CN115853035A - 一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法 - Google Patents
一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法 Download PDFInfo
- Publication number
- CN115853035A CN115853035A CN202211527481.2A CN202211527481A CN115853035A CN 115853035 A CN115853035 A CN 115853035A CN 202211527481 A CN202211527481 A CN 202211527481A CN 115853035 A CN115853035 A CN 115853035A
- Authority
- CN
- China
- Prior art keywords
- pile foundation
- bridge pile
- modal
- strain
- strain energy
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,属于桥梁桩基础结构监测技术领域。方法如下:在桥梁桩基础上布设分布式动态传感光纤,获取桥梁桩基础的高密度应变模态振型矢量;利用有限元模态分析理论,将桥梁桩基础的高密度应变模态振型矢量中的单阶高密度应变模态振型转换为模态应变能;依据转换所得的桥梁桩基础的模态应变能,构建基于模态应变能的冲刷判别指标;针对得到的基于模态应变能的冲刷判别指标,解算基于模态应变能的冲刷判别阈值,并进而实现对桥梁桩基础冲刷状态的判别。本发明实现对桥梁桩基础冲刷状态的有效判别,适用于全运营周期内桥梁桩基础结构冲刷安全状态的诊断评估,具备桥梁桩基础冲刷状态判别的功能。
Description
技术领域
本发明涉及一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,属于桥梁桩基础结构监测技术领域。
背景技术
桩基础结构是跨江越河桥梁的重要组成部分。在桥梁的全生命周期内,桩基础周围的土层面临着江流河水常年累月的冲刷侵蚀,累积的冲刷作用容易降低桥梁主体结构抵御风险的能力,严重影响着桥梁结构的正常运营安全。因此,迫切需要一种灵敏有效的技术手段,对桥梁桩基础结构的冲刷状态进行分析诊断,进而实现对运营桥梁结构安全性能的准确把控。
目前,面向于桥梁桩基础结构冲刷状态的传统监测分析手段主要依靠雷达、声呐、超声波以及各类冲刷点式监测传感技术,该类方法的有效性受设备影响较大,且水下环境复杂,极易对水下的传感设备造成损坏,此外传感设备的监测量程相当有限,一般不超过20米。随着传感技术的不断进步,以点式传感设备或分布式传感光纤为代表的新型传感技术为桥梁桩基础的冲刷状态监测提供了广阔的技术契机。但是,这类监测技术往往通过桥梁上部结构的振动信号进行桩基础冲刷监测评估,而忽视了对冲刷最敏感的基础部分,最终获得的监测评估结果容易受到其他结构损伤及环境因素的影响,难以准确的反映桩基础结构的真实冲刷状态。因此,针对跨江越河交通线路中桥梁桩基础结构的冲刷状态监测评估问题,以利用分布式光纤动态感测技术所获取的桥梁桩基础应变模态振型为研究对象,本发明提出桥梁桩基础冲刷状态的高密度测点应变模态诊断方法。
发明内容
为解决背景技术中存在的问题,本发明提供一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法。
实现上述目的,本发明采取下述技术方案:一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,所述方法包括如下步骤:
S1:在桥梁桩基础上布设分布式动态传感光纤,获取桥梁桩基础的高密度应变模态振型矢量;
S2:利用有限元模态分析理论,将S1中所述桥梁桩基础的高密度应变模态振型矢量中的单阶高密度应变模态振型转换为模态应变能;
S3:依据S2中转换所得的桥梁桩基础的模态应变能,构建基于模态应变能的冲刷判别指标;
S4:针对S3中得到的基于模态应变能的冲刷判别指标,解算基于模态应变能的冲刷判别阈值,并进而实现对桥梁桩基础冲刷状态的判别。
与现有技术相比,本发明的有益效果是:
本发明针对由分布式动态传感光纤动态感测技术所获得的桥梁桩基础应变模态振型,融合有限元模态分析理论以及概率统计方法,实现对桥梁桩基础冲刷状态的有效判别,适用于全运营周期内桥梁桩基础结构冲刷安全状态的诊断评估,具备桥梁桩基础冲刷状态判别的功能。此外,相比现有的桥梁桩基础冲刷状态的监测手段,本发明具备较高的抗干扰能力,能够避开由桥梁结构主体损伤及复杂环境因素所引发的干扰,进而可有效地提高全运营周期内桥梁桩基础冲刷安全状态诊断评估的精度和效率。
附图说明
图1是本发明中桥梁桩基础的有限元结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,所述方法包括如下步骤:
S1:在桥梁桩基础上布设分布式动态传感光纤,获取桥梁桩基础的高密度应变模态振型矢量;
S1所述桥梁桩基础的高密度应变模态振型矢量f的计算公式如下:
f=[f1,f2,...,fj,...,fN]j=1,2,...,N (1)
式(1)中:
N为桥梁桩基础的高密度应变模态振型的总阶数;
fj为桥梁桩基础的第j阶高密度应变模态振型,且:
fj=φj(x) (2)
式(2)中:
φj(·)为桥梁桩基础的第j阶高密度应变模态振型函数;
x为分布式动态传感光纤测点距桥梁桩基础顶部的距离。
S2:利用有限元模态分析理论,将S1中所述桥梁桩基础的高密度应变模态振型矢量中的单阶高密度应变模态振型转换为模态应变能;
S201:在实验模态分析理论中,以S1所得的桥梁桩基础的第j阶高密度应变模态振型fj为研究对象,且将单桩视为梁单元,则桥梁桩基础第k个单元的第j阶模态应变能MSEk,j为:
式(3)中:
ak为桥梁基础第k个单元起始点的坐标值;
ak+1为桥梁基础第k个单元结束点的坐标值;
EI为桥梁桩基础单桩的单元刚度;
(EI)k为桥梁桩基础单桩第k个单元的刚度;
d为微分符号;
n为分布式动态传感光纤的空间分辨率;
i为桥梁桩基础每个单元所对应的测点数量;
S202:设定桥梁桩基础冲刷前后的单元刚度不产生折减,则式(3)可简化为:
S203:利用有限元模态分析理论,式(4)进一步简化为:
式(5)中:
εj为桥梁桩基础的第j阶位移模态振型;
T为转置符号;
kk为桥梁桩基础的第k个单元刚度矩阵;
S204:依据S1所得桥梁桩基础的高密度应变模态振型矢量,构建桥梁桩基础的位移模态振型εj与桥梁桩基础的第j阶高密度应变模态振型fj之间的转换关系如下:
fj=Hsεj (6)
式(6)中:
Hs为桥梁桩基础的位移模态振型与桥梁桩基础的第j阶高密度应变模态振型之间的单元转换矩阵;
S205:设定桥梁桩基础受到图层的连续约束作用,且存在如图1的有限元结构,则利用有限元模态分析理论,得到桥梁桩基础的位移模态振型与桥梁桩基础的第j阶高密度应变模态振型之间的单元转换矩阵Hs如下:
式(7)中:
h为单元厚度;
l为单元长度;
得到桥梁桩基础的第k个单元刚度矩阵如下:
式(9)中:
S3:依据S2中转换所得的桥梁桩基础的模态应变能,构建基于模态应变能的冲刷判别指标;
S301:根据S206所得的桥梁桩基础模态应变能向量,利用极差法对其作标准化处理:
式(11)中:
式(12)中:
S302:依据S301所得标准化处理后的桥梁桩基础第j阶模态应变能向量,解算桥梁桩基础的高密度应变模态信息熵矢量g如下:
g=[g1,g2,…,gj,…,gN] st. j=1,2,…,N (13)
式(13)中:
gj为桥梁桩基础第j阶高密度应变模态的信息熵,且
式(14)中:
Yj,k为第j阶模态的第k个单元的比重系数,且:
S303:依据S302所得桥梁桩基础的高密度应变模态信息熵矢量,计算桥梁桩基础的高密度应变模态权重矢量w如下:
w=[w1,w2,…,wj,…,wN]st.j=1,2,…,N
式(16)中:
wj为桥梁桩基础第j阶高密度应变模态的权重系数,且
式(18)中:
S305:定义循环指标a,并利用该循环指标a,将S304所得的综合各阶模态的第j阶桥梁桩基础模态应变能向量拆分为如下两类应变能向量:
a=1,2,…,n-i-1 (22)
式(20)中:
L1为第一类应变能向量;
式(21)中:
L2为第二类应变能向量;
S306:根据S305拆分所得的第一类应变能向量以及第二类应变能向量,定义目标优化函数E如下:
E=|∑L1/a|-|∑L2/(n-i-a)| (23);
S307:当S306中所定义的目标函数最大时,输出循环指标a,进而构建当前采样时间点t下基于模态应变能的冲刷判别指标:
dt=a (24)。
S4:针对S3中得到的基于模态应变能的冲刷判别指标,解算基于模态应变能的冲刷判别阈值,并进而实现对桥梁桩基础冲刷状态的判别。
S401:在连续采样状态下,依据S307所得的当前采样时间点t下基于模态应变能的冲刷判别指标,建立连续采样状态下的冲刷判别指标数据集D如下:
D=[d1,d2,…,dt,…,dM] (25)
式(25)中:
S402:统计连续采样状态下冲刷判别指标数据集的概率分布模型,依据95%的保证率,取连续采样状态下冲刷判别指标数据集所对应的中位数,解算基于模态应变能的冲刷判别阈值ρ如下:
式(26)中:
d0.95t为连续采样状态下冲刷判别指标数据集取95%保证率的中位数;
式(27)中:
σd为连续采样状态下冲刷判别指标数据集的方差;
μd为连续采样状态下冲刷判别指标数据集的均值;
S403:依据S402所得的基于模态应变能的冲刷判别阈值,定义基于模态应变能的冲刷判别因子P如下:
当P=1时,则认为桥梁桩基础发生冲刷,否则认为桥梁桩基础未发生冲刷。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同条件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,其特征在于:所述方法包括如下步骤:
S1:在桥梁桩基础上布设分布式动态传感光纤,获取桥梁桩基础的高密度应变模态振型矢量;
S2:利用有限元模态分析理论,将S1中所述桥梁桩基础的高密度应变模态振型矢量中的单阶高密度应变模态振型转换为模态应变能;
S3:依据S2中转换所得的桥梁桩基础的模态应变能,构建基于模态应变能的冲刷判别指标;
S4:针对S3中得到的基于模态应变能的冲刷判别指标,解算基于模态应变能的冲刷判别阈值,并进而实现对桥梁桩基础冲刷状态的判别。
2.根据权利要求1所述的一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,其特征在于:S1所述桥梁桩基础的高密度应变模态振型矢量f的计算公式如下:
f=[f1,f2,...,fj,...,fN]j=1,2,...,N (1)
式(1)中:
N为桥梁桩基础的高密度应变模态振型的总阶数;
fj为桥梁桩基础的第j阶高密度应变模态振型,且:
fj=φj(x) (2)
式(2)中:
φj(·)为桥梁桩基础的第j阶高密度应变模态振型函数;
x为分布式动态传感光纤测点距桥梁桩基础顶部的距离。
3.根据权利要求2所述的一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,其特征在于:所述S2包括如下步骤:
S201:在实验模态分析理论中,以桥梁桩基础的第j阶高密度应变模态振型fj为研究对象,且将单桩视为梁单元,则桥梁桩基础第k个单元的第j阶模态应变能MSEk,j为:
式(3)中:
ak为桥梁基础第k个单元起始点的坐标值;
ak+1为桥梁基础第k个单元结束点的坐标值;
EI为桥梁桩基础单桩的单元刚度;
(EI)k为桥梁桩基础单桩第k个单元的刚度;
d为微分符号;
n为分布式动态传感光纤的空间分辨率;
i为桥梁桩基础每个单元所对应的测点数量;
S202:设定桥梁桩基础冲刷前后的单元刚度不产生折减,则式(3)可简化为:
S203:利用有限元模态分析理论,式(4)进一步简化为:
式(5)中:
εj为桥梁桩基础的第j阶位移模态振型;
T为转置符号;
kk为桥梁桩基础的第k个单元刚度矩阵;
S204:依据S1所得桥梁桩基础的高密度应变模态振型矢量,构建桥梁桩基础的位移模态振型εj与桥梁桩基础的第j阶高密度应变模态振型fj之间的转换关系如下:
fj=Hsεj (6)
式(6)中:
Hs为桥梁桩基础的位移模态振型与桥梁桩基础的第j阶高密度应变模态振型之间的单元转换矩阵;
S205:设定桥梁桩基础受到图层的连续约束作用,则利用有限元模态分析理论,得到桥梁桩基础的位移模态振型与桥梁桩基础的第j阶高密度应变模态振型之间的单元转换矩阵Hs如下:
式(7)中:
h为单元厚度;
l为单元长度;
得到桥梁桩基础的第k个单元刚度矩阵如下:
式(9)中:
4.根据权利要求3所述的一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,其特征在于:所述S3包括如下步骤:
S301:根据S206所得的桥梁桩基础模态应变能向量,利用极差法对其作标准化处理:
式(11)中:
式(12)中:
S302:依据S301所得标准化处理后的桥梁桩基础第j阶模态应变能向量,解算桥梁桩基础的高密度应变模态信息熵矢量g如下:
g=[g1,g2,…,gj,…,gN]st.j=1,2,…,N (13)
式(13)中:
gj为桥梁桩基础第j阶高密度应变模态的信息熵,且
式(14)中:
Yj,k为第j阶模态的第k个单元的比重系数,且:
S303:依据S302所得桥梁桩基础的高密度应变模态信息熵矢量,计算桥梁桩基础的高密度应变模态权重矢量w如下:
w=[w1,w2,…,wj,…,wN]st.j=1,2,…,N
式(16)中:
wj为桥梁桩基础第j阶高密度应变模态的权重系数,且
式(18)中:
S305:定义循环指标a,并利用该循环指标a,将S304所得的综合各阶模态的第j阶桥梁桩基础模态应变能向量拆分为如下两类应变能向量:
a=1,2,…,n-i-1 (22)
式(20)中:
L1为第一类应变能向量;
式(21)中:
L2为第二类应变能向量;
S306:根据S305拆分所得的第一类应变能向量以及第二类应变能向量,定义目标优化函数E如下:
E=|∑L1/a|-|∑L2/(n-i-a)| (23);
S307:当S306中所定义的目标函数最大时,输出循环指标a,进而构建当前采样时间点t下基于模态应变能的冲刷判别指标:
dt=a (24)。
5.根据权利要求4所述的一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法,其特征在于:所述S4包括如下步骤:
S401:在连续采样状态下,依据S307所得的当前采样时间点t下基于模态应变能的冲刷判别指标,建立连续采样状态下的冲刷判别指标数据集D如下:
D=[d1,d2,…,dt,…,dM] (25)
式(25)中:
M为连续采样状态下总共采样的次数;
S402:统计连续采样状态下冲刷判别指标数据集的概率分布模型,依据95%的保证率,取连续采样状态下冲刷判别指标数据集所对应的中位数,解算基于模态应变能的冲刷判别阈值ρ如下:
式(26)中:
d0.95t为连续采样状态下冲刷判别指标数据集取95%保证率的中位数;
式(27)中:
σd为连续采样状态下冲刷判别指标数据集的方差;
μd为连续采样状态下冲刷判别指标数据集的均值;
S403:依据S402所得的基于模态应变能的冲刷判别阈值,定义基于模态应变能的冲刷判别因子P如下:
当P=1时,则认为桥梁桩基础发生冲刷,否则认为桥梁桩基础未发生冲刷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211527481.2A CN115853035B (zh) | 2022-11-30 | 2022-11-30 | 一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211527481.2A CN115853035B (zh) | 2022-11-30 | 2022-11-30 | 一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115853035A true CN115853035A (zh) | 2023-03-28 |
CN115853035B CN115853035B (zh) | 2023-06-20 |
Family
ID=85668729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211527481.2A Active CN115853035B (zh) | 2022-11-30 | 2022-11-30 | 一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115853035B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117744454A (zh) * | 2024-02-21 | 2024-03-22 | 浙江华东测绘与工程安全技术有限公司 | 一种海工结构的等效冲刷深度预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344448A (zh) * | 2013-06-26 | 2013-10-09 | 中国路桥工程有限责任公司 | 一种桥梁结构损伤识别方法和系统 |
US20210404139A1 (en) * | 2020-06-29 | 2021-12-30 | Zhejiang University Of Technology | System for bridge scour multi-source monitoring, monitoring method thereof, and scour depth evaluating method thereof |
CN114693151A (zh) * | 2022-04-11 | 2022-07-01 | 哈尔滨工业大学 | 基于分布式应变空间相关性的桥梁桩基础状态诊断方法 |
-
2022
- 2022-11-30 CN CN202211527481.2A patent/CN115853035B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344448A (zh) * | 2013-06-26 | 2013-10-09 | 中国路桥工程有限责任公司 | 一种桥梁结构损伤识别方法和系统 |
US20210404139A1 (en) * | 2020-06-29 | 2021-12-30 | Zhejiang University Of Technology | System for bridge scour multi-source monitoring, monitoring method thereof, and scour depth evaluating method thereof |
CN114693151A (zh) * | 2022-04-11 | 2022-07-01 | 哈尔滨工业大学 | 基于分布式应变空间相关性的桥梁桩基础状态诊断方法 |
Non-Patent Citations (2)
Title |
---|
周计祥: "结构的应变模态识别研究和实验验证", 《结构的应变模态识别研究和实验验证》 * |
郎冠宇, 《基于动力学和SLDV的混凝土梁损伤识别方法研究》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117744454A (zh) * | 2024-02-21 | 2024-03-22 | 浙江华东测绘与工程安全技术有限公司 | 一种海工结构的等效冲刷深度预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115853035B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Research on recurrent neural network based crack opening prediction of concrete dam | |
WO2022000528A1 (zh) | 一种桥梁冲刷多源监测系统及其监测方法、冲深评定方法 | |
CN102829967B (zh) | 一种基于回归模型系数变化的时域故障识别方法 | |
CN109002673B (zh) | 一种基于车辆制动冲击作用的桥梁基础冲刷识别方法 | |
CN109543356A (zh) | 考虑空间非平稳性的海洋内部温盐结构遥感反演方法 | |
Bian et al. | Data-based model with EMD and a new model selection criterion for dam health monitoring | |
CN110863935B (zh) | 基于VGG16-SegUnet和dropout的海流机叶片附着物识别方法 | |
CN115496015B (zh) | 一种基于流量梯度变化的水动力分析决策方法 | |
CN105699849A (zh) | 一种基于量子行为粒子群优化算法的电压暂降估计方法 | |
Vaghefi et al. | A comparison among data mining algorithms for outlier detection using flow pattern experiments | |
CN113128098B (zh) | 基于de-lof的混凝土坝奇异值检测方法和设备 | |
CN114662358A (zh) | 一种通用型桥梁基础局部冲刷深度评估系统 | |
CN109255361B (zh) | 一种考虑不可行区域的潮汐流能发电场机组布局方法 | |
CN115853035B (zh) | 一种桥梁桩基础冲刷状态的高密度测点应变模态诊断方法 | |
CN112085354B (zh) | 一种基于车激动力响应互相关指标体系的桥梁基础冲刷诊断方法 | |
CN112183866A (zh) | 一种短时风速超越概率的预测方法及系统 | |
CN116738681A (zh) | 一种面向涉水桥墩的仿真模拟方法及系统 | |
CN114693151A (zh) | 基于分布式应变空间相关性的桥梁桩基础状态诊断方法 | |
CN115615696A (zh) | 一种基于声振信息融合的柴油机齿轮室故障诊断方法 | |
CN113049034A (zh) | 基于人工智能的大跨度桥梁桥墩支承结构健康智能监测方法 | |
Zhu et al. | Damage detection of pile foundations in marine engineering based on a multidimensional dynamic signature | |
CN116499532B (zh) | 基于水文模型构建的复杂海洋环境深水群桩施工监测系统 | |
CN110991730A (zh) | 一种基于神经网络的滨海核电站海洋致灾物量化预估方法 | |
CN114722130B (zh) | 一种基于gis系统的数字海洋海底电缆状态监控方法 | |
CN115588027B (zh) | 一种落石冲击力非接触式重构方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |