的TQI值及其每个TQI值对应的轨向、轨距、水平、高低、三角坑，确定TQI值最大值所在的桥梁区域位置，并分析这些TQI值随时间的变化趋势。

作为本发明进一步的改进，PHM数据库包括：

基础数据库，其用于存储BIM模型建模所需要的桥梁几何尺寸和所用材料的基础数据、有限元模型建模所需要的基础数据；

档案数据库，其用于存储有限元模型的动静力分析数据、BIM模型的建模数据及安装的传感器数据；

病害库，其用于存储病害信息，包括病害所处的结构部位、病害类型和病害程度；

报警数据库，其用于存储故障诊断信息和预警结果；

养护与维修库，其用于存储各种病害对应的养护与维修信息。

本发明还提供了一种大跨度铁路桥梁的基于PHM的故障诊断预测方法，该方法包括以下步骤：

步骤1，根据桥梁设计需求，建立有限元分析计算模型，计算各种设计工况下桥梁结构构件或部位的受力与变形、桥梁结构的动力特性和动力响应，为实测数据提供了对比参考依据；

步骤2，根据桥梁的二维设计图纸进行BIM模型建模，对桥梁结构进行直观展示；

步骤3，根据对桥梁的监测需求，在桥梁上安装若干个传感器，采集桥梁主体结构及关键构件的静动力响应和外观状态、轨道状态、列车车辆、桥址环境的信息并进行实时监测；

步骤4，检查人员对桥梁主体及其附属结构以及轨道进行外观检查与评估，并通过综合检测车周期性地检测轨道几何平顺状态及监测车辆动力响应指标；

同时，检查人员在外观巡检过程中，根据病害的位置在三维BIM模型中进行定位，在BIM模型中对病害所处的结构部位、病害类型和病害程度进行文字描述和/或语音描述和/或图片描述，并记录巡检时的时间、人员、结构部位或位置、检查所用机具信息；

步骤5，根据采集到的监测数据，对监测数据的历史趋势和多个数据的相关性进行分析，根据分析的结果设置阈值并进行预警和故障诊断，根据巡检数据对桥梁关键结构或构件的劣化进行评估，包括劣化级别或类型及劣化随时间的变化规律及影响因素，并对桥梁的健康状态进行评估；

同时，对检查人员的巡检数据进行多元因素相关性分析，确定每种病害影响程度最高的主要因素；

步骤6，根据预警结果、故障诊断结果及劣化程度的评估结果，结合巡检录入的病害信息，确定病害的位置、类型、程度及解决方案。

作为本发明进一步的改进，步骤6中的解决方案包括：

当监测数据出现异常时，检查人员先检查异常数据对应传感器的工作状态，确认无误后，再对安装传感器所在桥梁的结构和构件的工作状态进行细致检查或检测，排查出引起异常的病害与缺陷或其他影响因素，进一步确定病害信息，再根据病害信息进行对应的维修和修复工作；

当巡检数据出现异常时，检查人员根据巡检的异常数据结合多元因素相关性分析的结果，进一步确定病害信息，再根据病害信息进行对应的维修和修复工作。

本发明的有益效果为：

1、通过BIM模型实现了大跨度铁路桥梁三维建筑信息模型的可视化，同时还能关联多源监测检查数据，实现无纸化现场检修作业，并且检查时可借助BIM模型实现病害位置的快速定位，便于各类病害信息和监测检查数据的统计分析；

2、通过GIS技术为大跨度铁路桥梁提供了相关地理空间信息，包括关系到桥梁结构与列车运营的安全的桥梁冲刷、防洪通航等信息，保障桥梁结构与列车运营的安全；

3、在桥梁PHM系统中采用PHM技术集成了桥梁设计、建设、运营各个阶段的多源数据，便于各个阶段的查询，除BIM模型中桥梁几何尺寸和所用材料等基本信息、设计阶段三维有限元模型中的静动力分析信息和上级铁路平台发布的相关运营和管养信息外，还包括健康监测子系统中的各类传感器所监测的信号，桥梁人工巡检中发现的病害位置、病害类型和病害程度信息，轨道检测资料，综合检测车定期检测的轨道几何及车辆动态响应信号等；

4、可以实现对车、线、桥及环境的综合监测与检查，其中，通过布设的各类传感器采集桥梁主体结构及关键构件、轨道状态、列车车辆、桥址环境的信息实现实时监测，结合人工巡检对桥梁主体结构及附属设施进行外观检查与评估，多角度、多层次、多方面完善桥梁及桥上轨道的监测检查数据，确保整个桥梁的安全；

5、可以根据传感器监测到的数据和人工巡检检查的数据，综合后从多角度、多参数实现对桥梁的病害诊断、预测及健康状态评估。

附图说明

图1为本发明实施例所述的一种大跨度铁路桥梁的基于PHM的故障诊断预测系统的框图；

图2为在线监测模块中3个不同类传感器的统计值密度曲线图；

图3为N组振动信号进行互谱频率分析的示意图；

图4为疲劳可靠度评估的示意图；

图5为断裂高强螺栓多元因素相关性分析和断裂螺栓寿命预测的示意图；

图6为轨道不平顺的TQI值分析的示意图。

具体实施方式

下面通过具体的实施例并结合附图对本发明做进一步的详细描述。

实施例1，如图1所示，本发明实施例的一种大跨度铁路桥梁的基于PHM的故障诊断预测系统，依托3S网络架构、BIM和GIS技术来实现多源数据的可视化、标准化和信息化。3S网络架构指的是客户端(C/S)、广域网(B/S)、移动互联网(M/S)。M/S客户端方便了检修人员现场作业，特定用户可通过浏览器实现远程数据录入、查询及管理，而C/S客户端则提供了PHM系统各个模块的直接操作和综合管理。

该故障诊断预测系统包括：

可视化管理模块，其用于对桥梁结构进行BIM建模并直观展示，对桥梁上安装的若干传感器的类型、安装位置及状态进行定位并展示，同时对桥梁的病害位置进行定位并展示病害的描述信息；

档案资料模块，其用于查询桥梁有限元模型的动静力分析数据和桥梁设计、施工、运营维护的数据；其中，桥梁有限元模型为设计桥梁时预先设计好的有限元分析计算模型，用于计算各种设计工况下桥梁结构构件或部位的受力与变形、桥梁结构的动力特性和动力响应；

在线监测模块，其通过安装在桥梁上的若干传感器采集桥梁主体结构及关键构件、轨道状态、列车车辆、桥址环境的信息并进行实时监测；

人工巡检模块，其用于检查人员对桥梁、桥上轨道和综合检测车进行巡检，根据病害的位置在三维BIM模型中进行定位，并对病害所处的结构部位、病害类型和病害程度进行文字描述和/或语音描述和/或图片描述，记录巡检时的时间、人员、结构部位或位置、检查所用机具信息；同时，用于查询既有的巡检数据和下一步的巡检计划；

诊断预测模块，其用于根据健康监测模块采集到的实时监测数据和人工巡检模块检查到的巡检数据，对监测数据的历史趋势和多个数据的相关性进行分析，通过设置阈值进行预警和故障诊断，根据巡检数据对桥梁关键结构或构件的劣化进行评估，包括劣化级别或类型及劣化随时间的变化规律及影响因素，并对桥梁的疲劳可靠度进行评估，同时，对巡检数据进行多元因素相关性分析；

养护维修模块，其用于根据故障诊断和预警结果对桥梁开展维修和修复工作，记录养护和维修的时间、人员、结构部位或位置、以及所用的主要养修机具和材料信息；

系统管理模块，其用于组织机构、系统用户角色、权限、用户账号密码、系统运行日志、数据字典的管理；

数据交互模块，其用于各个模块之间、各个模块与PHM数据库之间的数据交互；依托于云服务器，支持各个模块与移动终端、PC机等之间的交互；

PHM数据库，其用于存储各个模块的多种数据。

其中，有限元分析计算模型可用于了解在各种设计工况下各桥梁结构构件或部位的受力与变形，也可用于计算桥梁结构的动力特性和动力响应，静力或动力状态下有限元分析计算模型为各类实测数据提供了一个可供对比的参考依据。BIM模型不仅可对桥梁结构等进行直观展示，同时可以用三维BIM模型关联二维设计图纸实现无纸化现场检修作业，并且检查时可借助BIM模型实现病害位置的快速定位，还能实现各阶段多源数据的关联化和可视化，便于各类病害信息和监测检查数据的统计分析，如高强螺栓的断裂、锈蚀、支座病害、梁端伸缩装置病害。

PHM数据库集成了桥梁设计、建设、运营和管养阶段的多源数据，包括：

基础数据库，其用于存储BIM模型建模所需要的桥梁几何尺寸和所用材料的基础数据、有限元模型建模所需要的基础数据；

档案数据库，其用于存储有限元模型的动静力分析数据、BIM模型的建模数据及安装的传感器数据；

病害库，其用于存储病害信息，包括病害所处的结构部位、病害类型和病害程度；

报警数据库，其用于存储故障诊断信息和预警结果；

养护与维修库，其用于存储各种病害对应的养护与维修信息。

如图1所述，在线监测模块安装的若干传感器用于监测桥梁结构形式、受力特点、所处环境等，与BIM模型关联，可查询到各个传感器的类型、安装位置及状态，这些传感器具体包括：

用于监测桥址环境的传感器，包括监测风速风向、温度、湿度、列车荷载与速度和水文气候的传感器；

用于监测桥梁的静力反应、动力响应的传感器，包括监测位移或变形、应力或应变、振动加速度、振幅的传感器；

用于监测桥梁结构构件外观缺陷或病害的视频传感器，包括监测螺栓断裂、锈蚀、钢构件或混凝土构件开裂的视频传感器；

用于监测轨道状态的传感器，包括监测轮轨力、减载率、脱轨系数的传感器；

用于监测温调器的传感器。

其中，由于大跨度铁路桥梁往往较柔，受风的影响很大，包括桥梁横向振动及局部构件的振动等，且沿海等地区交通通行受大风的影响，因此设置了风速风向传感器；另外，钢结构常用于大跨度桥梁之中，温度场效应显著，因此设置了温度、湿度传感器；而水文气候等信息则可能影响到桥梁的通航和防洪，因此设置了水文气候的传感器。桥梁结构的监测往往是监测其动力响应和动力特性，通过时频域分析以评判桥梁状态，因此，设置了静力和动力响应、纵向和横向位移、纵向和横向应力、纵向、横向和竖向振动的传感器；同时，受列车荷载的影响，铁路桥梁存在疲劳的问题，通过监测通车状态下的动应变可用来评估其疲劳性能，因此设置了列车荷载与速度传感器；另外，对于桥梁所属的关键构件如大型球型支座和梁端伸缩装置等也可通过布置传感器以监测其性能，实行重点对象重点监测。轨道状态的监测是铁路桥梁健康监测特有的且区别于公路桥梁健康监测的关键所在，可用于评判行车安全，尤其是梁端轨道状态的监测十分重要，因此设置了轮轨力监测传感器。

在线监测模块一般仅对桥梁的主体结构或局部关键部位进行监测，对桥梁状态总的评估仍离不开基于外观检测的人工巡检。其中，人工巡检模块对桥梁与轨道分别开展巡检，巡检数据包括：

桥梁钢桁架和桥面系以及附属结构的开裂、变形、屈曲、腐蚀、疲劳、涂层失效；

桥梁关键结构包括支座、阻尼器、温调器的锈蚀、断裂、退化、渗漏、蒙尘、润滑不足、变形；

桥梁下部结构的开裂、剥落、腐蚀、沉降、冲刷；

桥上轨道的状态；

综合检测车检测到的轨道几何与车辆动态响应。

桥梁病害的诊断与预测及桥梁健康状态评估是基于在线监测模块及人工巡检模块中的监测检查数据来分析。

其中，诊断预测模块中，

对监测数据在时域内不仅针对某一监测数据提取其特征值，还需要对这一监测数据的历史趋势进行分析，同时对多个监测数据分别提取特征值并对相关性进行分析。对监测数据不仅需要在时域进行分析，还需要对其中的振动信号在频域内采用傅里叶变换、小波变换分析信号中的奇异性及其奇异性产生的原因。时域分析的示例如图2所示，对在线监测模块中的3个不同类型的传感器(动应变、钢温度和加速度传感器)在a、b和c三种不同荷载工况下进行了统计分析，建立了统计值密度曲线。由图2可见，不同类型传感器在同一工况下的统计值密度曲线具有不同的特征，同类型的传感器在不同工况下的统计值密度曲线也可能存在不同的特征。因此在时域分析时，应根据传感器的类型和其信号的波形特征，抽取适当的特征值，建立统计值密度曲线。历史趋势的分析示例如图3所示，对同荷载工况下的两个振动传感器采集到的N组振动信号进行互谱频率分析，提取前两阶频率(图中上面一排为频率值1的序列，下面一排为频率值2的序列)，频率随时间变化的趋势可见该桥前两阶频率值都较为恒定，根据恒定的频率值设置阈值，对于超出阈值区域的振动信号，分析引起互谱频率异常的结构病害与缺陷或其它影响因素。

如图4所示，对监测数据中列车荷载信号建立列车荷载概率模型，结合Monte-Carlo法分析列车荷载效应，并根据Palmgren-Miner线性累积损伤理论与AASHTO规范中的S-N曲线建立疲劳极限状态方程，分析方程中各参数的概率分布，结合列车通行数量预测列车荷载增长及荷载效应对桥梁疲劳可靠指标的影响。

对巡检数据采用统计算法进行多元因素相关性分析，对每种巡检数据分别确定病害影响程度最高的主要因素。多元因素相关性分析示例如图5所示，针对某大跨度桥梁的断裂高强螺栓展开了多元因素相关性分析和断裂螺栓的寿命预测，多元因素包括断裂螺栓的寿命、规格、长度、施拧拧矩、螺栓所处的位置(包括所在孔跨、桁架、是否在桥面以上、是否在线路正上方等)。这种相关性分析不仅掌握了断裂螺栓的上述因素的统计特征和相关程度(例如由图5可见施拧拧矩和螺栓规格的散点图呈细长的椭圆，具有强相关性)，并且通过反复的多元因素相关性分析，从诸多因素中提炼出与断裂螺栓的使用寿命相关程度较高的三个因素包括施拧拧矩、螺栓长度和螺栓是否处于桥面以上，并由此建立了断裂螺栓的使用寿命与三者的线性关系式，为断裂螺栓的使用寿命预测提供了依据。

由于人工巡检模块中还包含综合检测车检查，在对综合检测车检查到的数据进行分析时，需要从综合检测车反馈的若干组周期性检测数据中提取轨道不平顺的TQI值及其每个TQI值对应的轨向、轨距、水平、高低、三角坑，确定TQI值最大值所在的桥梁区域位置，并分析这些TQI值随时间的变化趋势。周期性检测数据分析示例如图6所示，图中纵坐标为TQI值，横坐标为桥梁所在线路的里程位置(图中亦标出了桥梁所跨线路的里程位置)，多条折线代表不同时期的周期性检测获得的轨道不平顺的TQI值。由图6可知桥梁梁端附近(矩形框)的轨道TQI值明显大于其它位置，且随着时间的增长轨道不平顺的整体TQI值有明显的上升。因此，建议适时改善轨道的不平顺状况以整体降低桥梁区域的轨道TQI指标，尤其对桥梁梁端附近的轨道状态应予重视并加强养修。

实施例2，本发明一种大跨度铁路桥梁的基于PHM的故障诊断预测方法，该方法包括以下步骤：

步骤1，根据桥梁设计需求，建立有限元分析计算模型，计算各种设计工况下桥梁结构构件或部位的受力与变形、桥梁结构的动力特性和动力响应，为实测数据提供了对比参考依据；

步骤2，根据桥梁的二维设计图纸进行BIM模型建模，对桥梁结构进行直观展示；

步骤3，根据对桥梁的监测需求，在桥梁上安装若干个传感器，采集桥梁主体结构及关键构件的静动力响应和外观状态、轨道状态、列车车辆、桥址环境的信息并进行车-线-桥-环境的综合实时监测；

步骤4，检查人员对桥梁主体及其附属结构以及轨道进行外观检查与评估，并通过综合检测车周期性地检测轨道几何平顺状态及监测车辆动力响应指标；

同时，检查人员在外观巡检过程中，根据病害的位置在三维BIM模型中进行定位，在BIM模型中对病害所处的结构部位、病害类型和病害程度进行文字描述和/或语音描述和/或图片描述，并记录巡检时的时间、人员、结构部位或位置、检查所用机具信息；

步骤5，根据采集到的监测数据，对监测数据的历史趋势和多个数据的相关性进行分析，根据分析的结果设置阈值并进行预警和故障诊断，根据巡检数据对桥梁关键结构或构件的劣化进行评估，包括劣化级别或类型及劣化随时间的变化规律及影响因素，并对桥梁的健康状态进行评估；

同时，对检查人员的巡检数据进行多元因素相关性分析，确定每种病害影响程度最高的主要因素；

其中，在劣化评估时，首先在检查人员现场录入病害信息并得到后续的病害信息确认后，按照现行规范或规则如《铁路桥隧建筑物劣化评定标准》系列、《铁路桥隧建筑物修理规则》和《高速铁路桥隧建筑物修理规则》自动进行桥梁结构或构件劣化评估；

步骤6，根据预警结果、故障诊断结果及劣化程度的评估结果，结合巡检录入的病害信息，确定病害的位置、类型、程度及解决方案；

其中，当监测数据出现异常时，检查人员先检查异常数据对应传感器的工作状态，确认无误后，再对安装传感器所在桥梁的结构和构件的工作状态进行细致检查或检测，排查出引起异常的病害与缺陷或其他影响因素，进一步确定病害信息，再根据病害信息进行对应的维修和修复工作；

当巡检数据出现异常时，检查人员根据巡检的异常数据结合多元因素相关性分析的结果，进一步确定病害信息，再根据病害信息进行对应的维修和修复工作。

本发明的大跨度铁路桥梁的基于PHM的故障诊断预测系统及方法主要实现了以下几个方面：

(1)BIM和GIS技术的应用

BIM模型一方面实现了大跨度铁路桥梁三维建筑信息模型的可视化，能更直观地了解桥梁结构；另一方面能将多源监测检查数据与BIM模型关联起来，便于桥梁病害的快速定位和劣化程度标准化评估。另外，BIM模型还可集成桥梁结构全寿命周期内不同阶段包括竣工验收、试验测试、联调联试、试运行、开通运营阶段的多源重点数据与文档；GIS技术则为大跨度铁路桥梁提供了相关地理空间信息，尤其是桥梁冲刷、防洪通航方面的信息直接关系到桥梁结构与列车运营的安全。

(2)车、线、桥、环境综合监测

对车、线、桥、环境展开综合监测与检测，集成以上四方面的数据和信息。通过在线监测模块对桥梁主体结构、轨道状态、列车荷载、桥址环境进行实时监测，通过人工巡检模块对桥梁主体结构及附属设施进行外观检查与评估，通过综合检测车周期性地检测轨道几何平顺状态及监测多项动力响应指标。综合监测可对病害易发区域及关键结构或构件如梁端伸缩装置、大型球型支座等展开重点监测。

(3)实现诊断与预测的大数据处理

对多源监测检测数据开展大数据分析，基于在线监测模块中各项指标抽取出来的特征值及其历史趋势分析得到的阈值来诊断故障，基于人工巡检系统来评估桥梁整体结构或局部构件的健康状态及劣化趋势，综合在线监测模块中的轨道状态监测、人工巡检中的轨检车数据、综合检测车数据来评估桥上轨道状态。通过多源数据分析来综合评判桥梁及桥上轨道状态，为预防性和预测性的管养提供依据。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种大跨度铁路桥梁的基于PHM的故障诊断预测系统，其特征在于，包括：

可视化管理模块，其用于对桥梁结构进行BIM建模并直观展示，对桥梁上安装的若干传感器的类型、安装位置及状态进行定位并展示，同时对桥梁的病害位置进行定位并展示病害的描述信息；

档案资料模块，其用于查询桥梁有限元模型的动静力分析数据和桥梁设计、施工、运营维护的数据；

在线监测模块，其通过安装在桥梁上的若干传感器采集桥梁主体结构及关键构件、轨道状态、列车车辆、桥址环境的信息并进行实时监测；

人工巡检模块，其用于检查人员对桥梁、桥上轨道和综合检测车进行巡检，根据病害的位置在三维BIM模型中进行定位，并对病害所处的结构部位、病害类型和病害程度进行文字描述和/或语音描述和/或图片描述，记录巡检时的时间、人员、结构部位或位置、检查所用机具信息；同时，用于查询既有的巡检数据和下一步的巡检计划；

诊断预测模块，其用于根据所述健康监测模块采集到的实时监测数据和所述人工巡检模块检查到的巡检数据，对监测数据的历史趋势和多个数据的相关性进行分析，通过设置阈值进行预警和故障诊断，根据巡检数据对桥梁关键结构或构件的劣化进行评估，包括劣化级别或类型及劣化随时间的变化规律及影响因素，并对桥梁的疲劳可靠度进行评估，同时，对巡检数据进行多元因素相关性分析；

养护维修模块，其用于根据故障诊断和预警结果对桥梁开展维修和修复工作，记录养护和维修的时间、人员、结构部位或位置、以及所用的主要养修机具和材料信息；

系统管理模块，其用于组织机构、系统用户角色、权限、用户账号密码、系统运行日志、数据字典的管理；

数据交互模块，其用于各个模块之间、各个模块与PHM数据库之间的数据交互；

PHM数据库，其用于存储各个模块的多种数据。

2.根据权利要求1所述的故障诊断预测系统，其特征在于，在线监测模块安装的若干传感器包括：

用于监测桥址环境的传感器，包括监测风速风向、温度、湿度、列车荷载与速度和水文气候的传感器；

用于监测桥梁的静力反应、动力响应的传感器，包括监测位移或变形、应力或应变、振动加速度、振幅的传感器；

用于监测桥梁结构构件外观缺陷或病害的视频传感器，包括监测螺栓断裂、锈蚀、钢构件或混凝土构件开裂的视频传感器；

用于监测轨道状态的传感器，包括监测轮轨力、减载率、脱轨系数的传感器；

用于监测温调器的传感器。

3.根据权利要求1所述的故障诊断预测系统，其特征在于，人工巡检模块的巡检数据包括：

桥梁钢桁架和桥面系以及附属结构的开裂、变形、屈曲、腐蚀、疲劳、涂层失效；

桥梁关键结构包括支座、阻尼器、温调器的锈蚀、断裂、退化、渗漏、蒙尘、润滑不足、变形；

桥梁下部结构的开裂、剥落、腐蚀、沉降、冲刷；

桥上轨道的状态；

综合检测车检测到的轨道几何与车辆动态响应。

4.根据权利要求1所述的故障诊断预测系统，其特征在于，诊断预测模块中，

对监测数据在时域内提取特征值并对其历史趋势进行分析，同时对多个监测数据分别提取特征值并对相关性进行分析；

对监测数据中的振动信号在频域内采用傅里叶变换、小波变换分析信号中的奇异性及其奇异性产生的原因；

对监测数据中列车荷载信号建立列车荷载概率模型，结合Monte-Carlo法分析列车荷载效应，并根据Palmgren-Miner线性累积损伤理论与AASHTO规范中的S-N曲线建立疲劳极限状态方程，分析方程中各参数的概率分布，结合列车通行数量预测列车荷载增长及荷载效应对桥梁疲劳可靠指标的影响；

对巡检数据采用统计算法进行多元因素相关性分析，对每种巡检数据分别确定病害影响程度最高的主要因素。

5.根据权利要求4所述的故障诊断预测系统，其特征在于，对同荷载工况下的两个振动传感器采集到的N组振动信号进行互谱频率分析，提取前两阶频率，根据恒定的频率值设置阈值，确定超出阈值的区域振动信号，分析引起互谱频率异常的结构病害与缺陷或其它影响因素。

6.根据权利要求4所述的故障诊断预测系统，其特征在于，对断裂高强螺栓进行多元因素相关性分析，从多个因素中找出断裂螺栓的使用寿命相关程度较高的主要因素，并建立断裂螺栓的使用寿命与主要因素的线性关系。

7.根据权利要求4所述的故障诊断预测系统，其特征在于，从综合检测车反馈的若干组周期性检测数据中提取轨道不平顺的TQI值及其每个TQI值对应的轨向、轨距、水平、高低、三角坑，确定TQI值最大值所在的桥梁区域位置，并分析这些TQI值随时间的变化趋势。

8.根据权利要求1所述的故障诊断预测系统，其特征在于，PHM数据库包括：

基础数据库，其用于存储BIM模型建模所需要的桥梁几何尺寸和所用材料的基础数据、有限元模型建模所需要的基础数据；

档案数据库，其用于存储有限元模型的动静力分析数据、BIM模型的建模数据及安装的传感器数据；

病害库，其用于存储病害信息，包括病害所处的结构部位、病害类型和病害程度；

报警数据库，其用于存储故障诊断信息和预警结果；

养护与维修库，其用于存储各种病害对应的养护与维修信息。

9.一种如权利要求1-8中任意一项所述的大跨度铁路桥梁的基于PHM的故障诊断预测系统的故障诊断预测方法，其特征在于，该方法包括以下步骤：

步骤1，根据桥梁设计需求，建立有限元分析计算模型，计算各种设计工况下桥梁结构构件或部位的受力与变形、桥梁结构的动力特性和动力响应，为实测数据提供了对比参考依据；

步骤2，根据桥梁的二维设计图纸进行BIM模型建模，对桥梁结构进行直观展示；

步骤3，根据对桥梁的监测需求，在桥梁上安装若干个传感器，采集桥梁主体结构及关键构件的静动力响应和外观状态、轨道状态、列车车辆、桥址环境的信息并进行实时监测；

步骤4，检查人员对桥梁主体及其附属结构以及轨道进行外观检查与评估，并通过综合检测车周期性地检测轨道几何平顺状态及监测车辆动力响应指标；

同时，检查人员在外观巡检过程中，根据病害的位置在三维BIM模型中进行定位，在BIM模型中对病害所处的结构部位、病害类型和病害程度进行文字描述和/或语音描述和/或图片描述，并记录巡检时的时间、人员、结构部位或位置、检查所用机具信息；

步骤5，根据采集到的监测数据，对监测数据的历史趋势和多个数据的相关性进行分析，根据分析的结果设置阈值并进行预警和故障诊断，根据巡检数据对桥梁关键结构或构件的劣化进行评估，包括劣化级别或类型及劣化随时间的变化规律及影响因素，并对桥梁的健康状态进行评估；

同时，对检查人员的巡检数据进行多元因素相关性分析，确定每种病害影响程度最高的主要因素；

步骤6，根据预警结果、故障诊断结果及劣化程度的评估结果，结合巡检录入的病害信息，确定病害的位置、类型、程度及解决方案。

10.根据权利要求9所述的故障诊断预测方法，其特征在于，步骤6中的解决方案包括：

当监测数据出现异常时，检查人员先检查异常数据对应传感器的工作状态，确认无误后，再对安装传感器所在桥梁的结构和构件的工作状态进行细致检查或检测，排查出引起异常的病害与缺陷或其他影响因素，进一步确定病害信息，再根据病害信息进行对应的维修和修复工作；

当巡检数据出现异常时，检查人员根据巡检的异常数据结合多元因素相关性分析的结果，进一步确定病害信息，再根据病害信息进行对应的维修和修复工作。