CN115879343A - 一种无砟轨道自密实混凝土脱空两阶段识别方法 - Google Patents
一种无砟轨道自密实混凝土脱空两阶段识别方法 Download PDFInfo
- Publication number
- CN115879343A CN115879343A CN202211607847.7A CN202211607847A CN115879343A CN 115879343 A CN115879343 A CN 115879343A CN 202211607847 A CN202211607847 A CN 202211607847A CN 115879343 A CN115879343 A CN 115879343A
- Authority
- CN
- China
- Prior art keywords
- damage
- compacting concrete
- self
- area
- stage
- 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
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供了一种无砟轨道自密实混凝土脱空两阶段识别方法,属于无砟轨道自密实混凝土脱空识别技术领域,该方法包括阶段I:通过分析轨道板表面均匀布置测点的振动响应规律,明确脱空损伤大致区域;阶段II:在损伤大致区域附近加密测点,采用与第一阶段相似的分析方法进一步缩小损伤范围。本发明利用D‑S证据融合理论,对获取的时域和频域内的损伤特征指标进行融合,采用包括损伤区域大致识别和精确识别的两阶段识别方法实现对自密实混凝土损伤区域的识别,该方法可降低识别过程的不确定性,有效提高损伤识别准确率和效率,在无砟轨道损伤识别领域具有一定的应用价值。
Description
技术领域
本发明属于无砟轨道自密实混凝土脱空识别技术领,尤其涉及一种无砟轨道自密实混凝土脱空两阶段识别方法。
背景技术
目前,研究人员采用多种检测技术和识别方法对无砟轨道结构常见的层间离缝(或脱空)和内部空洞等损伤进行了分析,主要包括探地雷达法、冲击回波法和瞬态冲击法等。探地雷达检测系统主要由数据采集、信号处理、图像解释3个部分组成,由于电磁波在无砟轨道多层结构中的反射/散射、材料分布不均匀及无砟道床密布钢筋对回波信号的影响,加之人工识图过程中存在的不确定因素,致使解译雷达图像较为困难,采用探地雷达的损伤识别精度较难保证。冲击回波法虽然具有可单面检测、检测结果直观、受钢筋影响小等优点,然而,现有的冲击回波法在应用于无砟轨道结构层间损伤识别过程中,仍面临着需要布置大量测点,导致检测效率不高等问题。瞬态冲击法是利用力锤敲击结构表面产生局部振动,通过分析结构振动响应信息,实现结构损伤判别,目前已广泛应用于无砟轨道层间损伤、隧道衬砌脱空、混凝土道路空洞、混凝土楼板缺陷及机场路面动刚度评估等检测方面。由于瞬态冲击法受钢筋影响较小,且通过合理布置测点可减少测点数量,提高检测速度。
目前,瞬态冲击法已在CRTS I型、II型板式无砟轨道层间损伤及隧道衬砌脱空等结构损伤识别中得到大量应用,但针对CRTS III型板式无砟轨道自密实混凝土的损伤问题还没有学者进行相关的识别研究,且现有的瞬态冲击法大多采用基于单一损伤特征指标的单阶段损伤识别方法,还没有采用指标融合技术和两阶段识别方法的研究文献。由于独立的指标可能导致识别结果的可靠度不高,致使该方法对较小范围内的损伤识别效率和准确率均较低。
然而,CRTSⅢ型板式无砟轨道是具有新型高速铁路无砟轨道结构体系,主要由轨道板、自密实混凝土层、底座板等组成。目前CRTS III型板式无砟轨道总体服役状态良好,但由于材料收缩、施工养护不当、环境温度及列车荷载等共同作用,部分区段的自密实混凝土仍出现了层间离缝,如图1所示。且随着线路运营时间的推移,离缝逐渐演变为脱空损伤,削弱了轨道结构的整体刚度,将有可能影响列车运行的平稳性和安全性。
发明内容
针对现有技术中的上述不足,本发明提供的一种无砟轨道自密实混凝土脱空两阶段识别方法,解决了现有技术中独立的指标导致识别结果的可靠度不高,致使对较小范围内的损伤识别效率和准确率均较低的问题。
为了达到以上目的,本发明采用的技术方案为:
本方案提供一种无砟轨道自密实混凝土脱空两阶段识别方法,包括以下步骤:
S1、构建含自密实混凝土脱空损伤的CRTS III型板式无砟轨道瞬态冲击有限元模型,获取轨道板表面测点的振动加速度响应;
S2、分别获取振动加速度响应在时域内的峰峰值和绝对均值、在频域内的平均幅值和最大幅值以及功率密度比值5个损伤指标,并进行归一化处理;
S3、利用归一化结果,构建证据体中每个焦元的基本信度,形成5个独立的证据体,并采用D-S证据理论对证据体进行融合,基于融合结果对测点损伤的有无进行第一阶段识别;
S4、基于第一阶段识别结果,在有损伤测点之间及四周固定范围内加密测点,针对加密测点振动加速度时域内的绝对均值、频域内的最大幅值及功率密度比值3个损伤指标,选取两加密测点之间的损伤指标变化率作为评价指标,基于评价指标的归一化值进行证据融合,并基于融合结果对测点损伤的有无进行第二阶段的识别;
S5、基于第二阶段识别结果,采用克里金插值法对脱空损伤进行成像分析,确定层间损伤区域,并计算损伤识别准确率,完成无砟轨道自密实混凝土脱空的两阶段识别。
本发明的有益效果是:本发明以CRTS III型板式无砟轨道自密实混凝土与轨道板脱空损伤为研究对象,提出了基于瞬态冲击振动响应指标融合的两阶段损伤识别方法,阶段I:通过分析轨道板表面均匀布置测点的振动响应规律,明确脱空损伤大致区域;阶段II:在损伤大致区域附近加密测点,采用与第一阶段相似的分析方法进一步缩小损伤范围,实现对自密实混凝土脱空损伤区域的精确识别,以期对板式无砟轨道结构层间损伤识别提供一定的指导意见,解决了现有技术中独立的指标导致识别结果的可靠度不高,致使对较小范围内的损伤识别效率和准确率均较低的问题。
进一步地,所述CRTS III型板式无砟轨道瞬态冲击有限元模型包括采用绑定约束的轨道板、自密实混凝土和底座板,且将底座板面积换算为采用全约束的接地弹簧。
再进一步地,所述CRTS III型板式无砟轨道瞬态冲击有限元模型中施加的瞬态冲击荷载采用半正弦脉冲模拟:
其中,F(t)表示瞬态冲击荷载,Fmax表示激励力最大幅值,tc表示激励力的作用时间,t表示时间。
上述进一步方案的有益效果是:本发明通过构建瞬态冲击荷载作用下含自密实混凝土损伤的板式轨道数值仿真模型,以获取结构振动响应数据,
再进一步地,所述步骤S2中功率密度比值的表达式如下:
其中,k表示测点振动加速度响应的功率密度比值,N1和Pi分别表示振动加速度频谱中0-fHz范围内的离散点总数和第i个离散点对应的峰值,N2和Qj分别表示振动加速度频谱中fHz-10000Hz范围内的离散点总数和第j个离散点对应的峰值,i表示频谱中0-fHz范围内离散点的序号,j表示频谱中fHz-10000Hz范围内离散点的序号。
上述进一步方案的有益效果是:本发明通过计算得到功率密度比值,并结合对振动加速度的频谱分析,以实现对各测点是否属于损伤区域的定量化判别。
再进一步地,所述步骤S3中基本信度的表达式如下:
其中,mn(Al)表示第n条证据中焦元Al的基本信度,n=1,2,...,5,分别对应5条证据,焦元Al(l=1,2)表示测点是否有损伤,A1表示有损伤,A2表示无损伤,zn(A1)表示由测点振动加速度响应计算的归一化时域内的峰峰值和绝对均值、频域内的平均幅值和最大幅值以及功率密度比值,且zn(A2)=1-zn(A1),zn(A2)表示无损伤对应的各项损伤特征指标的归一化数值,n表示证据序号,l表示焦元序号。
上述进一步方案的有益效果是:本发明根据板式无砟轨道层间脱空损伤实际问题,利用测点振动响应在时域和频域内的损伤特征指标归一化数值构造证据体中每个焦元的基本信度,有效地避免了在证据理论中构造基本信度分配函数的主观性和复杂性。
再进一步地,所述步骤S4中评价指标的表达式如下:
其中,ri',j'表示测点Ti',j'的特征指标变化率,xi',j'和xi',j'+1分别表示第i'排的测点Ti',j'和Ti',j'+1对应的损伤特征指标数值,i'表示加密区域某一测点所在的排数序号,j'表示加密区域某一测点在一排内的测点序号。
上述进一步方案的有益效果是:本发明通过第一阶段的识别,选择剩下的时域绝对值和频域最大幅值及功率密度比值进行分析,同时考虑加密区域内测点间距较小,各项操作特征指标的数值相差不大,因此将两测点之间的特征指标变化率作为评价指标,为第二阶段测点损伤有无识别提供前提条件。
再进一步地,所述步骤S5中损伤识别准确率的表达式如下:
其中,η表示损伤识别准确率,S表示真实的损伤区域面积,Sin表示真实损伤区域内中预测的损伤概率大于阈值的面积,Sout表示真实损伤区域外部中预测的损伤概率大于阈值的面积。
上述进一步方案的有益效果是:本发明通过计算得到损伤识别准确率,以综合考虑真实损伤区域内部和外部被识别为损伤面积的大小,进一步提高损伤识别率。
附图说明
图1为背景技术中自密实混凝土与轨道板层间离缝示意图。
图2为本发明的方法流程图。
图3为本实施例中CRTS III型板式无砟轨道瞬态冲击有限元模型示意图。
图4为本实施例中测点布置示意图。
图5为本实施例中不同测点的垂向加速度时程曲线示意图。
图6为本实施例中不同测点振动加速度的时域峰峰值和绝对均值示意图。
图7为本实施例中不同测点的加速度频谱示意图。
图8为本实施例中不同测点振动加速度的频域均值和最大幅值示意图。
图9为本实施例中不同测点的功率密度比值示意图。
图10为本实施例中损伤特征指标融合流程图。
图11为本实施例中不同测点的损伤特征指标融合结果示意图。
图12为本实施例中测点振动加速度响应的指标融合结果示意图。
图13为本实施例中加密测点布置示意图。
图14为本实施例中损伤特征指标变化率归一化值示意图。
图15为本实施例中指标融合结果示意图。
图16为本实施例中加密区域内m(1)的分布示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例
如图2所示,本发明提供了一种无砟轨道自密实混凝土脱空两阶段识别方法,其实现方法如下:
S1、构建含自密实混凝土脱空损伤的CRTS III型板式无砟轨道瞬态冲击有限元模型,获取轨道板表面测点的振动加速度响应,CRTS III型板式无砟轨道瞬态冲击有限元模型包括采用绑定约束的轨道板、自密实混凝土和底座板,且将底座板面积换算为采用全约束的接地弹簧。
本实施例中,当CRTS III型板式无砟轨道存在脱空损伤时,损伤区域内轨道结构刚度降低,在外部荷载激励下轨道板表面不同位置的振动响应变化规律不同。为获取结构振动响应数据,本发明建立了瞬态冲击荷载作用下含自密实混凝土损伤的板式轨道数值仿真模型。该CRTS III型板式无砟轨道瞬态冲击有限元模型包括采用绑定约束的轨道板、自密实混凝土和底座板,且将底座板面积换算为采用全约束的接地弹簧。
本实施例中,利用ABAQUS有限元软件建立含自密实混凝土脱空损伤的CRTSⅢ型板式无砟轨道瞬态冲击有限元模型,为简化模型以提高计算效率,忽略钢轨、扣件及轨枕对计算分析的影响,模型主要由轨道板、自密实混凝土、底座板等部件组成,其中轨道板与自密实混凝土、底座板与自密实混凝土之间均采用绑定约束,路基基础支承刚度取为76MPa/m,由底座板面积换算为接地弹簧,接地弹簧采用全约束。为消除边界条件影响,建立3块轨道板,以中间轨道板为研究对象,在中间的自密实混凝土层中心人为设置1.0m×1.0m的脱空区域,并假定自密实混凝土沿厚度方向完全损伤。轨道部件采用C3D8R单元模拟,轨道板、自密实混凝土及底座板的网格尺寸分别为0.1m、0.05m和0.2m,共计43317个单元,计算模型和轨道结构相关参数分别如图3和表1所示,表1为CRTS III型板式无砟轨道模型参数。
表1
本实施例中,CRTS III型板式无砟轨道瞬态冲击有限元模型中施加的瞬态冲击荷载采用半正弦脉冲模拟:
其中,F(t)表示瞬态冲击荷载,Fmax表示激励力最大幅值,取40kN,tc表示激励力的作用时间,取0.001s,t表示时间。
本实施例中,为分析CRTSⅢ型板式无砟轨道在损伤状态下轨道板表面不同位置的振动响应特征,同时避免测点与实际轨枕、钢轨区域重叠,测点沿中间轨道板纵向依次布置在两块轨枕中间,间距为0.63m,沿轨道板横向每隔0.25m布置一个测点,如图4所示,图中钢轨与轨枕仅用作示意,在模型计算中未考虑。由于模型的对称性,本发明仅分析轨道板表面四分之一区域内测点振动响应的变化规律,通过在不同测点施加瞬态冲击荷载,考虑到在实际测试过程中,采集加速度信号更为方便,故本发明采集距冲击点0.1m处的加速度响应,采样时间间隔为10-6s,然后提取损伤特征指标对测点是否存在损伤进行识别。
S2、分别获取振动加速度响应在时域内的峰峰值和绝对均值、在频域内的平均幅值和最大幅值以及功率密度比值5个损伤指标,并进行归一化处理;
本实施例中,本发明通过分析测点振动加速度在时域和频域内的变化规律,提取损伤特征指标,为下一步的损伤区域的大致识别做准备。
本实施例中,按照图4的测点布置,依次在各测点处施加冲击荷载,提取各点的加速度响应,得到不同测点的振动响应时程曲线沿轨道板横向和纵向的分布规律如图5所示,图5中,图5(a)为纵向分布规律图,图5(b)为横向分布规律图。由图5可知,沿轨道板纵向,脱空区域内测点1的振动加速度显著高于未损伤区域的测点2~4;沿轨道板横向,脱空区域内测点1和5的振动加速度显著高于未损伤区域的测点9和13。这是因为在自密实混凝土发生脱空损伤后,其刚度下降,导致脱空区域测点的振动响应比未脱空区域的测点更强烈。通过对振动加速度响应的损伤特征指标进行敏感性分析后,选取对自密实混凝土脱空损伤较为敏感的峰峰值和绝对均值进行归一化处理,结果如图6所示。由图6可知,在对16个测点的加速度时域特征指标进行归一化处理后,损伤区域的测点1和5对应的数值明显高于其余测点。其中,对于峰峰值,测点1和5接近1,其余测点的归一化值均低于0.5;对于绝对均值,测点1和5分别为1和0.62,其余测点的归一化值均低于0.2。当损伤特征指标判断阈值取为0.6时,利用加速度的峰峰值和绝对均值均可准确识别出损伤区域内的测点1和5,但测点5的绝对均值归一化值接近阈值,可能会有误判风险。
本实施例中,由于结构振动信号的某些信息在时域范围较难获得,为进一步挖掘振动信号中隐含的损伤信息,本发明利用傅里叶变换将信号从时域转换到频域,得到不同测点的加速度振动响应在0~10000Hz内的频谱曲线分布规律如图7所示,图7(a)为纵向分布规律图,图7(b)为横向分布规律图,由图6可知,脱空损伤区域的测点1、5的峰值频率主要在1000Hz左右,其余测点在1000Hz~8000Hz内出现了多个幅值相对较低的峰值。脱空区域内的测点振动加速度频谱峰值显著大于未损伤区域内的测点,这是由于自密实混凝土脱空损伤改变了轨道板原有的良好支撑条件,造成轨道板的振动加速度增大,表现为加速度频谱图中损伤区域内的测点峰值大于未损伤区域内的测点。将各测点振动加速度响应频域内的平均幅值和最大幅值进行归一化处理,结果如图8所示。由图8可知,在对16个测点的加速度频域特征指标进行归一化处理后,损伤区域的测点1和5对应的数值明显高于其余测点。其中,对于平均幅值,测点1和5分别为1和0.88,其余测点的归一化值均低于0.55;对于最大幅值,测点1和5分别为1和0.55,其余测点的归一化值均低于0.1。当损伤特征指标判断阈值取为0.6时,利用加速度的平均幅值可准确识别出损伤区域内的测点1和5,但利用加速度的最大幅值仅能准确识别测点1,会将损伤测点5误判为未损伤测点。
本实施例中,为了进一步实现对各测点是否属于损伤区域的定量化判别,基于速度和加速度的频谱分析,按照下式计算不同测点的功率密度比值:
其中,k表示测点振动加速度响应的功率密度比值,N1和Pi分别表示振动加速度频谱中0-fHz范围内的离散点总数和第i个离散点对应的峰值,N2和Qj分别表示振动加速度频谱中fHz-10000Hz范围内的离散点总数和第j个离散点对应的峰值,i表示频谱中0-fHz范围内离散点的序号,j表示频谱中fHz-10000Hz范围内离散点的序号。
本实施例中,计算得到在f取2000、3000、4000和5000Hz条件下,各测点振动加速度响应的功率密度比值并进行归一化处理,结果如图9所示,由图9可知,在不同频率下不同测点的功率密度比值归一化值变化规律基本一致,其中当f取2000Hz时,损伤和未损伤区域内的测点之间的数值相差更大,更有利于损伤识别,但取损伤判定阈值为0.6时,采用功率密度比值仅能准确识别测点1,损伤测点5会被误判为无损伤。
S3、利用归一化结果,构建证据体中每个焦元的基本信度,形成5个独立的证据体,并采用D-S证据理论对证据体进行融合,基于融合结果对测点损伤的有无进行第一阶段识别;
本实施例中,基于上述的归一化结果,进行损伤区域两阶段识别。
本实施例中,由上述分析可知,在对测点进行有无损伤的判别时,采用单一的振动响应特征指标可能会有误判风险,为提高识别的稳定性和准确性,本发明基于D-S证据理论对测点损伤特征指标进行融合,实现对自密实混凝土脱空损伤区域的大致识别,完成识别阶段I,然后对损伤大致区域进行测点加密,采用相同的指标融合方法,进一步缩小损伤范围,完成识别阶段II。证据融合步骤主要包括:首先利用测点振动加速度响应的时域内的峰峰值、绝对均值,频域内的平均幅值、最大幅值,以及功率密度比值的归一化结果,构造基本信度分配并形成证据体;然后采用D-S证据理论的融合规则对证据进行融合,最终获得融合识别结果,准确判别测点损伤的有无,融合流程如图10所示。
本实施例中,D-S证据理论是一套处理不确定信息的数学理论,目前已广泛应用于故障诊断、人工智能及系统决策等领域。在证据理论中,辨识框架被定义为由多个两两互斥的元素组成的有限完备集合,同一个辨识框架下,设2个独立证据的基本可信度分配函数分别为m1和m2,对应的焦元分别为B1,B2,...,BN和C1,C2,...,CH,利用Dempster组合规则得到证据融合后焦元新的可信度,表示为:
其中,m表示基本信度分配函数,m(A)表示对象A的基本信度,表示空集,为冲突系数,用来衡量证据之间的冲突程度。多次利用上述组合规则可实现对多条证据的融合,本发明为避免证据间的高度冲突导致无法融合,采用基于证据关联系数的加权平均融合方法对证据体的可信度进行修正。
本实施例中,根据板式无砟轨道层间脱空损伤实际问题,利用测点振动响应在时域和频域内的损伤特征指标归一化数值构造证据体中每个焦元的基本信度,避免了在证据理论中构造基本信度分配函数的主观性和复杂性,计算公式如下:
其中,mn(Al)表示第n条证据中焦元Al的基本信度,n=1,2,...,5,分别对应5条证据,焦元Al(l=1,2)表示测点是否有损伤,A1表示有损伤,A2表示无损伤,zn(A1)表示由测点振动加速度响应计算的归一化时域内的峰峰值和绝对均值、频域内的平均幅值和最大幅值以及功率密度比值,且zn(A2)=1-zn(A1),zn(A2)表示无损伤对应的各项损伤特征指标的归一化数值,n表示证据序号,l表示焦元序号。
本实施例中,关于第一阶段损伤识别:本发明利用16个测点的振动加速度响应,采样D-S融合理论对时域内的峰峰值、绝对均值,频域内的平均幅值、最大幅值,以及功率密度比值进行融合,确定测点是否属于损伤区域,以此完成阶段I的损伤区域大致识别,为下一步的精确识别做准备。计算得到沿轨道板纵向测点1~4和横向测点1、5、9和13的融合结果,如图11所示,图中m(1)和m(2)分别表示测点损伤和未损伤的基本信度,指标序号1~6分别对应测点1的时域峰峰值、时域绝对均值、频域平均幅值、最大幅值、功率密度比值及融合指标,其余特征序号的对应规则与测点1一致,图11中,图11(a)为纵向指标融合结果示意图,图11(b)为纵向指标融合结果示意图。由图11(a)可知,对于测点1,前6项损伤特征指标的有损伤基本信度m(1)均在1附近波动,经证据融合后,其融合指标的m(1)增加至1,由此判断该测点为有损伤。对于测点2~4,前6项损伤特征指标的m(1)均在0~0.5波动,经证据融合后,其融合指标的m(1)均降低至约为0,说明这3个测点为无损伤。由图11(b)可知,除测点5的时域绝对均值、频域平均幅值及功率密度比值对应的m(1)和m(2)均在0.5附近,其余测点的前5项损伤特征指标的m(1)与m(2)差值较大,基于证据融合得到的特征指标的有损伤基本信度可识别出测点1和5有损伤,测点9和13无损伤。
本实施例中,进一步计算得到16个测点的损伤特征融合结果,如图12所示。由图12可知,通过对5项损伤指标进行证据融合后,对于损伤区域的测点1和5,有损伤的基本信度m(1)约为1,无损伤的基本信度m(2)约为0;对于无损伤区域的测点,融合结果与损伤测点相反。当阈值取为0.6时,均可准确识别测点损伤的有无,且相较于采用单一损伤指标,融合指标可充分利用不同损伤指标的互补信息,使测点有无损伤的基本信度差别被放大,更有利于测点的损伤识别。
S4、基于第一阶段识别结果,在有损伤测点之间及四周固定范围内加密测点,针对加密测点振动加速度时域内的绝对均值、频域内的最大幅值及功率密度比值3个损伤指标,选取两加密测点之间的损伤指标变化率作为评价指标,基于评价指标的归一化值进行证据融合,并基于融合结果对测点损伤的有无进行第二阶段的识别;
本实施例中,基于第一阶段识别结果,进行第二阶段损伤区域精确识别。
本实施例中,上述分析结果表明仅测点1和5有损伤,为进一步缩小损伤区域,在测点1、2、9和12围成的区域内加密测点,横向和纵向的测点间距均取10cm,共42个测点,如图13所示,其中测点T1~T7为第一排,其余测点依次对应第2~第6排。考虑到测点间距变小,为了使提取的振动响应能充分体现敲击点的损伤特性,在荷载激励位置提取振动响应,基于振动响应判断加密测点的损伤情况。
本实施例中,通过对42个测点振动加速度的损伤特征指标的分析发现,加速度响应的时域峰峰值和频域内的平均幅值对加密测点的损伤不敏感,因此本发明选择剩下的时域绝对均值和频域最大幅值及功率密度比值进行分析。同时考虑到加密区域内测点间距较小,各项损伤特征指标的数值相差不大,因此选择将两点之间的特征指标变化率作为评价指标,计算公式如下:
其中,ri',j'表示测点Ti',j'的特征指标变化率,xi',j'和xi',j'+1分别表示第i'排的测点Ti',j'和Ti',j'+1对应的损伤特征指标数值,i'表示加密区域某一测点所在的排数序号,j'表示加密区域某一测点在一排内的测点序号。当ri',j'对应的归一化数值大于设定的阈值时,则判断测点Ti',j'有损伤,否则为无损伤,利用损伤特征指标变化率可对加密区域每排的前6个测点进行识别,共计36个指标变化率数值。
本实施例中,首先对加密区域内所有测点的损伤特征指标变化率分别进行归一化处理,然后利用D-S证据理论对3项损伤特征指标进行融合,融合结果表明:第1~4排的前两个测点的有损伤的可信度m(1)均大于阈值0.6,由此判断为有损伤。然而,第5排和第6排的所有测点的有损伤的可信度m(1)均小于0.2,由此判断为未损伤,出现识别错误。因此考虑到加密区域内测点到损伤中心的不同距离会对损伤特征指标归一化产生较大影响,致使部分测点出现损伤误判。因此,下面以每排测点振动加速度对应的损伤特征指标变化率分别进行归一化,然后对每排的3项损伤特征指标分别进行融合。得到每排的损伤特征指标变化率归一化值如图14所示,对应的融合结果如图15所示。由图14可知,每排的损伤特征指标变化率归一化值变化趋势基本一致,根据单个损伤特征指标归一化值基本可以把每排的前两个有损伤的测点识别出来。经过指标融合后,由图15可知,每排的前两个测点的有损伤的可信度m(1)均约为1,大于阈值0.6,说明测点为有损伤。其余测点的有损伤的可信度m(1)基本小于0.2,小于阈值,说明测点为无损伤。
本实施例中,为进一步明确损伤区域的大小,以测点的平面位置信息为X和Y轴、有损伤的可信度m(1)为Z轴,采用克里金插值法对脱空进行成像,结果如图16(a)所示,将加密区域内的m(1)的三维分布进行二维投影,如图16(b)所示,图16(a)为三维分布示意图,图16(b)为二维缺陷成像示意图。由图16(a)可知,在加密区域纵向方向0~0.1部分,有损伤的可信度m(1)均大于0.8,表面此区域有损伤。随着纵向距离的增大,m(1)逐渐减小,在纵向距离大于0.2之后,m(1)基本不变,其值小于0.2。此外,相同纵向位置,m(1)沿着横向方向的变化较小。由图16(b)可知,取有损伤的可信度m(1)为0.6的曲线为识别的损伤边界,计算可得m(1)大于0.6的区域面积约为0.075m2。综合考虑真实损伤区域内部和外部中被识别为损伤的面积大小,提出了识别准确率的计算方法。根据下式计算可得识别准确率为81.1%,识别准确率较高。由此说明本发明提出的基于瞬态冲击振动响应的两阶段识别方法是准确合理的。
其中,η表示损伤识别准确率,S表示真实的损伤区域面积,Sin表示真实损伤区域内中预测的损伤概率大于阈值的面积,Sout表示真实损伤区域外部中预测的损伤概率大于阈值的面积。
S5、基于第二阶段识别结果,采用克里金插值法对脱空损伤进行成像分析,确定层间损伤区域,并计算损伤识别准确率,完成无砟轨道自密实混凝土脱空的两阶段识别。
本实施例中,为了探究自密实混凝土不同损伤程度对损伤识别效果的影响,计算在自密实混凝土不同脱空厚度下的损伤识别准确率,取自密实混凝土与轨道板的脱空厚度为18mm、36mm、54mm、72mm,分别对应脱空程度为20%、40%、60%及80%,其余设置与脱空100%相同。分析可得在阶段I的识别中,对于不同自密实混凝土损伤程度均可识别出测点1和5,因此按照图13中加密测点的布置方案,计算不同损伤程度下加密测点的振动加速度,根据上述阶段II识别步骤,得到不同损伤工况下对应的损伤识别准确率,如表2所示,表2为不同损伤程度下识别准确率。
表2
损伤程度 | S<sub>in</sub>(m<sup>2</sup>) | S<sub>out</sub>(m<sup>2</sup>) | 识别准确率η |
20% | 0.062 | 0.029 | 35.7% |
40% | 0.071 | 0.027 | 47.6% |
60% | 0.090 | 0.025 | 70.3% |
80% | 0.093 | 0.022 | 76.7% |
100% | 0.075 | 0.000 | 81.1% |
由表2可知,当自密实混凝土脱空损伤程度较小时(20%和40%),损伤识别准确率较低,低于50%。当层间脱空损伤程度逐渐增大时(60%和80%),损伤识别准确率得到提高,分别为70.3%和76.7%。由此说明本发明提出的识别方法对层间脱空程度较小的识别准确率相对较低,适合层间损伤程度较大的脱空识别。
本发明通过以上设计,针对CRTS III型板式无砟轨道自密实混凝土与轨道板脱空损伤,通过提取瞬态冲击荷载作用下轨道板表面测点的振动加速度响应,根据时域和频域内响应的变化规律,获取对脱空敏感的损伤特征指标,采用D-S证据理论对指标进行融合,利用两阶段识别方法实现对板式无砟轨道层间脱空区域较为准确的识别,主要结论如下:
(1)当自密实混凝土发生损伤时,损伤位置的局部刚度降低,引起对应测点加速度响应的时域峰峰值、绝对均值,频域内的平均幅值、最大幅值,以及功率密度比值出现突变,可用于损伤识别,但采用单一指标对测点损伤有无的判别可能会产生误判,准确率难以保证。
(2)利用证据理论对损伤指标进行融合后,可充分利用多种损伤指标的互补信息,降低了识别过程的不确定性,当脱空损伤程度小于50%时,结合“大致识别”和“精确识别”的两阶段识别方法得到脱空识别准确率较低,当脱空损伤程度大于50%时,利用本文的两阶段识别方法得到脱空识别准确率约在70%~80%,识别效果较好。本发明可降低识别过程的不确定性,有效提高损伤识别准确率,该识别方法能为无砟轨道科学的养护维修提供理论支撑。
Claims (7)
1.一种无砟轨道自密实混凝土脱空两阶段识别方法,其特征在于,包括以下步骤:
S1、构建含自密实混凝土脱空损伤的CRTS III型板式无砟轨道瞬态冲击有限元模型,获取轨道板表面测点的振动加速度响应;
S2、分别获取振动加速度响应在时域内的峰峰值和绝对均值、在频域内的平均幅值和最大幅值以及功率密度比值5个损伤指标,并进行归一化处理;
S3、利用归一化结果,构建证据体中每个焦元的基本信度,形成5个独立的证据体,并采用D-S证据理论对证据体进行融合,基于融合结果对测点损伤的有无进行第一阶段识别;
S4、基于第一阶段识别结果,在有损伤测点之间及四周固定范围内加密测点,针对加密测点振动加速度时域内的绝对均值、频域内的最大幅值及功率密度比值3个损伤指标,选取两加密测点之间的损伤指标变化率作为评价指标,基于评价指标的归一化值进行证据融合,并基于融合结果对测点损伤的有无进行第二阶段的识别;
S5、基于第二阶段识别结果,采用克里金插值法对脱空损伤进行成像分析,确定层间损伤区域,并计算损伤识别准确率,完成无砟轨道自密实混凝土脱空的两阶段识别。
2.根据权利要求1所述的无砟轨道自密实混凝土脱空两阶段识别方法,其特征在于,所述CRTS III型板式无砟轨道瞬态冲击有限元模型包括采用绑定约束的轨道板、自密实混凝土和底座板,且将底座板面积换算为采用全约束的接地弹簧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211607847.7A CN115879343B (zh) | 2022-12-14 | 2022-12-14 | 一种无砟轨道自密实混凝土脱空两阶段识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211607847.7A CN115879343B (zh) | 2022-12-14 | 2022-12-14 | 一种无砟轨道自密实混凝土脱空两阶段识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115879343A true CN115879343A (zh) | 2023-03-31 |
CN115879343B CN115879343B (zh) | 2023-08-01 |
Family
ID=85767479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211607847.7A Active CN115879343B (zh) | 2022-12-14 | 2022-12-14 | 一种无砟轨道自密实混凝土脱空两阶段识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879343B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079145A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路状况综合评价方法、电子设备及存储介质 |
CN117630174A (zh) * | 2024-01-25 | 2024-03-01 | 中国铁路设计集团有限公司 | 板式混凝土多通道-多自由度脉冲波无损检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
-
2022
- 2022-12-14 CN CN202211607847.7A patent/CN115879343B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
Non-Patent Citations (5)
Title |
---|
曾滨;周臻;张庆方;许庆;: "基于数据融合的张弦桁架多位置损伤识别与抗噪性分析", 建筑结构学报, no. 1 * |
曾滨;周臻;张庆方;许庆;孟少平;: "基于数据融合的张弦桁架损伤识别方法与试验研究", 土木工程学报, no. 08 * |
杨佑发;谭曦;程亚鹏;: "一种两阶段框架结构损伤诊断方法", 铁道工程学报, no. 05 * |
牛维枫;曹晖;: "改进粒子群算法的两阶段梁式结构损伤识别", 土木建筑与环境工程, no. 06 * |
郭惠勇;王磊;李正良;: "基于改进PSO算法的两阶段损伤识别方法", 西南交通大学学报, no. 06 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079145A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路状况综合评价方法、电子设备及存储介质 |
CN117079145B (zh) * | 2023-10-17 | 2024-03-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路状况综合评价方法、电子设备及存储介质 |
CN117630174A (zh) * | 2024-01-25 | 2024-03-01 | 中国铁路设计集团有限公司 | 板式混凝土多通道-多自由度脉冲波无损检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115879343B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112462346B (zh) | 一种基于卷积神经网络的探地雷达路基病害目标检测方法 | |
CN115879343A (zh) | 一种无砟轨道自密实混凝土脱空两阶段识别方法 | |
CN102360525B (zh) | 基于判别分析的快速道路实时交通事故风险预测方法 | |
CN111754463B (zh) | 一种基于卷积神经网络的无砟轨道ca砂浆层缺陷检测方法 | |
CN111476088B (zh) | 沥青路面水损害识别模型构建方法、识别方法及系统 | |
CN113009447B (zh) | 基于深度学习和探地雷达的道路地下空洞检测预警方法 | |
CN113256562B (zh) | 基于雷达图像和人工智能的道路地下隐患检测方法和系统 | |
Zhang et al. | Subway tunnel damage detection based on in-service train dynamic response, variational mode decomposition, convolutional neural networks and long short-term memory | |
CN104732013A (zh) | 一种单车通过多梁式桥梁的车辆荷载识别方法 | |
CN114675261B (zh) | 一种基于探地雷达的城市地下病害体全生命周期管理方法 | |
CN107957259A (zh) | 轮迹横向分布测量系统及测量方法 | |
CN103438794A (zh) | 一种基于压电传感网络的工程结构冲击位置确定方法 | |
Liu et al. | Deep learning based identification and uncertainty analysis of metro train induced ground-borne vibration | |
CN115755193A (zh) | 路面结构内部病害识别方法 | |
CN108562639A (zh) | 一种埋地钢质管道全生命周期缺陷外检测方法 | |
Liu et al. | Turning telecommunication fiber-optic cables into distributed acoustic sensors for vibration-based bridge health monitoring | |
Xiong et al. | Automatic detection and location of pavement internal distresses from ground penetrating radar images based on deep learning | |
Wang et al. | A method for the damage detection of pile foundation in high-pile wharf based on a curvature mode deletion model | |
CN112859073B (zh) | 一种基于PSInSAR技术的道路破损评估方法 | |
CN115290133A (zh) | 一种轻轨站台连接处轨道结构监测方法和系统 | |
CN113447570A (zh) | 一种基于车载声学传感的无砟轨道病害检测方法及系统 | |
Lesiak et al. | Algorithm for the extraction of selected rail track ballast degradation using machine vision | |
Tan et al. | An extended bridge weigh-in-motion system without vehicular axles and speed detectors using nonnegative lasso regularization | |
Liang et al. | Classification of External Vibration Sources through Data-Driven Models Using Hybrid CNNs and LSTMs | |
CN117540178B (zh) | 一种隧道衬砌内部空洞病害评估方法及系统 |
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 |