CN112906101A - 基于监测数据的桥梁残余变形异常评估预警方法 - Google Patents

Abstract

本发明提供的一种基于监测数据的桥梁残余变形异常评估预警方法，通过对原始数据直接进行样本拟合，充分保留了原始信号的特点，能够快速的分离的温度效应，计算效率大大提高，而且拟合的过程也避免了由于测量造成的随机性，通过简便快速的得到残余变形曲线及其发展规律，能够有效用于对后期的残余变形展开预测，将计算的或者预估的残余变形值与预设值比较，能够将残余变形广泛用于桥梁的状态评估工作中，有效利用监测，及时发现异常情况，保障运营安全，具有良好的应用前景。

Description

基于监测数据的桥梁残余变形异常评估预警方法

技术领域

本发明属于桥梁监测技术领域，具体涉及一种基于监测数据的桥梁残余变形异常评估预警方法。

背景技术

随着我国桥梁建设的不断发展，桥梁规模不断壮大，结构形式日益多样。但桥梁结构在正常运营过程中受到环境、长期服役和结构自身老化因素的影响，会发生各种病害导致结构变形，影响桥梁结构的正常工作。由于桥梁结构的变形和残余变形对于评估结构的状态和行车安全十分重要，因此，需要对其进行监测，以便及时发现异常情况，保障运营安全。

目前，对于残余变形多是通过实验和理论模型计算获得，不能代表桥梁结构的实际情况，而实测挠度中的变形与温度有关，需要对温度产生的变形进行分离，但现有的温度分离技术，如采用智能算法，计算效率不高；如采用信号分解方法，在信号分解时，容易丢失信号的原始时域特征，且对于分量的剔除与选择没有统一标准；而若采用理论计算的参数，又不能适应所有桥的实际情况。

发明内容

本发明的目的在于克服现有技术中对残余变形的实测挠度变形数据中的温度效应进行剥离时，存在或计算效率不高、或容易丢失信号的原始时域特征，或无法适应所有桥的实际情况的上述不足，提供基于一种监测数据残余变形的桥梁结构异常状态判断方法。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于监测数据的桥梁残余变形异常评估预警方法，包括如下步骤：

a、通过观测，获得桥梁结构的挠度变形数据和对应的温度数据；

b、选取挠度变形数据的日特征数据及日特征数据对应的温度数据进行分析，得到日特征数据曲线，假定日特征数据的总量为N；

c、确定温度对挠度变形的时间范围：选取第一时间间隔天数为i，计算日特征数据中的第t个数据和第t+i个数据之间的挠度变形差

和温差T_t ⁱ，建立一个样本

其中，t＝1,2,3,…,且t+i≤N；计算所有的t得到时间间隔i下的所有挠度变形差和温差形成的一个第一样本集

对

以温差为自变量得到第一拟合一次项系数，取拟合一次项系数的绝对值为k_i，分别计算i＝1,2,3,…,得到

然后分别拟合计算得到k₁,k₂,k₃…，进而得到关于i-k的曲线，根据i-k曲线的拐点确定i'，i'即为温度的最大影响天数；

d、选取第二时间间隔天数为p，计算当j＝p时日特征数据中的第t个数据和第t+j个数据之间的挠度变形差

和温差T_t ^j，建立一个样本

其中，t＝1,2,3,…,且t+j≤N；计算所有的t得到j＝p时所有挠度变形差和温差形成的一个样本集

分别计算j＝1p,2p,3p,…,np,且np≤i'得到第二样本集

对U²以温差为自变量得到第二拟合一次项系数，取第二拟合一次项系数的绝对值为挠度变形差和温差的线性关系系数为K；

e、若K的R-square指标大于预设指标值，计算日特征数据的每相邻两个温度的温差T'，以日特征数据的第一个数据为基准，用T'乘以系数K，并依次累计求和得到温度效应的变形曲线；

f、用日特征数据曲线减去温度效应的变形曲线得到残余变形曲线分布点，将残余变形曲线分布点进行二阶最小二乘拟合，得到残余变形随时间天数的拟合公式；

g、将预设时间天数输入拟合公式中确定预估残余变形值，若预估残余变形值大于预设值，判断桥梁结构状态异常；反之，判断桥梁结构状态正常。

优选的，在步骤b中，日特征数据为均值数据、或每天的极大值、极小值、或每天0-2点间任一时刻的数据。

优选的，在步骤e中，若K的R-square指标小于或等于预设指标值，减小第二时间间隔天数p的取值并重复步骤d。

进一步优选的，预设指标值为0.85-0.95。

优选的，第一拟合一次项系数和第二拟合一次项系数均采用一阶最小二乘拟合法得到。

采用一阶最小二乘拟合法有利于提高计算效率。

优选的，i≤90。

与现有技术相比，本发明的有益效果：本申请通过对原始数据直接进行样本拟合，充分保留了原始信号的特点，能够快速的分离的温度效应，计算效率大大提高，而且拟合的过程也避免了由于测量造成的随机性，通过简便快速的得到残余变形曲线及其发展规律，能够有效用于对后期的残余变形展开预测，将计算的或者预估的残余变形值与预设值比较，能够将残余变形广泛用于桥梁的状态评估工作中，有效利用监测，及时发现异常情况，保障运营安全，具有良好的应用前景。

附图说明

图1是本发明所述的一种基于监测数据的桥梁残余变形异常评估预警方法的流程图；

图2是实施例1中的桥梁结构的挠度变形数据曲线图；

图3是图2对应的温度曲线图；

图4是实施例1中的挠度变形数据中的日特征数据的曲线图；

图5是图4对应的温度曲线图；

图6是实施例1中的关于i-k的曲线；

图7是实施例1中的第二样本集中温差与扰度变形差的分布点及其一次拟合曲线；

图8是实施例1中的温度效应的变形曲线；

图9是实施例1中的残余变形曲线分布点及其拟合曲线。

具体实施方式

下面结合实施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。

实施例1

一种基于监测数据的桥梁残余变形异常评估预警方法，如图1所示，包括如下步骤：

a、通过观测，获得桥梁结构的挠度变形数据和对应的温度数据；

b、选取挠度变形数据的日特征数据及日特征数据对应的温度数据进行分析，得到日特征数据曲线，假定日特征数据的总量为N；

c、确定温度对挠度变形的时间范围：选取第一时间间隔天数为i，计算日特征数据中的第t个数据和第t+i个数据之间的挠度变形差

和温差T_t ⁱ，建立一个样本

其中，t＝1,2,3,…,且t+i≤N；计算所有的t得到时间间隔i下的所有挠度变形差和温差形成的一个第一样本集

对

以温差为自变量得到第一拟合一次项系数，取拟合一次项系数的绝对值为k_i，分别计算i＝1,2,3,…,得到

然后分别拟合计算得到k₁,k₂,k₃…，进而得到关于i-k的曲线，根据i-k曲线的拐点确定i'，i'即为温度的最大影响天数；

d、选取第二时间间隔天数为p，计算当j＝p时日特征数据中的第t个数据和第t+j个数据之间的挠度变形差

和温差T_t ^j，建立一个样本

其中，t＝1,2,3,…,且t+j≤N；计算所有的t得到j＝p时所有挠度变形差和温差形成的一个样本集

分别计算j＝1p,2p,3p,…,np,且np≤i'得到第二样本集

对U²以温差为自变量得到第二拟合一次项系数，取第二拟合一次项系数的绝对值为挠度变形差和温差的线性关系系数为K；

e、若K的R-square指标大于预设指标值，计算日特征数据的每相邻两个温度的温差T'，以日特征数据的第一个数据为基准，用T'乘以系数K，并依次累计求和得到温度效应的变形曲线；

f、用日特征数据曲线减去温度效应的变形曲线得到残余变形曲线分布点，将残余变形曲线分布点进行二阶最小二乘拟合，得到残余变形随时间天数的拟合公式；

g、将预设时间天数输入拟合公式中确定预估残余变形值，若预估残余变形值大于预设值，判断桥梁结构状态异常；反之，判断桥梁结构状态正常。

采用一个以某大跨度混凝土拱桥的实测数据来进行说明。

对某大跨度混凝土拱桥自2017年1月1日至2020年6月29日进行了为期三年半的变形观测，观测过程中采用了变采样的采集方式，获得该桥梁结构的挠度变形数据如图2所示，其挠度变形数据对应的温度数据如图3所示。

然后获取日特征数据，对于日特征数据获取方式可以有多种，比如采用均值数据、或每天的极大值、极小值、或每天0-2点间任一时刻的数据均可，本申请仅以每日的第一组数据为日特征数据为例，由此获得作为日特征数据的挠度变形数据及其对应的温度数据，如图4-5所示。

选取第一时间间隔天数为i，i的取值根据实际需要进行选取，如1≤i≤90，以日特征数据中的第t个数据和第t+i个数据之间的挠度变形差

和温差T_t ⁱ作为一个样本

其中，t＝1,2,3,…,且t+i≤N，按照日特征数据从第一组值滚动往后计算，直至t+i为日特征数据的最后1个数据全部用于计算为止，如取i＝90，即计算当i＝1时，日特征数据中的第1个数据与第2个数据之间的挠度变形差

和温差T₁ ¹、日特征数据中的第2个数据与第3个数据之间的挠度变形差

和温差T₂ ¹、…以此类推，计算到倒数第二个数据与最后一个数据之间的挠度变形差

和温差

由此获得了一个第一样本集

然后计算当i＝2时，日特征数据中的第1个数据与第3个数据之间的挠度变形差

和温差T₁ ²、日特征数据中的第2个数据与第4个数据之间的挠度变形差

和温差T₂ ²、…以此类推，获得了第二个第一样本集；根据前述i的取值，共能够获得90个第一样本集，即

对每个第一样本集以温差为自变量采用一阶最小二乘拟合法得到拟合一次项系数，并取其绝对值为k_i，即得到k₁,k₂,k₃…k₉₀，进而得到关于i-k的曲线，如图6所示，根据图5的拐点确定i'＝60。

选取第二时间间隔天数为p，选定p的倍数为筛选的时间段集合，以np≤60为界限，p＞1，如选定p＝5，则时间段集合为[5、10、15、20、25、30、35、40、45、50、55、60]，j＝p，2p，3p，…，12p，然后以日特征数据中的第t个数据和第t+j个数据之间的挠度变形差

和温差T_t ^j作为一个样本，如以t＝1开始，计算日特征数据中的第1个数据和第6个数据之间的挠度变形差

和温差T₁ ⁵作为第一个样本，类似步骤c，计算所有的t得到j＝p时的一个样本集，分别计算j＝1p,2p,3p,…,12p共得到12个样本集，形成第二样本集

再对每个第二样本集以温差为自变量采用一阶最小二乘拟合法得到拟合一次项系数，得到线性关系系数为K，参见图7。

若K的R-square指标大于预设指标值，预设指标值为0.85-0.95，预设值越大表明拟合效果越好，如取0.95，本实施例中，R-square为0.9706，满足要求，则计算日特征数据中的每相邻两个温度的温差T'，以日特征数据的第一个数据为基准，用每个温差T'分别乘以系数K，并依次累计求和得到温度效应的变形曲线，如图8所示。

之后，用日特征数据曲线减去温度效应的变形曲线得到残余变形曲线分布点，如图9所示，将残余变形曲线分布点进行二阶最小二乘拟合，得到残余变形随时间天数的拟合公式。

最后，将预设时间天数输入拟合公式中确定预估残余变形值，若预估残余变形值大于预设值，判断桥梁结构状态异常；反之，判断桥梁结构状态正常，预设值可根据相关规范或经验值或桥梁结构设计文件进行取值。

若K的R-square指标小于或等于预设指标值，减小第二时间间隔天数p的取值并重复步骤d，如将p改为3再次进行计算。

以上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以的权利要求的保护范围为准。

Claims (6)

1.一种基于监测数据的桥梁残余变形异常评估预警方法，其特征在于，包括如下步骤：

a、通过观测，获得桥梁结构的挠度变形数据和对应的温度数据；

b、选取挠度变形数据的日特征数据及日特征数据对应的温度数据进行分析，得到日特征数据曲线，假定日特征数据的总量为N；

c、确定温度对挠度变形的时间范围：选取第一时间间隔天数为i，计算日特征数据中的第t个数据和第t+i个数据之间的挠度变形差

和温差

建立一个样本

其中，t＝1,2,3,…,且t+i≤N；计算所有的t得到时间间隔i下的所有挠度变形差和温差形成的一个第一样本集

对

以温差为自变量得到第一拟合一次项系数，取拟合一次项系数的绝对值为k_i，分别计算i＝1,2,3,…,得到

然后分别拟合计算得到k₁,k₂,k₃…，进而得到关于i-k的曲线，根据i-k曲线的拐点确定i'，i'即为温度的最大影响天数；

d、选取第二时间间隔天数为p，计算当j＝p时日特征数据中的第t个数据和第t+j个数据之间的挠度变形差

和温差T_t ^j，建立一个样本

其中，t＝1,2,3,…,且t+j≤N；计算所有的t得到j＝p时所有挠度变形差和温差形成的一个样本集

分别计算j＝1p,2p,3p,…,np,且np≤i'得到第二样本集

对U²以温差为自变量得到第二拟合一次项系数，取第二拟合一次项系数的绝对值为挠度变形差和温差的线性关系系数为K；

e、若K的R-square指标大于预设指标值，计算日特征数据的每相邻两个温度的温差T'，以日特征数据的第一个数据为基准，用T'乘以系数K，并依次累计求和得到温度效应的变形曲线；

f、用日特征数据曲线减去温度效应的变形曲线得到残余变形曲线分布点，将残余变形曲线分布点进行二阶最小二乘拟合，得到残余变形随时间天数的拟合公式；

g、将预设时间天数输入拟合公式中确定预估残余变形值，若预估残余变形值大于预设值，判断桥梁结构状态异常；反之，判断桥梁结构状态正常。

2.如权利要求1所述的方法，其特征在于，在步骤b中，日特征数据为均值数据、或每天的极大值、极小值、或每天0-2点间任一时刻的数据。

3.如权利要求1所述的方法，其特征在于，在步骤e中，若K的R-square指标小于或等于预设指标值，减小第二时间间隔天数p的取值并重复步骤d。

4.如权利要求3所述的方法，其特征在于，预设指标值为0.85-0.95。

5.如权利要求1所述的方法，其特征在于，第一拟合一次项系数和第二拟合一次项系数均采用一阶最小二乘拟合法得到。

6.如权利要求1-5任一所述的方法，其特征在于，i≤90。

Images