CN107885927A - 一种铁路桥梁运营状态预警方法 - Google Patents

Abstract

本发明公开了一种铁路桥梁运营状态预警方法，其方法为：通过对桥梁系统进行数据观测，而实时获取所述桥梁系统的观测数据，同时，每滑动一个设定长度的时间窗口，则采用随机子空间算法对该时间窗口内的观测数据进行计算，得到该时间窗口内观测数据所对应的模态参数信息，通过计算相邻两个时间窗口对应的模态参数信息之间的变化率，进而判断计算出的变化率是否达到预警阈值。因此，本发明不仅能够实现在时域上对桥梁模态参数进行跟踪识别，还能够对桥梁运营状态进行实时预警，为铁路桥梁运营安全提供保障。

Description

一种铁路桥梁运营状态预警方法

技术领域

本发明涉及铁路桥梁运营维护技术领域，特别涉及一种铁路桥梁运营状态预警方法。

背景技术

近年来，中国高速铁路得到了快速发展，桥梁作为高速铁路的重要组成部分，其自身的运营状态决定着高速铁路的运营安全。由于高速列车频繁过桥时对桥梁所产生的车、桥耦合作用，以及桥梁自身长期处在各类恶劣环境侵蚀(强震、强风、大温差、落石滑坡、多年冻土)、材料老化等因素的共同作用下，将不可避免地导致桥梁结构的损伤累积以及性能的退化，这必将影响桥梁结构的正常使用，极端情况下还会引发灾难性的突发事故，造成巨大的经济损失和社会影响。因此，有必要对复杂恶劣环境下的重大铁路桥梁进行实时的运营状态评估与预警。

由于桥梁结构的模态参数构造能够反映桥梁动力特性状态特征参数，通过对比桥梁完好状态和损伤状态的特征参数来评价桥梁结构的健康状态，而为了连续跟踪桥梁运营状态变化情况，需要对反映桥梁运营状态的模态参数进行实时跟踪识别，而目前，孙富国等人在《基于模糊聚类的模态参数自动识别[J].振动与冲击,2010,29(9):86-88.》中提出一种将随机子空间算法与最小二乘复频域法相结合的结构模态参数的自动辨识算法，而ZHOUS-D,HEYLEN W,SAS P等人在《Parametric Modal Identification of Time-VaryingStructures and the Validation Approach of Modal Parameters[J].MechanicalSystems and Signal Processing,2014,47(1-2):94-119.》中提出了一种基于时频分析法、工作模态基本理论，将PSD模型推广到时频域中的时频域时变结构模态参数法，但该时变结构模态参数识别方法单次运算只能处理系统的一列输出，存在运算效率较低的问题，且上述方法不能考虑结构输入的影响，当结构输入为窄带、非平稳信号时，辨识结果的精度将难以保证。

发明内容

本发明的目的在于提供一种结合滑窗方法与数据驱动随机子空间识别算法的铁路桥梁运营状态预警方法，本发明不仅能够实现在时域上对桥梁模态参数进行跟踪识别，还能够对桥梁运营状态进行实时预警，为铁路桥梁运营安全提供保障。

为了实现上述发明目的，本发明提供了以下技术方案：

一种铁路桥梁运营状态预警方法，其包括以下步骤，

步骤1：对桥梁系统进行数据观测，并实时获取所述桥梁系统的观测数据；

步骤2：每滑动一个设定长度的时间窗口，则采用随机子空间算法对所述时间窗口内的观测数据进行计算，而得到所述时间窗口内观测数据所对应的模态参数信息；

步骤3：计算滑动相邻两个时间窗口对应的模态参数信息之间的变化率，若计算出的变化率达到预警阈值，则进行桥梁运营状态预警。

根据一种具体的实施方式，本发明的铁路桥梁运营状态预警方法中，采用的随机子空间算法为数据驱动随机子空间算法。

根据一种具体的实施方式，本发明的铁路桥梁运营状态预警方法中，采用桥梁系统结构频率的变化率作为预警指标。

与现有技术相比，本发明的有益效果：

本发明的铁路桥梁运营状态预警方法中，通过对桥梁系统进行数据观测，而实时获取所述桥梁系统的观测数据，同时，每滑动一个设定长度的时间窗口，则采用随机子空间算法对该时间窗口内的观测数据进行计算，得到该时间窗口内观测数据所对应的模态参数信息，通过计算相邻两个时间窗口对应的模态参数信息之间的变化率，进而判断计算出的变化率是否达到预警阈值。因此，本发明不仅能够实现在时域上对桥梁模态参数进行跟踪识别，还能够对桥梁运营状态进行实时预警，为铁路桥梁运营安全提供保障。

附图说明：

图1为本发明的流程图；

图2位数据驱动随机子空间算法流程图；

图3为桥梁模型的加速度传感器分布图；

图4为桥梁模型在环境激励下结构频率变化率图；

图5为桥梁模型在地震激励下结构频率变化率图。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

结合图1所示的本发明的流程图；其中，本发明铁路桥梁运营状态预警方法包括以下步骤：

步骤1：对桥梁系统进行数据观测，并实时获取桥梁系统的观测数据。

步骤2：设定时间窗口的滑动步长，并且每经过一个时间窗口，则采用随机子空间算法对所述时间窗口内的观测数据进行计算，而得到所述时间窗口内观测数据所对应的模态参数信息。

步骤3：计算相邻两个时间窗口对应的模态参数信息之间的变化率，若计算出的变化率达到预警阈值，则进行桥梁运营状态预警。

具体的，桥梁在运营环境下，本发明采用离散时间随机状态空间模型来描述桥梁系统：

式中，x_k∈Rⁿ⁺¹、y_k∈R^m+1分别表示第k个采样点对应的状态变量和观测变量，A∈C^{n ×n}为离散结构的系统矩阵，C∈C^m×n为对应的输出矩阵。n为桥梁系统自由度的2倍，m为输出变量的维数(传感器个数)。w_k∈Rⁿ⁺¹为输入噪声，v_k∈R^m+1为测量噪声，两变量表示测量系统的随机性。基于上述结构随机状态空间模型，由桥梁运营观测数据y_k便可计算出桥梁系统状态变量x_k，从而识别桥梁系统模态参数，即先由公式(1)得到桥梁系统状态矩阵A和输出矩阵C，然后对A进行特征值分解，得到桥梁系统的模态参数(包括：振型、频率及阻尼比)。

具体的，由于随机子空间算法分为数据驱动和协方差驱动两类算法。而本发明的铁路桥梁运营状态预警方法采用的随机子空间算法为数据驱动随机子空间算法，来实现铁路桥梁系统模态参数的识别。并结合图2所示的数据驱动随机子空间算法流程图进行说明。

首先，通过桥梁运营阶段观测数据生成Hankel矩阵，如下式(2)，矩阵Y_0|2i-1共有2i块的行和j列，每块中包含有m行(m为传感器数量)，j为观测数据量，将Hankel矩阵的行空间分成“过去”行空间和“将来”行空间。

上式中，Y_0|i-1表示第1行下标起始时刻为0，终点时刻为i-1的所有测点组成的Hankel矩阵；Y_i|2i-1与Y_0|i-1的含义相似；y_i表示第i时刻所有观测点的实测响应数据；Y_p和Y_f分别代表“过去”和“将来”的Hankel空间矩阵。

对Hankel矩阵进行QR分解，获得Y_p和Y_f空间矩阵的正交投影矩阵O_i；采用SVD奇异值分解法将正交投影矩阵O_i分解为可观矩阵H_i和卡尔曼滤波状态矩阵Ψ_i的乘积。

上式中，S为奇异对角矩阵；U，V为正交矩阵；U₁∈R^mi×n，S₁∈R^n×n，V₁ ^T∈R^n×j；T表示对矩阵转置。如果桥梁结构系统具有可控性和可观性，非零奇异值个数就等于结构系统的阶次，即S₁矩阵的秩与投影矩阵O_i的秩相等。由公式(3)可得到第i时刻卡尔曼滤波状态向量为：

同理可得第i+1时刻的卡尔曼滤波状态矩阵：

将式(4)和式(5)带入随机状态空间模型得：

上式中，Y_i|i∈R^n×n，其表示只有一个块行的Hankel矩阵，Wi、Vi是方程的残差矩阵。因Wi、Vi与估计序列Ψ_i不相关，且已知卡尔曼滤波状态矩阵，故可采用最小二乘法求解方程式(6)。得到系统矩阵A和输出矩阵C，对A进行特征值分解，最终得到桥梁系统的模态参数。

在实施时，本发明采用数据驱动随机子空间算法识别桥梁系统模态参数，对于识别过程中虚假模态的剔除方式采用文献《单德山,徐敏.数据驱动随机子空间算法的桥梁运营模态分析[J].桥梁建设,2011,6:16-21.》记载的方法。

由于子空间辨识方法状态空间方程是以线性时不变系统为基础的，对线性结构具有很好的适用性。但事实上，当桥梁结构存在开裂损伤时，结构实际上发生了时变，若仍旧采用基于线性时不变结构原理推导建立识别方法来求解结构参数，则参数识别结果将不固定，识别值的大小及其可信度将受到结构自身损伤程度、外界不同激励水平等多种因素的影响。

因此，在利用数据驱动随机子空间算法识别桥梁系统模态参数的基础上，本发明还通过对观测数据进行分段，即在每个时间窗口内，将结构视为时不变系统，那么，首先设定时间窗口的长度以及时间窗口的滑动步长，然后从对桥梁系统进行数据观测的起始时刻起，每经过一个时间窗口，则采用随机子空间算法对该时间窗口内的观测数据进行计算，而得到该时间窗口内观测数据所对应的模态参数信息。这种近似法的前提是信号时长极小，所以要求信号采集频率较大。

以室内斜拉桥模型作为模拟实验的对象，该斜拉桥模型为3跨双塔双索面斜拉桥；主塔为“H”型桥梁塔，两桥塔各设置6对斜拉索，共计24根，斜拉桥模型的桥塔、过渡墩及辅助墩均选用微粒混凝土模拟原桥结构的混凝土材料。该斜拉桥模型的加速度传感器的布置图如图3所示，加速度计沿塔身间隔1m布置，中跨主梁在1/8、1/4和1/2截面布置加速度计。其中A表示加速度计，X、Y、Z分别表示纵桥向、横桥向及竖向。

实验时，将斜拉桥模型设置在试验振动台上，并选用两条实际地址记录和一条人工模拟地震时程曲线作为试验振动台台面的输入波，分别为台湾CHICHI波、地震安全评价报告提供的场地人工波。将选用的地震波加速度峰值(PGA)均调整至0.1g，并按时间相似常数进行时间上的压缩，由振动台台面输入地震波，逐级增加PGA。在输入地震波之前采用白噪声扫频测定模型的动力特性等，具体为表1所示的实验工况见表。

表1试验工况表

同时，在模拟实验时，以MATLAB为研发平台，编制了相应的桥梁模态参数实时识别程序，分别对环境激励和地震激励两种不同工作状态斜拉桥模型模态参数进行跟踪，并基于频率值变化率对桥梁危险状态进行预警。在计算过程中设置时间窗口的长度为4s、窗口滑动步长为1s，预警阈值为5％。

根据图4所示的桥梁模型在环境激励下结构频率变化率图，滑窗各时段频率变化率均在1％以下，低于5％的预警阈值，因此判定斜拉桥模型在环境激励下未发生损伤。而根据图5所示的桥梁模型在环境激励下结构频率变化率图，斜拉桥模型的1阶和2阶频率变化趋势均出现了一定程度的波动，第二阶频率变化率最高达到了4％左右，第一阶部分窗内频率变化已经达到了预警阈值，最大变化率为9.2％左右，则判定斜拉桥模型在0.2g的CHICHI地震激励下有可能发生损伤，需要桥梁危险状态进行预警。同时，经现场检查发现，桥梁的M3、M4索塔下横梁连接处塔柱外侧、M4塔柱底部等处均有肉眼可见细微裂缝。

因此，结合模拟实验可知，本发明的铁路桥梁运营状态预警方法不仅能够实现在时域上对桥梁模态参数进行跟踪识别，还能够对桥梁运营状态进行实时预警，为铁路桥梁运营安全提供保障。

Claims (3)

1.一种铁路桥梁运营状态预警方法，其特征在于，包括以下步骤，

步骤1：对桥梁系统进行数据观测，并实时获取所述桥梁系统的观测数据；

步骤2：每滑动一个设定长度的时间窗口，则采用随机子空间算法对所述时间窗口内的观测数据进行计算，而得到所述时间窗口内观测数据所对应的模态参数信息；

步骤3：计算滑动相邻两个时间窗口对应的模态参数信息之间的变化率，若计算出的变化率达到预警阈值，则进行桥梁运营状态预警。

2.如权利要求1所述的铁路桥梁运营状态预警方法，其特征在于，所述随机子空间算法为数据驱动随机子空间算法。

3.如权利要求1所述的铁路桥梁运营状态预警方法，其特征在于，采用桥梁系统结构频率的变化率作为预警指标。