CN115326260A - 一种船撞桥墩荷载的实时识别方法及健康检测系统 - Google Patents

一种船撞桥墩荷载的实时识别方法及健康检测系统 Download PDF

Info

Publication number
CN115326260A
CN115326260A CN202210949921.7A CN202210949921A CN115326260A CN 115326260 A CN115326260 A CN 115326260A CN 202210949921 A CN202210949921 A CN 202210949921A CN 115326260 A CN115326260 A CN 115326260A
Authority
CN
China
Prior art keywords
pier
load
formula
ship
bridge
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.)
Pending
Application number
CN202210949921.7A
Other languages
English (en)
Inventor
吴刚
黎剑安
冯东明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202210949921.7A priority Critical patent/CN115326260A/zh
Publication of CN115326260A publication Critical patent/CN115326260A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0052—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes measuring forces due to impact
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G01M7/08—Shock-testing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Bridges Or Land Bridges (AREA)

Abstract

本发明涉及一种船撞桥墩荷载的实时识别方法及健康检测系统，在桥墩上合理地进行传感器布置，配置好健康检测系统；将采集到的信号通过工业路由器传送至远程终端；建立远程终端的数据储存系统以及数据预处理系统；在终端计算机设备上建立桥墩有限元模型，并根据采集到的数据进行有限元模型修正；根据有限元模型，选取合适的荷载识别算法，并将有限元模型集成于荷载识别算法中；基于上述步骤，进行荷载识别预实验。一旦桥墩受到船撞冲击，基于采集到的数据和荷载识别算法对冲击荷载时程进行反演。本发明识别到的冲击荷载时程能为船撞桥墩的仿真模拟参考，也能用于桥墩被撞后的性能评估，为桥梁整体的安全性能提供理论性的评价指标。

Description

一种船撞桥墩荷载的实时识别方法及健康检测系统
技术领域
本发明涉及一种船撞桥墩荷载的实时识别方法及健康检测系统，属于桥梁健康检测领域。
背景技术
随着各种大型跨江跨海大桥的不断兴建，船撞桥墩成为一个越来越不可忽视的现实问题 [1]。近年来，船撞桥墩问题的数量和规模都有了巨大的增长[2]，船撞桥墩的事故屡见不鲜。船撞桥墩会对桥墩造成直接损害，容易导致桥墩直接坍塌；也会间接地影响桥墩的使用寿命，为桥梁日后的正常服役埋下安全隐患。
现有的研究主要针对于如何避免船撞桥墩[3][4]，这在一定程度上可以减小船撞桥墩的概率，但是很多时候船撞桥墩都是因为船舶失控导致的，船撞桥墩这一现象依然难以避免。一旦桥墩被撞后，评价桥墩被撞后的安全性能显得尤为重要。此前，已开展了一部分针对桥墩被撞后的安全性能的研究工作[5][6][7]，这些工作主要是基于有限元软件对船撞桥墩这一过程进行模拟[8][9]，然后从力学的角度上评价船撞力的大小以及撞后的安全性能[10]。其中，船撞力作为桥墩系统的荷载激励，对桥墩被撞后的安全评价起到了至关重要的作用。但是学术界对船撞力的认识还不够，在仿真的过程中采用简化的数值模型来代替船撞力[11]，这显然与桥墩实际受到的船撞力有差别。因此准确获取桥墩受到的实际船撞荷载对于被撞桥墩的状态评估和寿命预测显得尤为重要。
但是，直接测量船撞力是不可行的，一方面是因为船撞桥墩产生的荷载值较大，难以安装足够量程的荷载传感器；另一方面是因为船撞桥墩的位置是随机的，导致难以确定荷载传感器的安装位置。因此亟需一种船撞桥墩荷载的识别方法，能够实时在线地进行船撞力的识别，同时能够揭示船撞力的形式，为工程界和学术界针对船撞桥墩的研究提供重要的参考价值。
上述采用的参考文献：
参考文献：
[1]尹锡军.船桥碰撞及桥墩防撞设施研究[D].大连：大连海事大学,2009.
[2]陈国虞,王礼立.船撞桥及其防御[M].中国铁道出版社,2006.
[3]刘波.热成像技术在桥梁防船撞预警系统中的应用研究[D].广州：广州大学,2016.
[4]张景峰,李小珍.钢套箱-群桩组合防撞结构防撞性能仿真分析[J].桥梁建设,2018, 48(6):47-52.
[5]Fan W,Zhang Y,Liu B.Modal Combination Rule for Shock SpectrumAnalysis of Bridge Structures Subjected to Barge Collisions[J].Journal ofEngineering Mechanics,2016, 142(2):04045083.
[6]王贝壳.大型桥梁非通航孔防船撞拦阻设施水动力仿真研究[D].宁波：宁波大学, 2017.
[7]孙洋.考虑多因素影响的桥梁船撞易损性研究[D].长沙：湖南大学,2020.
[8]王君杰,陈诚,汪宏,等.基于碰撞数值模拟的桥梁等效静力船撞力-基本公式[J].公路交通技术,2009(2):66-70.
[9]胡志强，顾永宁，高震，等.基于非线性数值模拟的船桥碰撞力快速估算[J].工程力学，2005,22(3):234-240.
[10]陈诚.桥梁设计船撞力及损伤状态仿真研究[D].上海：同济大学.
[11]邵俊虎,宋帅,吴启红,等.桥梁船撞力计算模型研究进展[J].成都大学学报(自然科学版),2020,39(1):15-21.
发明内容
本发明提供一种船撞桥墩荷载的实时识别方法及健康检测系统，克服了现有船撞桥墩仿真研究难以准确模拟船撞桥墩产生的冲击荷载的缺陷，能够实时地准确获取桥墩受到的船撞力。
本发明解决其技术问题所采用的技术方案是：
一种船撞桥墩荷载的实时识别方法，具体包括以下步骤：
步骤S1：在桥墩上布置若干加速度传感器，配置匹配的健康检测系统；
步骤S2：若干加速度传感器采集桥墩信息数据，并将信息数据通过工业路由器传送至远程终端；
步骤S3：远程终端将收集到的桥墩信息数据整合后通过数据预处理系统进行预处理，预处理后的数据信息建立数据储存系统；
步骤S4：在远程终端处建立桥墩的有限元模型，根据建立的数据储存系统对有限元模型修正；
步骤S5：基于步骤S4中修正后的有限元模型，导出有限元模型的质量、刚度以及阻尼矩阵选取匹配的荷载识别算法，将有限元模型集成于荷载识别算法中；其中，选取的荷载识别算法为基于增秩卡尔曼滤波器的荷载识别算法；
步骤S6：当桥墩受到船撞冲击，基于步骤S2中若干传感器采集到的桥墩信息数据，结合步骤S5中的荷载识别算法对冲击荷载时程进行反演，以验证步骤S5的识别算法能够有效完成船撞力的识别；
作为本发明的进一步优选，步骤S1中，在桥墩的不同位置设置六个加速度传感器，其中，选取的加速度传感器量程为50g，分辨率为0.0005m/s2；
步骤S2中，远程终端为采集仪，所述的采集仪采用8通道24位采集仪；
作为本发明的进一步优选，步骤S3中，数据储存系统的容量选用1000TB；
作为本发明的进一步优选，步骤S3中，数据预处理系统对采集到的桥墩信息数据的预处理包括重采样、去趋势、滤波以及去噪；
作为本发明的进一步优选，步骤S4中建立的有限元模型，对其做模态分析后得到的自振频率与采集仪获取的桥墩信息数据的振动频率相同；
作为本发明的进一步优选，步骤S5中，选取的荷载识别算法包括以下步骤：
步骤S51：构建桥墩的动力学方程，具体为
Figure BDA0003788755530000031
公式(1)中，Mb为桥墩的质量，Cb为桥墩的阻尼，Kb为桥墩的刚度矩阵，yb(t)为桥墩的位移向量，H(t)为节点力的位置矩阵，位置矩阵为
H＝[0 … 1 … 0]T (10)
公式(2)中，元素的1处对应的即为船撞力作用的节点，元素为0即表示该处没有荷载；
步骤S52：基于公式(1)建立桥墩结构的状态方程
Figure BDA0003788755530000032
公式(3)中，
Figure BDA0003788755530000033
Mb为桥墩的质量， Cb为桥墩的阻尼，Kb为桥墩的刚度矩阵，yb(t)为桥墩的位移向量；
步骤S53：将公式(3)离散化，得到桥墩的状态方程为
Xk+1＝AdXk+Bdfk+ωk (12)
公式(4)中，
Figure BDA0003788755530000034
fk为荷载；
同时，桥墩状态的测量方程为
Figure BDA0003788755530000041
公式(5)中，Cd为观测矩阵，Dd为前馈矩阵，ξk为观测噪声，fk为荷载，为状态向量，dk为观测值；
公式(4)和公式(5)中荷载fk的递推关系式表示为：
fk+1＝fk+ηk (14)
公式(6)中，ηk为荷载fk在第k个时间步的增量；
步骤S54：将公式(4)的状态方程和公式(5)的测量方程中的fk增秩到状态向量中，得到以下联立方程组：
Figure BDA0003788755530000042
公式(7)中，
Figure BDA0003788755530000043
Cd为观测矩阵，Dd为前馈矩阵，ηk为荷载fk在第k个时间步的增量，为状态向量，ωk为过程噪声，dk为观测值；
步骤S55：采用卡尔曼滤波器进行荷载识别时先进行预测，其中增秩状态预测公式
Figure BDA0003788755530000044
以及预测得到误差协方差矩阵估计
Figure BDA0003788755530000045
公式(8)中，
Figure BDA0003788755530000046
为第k时刻状态向量的预估计，
Figure BDA0003788755530000047
为第k-1时刻状态向量的最优估计，公式(9)中，
Figure BDA0003788755530000048
为该过程的预测误差，
Figure BDA0003788755530000049
T为ζk的协方差矩阵，表示系统模型的误差；
步骤S56：对步骤S55中预测得到的公式(8)和公式(9)进行更新，得到方程组
Figure BDA00037887555300000410
公式(10)中，
Figure BDA00037887555300000411
为第k时刻状态向量的预估计，
Figure BDA00037887555300000412
为该过程的预测误差，
Figure BDA00037887555300000413
为第k-1 时刻状态向量的最优估计，Pk为最优估计的估计误差，Kk为卡尔曼增益，T为ζk的协方差矩阵，表示系统模型的误差，
Figure BDA0003788755530000051
S为ξk的协方差，表示观测值的误差；
步骤S57：提前选定公式(10)中协方差S的取值，对步骤S55-步骤S56的荷载识别过程进行迭代，计算每一次迭代的误差，选取误差最小时协方差S的取值，将误差最小时协方差S的取值代入公式(10)，其中，协方差S的误差计算方法为
Figure BDA0003788755530000052
公式(11)中，xk是通过状态向量估计出来的观测值，dk为观测值，κ为关于协方差S的每个值的误差；
步骤S58：联合T和S通过AKF算法计算得出状态向量的最优估计，即估计出最优增秩状态向量为
Figure BDA0003788755530000053
公式(12)中，
Figure BDA0003788755530000054
为估计出来的船撞力时程；
作为本发明的进一步优选，步骤S6中，在桥墩处安装力锤，力锤与采集仪连通，启动力锤敲击桥墩，采集仪获取力锤的荷载时程以及桥墩的加速度响应，将桥墩的加速度响应与力锤的荷载时程进行比较，确认步骤S1-步骤S5的荷载识别方法准确性；
作为本发明的进一步优选，选用的力锤测力范围为12.5T，灵敏度为4pc/N；
一种基于所述船撞桥墩荷载的实时识别方法的健康检测系统，包括布设在桥墩不同位置处的多个加速度传感器、数据储存系统、采集仪以及工业路由器，多个加速度传感器通过工业路由器与采集仪连通，在采集仪处建立数据储存系统。
通过以上技术方案，相对于现有技术，本发明具有以下有益效果：
1、本发明提供的船撞桥墩荷载的实时识别方法，能够实时识别桥墩受到桥梁撞击的冲击荷载；
2、本发明提供的船撞桥墩荷载的实时识别方法将识别到的冲击荷载时程作为船撞桥墩的仿真模拟参考，同时也可用作桥墩被撞后的性能评估，形成桥梁整体安全性能较为重要的理论性的评价指标；
3、本发明提供的船撞桥墩荷载的实时识别方法中，解决了现场测量数据中噪声水平难以准确量化的问题，能够得出较为准确的船撞力时程。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明提供的船撞桥墩荷载的实时识别方法流程图；
图2是本发明提供的基于增秩卡尔曼滤波器的荷载识别算法流程图；
图3是本发明提供的船撞桥墩荷载的实时识别方法中观测值噪声协方差迭代过程。
具体实施方式
如背景技术中阐述的，目前关于船撞桥墩的仿真研究，通常采用简化的数值模型来替代船撞力，因此这与桥墩实际收到的船撞力有较大的差别，导致无法获得较为准确的结果，因此本申请旨在提供一种船撞桥墩荷载的实时识别方法，采用荷载识别技术为基础，通过测量桥墩上关键点的响应反演桥撞力的时程，能够实时在线识别船撞力，同时本申请还具有一个较为独特的创新点，基于荷载识别技术的基础上，降低了在识别过程中噪声对信号的影响程度。
首先本申请在阐述识别方法前，需要阐述一下本申请为达到准确识别的目的配置的健康检测系统，如图1所示，包括布设在桥墩不同位置处的多个加速度传感器、数据储存系统、采集仪以及工业路由器，多个加速度传感器通过工业路由器与采集仪连通，在采集仪处建立数据储存系统，多个加速度传感器将采集到的信号通过工业路由器传送至远程终端(这里即为采集仪)，经过数据预处理系统处理后的数据储存在数据储存系统内，通过远程终端建立的桥墩有限元模型选取合适的荷载识别算法，并将有限元模型集成于荷载识别算法中，以进行荷载识别预实验。在实际操作时，需要保证健康检测系统长期得到电源供应，因此需要对整套的健康检测系统做防水、防高温、防雷电天气、防电磁干扰以及耐久性处理，以保证系统能够正常的进行长期检测。
本申请提供的船撞桥墩荷载的实时识别方法，具体包括以下步骤：
步骤S1：在桥墩上布置若干加速度传感器，配置匹配的健康检测系统；在本申请提供的优选实施例中，在桥墩的不同位置设置六个加速度传感器，至于加速度传感器设置的位置依据实际需求进行排布，宗旨就是尽可能覆盖需要检测的部位；其中，选取的加速度传感器量程为50g，分辨率为0.0005m/s2。
步骤S2：若干加速度传感器采集桥墩信息数据，并将信息数据通过工业路由器传送至远程终端；前述有阐述远程终端为采集仪，优选的，采集仪采用8通道24位采集仪。工业路由器的安装也要避免受到电磁干扰，同时工业路由器需要进行合理的配置，保证足够的数据传输量，以满足健康检测系统在采样频率方面的需求。
步骤S3：远程终端将收集到的桥墩信息数据整合后通过数据预处理系统进行预处理，预处理后的数据信息建立数据储存系统；数据储存系统的容量需满足健康检测系统长期储存需求，建议容量为1000TB，同时数据预处理系统需要能够对采集到的数据进行预处理，如重采样、去趋势、滤波、去噪、以及其他时频域处理方法。
步骤S4：在远程终端处建立桥墩的有限元模型，根据建立的数据储存系统对有限元模型修正；这里有限元模型的建立需要基于桥墩设计图纸，而为了确保有限元模型的正确性和可靠性，建立的有限元模型做模态分析后得到的自振频率需要与监测系统采集到的数据的振动频率一致。
步骤S5：基于步骤S4中修正后的有限元模型，导出有限元模型的质量、刚度以及阻尼矩阵选取匹配的荷载识别算法，将有限元模型集成于荷载识别算法中；其中，选取的荷载识别算法为基于增秩卡尔曼滤波器的荷载识别算法，该算法具有较好的鲁棒性，且能实现船撞力的实时识别；
这里具体阐述基于增秩卡尔曼滤波器的荷载识别算法的步骤，如图2所示，
步骤S51：构建桥墩的动力学方程，具体为
Figure BDA0003788755530000071
公式(1)中，Mb为桥墩的质量，Cb为桥墩的阻尼，Kb为桥墩的刚度矩阵，yb(t)为桥墩的位移向量，H(t)为节点力的位置矩阵，位置矩阵为
H＝[0 … 1 … 0]T (18)
公式(2)中，元素的1处对应的即为船撞力作用的节点，元素为0即表示该处没有荷载；
步骤S52：基于公式(1)建立桥墩结构的状态状态方程
Figure BDA0003788755530000072
公式(3)中，
Figure BDA0003788755530000073
Mb为桥墩的质量， Cb为桥墩的阻尼，Kb为桥墩的刚度矩阵，yb(t)为桥墩的位移向量；
步骤S53：将公式(3)离散化，得到桥墩的状态方程为
Xk+1＝AdXk+Bdfk+ωk (20)
公式(4)中，
Figure BDA0003788755530000074
fk为荷载；
同时，桥墩状态的测量方程为
Figure BDA0003788755530000081
公式(5)中，Cd为观测矩阵，Dd为前馈矩阵，ξk为观测噪声，fk为荷载，为状态向量，dk为观测值；这里观测矩阵Cd与前馈矩阵Dd采用不同位置处或者不同类型的响应式，其响应的形式也有所不同，两者均是根据实际测量值来进行定制；
公式(4)和公式(5)中荷载fk的递推关系式表示为：
fk+1＝fk+ηk (22)
公式(6)中，ηk为荷载fk在第k个时间步的增量；
步骤S54：将公式(4)的状态方程和公式(5)的测量方程中的fk增秩到状态向量中，得到以下联立方程组：
Figure BDA0003788755530000082
公式(7)中，
Figure BDA0003788755530000083
Cd为观测矩阵，Dd为前馈矩阵，ηk为荷载fk在第k个时间步的增量，为状态向量，ωk为过程噪声，dk为观测值；步骤S55：卡尔曼滤波器能综合考虑状态的先验估计和观测值，也就是说，状态方程从有限元模型出发，测量方程从观测值出发，两者最终一起实现荷载的估计，给出状态向量的最优后验估计，卡尔曼滤波器在进行荷载识别时主要有以下两个步骤，首先是进行预测，其中增秩状态预测公式
Figure BDA0003788755530000084
以及预测得到误差协方差矩阵估计
Figure BDA0003788755530000085
公式(8)中，
Figure BDA0003788755530000086
为第k时刻状态向量的预估计，
Figure BDA0003788755530000087
为第k-1时刻状态向量的最优估计，公式(9)中，
Figure BDA0003788755530000088
为该过程的预测误差，
Figure BDA0003788755530000089
T为ζk的协方差矩阵，表示系统模型的误差；
步骤S56：对步骤S55中预测得到的公式(8)和公式(9)进行更新，得到方程组
Figure BDA0003788755530000091
公式(10)中，
Figure BDA0003788755530000092
为第k时刻状态向量的预估计，
Figure BDA0003788755530000093
为该过程的预测误差，
Figure BDA0003788755530000094
为第k-1 时刻状态向量的最优估计，Pk为最优估计的估计误差，Kk为卡尔曼增益，T为ζk的协方差矩阵，表示系统模型的误差，
Figure BDA0003788755530000095
S为ξk的协方差，表示观测值的误差；
步骤S57：现场的测量数据中噪声水平难以准确量化，噪声对信号的影响程度也可能是不一样的，这就导致难以通过公式
Figure BDA0003788755530000096
来准确计算噪声的协方差，因此本申请一个较大的创新点就是提前选定公式(10)中协方差S的取值，对步骤S55-步骤S56的荷载识别过程进行迭代，计算每一次迭代的误差，选取误差最小时协方差S的取值(这里误差值最小时即为协方差S的最佳取值)，将误差最小时协方差S的取值代入公式(10)，其中，协方差S的误差计算方法为
Figure BDA0003788755530000097
公式(11)中，xk是通过状态向量估计出来的观测值，dk为观测值，κ为关于协方差S的每个值的误差，当xk和dk之间的差异最小时，估计出来的状态向量是最准确的，这里给出了图3以直观的显示观测值噪声协方差迭代过程图；
步骤S58：联合T和S通过AKF算法计算得出状态向量的最优估计，这里，T越小表明模型误差越小，卡尔曼增益就越信任预估计；反之则越信任观测值。最后估计出最优增秩状态向量为
Figure BDA0003788755530000098
公式(12)中，
Figure BDA0003788755530000099
为估计出来的船撞力时程。
步骤S6：当桥墩受到船撞冲击，基于步骤S2中若干传感器采集到的桥墩信息数据，结合步骤S5中的荷载识别算法对冲击荷载时程进行反演，以验证步骤S5的识别算法能够有效完成船撞力的识别；
具体的就是在桥墩处安装力锤，力锤与采集仪连通，启动力锤敲击桥墩，采集仪获取力锤的荷载时程以及桥墩的加速度响应，将桥墩的加速度响应与力锤的荷载时程进行比较，如果两者时程一致则说明远程荷载识别系统能够有效地完成船撞力的识别。
这里，选用的力锤测力范围建议为12.5T，灵敏度为4pc/N。
本申请能够识别桥墩受到桥梁撞击的冲击荷载，识别到的冲击荷载时程能为船撞桥墩的仿真模拟参考，也能用于桥墩被撞后的性能评估，为桥梁整体的安全性能提供理论性的评价指标。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (9)

1.一种船撞桥墩荷载的实时识别方法，其特征在于：具体包括以下步骤：
步骤S1：在桥墩上布置若干加速度传感器，配置匹配的健康检测系统；
步骤S2：若干加速度传感器采集桥墩信息数据，并将信息数据通过工业路由器传送至远程终端；
步骤S3：远程终端将收集到的桥墩信息数据整合后通过数据预处理系统进行预处理，预处理后的数据信息建立数据储存系统；
步骤S4：在远程终端处建立桥墩的有限元模型，根据建立的数据储存系统对有限元模型修正；
步骤S5：基于步骤S4中修正后的有限元模型，导出有限元模型的质量、刚度以及阻尼矩阵选取匹配的荷载识别算法，将有限元模型集成于荷载识别算法中；其中，选取的荷载识别算法为基于增秩卡尔曼滤波器的荷载识别算法；
步骤S6：当桥墩受到船撞冲击，基于步骤S2中若干传感器采集到的桥墩信息数据，结合步骤S5中的荷载识别算法对冲击荷载时程进行反演，以验证步骤S5的识别算法能够有效完成船撞力的识别。
2.根据权利要求1所述的船撞桥墩荷载的实时识别方法，其特征在于：步骤S1中，在桥墩的不同位置设置六个加速度传感器，其中，选取的加速度传感器量程为50g，分辨率为0.0005m/s2；
步骤S2中，远程终端为采集仪，所述的采集仪采用8通道24位采集仪。
3.根据权利要求2所述的船撞桥墩荷载的实时识别方法，其特征在于：步骤S3中，数据储存系统的容量选用1000TB。
4.根据权利要求3所述的船撞桥墩荷载的实时识别方法，其特征在于：步骤S3中，数据预处理系统对采集到的桥墩信息数据的预处理包括重采样、去趋势、滤波以及去噪。
5.根据权利要求4所述的船撞桥墩荷载的实时识别方法，其特征在于：步骤S4中建立的有限元模型，对其做模态分析后得到的自振频率与采集仪获取的桥墩信息数据的振动频率相同。
6.根据权利要求5所述的船撞桥墩荷载的实时识别方法，其特征在于：步骤S5中，选取的荷载识别算法包括以下步骤：
步骤S51：构建桥墩的动力学方程，具体为
Figure FDA0003788755520000011
公式(1)中，Mb为桥墩的质量，Cb为桥墩的阻尼，Kb为桥墩的刚度矩阵，yb(t)为桥墩的位移向量，H(t)为节点力的位置矩阵，位置矩阵为
H＝[0…1…0]T (2)
公式(2)中，元素的1处对应的即为船撞力作用的节点，元素为0即表示该处没有荷载；
步骤S52：基于公式(1)建立桥墩结构的状态方程
Figure FDA0003788755520000021
公式(3)中，
Figure FDA0003788755520000022
Mb为桥墩的质量，Cb为桥墩的阻尼，Kb为桥墩的刚度矩阵，yb(t)为桥墩的位移向量；
步骤S53：将公式(3)离散化，得到状态方程桥墩的状态方程为
Xk+1＝AdXk+Bdfk+ωk (4)
公式(4)中，
Figure FDA0003788755520000023
fk为荷载；
同时，桥墩状态的测量方程为
Figure FDA0003788755520000026
公式(5)中，Cd为观测矩阵，Dd为前馈矩阵，ξk为观测噪声，fk为荷载，Xk为状态向量，dk为观测值；
公式(4)和公式(5)中荷载fk的递推关系式表示为：
fk+1＝fk+ηk (6)
公式(6)中，ηk为荷载fk在第k个时间步的增量；
步骤S54：将公式(4)的状态方程和公式(5)的测量方程中的fk增秩到状态向量Xk中，得到以下联立方程组：
Figure FDA0003788755520000024
公式(7)中，
Figure FDA0003788755520000025
Cd为观测矩阵，Dd为前馈矩阵，ηk为荷载fk在第k个时间步的增量，Xk为状态向量，ωk为过程噪声，dk为观测值；
步骤S55：采用卡尔曼滤波器进行荷载识别时先进行预测，其中增秩状态预测公式
Figure FDA0003788755520000031
以及预测得到误差协方差矩阵估计
Figure FDA0003788755520000032
公式(8)中，
Figure FDA0003788755520000033
为第k时刻状态向量的预估计，
Figure FDA0003788755520000034
为第k-1时刻状态向量的最优估计，公式(9)中，
Figure FDA0003788755520000035
为该过程的预测误差，
Figure FDA0003788755520000036
T为ζk的协方差矩阵，表示系统模型的误差；
步骤S56：对步骤S55中预测得到的公式(8)和公式(9)进行更新，得到方程组
Figure FDA0003788755520000037
公式(10)中，
Figure FDA0003788755520000038
为第k时刻状态向量的预估计，
Figure FDA0003788755520000039
为该过程的预测误差，
Figure FDA00037887555200000310
为第k-1时刻状态向量的最优估计，Pk为最优估计的估计误差，Kk为卡尔曼增益，T为ζk的协方差矩阵，表示系统模型的误差，
Figure FDA00037887555200000311
S为ξk的协方差，表示观测值的误差；
步骤S57：提前选定公式(10)中协方差S的取值，对步骤S55-步骤S56的荷载识别过程进行迭代，计算每一次迭代的误差，选取误差最小时协方差S的取值，将误差最小时协方差S的取值代入公式(10)，其中，协方差S的误差计算方法为
Figure FDA00037887555200000312
公式(11)中，xk是通过状态向量估计出来的观测值，dk为观测值，κ为关于协方差S的每个值的误差；
步骤S58：联合T和S通过AKF算法计算得出状态向量的最优估计，即估计出最优增秩状态向量为
Figure FDA00037887555200000313
公式(12)中，
Figure FDA00037887555200000314
为估计出来的船撞力时程。
7.根据权利要求6所述的船撞桥墩荷载的实时识别方法，其特征在于：步骤S6中，在桥墩处安装力锤，力锤与采集仪连通，启动力锤敲击桥墩，采集仪获取力锤的荷载时程以及桥墩的加速度响应，将桥墩的加速度响应与力锤的荷载时程进行比较，确认步骤S1-步骤S5的荷载识别方法准确性。
8.根据权利要求7所述的船撞桥墩荷载的实时识别方法，其特征在于：选用的力锤测力范围为12.5T，灵敏度为4pc/N。
9.一种基于权利要求8所述船撞桥墩荷载的实时识别方法的健康检测系统，其特征在于：包括布设在桥墩不同位置处的多个加速度传感器、数据储存系统、采集仪以及工业路由器，多个加速度传感器通过工业路由器与采集仪连通，在采集仪处建立数据储存系统。
CN202210949921.7A 2022-08-09 2022-08-09 一种船撞桥墩荷载的实时识别方法及健康检测系统 Pending CN115326260A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210949921.7A CN115326260A (zh) 2022-08-09 2022-08-09 一种船撞桥墩荷载的实时识别方法及健康检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210949921.7A CN115326260A (zh) 2022-08-09 2022-08-09 一种船撞桥墩荷载的实时识别方法及健康检测系统

Publications (1)

Publication Number Publication Date
CN115326260A true CN115326260A (zh) 2022-11-11

Family

ID=83921034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210949921.7A Pending CN115326260A (zh) 2022-08-09 2022-08-09 一种船撞桥墩荷载的实时识别方法及健康检测系统

Country Status (1)

Country Link
CN (1) CN115326260A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115685323A (zh) * 2023-01-01 2023-02-03 北京云庐科技有限公司 基于地震荷载监测的桥梁在线实时仿真计算系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104236627A (zh) * 2014-09-05 2014-12-24 上海应用技术学院 一种用于船撞桥墩结构的健康监测系统
CN106248335A (zh) * 2016-07-28 2016-12-21 浙江工业大学 非通航孔桥墩防撞的监测系统及实时诊断方法
WO2018000561A1 (zh) * 2016-06-30 2018-01-04 东南大学 一种基于冲击振动的桥梁检测评估方法与设备
KR101907589B1 (ko) * 2018-01-22 2018-10-12 연세대학교 산학협력단 확장 칼만 필터와 유전자 알고리즘을 이용한 건축 구조물 시스템 식별 장치 및 그 방법
CN110017929A (zh) * 2019-03-12 2019-07-16 华中科技大学 基于子结构灵敏度分析的船撞桥荷载与损伤同步识别方法
CN113267217A (zh) * 2021-05-21 2021-08-17 中铁第四勘察设计院集团有限公司 一种桥群监测系统以及桥群监测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104236627A (zh) * 2014-09-05 2014-12-24 上海应用技术学院 一种用于船撞桥墩结构的健康监测系统
WO2018000561A1 (zh) * 2016-06-30 2018-01-04 东南大学 一种基于冲击振动的桥梁检测评估方法与设备
CN106248335A (zh) * 2016-07-28 2016-12-21 浙江工业大学 非通航孔桥墩防撞的监测系统及实时诊断方法
KR101907589B1 (ko) * 2018-01-22 2018-10-12 연세대학교 산학협력단 확장 칼만 필터와 유전자 알고리즘을 이용한 건축 구조물 시스템 식별 장치 및 그 방법
CN110017929A (zh) * 2019-03-12 2019-07-16 华中科技大学 基于子结构灵敏度分析的船撞桥荷载与损伤同步识别方法
CN113267217A (zh) * 2021-05-21 2021-08-17 中铁第四勘察设计院集团有限公司 一种桥群监测系统以及桥群监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
万益春;陈建东;杨振祥;: "桥墩的船撞荷载计算方法及其荷载响应分析", 华东公路, no. 03, 20 June 2010 (2010-06-20) *
邵俊虎;赵人达;徐腾飞;: "计入动力风荷载的船舶撞击桥梁动力响应研究", 公路交通科技, no. 04, 15 April 2015 (2015-04-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115685323A (zh) * 2023-01-01 2023-02-03 北京云庐科技有限公司 基于地震荷载监测的桥梁在线实时仿真计算系统

Similar Documents

Publication Publication Date Title
Feng et al. Damage detection of metro tunnel structure through transmissibility function and cross correlation analysis using local excitation and measurement
Adewuyi et al. Vibration‐based damage localization in flexural structures using normalized modal macrostrain techniques from limited measurements
CN110704801B (zh) 桥梁集群结构运营安全智能监测与快速检测成套方法
TWI449883B (zh) 結構體安全性之分析方法
Lee et al. Damage diagnosis of steel girder bridges using ambient vibration data
CN102034021A (zh) 一种结构健康诊断的整体局部信息融合方法
Gao et al. Improvement study of modal analysis for offshore structures based on reconstructed displacements
Mendrok et al. Experimental verification of the damage localization procedure based on modal filtering
Gunes et al. Structural health monitoring and damage assessment Part I: A critical review of approaches and methods
CN110017929A (zh) 基于子结构灵敏度分析的船撞桥荷载与损伤同步识别方法
JP2007270552A (ja) 信号処理方法、信号処理プログラムおよび記録媒体
CN115326260A (zh) 一种船撞桥墩荷载的实时识别方法及健康检测系统
Ghahremani et al. Structural damage identification based on fast S-transform and convolutional neural networks
Hu et al. Multi-type sensor placement and response reconstruction for building structures: Experimental investigations
Cremona Dynamic monitoring applied to the detection of structural modifications: a high‐speed railway bridge study
Lin et al. Field test investigations for condition monitoring of a concrete culvert bridge using vibration responses
Zhou et al. Damage detection for SMC benchmark problem: A subspace-based approach
Xu et al. Distributed strain damage identification technique for long-span bridges under ambient excitation
Sun et al. A review on damage identification and structural health monitoring for offshore platform
Mehboob et al. Numerical study for evaluation of a vibration based damage index for effective damage detection
Lee et al. Two-step approaches for effective bridge health monitoring
Lan et al. Advances in vibration-based scour monitoring for bridge foundations
Li et al. A PCA-based damage detecting method for jacket platform under random wave excitations
Cheng et al. Detecting damage to offshore platform structures using the time-domain data
Ni Structural health monitoring for civil infrastructure systems: from research to application

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