CN110261305A - 基于影响线的多跨等跨径连续梁桥损伤识别方法 - Google Patents
基于影响线的多跨等跨径连续梁桥损伤识别方法 Download PDFInfo
- Publication number
- CN110261305A CN110261305A CN201910524357.2A CN201910524357A CN110261305A CN 110261305 A CN110261305 A CN 110261305A CN 201910524357 A CN201910524357 A CN 201910524357A CN 110261305 A CN110261305 A CN 110261305A
- Authority
- CN
- China
- Prior art keywords
- damage
- line
- quasi
- signal
- static
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
- G01N19/08—Detecting presence of flaws or irregularities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于影响线的多跨等跨径连续梁桥损伤识别方法,包括:采集每跨跨中应力或挠度影响线信号;对采集的影响线信号分别引入多个不同的白噪声;对引入多个白噪声后得到的不同信号分别做经验模态分解,得到多个本征模函数分量;将全部本征模函数分量求和并按照引入白噪音的个数求均值,得到准静态影响线信号;通过准静态影响线信号计算临近跨相似指标,确定损伤跨;计算临近跨影响线的差值;计算损伤指标,绘制损伤指标的变化曲线,变化曲线中出现峰值的位置即为损伤跨中损伤位置。本发明可以排除动载效应和环境噪声引起的局部波动得到准静态影响线,为准确可靠的损伤识别提供了基础,能对多跨等跨径连续梁桥损伤进行快速识别与定位。
Description
技术领域
本发明涉及一种桥梁损伤识别方法,涉及桥梁监测的损伤定位,具体是一种基于影响线的多跨等跨径连续梁桥损伤识别方法。
背景技术
损伤定位是桥梁管养的前提,也是桥梁定检的重要内容。传统的损伤记录与定位主要依据桥梁外观检查。这种方式存在:实时性差;人力物力成本高;作业风险高等诸多缺陷。随着桥梁结构健康监测技术的日益完善,基于监测数据对损伤进行识别与定位具有广发的应用前景。关键截面响应数据随荷载位置变化的曲线为桥梁影响线。影响线包含了车辆作用于桥梁结构的全过程的响应数据,反映了结构自身劣化与损伤的特征。对影响线数据的充分挖掘是损伤识别的基础。等跨连续桥梁,各跨一般具有相同的材料属性,构造设计,在相同的荷载作用下若响应出现明显差异,可认为是个别跨径的结构裂化与损伤造成的,为损伤跨径的识别提供了理论基础。
但由于实际加载车均以一定速度过桥,不可避免的会产生车桥耦合的动载效应,致使影响线出现局部波动,同时不可避免的包含各种各样的环境噪声。有些情况下噪声甚至会淹没桥梁影响线自身信号的原始特征。因此有必要提供一种等跨连续梁桥损伤识别方法对实测影响线进行识别,以排除动载效应与噪音的影响,进而实现等跨连续梁桥损伤定位。
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提供一种基于影响线的多跨等跨径连续梁桥损伤识别方法,本基于影响线的多跨等跨径连续梁桥损伤识别方法可以排除动载效应和环境噪声引起的局部波动得到准静态影响线,为准确可靠的损伤识别提供了基础,能对多跨等跨径连续梁桥损伤进行快速识别与定位。
为实现上述技术目的,本发明采取的技术方案为:
一种基于影响线的多跨等跨径连续梁桥损伤识别方法,包括以下步骤:
步骤1:采集每跨跨中应力或挠度影响线信号;
步骤2:对采集其中一跨跨中的影响线信号分别引入多个不同的白噪声;
步骤3:对分别引入多个白噪声后得到的不同信号分别做经验模态分解,得到多个本征模函数分量;
步骤4:将步骤3得到的全部本征模函数分量求和并按照引入白噪音的个数求均值,得到准静态影响线信号;
步骤5:按照步骤2至步骤4的方法求取每跨跨中对应的准静态影响线信号;
步骤6:通过准静态影响线信号计算临近跨相似指标,确定损伤跨;
步骤7:计算具有损伤跨的临近跨影响线的差值;
步骤8:根据步骤7的差值计算损伤指标,绘制损伤指标的变化曲线,提取变化曲线中出现峰值的位置,该峰值位置即为损伤跨中损伤位置。
作为本发明进一步改进的技术方案,所述的步骤2具体为:
将其中一跨跨中的影响线信号记为Y(t),对影响线信号Y(t)分别引入M个不同的白噪声:
Ym(t)=Y(t)+WN(m)(m=1~M) (1);
式中,Ym(t)为对影响线信号Y(t)引入第m个白噪音后得到的信号,WN(m)为白噪声。
作为本发明进一步改进的技术方案,所述的步骤3具体为:
(3.1)采用3次样条函数对信号Ym(t)的所有极大值点和极小值点进行拟合,得到上包络线u1(t)和下包络线d1(t),对上包络线u1(t)和下包络线d1(t)求均值得到a1(t);
(3.2)用信号Ym(t)减去均值a1(t),得到新信号m1(t):
m1(t)=Ym(t)-a1(t) (2);
(3.3)若m1(t)满足IMF条件,则将m1(t)作为第1个本征模函数分量c1(t),否则,将m1(t)替换Ym(t)重复步骤(3.1)和(3.2),若经过s次重复,得到满足IMF条件的ms(t),则将ms(t)作为第1个本征模函数分量c1(t);
(3.4)求取本征模函数分量的余量:
r1(t)=Ym(t)-c1(t) (3);
(3.5)将r1(t)作为新的信号并重复步骤(3.1)至(3.4)的筛选过程,在筛选过程中依次得到本征模函数分量c2(t)、c3(t)、c4(t)......cn(t);当经过多次筛选过程后,余量rn(t)不可被分解时,停止筛选。
作为本发明进一步改进的技术方案,所述的步骤4具体为:
(4.1)对引入第m个白噪音后得到的信号按照步骤3的方法做经验模态分解进而得到的多个本征模函数分量进行求和,得到Cm(t):
(4.2)对全部本征模函数分量求和并按照引入白噪音的个数求均值,得到准静态影响线信号Yq(t):
作为本发明进一步改进的技术方案,所述的步骤5具体为:
按照步骤2至步骤4的方法求取每跨跨中对应的准静态影响线信号,跨的总数为z,第1跨至z跨的跨中对应的准静态影响线信号分别记为Yq1(t)、Yq2(t)……Yqz(t);
所述的步骤6具体为:
(6.1)计算临近跨相似指标Sa,a+1:
其中Sa,a+1表示第a跨和第a+1跨的相似指标,第a跨和第a+1跨为临近跨,Yqa(j)表示第a跨对应的准静态影响线信号Yqa(t)中第j时间点对应的值,Yqa+1(j)表示第a+1跨对应的准静态影响线信号Yqa+1(t)中第j时间点对应的值,T为准静态影响线信号中的测点数;
(6.2)若Sa,a+1≤0.85或者Sa,a+1≥1.15,则判定临近跨中存在损伤跨,将临近跨中幅值更大的准静态影响线信号所对应的跨记为损伤跨,另外一跨记为未损伤跨。
作为本发明进一步改进的技术方案,所述的步骤7具体为:
(7.1)将临近跨中损伤跨和未损伤跨的准静态影响线信号中的自变量时间转换为荷载作用位置,得到准静载影响线;
(7.2)计算临近跨中损伤跨对应的准静载影响线和未损伤跨对应的准静载影响线的差值K1(x):
K1(x)=Yqa(x)-Yqb(x) (7);
其中Yqa(x)表示为临近跨中损伤跨为第a跨对应的准静载影响线;将临近跨中未损伤跨对应的准静载影响线作为基准跨准静载影响线Yqb(x);x为荷载作用位置。
作为本发明进一步改进的技术方案,所述的步骤8具体为:
通过差值的变化率定义损伤指标K2(xj):
其中xj表示第j时间点对应的荷载作用位置,单位m;xj+1表示第j+1时间点对应的荷载作用位置,单位m;
绘制K2(xj)沿荷载作用位置的变化曲线,提取变化曲线中出现峰值的位置,该峰值位置对应的荷载作用位置即为损伤跨中损伤位置。
本发明的有益效果为:
(1)本发明适用于多跨(跨径数≥2)的等跨径连续梁桥的快速损伤定位。提出一种先确定损伤跨,再确定损伤跨内损伤位置的快速损伤定位方法;应用集合经验模态分解方法,对各跨跨中影响线进行识别,排除动载效应和环境噪声;然后应用各跨准静态影响线构建临近跨相似指标,确定损伤跨;最后在损伤跨内依据影响线差值的一阶导数判断损伤位置,完成由损伤跨到跨内具体位置的损伤识别快速定位,进而更便捷更快速的实现连续梁桥损伤定位。
(2)本发明通过EEMD方法对实测影响线进行识别,可以排除动载效应和环境噪声引起的局部波动得到准静态影响线,为准确可靠的损伤识别提供了基础。该方法层次清晰,操作方便,可以自动化实现多跨等跨径连续梁桥损伤的快速识别与定位,对于确保桥梁结构健康服役状态具有积极作用,同时对桥梁的管理与维护也有着较大的帮助。
附图说明
图1为本实施例的损伤识别流程图。
图2为本实施例中的8跨等跨径连续梁桥结构示意图。
图3为本实施例中某一跨的影响线获取的测点位置示意图。
图4为本实施例中第一跨和第二跨的应力影响线信号图。
图5为本实施例的集合经验模态分解(EEMD)原理图。
图6为本实施例对第一跨应力影响线引入6层白噪声后进行EEMD分解的过程图。
图7为本实施例损伤跨静载影响线和未损伤跨准静载影响线示意图。
图8为本实施例损伤指标沿荷载作用位置的变化曲线图。
具体实施方式
下面根据图1至图8对本发明的具体实施方式作出进一步说明:
一种基于影响线的多跨等跨径连续梁桥损伤识别方法,如图1所示,包括以下步骤:
步骤1:采集每跨跨中应力或挠度影响线信号。
本实施例针对某8跨35m等跨径连续梁桥,如图2所示。应用本发明的方法定位损伤。采集每跨跨中应力或挠度影响线。某一跨的影响线采集位置如图3中的跨中测点位置。单辆加载车匀速驶过全桥,速度宜控制在30km/h,应变与挠度监测频率不宜小于50Hz。Y1(t)、Y2(t)、…Y8(t)分别表示第1至8跨的跨中应力影响线。其中第一跨、第二跨的应力影响线如图4所示。
按照步骤2至步骤6的方式进行第一层次损伤跨的确定。
参见图5,对实测影响线应用EEMD方法进行识别。
步骤2:对采集其中一跨跨中的影响线信号分别引入多个不同的白噪声。
所述的步骤2具体为:
将其中一跨跨中的影响线信号记为Y(t),对,信号Y(t)分别引入M个不同的白噪声:
Ym(t)=Y(t)+WN(m)(m=1~M) (1);
式中,Ym(t)为对影响线信号Y(t)引入第m个白噪音后得到的信号,WN(m)为白噪声。
步骤3:对分别引入多个白噪声后得到的不同信号分别做经验模态分解,得到多个本征模函数分量。
所述的步骤3具体为:
(3.1)采用3次样条函数对信号Ym(t)的所有极大值点和极小值点进行拟合,得到上包络线u1(t)和下包络线d1(t),对上包络线u1(t)和下包络线d1(t)求均值得到a1(t);
(3.2)用信号Ym(t)减去均值a1(t),得到除去低频的新信号m1(t):
m1(t)=Ym(t)-a1(t) (2);
(3.3)若m1(t)满足IMF条件(即符合稳态线性数据序列),则将m1(t)作为第1个本征模函数分量c1(t);否则,将m1(t)替换Ym(t)重复步骤(3.1)和(3.2),若经过s次重复,得到满足IMF条件的ms(t),则将ms(t)作为第1个本征模函数分量c1(t),它表示信号最高频率的成分;
(3.4)求取余量:
r1(t)=Ym(t)-c1(t) (3);
(3.5)将r1(t)作为新的信号并重复步骤(3.1)至(3.4)的筛选过程,当经过多次筛选过程后,余量rn(t)不可被分解时,停止筛选。在筛选过程中依次得到本征模函数分量c2(t)、c3(t)、c4(t)......cn(t)。不可被分解的数据序列rn(t)为残余分量,代表原始信号Ym(t)的趋势或均值。原始信号Ym(t)经过经验模态分解后得到:
Ym(t)=Cm(t)+rn(t) (4);
其中
步骤4:将步骤3得到的全部本征模函数分量求和并按照引入白噪音的个数求均值,得到准静态影响线信号。
实现对信号Y(t)加入不同的白噪声后的EMD分解,最后把获得的全体IMF分别按层求均值来抵消噪声,从而得到排除动载效应与环境噪声的准静态影响线信号Yq(t)。
所述的步骤4具体为:
(4.1)对引入第m个白噪音后得到的信号按照步骤3的方法做经验模态分解进而得到的多个本征模函数分量进行求和,得到Cm(t)(m=1~M);
(4.2)对全部本征模函数分量求和并按照引入白噪音的个数求均值,得到准静态影响线信号Yq(t):
步骤5:按照步骤2至步骤4的方法求取每跨跨中对应的准静态影响线信号。
所述的步骤5具体为:
按照步骤2至步骤4的方法求取每跨跨中对应的准静态影响线信号,跨的总数为8,第1跨至8跨的跨中对应的准静态影响线信号分别记为Yq1(t)、Yq2(t)......Yq8(t)。
由步骤5得到,同一辆车作用下全桥各个跨径跨中位置处的准静态影响线Yq1(t)、Yq2(t)......Yq8(t)。
本实施例引入6层白噪声对第一跨应力影响线进行EEMD分解的过程图如图6。其中图6(a)为第一跨应力影响线Y1(t)的信号图,图6(b)为第一跨应力影响线引入白噪音WN(1)后进行经验模态分解后得到的C1(t)的信号图,图6(c)为第一跨应力影响线引入白噪音WN(2)后进行经验模态分解后得到的C2(t)的信号图,图6(d)为第一跨应力影响线引入白噪音WN(3)后进行经验模态分解后得到的C3(t)的信号图,图6(e)为第一跨应力影响线引入白噪音WN(4)后进行经验模态分解后得到的C4(t)的信号图,图6(f)为第一跨应力影响线引入白噪音WN(5)后进行经验模态分解后得到的C5(t)的信号图,图6(g)为第一跨应力影响线引入白噪音WN(6)后进行经验模态分解后得到的C6(t)的信号图。
步骤6:通过准静态影响线信号计算临近跨相似指标,确定损伤跨。
所述的步骤6具体为:
(6.1)计算临近跨相似指标Sa,a+1:
其中Sa,a+1表示第a跨和第a+1跨的相似指标,第a跨和第a+1跨为临近跨,Yqa(j)表示第a跨对应的准静态影响线信号Yqa(t)中第j时间点对应的值,Yqa+1(j)表示第a+1跨对应的准静态影响线信号Yqa+1(t)中第j时间点对应的值,T为准静态影响线信号中的测点数(即时间序列中时间点的总个数);
(6.2)若Sa,a+1≤0.85或者Sa,a+1≥1.15,则判定临近跨中存在损伤跨;由于损伤后响应变大,因此将临近跨中幅值更大的准静态影响线信号所对应的跨记为损伤跨,另外一跨记为未损伤跨。
本实施例以临近跨:第一跨、第二跨为例,求第一跨、第二跨相似指标:
通过该式计算出的第一跨、第二跨相似指标为S1,2=0.673,且第二跨响应数值更大,由此判断第二跨为损伤跨。其他临近跨相似比接近,未损伤。
按照步骤7至步骤8的方式进行第二层次损伤跨的损伤位置识别。跨内损伤的定位采用影响线差值的一阶导数确定。影响线反映桥梁的整体状况,其斜率会在突变位置发生突变,当荷载作用在桥梁结构受损位置附近时,关键截面的挠度会发生显著变化为损伤的定位提供了理论基础。
步骤7:计算具有损伤跨的临近跨影响线的差值;
所述的步骤7具体为:
(7.1)将临近跨中损伤跨和未损伤跨的准静态影响线信号中的自变量时间转换为荷载作用位置,得到准静载影响线。
其中xj=v·tj(j=1~T),将自变量时间转化成荷载作用位置。v表示活载移动速度,tj表示时间序列。xj表示第j时间点对应的荷载作用位置。
(7.2)计算临近跨中损伤跨对应的准静载影响线和未损伤跨对应的准静载影响线的差值K1(x):
K1(x)=Yqa(x)-Yqb(x) (7);
其中Yqa(x)表示为临近跨中损伤跨为第a跨对应的准静载影响线;将临近跨中未损伤跨对应的准静载影响线作为基准跨准静载影响线Yqb(x);x为荷载作用位置。
本实施例中的第二跨为损伤跨,第一跨为未损伤跨。将未损伤的第一跨对应的准静载影响线Yq1(x)作为基准跨准静载影响线Yqb(x)。则K1(x)=Yq2(x)-Yqb(x)。损伤跨对应的准静载影响线和基准跨准静载影响线如图7所示。
上式的含义为:桥梁关键截面影响线在损伤状态下与基准状态之间的差值。基准状态由上一步中响应较小的影响线确定。
步骤8:根据步骤7的差值计算损伤指标,绘制损伤指标的变化曲线,提取变化曲线中出现峰值的位置,该峰值位置即为损伤跨中损伤位置。
基于导数的思想,构造影响线差值一阶导数来描述差值的变化率,体现桥梁局部刚度变化的特征,提高指标的灵敏度,反映局部损伤。通过差值的变化率定义损伤指标K2(xj):
其中xj表示第j时间点对应的荷载作用位置,单位m;xj+1表示第j+1时间点对应的荷载作用位置,单位m;
绘制K2(xj)沿荷载作用位置(也可称作跨径)的变化曲线,如图8所示。提取变化曲线中出现峰值的位置,该峰值位置对应的荷载作用位置即为损伤跨中损伤位置。
最终确定损伤位置为第二跨22m处附近位置。
本发明的保护范围包括但不限于以上实施方式,本发明的保护范围以权利要求书为准,任何对本技术做出的本领域的技术人员容易想到的替换、变形、改进均落入本发明的保护范围。
Claims (7)
1.一种基于影响线的多跨等跨径连续梁桥损伤识别方法,其特征在于,包括以下步骤:
步骤1:采集每跨跨中应力或挠度影响线信号;
步骤2:对采集其中一跨跨中的影响线信号分别引入多个不同的白噪声;
步骤3:对分别引入多个白噪声后得到的不同信号分别做经验模态分解,得到多个本征模函数分量;
步骤4:将步骤3得到的全部本征模函数分量求和并按照引入白噪音的个数求均值,得到准静态影响线信号;
步骤5:按照步骤2至步骤4的方法求取每跨跨中对应的准静态影响线信号;
步骤6:通过准静态影响线信号计算临近跨相似指标,确定损伤跨;
步骤7:计算具有损伤跨的临近跨影响线的差值;
步骤8:根据步骤7的差值计算损伤指标,绘制损伤指标的变化曲线,提取变化曲线中出现峰值的位置,该峰值位置即为损伤跨中损伤位置。
2.根据权利要求1所述的基于影响线的多跨等跨径连续梁桥损伤识别方法,其特征在于,所述的步骤2具体为:
将其中一跨跨中的影响线信号记为Y(t),对影响线信号Y(t)分别引入M个不同的白噪声:
Ym(t)=Y(t)+WN(m)(m=1~M) (1);
式中,Ym(t)为对影响线信号Y(t)引入第m个白噪音后得到的信号,WN(m)为白噪声。
3.根据权利要求2所述的基于影响线的多跨等跨径连续梁桥损伤识别方法,其特征在于,所述的步骤3具体为:
(3.1)采用3次样条函数对信号Ym(t)的所有极大值点和极小值点进行拟合,得到上包络线u1(t)和下包络线d1(t),对上包络线u1(t)和下包络线d1(t)求均值得到a1(t);
(3.2)用信号Ym(t)减去均值a1(t),得到新信号m1(t):
m1(t)=Ym(t)-a1(t) (2);
(3.3)若m1(t)满足IMF条件,则将m1(t)作为第1个本征模函数分量c1(t),否则,将m1(t)替换Ym(t)重复步骤(3.1)和(3.2),若经过s次重复,得到满足IMF条件的ms(t),则将ms(t)作为第1个本征模函数分量c1(t);
(3.4)求取本征模函数分量的余量:
r1(t)=Ym(t)-c1(t) (3);
(3.5)将r1(t)作为新的信号并重复步骤(3.1)至(3.4)的筛选过程,在筛选过程中依次得到本征模函数分量c2(t)、c3(t)、c4(t)......cn(t);当经过多次筛选过程后,余量rn(t)不可被分解时,停止筛选。
4.根据权利要求3所述的基于影响线的多跨等跨径连续梁桥损伤识别方法,其特征在于,所述的步骤4具体为:
(4.1)对引入第m个白噪音后得到的信号按照步骤3的方法做经验模态分解进而得到的多个本征模函数分量进行求和,得到Cm(t):
(4.2)对全部本征模函数分量求和并按照引入白噪音的个数求均值,得到准静态影响线信号Yq(t):
5.根据权利要求4所述的基于影响线的多跨等跨径连续梁桥损伤识别方法,其特征在于,所述的步骤5具体为:
按照步骤2至步骤4的方法求取每跨跨中对应的准静态影响线信号,跨的总数为z,第1跨至z跨的跨中对应的准静态影响线信号分别记为Yq1(t)、Yq2(t)......Yqz(t);
所述的步骤6具体为:
(6.1)计算临近跨相似指标Sa,a+1:
其中Sa,a+1表示第a跨和第a+1跨的相似指标,第a跨和第a+1跨为临近跨,Yqa(j)表示第a跨对应的准静态影响线信号Yqa(t)中第j时间点对应的值,Yqa+1(j)表示第a+1跨对应的准静态影响线信号Yqa+1(t)中第j时间点对应的值,T为准静态影响线信号中的测点数;
(6.2)若Sa,a+1≤0.85或者Sa,a+1≥1.15,则判定临近跨中存在损伤跨,将临近跨中幅值更大的准静态影响线信号所对应的跨记为损伤跨,另外一跨记为未损伤跨。
6.根据权利要求5所述的基于影响线的多跨等跨径连续梁桥损伤识别方法,其特征在于,所述的步骤7具体为:
(7.1)将临近跨中损伤跨和未损伤跨的准静态影响线信号中的自变量时间转换为荷载作用位置,得到准静载影响线;
(7.2)计算临近跨中损伤跨对应的准静载影响线和未损伤跨对应的准静载影响线的差值K1(x):
K1(x)=Yqa(x)-Yqb(x) (7);
其中Yqa(x)表示为临近跨中损伤跨为第a跨对应的准静载影响线;将临近跨中未损伤跨对应的准静载影响线作为基准跨准静载影响线Yqb(x);x为荷载作用位置。
7.根据权利要求6所述的基于影响线的多跨等跨径连续梁桥损伤识别方法,其特征在于,所述的步骤8具体为:
通过差值的变化率定义损伤指标K2(xj):
其中xj表示第j时间点对应的荷载作用位置,单位m;xj+1表示第j+1时间点对应的荷载作用位置,单位m;
绘制K2(xj)沿荷载作用位置的变化曲线,提取变化曲线中出现峰值的位置,该峰值位置对应的荷载作用位置即为损伤跨中损伤位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910524357.2A CN110261305A (zh) | 2019-06-18 | 2019-06-18 | 基于影响线的多跨等跨径连续梁桥损伤识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910524357.2A CN110261305A (zh) | 2019-06-18 | 2019-06-18 | 基于影响线的多跨等跨径连续梁桥损伤识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110261305A true CN110261305A (zh) | 2019-09-20 |
Family
ID=67918828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910524357.2A Withdrawn CN110261305A (zh) | 2019-06-18 | 2019-06-18 | 基于影响线的多跨等跨径连续梁桥损伤识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110261305A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024421A (zh) * | 2019-10-28 | 2020-04-17 | 安徽建筑大学 | 基于弹性约束支承梁转角影响线的梁桥损伤检测方法 |
CN111581723A (zh) * | 2020-04-30 | 2020-08-25 | 哈尔滨工业大学 | 一种车辆缓慢通过简支梁桥跨中位移影响线快速提取方法 |
CN116577055A (zh) * | 2023-07-11 | 2023-08-11 | 湖南大学 | 基于多源传感数据的桥梁状态评估方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205495A (zh) * | 2015-09-02 | 2015-12-30 | 上海大学 | 基于emd-elm的非平稳脉动风速预测方法 |
CN105973619A (zh) * | 2016-04-27 | 2016-09-28 | 厦门大学 | 结构健康监测系统下基于影响线的桥梁局部损伤识别方法 |
CN107687924A (zh) * | 2017-08-28 | 2018-02-13 | 广州大学 | 一种桥梁的安全预警方法及系统 |
CN108095722A (zh) * | 2018-01-31 | 2018-06-01 | 南京邮电大学 | 基于脑电信号的改进eemd算法 |
CN108549117A (zh) * | 2018-03-29 | 2018-09-18 | 南京信息工程大学 | 一种基于eemd-ces的地面气温观测资料质量控制方法 |
CN108564046A (zh) * | 2018-04-19 | 2018-09-21 | 南京大学 | 基于改进eemd的钢结构动态应变信号处理方法 |
CN108827634A (zh) * | 2018-06-25 | 2018-11-16 | 苏州大学 | 流形融合经验模态分解方法 |
CN108920766A (zh) * | 2018-06-05 | 2018-11-30 | 厦门大学 | 一种基于基函数表示和稀疏正则化的桥梁影响线识别方法 |
CN109341989A (zh) * | 2018-09-03 | 2019-02-15 | 大连理工大学 | 一种能够剔除车辆动力效应的桥梁影响线识别方法 |
CN109583350A (zh) * | 2018-11-22 | 2019-04-05 | 江苏方天电力技术有限公司 | 一种局部超声阵列信号的高精度去噪方法 |
CN109829252A (zh) * | 2019-03-15 | 2019-05-31 | 福州市公路局 | 一种基于影响线识别的桥梁状况快速评级方法 |
-
2019
- 2019-06-18 CN CN201910524357.2A patent/CN110261305A/zh not_active Withdrawn
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205495A (zh) * | 2015-09-02 | 2015-12-30 | 上海大学 | 基于emd-elm的非平稳脉动风速预测方法 |
CN105973619A (zh) * | 2016-04-27 | 2016-09-28 | 厦门大学 | 结构健康监测系统下基于影响线的桥梁局部损伤识别方法 |
CN107687924A (zh) * | 2017-08-28 | 2018-02-13 | 广州大学 | 一种桥梁的安全预警方法及系统 |
CN108095722A (zh) * | 2018-01-31 | 2018-06-01 | 南京邮电大学 | 基于脑电信号的改进eemd算法 |
CN108549117A (zh) * | 2018-03-29 | 2018-09-18 | 南京信息工程大学 | 一种基于eemd-ces的地面气温观测资料质量控制方法 |
CN108564046A (zh) * | 2018-04-19 | 2018-09-21 | 南京大学 | 基于改进eemd的钢结构动态应变信号处理方法 |
CN108920766A (zh) * | 2018-06-05 | 2018-11-30 | 厦门大学 | 一种基于基函数表示和稀疏正则化的桥梁影响线识别方法 |
CN108827634A (zh) * | 2018-06-25 | 2018-11-16 | 苏州大学 | 流形融合经验模态分解方法 |
CN109341989A (zh) * | 2018-09-03 | 2019-02-15 | 大连理工大学 | 一种能够剔除车辆动力效应的桥梁影响线识别方法 |
CN109583350A (zh) * | 2018-11-22 | 2019-04-05 | 江苏方天电力技术有限公司 | 一种局部超声阵列信号的高精度去噪方法 |
CN109829252A (zh) * | 2019-03-15 | 2019-05-31 | 福州市公路局 | 一种基于影响线识别的桥梁状况快速评级方法 |
Non-Patent Citations (2)
Title |
---|
MEHRISADAT MAKKI ALAMDARI ET.AL: "Damage diagnosis in bridge structures using rotation influence line:Validation on a cable-stayed bridge", 《ENGINEERING STRUCTURES》 * |
张珂苑 等: "基于跨中位移影响线的箱梁损伤定位研究", 《铁道建筑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024421A (zh) * | 2019-10-28 | 2020-04-17 | 安徽建筑大学 | 基于弹性约束支承梁转角影响线的梁桥损伤检测方法 |
CN111024421B (zh) * | 2019-10-28 | 2021-09-17 | 安徽建筑大学 | 基于弹性约束支承梁转角影响线的梁桥损伤检测方法 |
CN111581723A (zh) * | 2020-04-30 | 2020-08-25 | 哈尔滨工业大学 | 一种车辆缓慢通过简支梁桥跨中位移影响线快速提取方法 |
CN111581723B (zh) * | 2020-04-30 | 2020-11-24 | 哈尔滨工业大学 | 一种车辆缓慢通过简支梁桥跨中位移影响线快速提取方法 |
CN116577055A (zh) * | 2023-07-11 | 2023-08-11 | 湖南大学 | 基于多源传感数据的桥梁状态评估方法及系统 |
CN116577055B (zh) * | 2023-07-11 | 2023-09-22 | 湖南大学 | 基于多源传感数据的桥梁状态评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261305A (zh) | 基于影响线的多跨等跨径连续梁桥损伤识别方法 | |
CN105300692B (zh) | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 | |
CN108304685A (zh) | 一种非线性退化设备剩余寿命预测方法及系统 | |
Li et al. | Damping in buildings: its neural network model and AR model | |
CN108959736A (zh) | 一种基于bim的桥梁技术状况评定方法 | |
CN114548278A (zh) | 基于深度学习的在役隧道衬砌结构缺陷识别方法及系统 | |
CN112541666B (zh) | 考虑地震易损性模型不确定性的盾构隧道风险评估方法 | |
CN113239971B (zh) | 一种面向风场的临近预报与短期预报的融合系统 | |
CN107657110A (zh) | 大型风力机叶片的疲劳损伤评价方法 | |
CN109815855A (zh) | 一种基于机器学习的电子设备自动测试方法及系统 | |
CN108847679A (zh) | 风力发电机组及用于其的次同步振荡识别方法、装置及系统 | |
CN108549847A (zh) | 一种无基准数据条件下的梁式结构裂缝损伤识别方法 | |
CN108988347A (zh) | 一种电网暂态电压稳定样本集类别失衡的调节方法及系统 | |
CN111678991A (zh) | 一种用于混凝土结构无损检测损伤识别的方法 | |
Wang et al. | The study of enterprise human resource evaluation research based on neural network | |
CN106844861B (zh) | 正交异性钢桥面板焊接节点实测应力幅动态概率建模方法 | |
Pham et al. | Safety indices for wind loading in Australia | |
Kosgodagan et al. | Expert judgment in life-cycle degradation and maintenance modelling for steel bridges | |
Yu et al. | Fuzzy comprehensive approach based on AHP and entropy combination weight for pipeline leak detection system performance evaluation | |
CN112307918A (zh) | 一种基于模糊神经网络的变压器直流偏磁的诊断方法 | |
CN113076693A (zh) | 基于支持向量机和隐马模型的路面压实质量评价方法 | |
Bayane | Fatigue examination of reinforced-concrete bridge slabs using acoustic emission and strain monitoring data | |
Azizi | Evaluation of the efficiency of the agricultural bank branches by using data envelopment analysis and the determination of a consolidated index: the case study in mazandaran province | |
CN117648874B (zh) | 基于监测位移的边坡开挖全周期力学参数动态反演方法 | |
CN117151948B (zh) | 一种高校学生外出签到综合管理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190920 |
|
WW01 | Invention patent application withdrawn after publication |