CN116577055A - 基于多源传感数据的桥梁状态评估方法及系统 - Google Patents
基于多源传感数据的桥梁状态评估方法及系统 Download PDFInfo
- Publication number
- CN116577055A CN116577055A CN202310843137.2A CN202310843137A CN116577055A CN 116577055 A CN116577055 A CN 116577055A CN 202310843137 A CN202310843137 A CN 202310843137A CN 116577055 A CN116577055 A CN 116577055A
- Authority
- CN
- China
- Prior art keywords
- span
- bridge
- response signal
- detected
- damage index
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 108
- 230000004044 response Effects 0.000 claims abstract description 178
- 230000006378 damage Effects 0.000 claims abstract description 162
- 238000000034 method Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 28
- 230000033001 locomotion Effects 0.000 claims abstract description 20
- 230000036541 health Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 4
- 230000001953 sensory effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005195 poor health Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000005452 bending Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004643 material aging Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
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
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- G01M7/02—Vibration-testing by means of a shake table
- G01M7/025—Measuring arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Bridges Or Land Bridges (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本申请公开了一种基于多源传感数据的桥梁状态评估方法及系统,涉及桥梁信息监测领域,包括:在检测车辆经过待检测桥跨的过程中利用基准跨上无线传感器采集得到第一响应信号,利用检测车辆上移动传感器采集得到第二响应信号;基于预设模态识别算法对第一响应信号以及第二响应信号处理得到第一模态参数和第二模态参数;根据第一模态参数和第二模态参数确定基准损伤指标和待检测桥跨的初始损伤指标,并根据基准损伤指标计算出评估阈值范围;基于评估阈值范围以及初始损伤指标确定出与待检测桥跨对应的评估结果。这样一来,本申请避免了在桥跨上布置大量传感器,能够降低成本,并且结合无线传感器和移动传感器可以提高桥梁状态评估的精度。
Description
技术领域
本发明涉及桥梁信息监测领域,特别涉及一种基于多源传感数据的桥梁状态评估方法及系统。
背景技术
作为服务于城市内部或相邻城市之间的轨道交通运输系统,轨道交通系统有相当一部分由桥梁构成。桥梁在服役期间,受到交通荷载、环境荷载等诸多因素的综合作用,在这些因素的长期影响下,桥梁结构将不可避免的产生材料老化,损伤累积等各种各样的损伤,严重影响了桥梁的服役性能,需要对其进行检测并加以养护。
对于结构动力信号的采集,需借助于传感技术。常见的传感技术有两种,有线传感器和无线传感器。有线传感技术较为成熟,信号传输质量较高,然而布线麻烦、更换以及安装传感器较为困难,而无线传感器的出现巧妙的解决了这些问题,在桥梁检测中有着很好的应用前景。此外,随着通讯技术的发展,移动传感的投入使用,进一步为桥梁检测工作人员的工作带来了便捷。对于结构模态参数的辨识可分为频域、时域以及时频域的方法,且技术手段较为成熟,目前已经在工程中有较为广泛的应用。
然而,传统的在全线桥跨结构布置大量无线传感器的方法人工成本高,而车载移动传感识别模态精度低的问题亟待解决。
发明内容
有鉴于此,本发明的目的在于提供一种基于多源传感数据的桥梁状态评估方法及系统,可以降低人工成本,并且可以提高桥梁状态评估的精确度。其具体方案如下:
第一方面,本申请提供了一种基于多源传感数据的桥梁状态评估方法,包括:
在检测车辆经过待检测桥跨的过程中,利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,以及利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号;所述基准跨为所述待检测桥跨上的满足预设服役状态的桥跨;
基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数以及与所述待检测桥跨对应的第二模态参数;
根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标和所述待检测桥跨中各个桥跨的初始损伤指标,并根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围;
基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果。
可选的,所述利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,包括:
当所述检测车辆经过所述基准跨时,通过所述基准跨上的无线传感器采集所述基准跨的强迫振动信号,并在所述检测车辆驶离所述基准跨后,通过所述无线传感器采集所述基准跨的自由振动信号;
基于所述强迫振动信号和所述自由振动信号得到所述第一响应信号。
可选的,所述利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号,包括:
在所述检测车辆经过所述待检测桥跨的过程中,利用所述检测车辆上预先安装的移动传感器采集所述检测车辆的反映所述待检测桥跨中各个桥跨状况的动力响应信号,以得到所述第二响应信号。
可选的,所述基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数以及与所述待检测桥跨对应的第二模态参数,包括:
根据预设模态识别算法对所述第一响应信号以及所述第二响应信号进行处理,并结合与桥跨对应的预设局部等效振型距离对得到的处理结果再次处理以得到与所述基准跨的等效振型对应的所述第一模态参数以及与所述待检测桥跨的等效振型对应的所述第二模态参数。
可选的,所述基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理之前,还包括:
基于预设自编码神经网络对所述第二响应信号进行处理得到与桥梁自振特性对应的频响信号;
相应的,所述基于预设模态识别算法对所述第二响应信号进行处理,包括:
根据所述预设模态识别算法对所述频响信号进行处理,以得到与所述待检测桥跨对应的所述第二模态参数。
可选的,所述根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标和所述待检测桥跨中各个桥跨的初始损伤指标,包括:
基于Rayleigh法分别利用所述第一模态参数和所述第二模态参数中的振型信息以及频率信息构造出与所述基准跨对应的所述基准损伤指标以及与所述待检测桥跨中各个桥跨对应的所述初始损伤指标。
可选的,所述根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围,包括:
计算与所述基准跨对应的初始损伤指标与所述基准损伤指标之间的差值;
基于所述基准损伤指标以及所述差值构造出所述评估阈值范围。
可选的,所述基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果,包括:
判断所述待检测桥跨中各个桥跨对应的初始损伤指标是否在所述评估阈值范围内;
若是,则判定与所述初始损伤指标对应的桥跨的评估结果为良好;
若否,则判定与所述初始损伤指标对应的桥跨的评估结果为差。
可选的,所述基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果之后,还包括:
从与所述待检测桥跨对应的所述评估结果中筛选出被判定为健康状况差的若干个目标桥跨;
在所述目标桥跨上布置无线传感器,并在检测车辆经过所述目标桥跨时通过所述目标桥跨上的无线传感器采集所述目标桥跨的响应信号,以得到第三响应信号;
通过预设模态识别算法对所述第三响应信号进行处理以得到相应的第三模态参数,并基于所述第三模态参数、所述评估阈值范围以及通过所述第一模态参数和所述第三模态参数得到的所述目标桥跨相对于所述基准跨的频率变化率和MAC值对所述目标桥跨进行评估,以得到与所述目标桥跨对应的新评估结果。
第二方面,本申请提供了一种基于多源传感数据的桥梁状态评估系统,包括:
信号采集模块,用于在检测车辆经过待检测桥跨的过程中,利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,以及利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号;所述基准跨为所述待检测桥跨上的满足预设服役状态的桥跨;
信号处理模块,用于基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数与所述待检测桥跨对应的第二模态参数;
损伤指标计算模块,用于根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标和所述待检测桥跨中各个桥跨的初始损伤指标;
阈值范围计算模块,用于根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围;
桥跨评估模块,用于基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果。
第三方面,本申请提供了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序以实现如上述的基于多源传感数据的桥梁状态评估方法。
第四方面,本申请提供了一种计算机可读存储介质,用于保存计算机程序,所述计算机程序被处理器执行时实现如上述的基于多源传感数据的桥梁状态评估方法。
由此可见,本申请可以在检测车辆经过待检测桥跨的过程中,利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,以及利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号;所述基准跨为所述待检测桥跨上的满足预设服役状态的桥跨;基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数以及与所述待检测桥跨对应的第二模态参数;根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标、所述待检测桥跨中各个桥跨的初始损伤指标以及评估阈值范围,并基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果。这样一来,本申请可以在所述基准跨和所述检测车辆上分别布置传感器,再结合所述基准跨上无线传感器的信号与所述检测车辆上的移动传感器的信号对所述待检测桥跨的状态进行评估,这样避免了在全部待检测桥跨上布置传感器的情况,可以节省成本;并且利用基准跨上无线传感器与检测车辆上移动传感器相结合的方式相对于单独基于车载移动传感器的相关桥梁状态评估方式可以得到更为精准的桥跨状态评估结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种基于多源传感数据的桥梁状态评估方法流程图;
图2为本申请公开的一种桥梁动力信息采集示意图;
图3为本申请公开的一种具体的基于多源传感数据的桥梁状态评估方法流程图;
图4为本申请公开的另一种具体的基于多源传感数据的桥梁状态评估方法流程图;
图5为本申请公开的一种自编码神经网络示意图;
图6为本申请公开的一种基准跨模态识别流程图;
图7为本申请公开的一种桥跨等效振型截取示意图;
图8为本申请公开的一种基于第二响应信号的等效振型示意图;
图9为本申请公开的一种基于第一响应信号的等效振型示意图;
图10为本申请公开的一种桥梁横截面示意图;
图11为本申请公开的一种桥梁结构简化示意图;
图12为本申请公开的一种一阶竖向振型示意图;
图13为本申请公开的一种局部振型截取示意图;
图14为本申请公开的一种基于多源传感数据的桥梁状态评估系统结构示意图;
图15为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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。
传统的基于桥梁结构响应识别结构动力性能的手段,大多基于结构模态参数,进一步采用损伤识别算法得到反应结构健康状况的损伤指标。其中模态频率以及模态振型因其能够比较好的反应结构的本征特性,常被用来评估结构健康状况或构建新的损伤指标,然而,常见的损伤指标,大多单独依据频率或振型,且频率、振型易受跨长的影响,不同桥跨之间健康状况难以进行比较。同时,传统的获取结构动力信息的方法多通过在桥梁上布置传感器的方式来实现。然而,轨道交通全线桥梁数量众多,若采用此种方法,需安装大量传感器,成本较高,且安装工作耗费诸多人力、物力。也有人提出了基于车载传感器识别桥梁动力参数的方法,此方法是通过在车体上布置传感器,采集车辆运行过程中车体的动力响应,基于车桥耦合理论获得桥梁的动力参数。但是因技术的不完善,该方法易受现场条件的干扰,桥梁模态结果往往存在一定的误差,某种程度上无法满足桥梁的检测需求。此外,不同于公路桥梁,轨道交通桥梁列车运行速度快,传统的通过在桥梁上布置传感器的手段以及基于车载移动传感的方法,均无法获取足够的动力学信息,尤其对于损伤较为严重的桥梁,进行准确全面的评估较为困难。由此,本申请结合布置于少数桥跨无线传感器的测量结果构造反映桥梁服役状况的损伤指标,可以避免在桥梁状态检测中布置大量传感器的情况,可以降低人工成本,并且可以结合基准跨的无线传感器与检测车辆上移动传感器的信号以改善仅依靠车载移动传感器识别模态精度低的问题。
参见图1所示,本发明实施例公开了一种基于多源传感数据的桥梁状态评估方法,包括:
步骤S11、在检测车辆经过待检测桥跨的过程中,利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,以及利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号;所述基准跨为所述待检测桥跨上的满足预设服役状态的桥跨。
本实施例中,采集传感器信号的过程中,可以提前在所述检测车辆上安装用户终端,这样可以在所述检测车辆经过所述待检测桥跨的过程中,通过所述用户终端收集所述待检测桥跨中所述基准跨上无线传感器以及所述检测车辆上移动传感器采集到的响应信号;进一步的,在具体的实施例中,可以通过用户终端收集传感器的信号并对不同的传感器进行管理。需要指出的是,本申请实施例中所述基准跨为所述待检测桥跨中满足所述预设服役状态的桥跨,如图2所示为桥梁动力信息采集示意图,图中加速度传感器也即是前述无线传感器;在具体的实施例中,也可以选择待检测桥跨中服役状态较好的一跨简支梁作为基准跨。
本实施例中,得到所述第一响应信号的步骤可以包括:当所述检测车辆经过所述基准跨时,通过所述基准跨上的无线传感器采集所述基准跨的强迫振动信号,并在所述检测车辆驶离所述基准跨后,通过所述无线传感器采集所述基准跨的自由振动信号;基于所述强迫振动信号和所述自由振动信号得到所述第一响应信号。可以理解的是,所述第一响应信号是所述基准跨上无线传感器采集的反映所述基准跨服役状况的信号。
相应的,得到所述第二响应信号的步骤可以包括:在所述检测车辆经过所述待检测桥跨的过程中,利用所述检测车辆上预先安装的移动传感器采集所述检测车辆的反映所述待检测桥跨中各个桥跨状况的动力响应信号,以得到所述第二响应信号。可以理解的是,所述第二响应信号为通过所述检测车辆上移动传感器采集到的在检测车辆上的能够反映所述待检测桥跨健康状况的响应信号。
步骤S12、基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数以及与所述待检测桥跨对应的第二模态参数。
本实施例中,得到所述第一响应信号以及所述第二响应信号之后,可以基于所述预设模态识别算法对所述第一响应信号以及所述第二响应信号进行处理;在具体的实施例中,得到第一模态参数以及第二模态参数的步骤可以包括:根据预设模态识别算法对所述第一响应信号以及所述第二响应信号进行处理,并结合与桥跨对应的预设局部等效振型距离对得到的处理结果再次处理以得到与所述基准跨的等效振型对应的所述第一模态参数以及与所述待检测桥跨的等效振型对应的所述第二模态参数。具体的,可以根据预设局部等效振型距离截取离开桥跨支座一定距离的振型作为等效振型,可以理解的是,靠近支座的桥跨振型计算值与相对于桥跨中间的振型计算值来说会受到支座的潜在影响;本申请实施例可以通过局部等效振型的处理方式对桥跨振型计算值进行处理,这样可以减少支座对桥跨模态信息的影响。
需要指出的是,在具体的实施例中,基于预设模态识别算法分别对第一响应信号以及第二响应信号进行处理之前,还可以包括:基于预设自编码神经网络对所述第二响应信号进行处理得到与桥梁自振特性对应的频响信号;相应的,基于预设模态识别算法对所述第二响应信号进行处理,可以包括:根据所述预设模态识别算法对所述频响信号进行处理,以得到与所述待检测桥跨对应的所述第二模态参数。具体的,在具体的实施例中可以基于预设的自编码神经网络结构利用不同频率信号之间的非高斯性以及不相关性对通过检测车辆上移动传感器采集到的第二响应信号进行分离,这样可以提高桥梁模态识别的精度。可以理解的是,所述第二响应信号中包括车体振动响应信号,对所述车体振动响应进行处理之后,可以得到所述第二模态参数;进一步的,所述第二模态参数中包括待检测桥跨中各个桥跨对应的模态振型值以及模态频率,需要指出的是,其中也包括与基准跨对应的模态振型值以及模态频率。
相应的,基于所述预设模态识别算法对从所述基准跨上无线传感器采集到的所述第一响应信号进行处理,可以得到所述第一模态参数,可以理解的是,所述第一模态参数中包括与所述基准跨对应的模态频率以及模态振型值。
步骤S13、根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标和所述待检测桥跨中各个桥跨的初始损伤指标,并根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围。
本实施例中,基于所述预设模态识别算法得到所述第一模态参数以及所述第二模态参数之后,可以进一步根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标、所述待检测桥跨中各个桥跨的初始损伤指标以及评估阈值范围;可以理解的是,通过车辆上移动传感器采集到的反映桥跨状况的信号计算得到损伤指标存在一定的误差。本申请实施例中,可以计算基准损伤指标以及与基准跨对应的初始损伤指标之间的差值,然后基于基准损伤指标以及该差值可以得到一个阈值范围。
步骤S14、基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果。
本实施例中,得到所述评估阈值范围以及与待检测桥跨对应的初始损伤指标之后,可以根据所述初始损伤指标得到针对所述待检测桥跨健康状况的评估结果;可以理解的是,在具体的实施例中,可以根据所述评估阈值范围以及所述初始损伤指标可以得到待检测桥跨中每一个桥跨相对于基准跨的健康状况评估结果。
由此可见,本申请可以在待检测桥跨的基准跨上以及检测车辆上布置传感器,再结合基准跨上无线传感器的信号与检测车辆上的移动传感器的信号对待检测桥跨的健康状况进行评估,这样可以避免在全部待检测桥跨上布置传感器,可以节省成本;并且可以利用预设模态识别算法对采集得到的响应信号进行处理,利用自编码神经网络对通过检测车辆上移动传感器采集到的第二响应信号进行分离可以回避传统的基于带通滤波的方法进行滤波后仍含有其他频段信号的问题,从而提高了桥梁模态识别精度。
下面申请实施例将对得到评估结果的步骤进行详细介绍,参见图3所示,本发明实施例公开了一种基于多源传感数据的桥梁状态评估方法,包括:
步骤S21、在检测车辆经过待检测桥跨的过程中,利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,以及利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号。
步骤S22、基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数以及与所述待检测桥跨对应的第二模态参数。
步骤S23、基于Rayleigh法分别利用所述第一模态参数和所述第二模态参数中的振型信息以及频率信息构造出与所述基准跨对应的所述基准损伤指标以及与所述待检测桥跨中各个桥跨对应的所述初始损伤指标。
本实施例中,可以基于所述Rayleigh法利用所述第二模态参数中与各个桥跨对应的模态振型值以及模态频率计算出各个桥跨的所述初始损伤指标;并且可以基于所述Rayleigh法对所述第一模态参数处理得到与所述基准跨对应的所述基准损伤指标;需要指出的是,该损伤指标可以包含频率和振型信息,相对于常见的损伤指标而言,可以更加全面的评价桥梁的健康状况。可以理解的是,通过所述基准跨上的无线传感器得到的信号更贴合所述基准跨的真实情况,在具体的实施例中,可以根据通过基准跨上无线传感器采集到的第一响应信号计算出贴合基准跨真实情况的基准损伤指标,以基准损伤指标对待检测桥跨的健康状况进行评估。
步骤S24、根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围。
本实施例中,得到所述待检测桥跨中各个桥跨对应的所述初始损伤指标以及与所述基准跨对应的所述基准损伤指标之后,可以进一步通过所述初始损伤指标中与所述基准跨对应的初始损伤指标以及所述基准损伤指标确定出所述评估阈值范围;具体可以包括:计算与所述基准跨对应的初始损伤指标与所述基准损伤指标之间的差值;基于所述基准损伤指标以及所述差值构造出所述评估阈值范围。可以理解的是,通过基准跨上无线传感器和通过检测车辆上移动传感器最终得到的与基准跨对应的损伤指标之间存在一定的误差,可以通过计算与基准跨对应的初始损伤指标与基准损伤指标之间的差值来具体化该误差;进一步的,可以计算所述初始损伤指标中与所述基准跨对应的初始损伤指标与所述基准损伤指标之间的差值并取绝对值得到差值绝对值,然后根据所述基准损伤指标以及差值绝对值可以得到所述评估阈值范围;具体的,可以利用基准损伤指标减去该差值的绝对值得到评估阈值范围的下限,利用基准损伤指标加上该误差绝对值得到评估阈值范围上限;这样可以得到用于评估待检测桥跨健康状况的评估阈值范围。
步骤S25、判断所述待检测桥跨中各个桥跨对应的初始损伤指标是否在所述评估阈值范围内。
步骤S26、若是,则判定与所述初始损伤指标对应的桥跨的评估结果为良好。
本实施例中,若所述待检测桥跨中单个桥跨对应的初始损伤指标在所述评估阈值范围内,则可以判定该单个桥跨的健康状况良好,也即与该单个桥跨对应的评估结果为良好。
步骤S27、若否,则判定与所述初始损伤指标对应的桥跨的评估结果为差。
本实施例中,若所述待检测桥跨中单个桥跨对应的初始损伤指标不在所述评估阈值范围内,则可以判定该单个桥跨的健康状况差,也即与该单个桥跨对应的评估结果为差。
需要指出的是,在判定某个桥跨的健康状况差之后,还可以包括:从与所述待检测桥跨对应的所述评估结果中筛选出被判定为健康状况差的若干个目标桥跨;在所述目标桥跨上布置无线传感器,并在检测车辆经过所述目标桥跨时通过所述目标桥跨上的无线传感器采集所述目标桥跨的响应信号,以得到第三响应信号;通过预设模态识别算法对所述第三响应信号进行处理以得到相应的第三模态参数,并基于所述第三模态参数、所述评估阈值范围以及通过所述第一模态参数和所述第三模态参数得到的所述目标桥跨相对于所述基准跨的频率变化率和MAC值对所述目标桥跨进行评估,以得到与所述目标桥跨对应的新评估结果。其中,MAC值(模态判定准则)为比较两个向量的数学工具,若模态判定准则是1,则这两个向量具备线性关系。具体的,可以在判定健康状况差的桥跨中选取若干个所述目标桥跨,然后在所述目标桥跨上布置无线传感器,当所述检测车辆再次经过所述目标桥跨时,通过所述目标桥跨上的无线传感器采集所述目标桥跨的响应信号以得到所述第三响应信号;进一步的,可以基于所述预设模态识别算法对所述第三响应信号进行处理得到所述第三模态参数;在具体的实施例中,还可以结合预设局部等效振型距离得到与目标桥跨对应的第三模态参数;然后可以利用之前得到的与所述基准跨对应的所述第一模态参数以及得到的与所述目标桥跨对应的所述第三模态参数对所述目标桥跨的健康状况进行评估,具体的,可以通过第一模态参数以及第三模态参数得到目标桥跨相对于基准跨的频率变化率和MAC值,然后可以根据频率变化率、MAC值,并根据前面步骤通过基准跨的基准损伤指标得到的评估阈值范围以及通过所述第三模态参数得到的与所述目标桥跨对应的初始损伤指标对所述目标桥跨的健康状况进行评估,这样可以得到与所述目标桥跨对应的新评估结果。可以理解的是,这样可以通过所述目标桥跨上的无线传感器得到更为准确的能够反映所述目标桥跨健康状况的评估结果。
其中,关于上述步骤S21、S22和S25更加具体的处理过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
由此可见,本申请实施例中可以通过检测车辆上移动传感器采集到的第二响应信号计算各个桥跨的初始损伤指标以及与通过基准跨上无线传感器采集到的第一响应信号计算出基准损伤指标,并且损伤指标中包含振型信息以及频率信息,可以提高评估结果的准确性;然后基于所述初始损伤指标中与所述基准跨对应的初始损伤指标以及所述基准损伤指标进一步计算出用于评估桥跨健康状况的评估阈值范围;进一步的,根据所述评估阈值范围以及与待检测桥跨对应的所述初始损伤指标可以筛选出健康状况良好以及健康状况差的桥跨;需要指出的是,本申请实施例可以通过在被判定为健康状况差的目标桥跨上布置无线传感器的方式再次对相应的目标桥跨的健康状况进行评估,可以通过所述第一模态参数和所述第三模态参数得到的所述目标桥跨相对于所述基准跨的频率变化率和MAC值,同时再根据目标桥跨上无线传感器的信号以及通过基准跨得到的评估阈值范围可以更为准确地得到各个目标桥跨的健康状况评估结果,这样可以解决单独依靠检测车辆的响应信号来识别桥梁状况精度低的问题。
下面实施例将结合如图4所示的流程图对本申请的技术方案进行具体介绍,包括:
从待检测桥跨中选择出服役状况较好的基准跨,并在所述基准跨等间距布置一定数量的无线传感器用于采集所述基准跨的竖向振动加速度。在检测车辆上布置移动传感用于采集车辆运行过程中车体的竖向振动加速度,同时在所述检测车辆上布置用户终端以进行传感器信号的收集及管理。然后从所述检测车辆进入待检测桥跨就开始就采集车体的动力响应信号,这样可以得到所述第二响应信号。当所述检测车辆未经过所述基准跨时,所述基准跨上的无线传感器处于休眠状态;当所述检测车辆驶入所述基准跨时,所述基准跨上的无线传感器启动,实时采集所述基准跨桥梁结构强迫振动响应信号,当所述检测车辆驶离所述基准跨后,其中的无线传感器继续工作,继续采集桥跨结构自由振动响应信号,直至自由振动衰减完毕,这样可以得到第一响应信号,然后布置于所述基准跨的无线传感器进入休眠。
其中,前述得到的所述第二响应信号可以表示为:
;
式中a、b、c、d、e、f、g为与频率相关的振幅系数,、/>分别为桥梁、车体自振频率,/>为桥梁跨径,/>为时间,/>为车运行速度,/>,/>。
进一步的,可以对所述第二响应信号做傅里叶变换,从而将时域信号转换至频域/>。可以理解的是,基于无监督学习原理,利用不同模态频率信号之间的非高斯性及不相关性,可以利用如图5所示的自编码神经网络对不同频率的信号进行分离,其中第一个隐藏层采用线性激活函数,约束方程为:
;
式中,,为神经网络第一个隐藏层的输入;I为单位矩阵,/>为单位矩阵第/>行第/>列的元素,相应的,/>为单位矩阵第/>行第/>列的元素;/>为神经网络第/>个神经元的输入/>和神经网络第/>个神经元的输入/>的协方差;/>为输入层与第一个隐藏层的权重矩阵。/>为/>中第/>行第/>列的元素。
也即利用不同模态所对应的频率信号的线性不相干和最小化高斯性来对其进行分离。
相应的,第二个隐藏层采非线性激活函数,约束函数为:
;
式中,,其中/>为神经网络第2个隐藏层第/>个输入序列的第/>个元素。即利用不同模态所对应的频率信号的非线性不相干来对其进行分离。
相应的,该网络中输出层的约束函数为:
;
式中,为神经网络输入层/>输入序列的第/>个元素;其中图5上方坐标轴表征神经网络第二个隐藏层的第b个输入序列,即为左侧/>信号分离后得到的表征桥梁频域信息的信号;/>为神经网络输出层输出序列/>的第/>个元素。其中,N为自编码网络输出信号的长度;这样可以根据频率信号重构前后的信息损失最小的原则来对网络进行约束,以得到重构后的信号/>,即,如图5右侧坐标轴中表征的信号;可以理解的是,是/>信号经先分离再重构得到的信号。
基于上述网络,可以将混合频域信号也即第二响应信号分解为与车体自振以及桥梁自振特性所对应的频域信号。得到桥梁自振特性对应模态的频响信号后,可以进一步处理得到基于第二响应信号的基准跨的固有频率/>,以及待检测桥跨的频率/>。然后对频响信号/>作傅里叶逆变换,可以得到该信号在时域内的表达式/>。基于/>利用相关时频域模态识别算法可得到待检测桥跨中第i跨的模态振型值/>;在具体的实施例中,第二模态参数可以包括待检测桥跨对应的模态振型值以及模态频率。其中,与基准跨对应的模态振型值为/>,模态频率为/>。在另一种具体的实施例中,第二模态参数可以包括待检测桥跨对应的等效振型值以及模态频率。
如图6所示的基准跨模态识别流程,对于从基准跨上无线传感器采集得到的桥梁振动响应信号也即所述第一响应信号,可以采用相应的模态识别算法对所述第一响应信号进行计算得到与所述基准跨对应的模态频率、模态振型值/>;可以理解的是,模态识别算法包括但不限于SSI(随机子空间法)、ITD(随机减量法)等。在具体的实施例中,第一模态参数可以包括基准跨的模态频率以及模态振型值。在另一种具体的实施例中,第一模态参数可以包括基准跨的模态频率以及等效振型值。
本申请实施例中,如图7所示为等效振型截取示意图,由于靠近支座处实测振型值精度较差,可以通过截取离开支座一定距离的局部振型作为等效振型值的方式来提高计算精度。如图8和图9所示分别为基于第二响应信号得到第i跨等效振型值以及基于第一响应信号得到的基准跨的等效振型值/>。/>
进一步的,可以基于Rayleigh(瑞利法)构造同时包含振型及频率信息的与各个桥跨对应的损伤指标。可以理解的是,基于Rayleigh法可知频率与振型存在以下关系:
;
式中,式中为抗弯刚度、/>为弹性模量、/>为惯性矩,/>为单位跨长线质量、/>为等效振型值,/>中为等效振型的二阶导数。
进一步计算可以得到初始损伤指标为:
;
其中,基于车辆动力响应信号也即第二响应信号得到第i跨的损伤因子为。基于基准跨动力响应信号也即第一响应信号得到的基准跨损伤因子为/>。需要指出的是,由于基于车辆响应信号得到的模态参数相对于基于基准跨响应信号得到模态参数而言与基准跨实际情况存在一定的误差,故以第一响应信号得到的基准损伤指标/>为基准,这样一来,基于车辆动力响应信号构建的初始损伤指标与基于基准跨的响应信号得到的基准损伤指标之间的差值也即前述实施例中提到的差值绝对值可以为:
;
然后,根据所述基准损伤指标以及所述差值绝对值可以得到对桥梁状态进行评估的评估阈值范围;然后在基于所述初始损伤指标对待检测桥跨中各个桥跨的健康状况进行评估之前,可以根据跨长的不同对相应待检测桥跨的初始损伤指标进行再次处理,具体的,对于与基准跨等跨的待检测桥跨,因具有与基准跨相同的横截面尺寸,故其抗弯惯性距以及单位线质量/>具有相同的衡量标准。由前述步骤可知基于车辆动力响应信号也即第二响应信号得到第j跨的损伤指标为/>,其中/>。然后可以基于评估阈值范围进行判断,若/>,则第j跨健康状况良好,反之亦然。
相应的,对于跨长与基准跨不等的桥梁结构,因其横截面尺寸与基准跨一般也不同,故需首先基于截面尺寸计算基准跨与待检跨的惯性矩以及单位线质量的比值。其中惯性矩的比值为:
;/>
式中,式中为第k跨抗弯惯性矩,/>为基准跨的抗弯惯性矩。
其中单位线质量的比值可近似为横截面面积的比值:
;
式中,式中为第k跨单位线质量,/>为基准跨的单位线质量。/>为梁体的材料密度,/>和/>为第k跨和基准跨的梁体截面面积。
为基准跨的单位线质量。。其中/>,/>。
根据前述评估阈值范围可知,若,则第k跨健康状况良好,反之亦然。
进一步的,在具体的实施例中,可以针对前述步骤中找出的服役状况较差的桥梁也即评估结果为差的目标桥跨,可以在相应的目标桥跨上布置无线传感器,进一步开展检测工作。具体的,可以重新采集检测车辆通过目标桥跨时的目标桥跨上无线传感器采集到的第三响应信号,然后对第三响应信号进行处理,可以得到与该目标桥跨对应的第三模态参数,可以包括模态频率以及模态振型值/>。
然后结合前述步骤中通过基准跨上无线传感器所得的基准跨的模态频率,可以计算目标桥跨与基准跨的频率变化率:
;
在计算频率变化率时,若目标桥跨与基准跨的跨长不等,例如,目标桥跨长是基准跨长的倍,可进行如下处理。
简支梁基频的理论值与跨长L的关系如下:
;
通过上式则可以得到目标桥跨相对于基准跨的等效频率为:
;
基于得到的等效频率,进一步计算目标桥跨与基准跨的频率变化率。
结合前述步骤通过基准跨上无线传感器所得的基准跨的模态振型,可以计算目标桥跨相对于基准跨的MAC值:/>
;
在计算MAC时,若目标桥跨与基准跨跨长不等,例如,目标桥跨跨长是基准跨长的倍,可进行如下处理。
简支梁一阶振型的理论值与跨长L的关系如下:
;
其中,A为幅值系数,通过上式可将目标桥跨振型进行如下放缩,得到基准跨等效的振型后计算目标桥跨相对于基准跨的MAC值。
;
其中,A为幅值系数,基于前述步骤可以得到该目标桥跨的初始损伤指标。结合、/>、/>可以对目标桥跨作出更为准确、详细的健康状况评估。
在一种具体的实施例中,对某高铁桥进行评估的过程中,若高铁桥梁长L=31m,两端均为简支约束,该桥除靠近梁端处为变截面,且箱梁外轮廓不变,仅箱梁顶底板稍有变化,故考虑为等截面进行计算,横截面主要尺寸如图10所示,如图11所示为结构简化示意图。截面的主要特性如下表1所示。
表1 截面的主要特性
本申请中考虑桥梁竖向振动,后续计算均基于竖向一阶自振频率。
可以基于matlab建立空间梁单元有限元模型,沿梁长共化划分20个单元,然后采用广义特征值分解求解桥梁自振频率及模态振型,其中一阶模态频率如上表1所示,为127.99rad/s。一阶竖向振型如图12所示。
通过前述实施例中的计算方法可以得到桥跨对应的初始指标:
;
如图13所示局部振型截取示意图,分别采用以及离开支座约束距离为0m,2m,3m,4m的振型值。然后计算响应桥跨的初始指标,可得到计算结果如下表2所示。
表2
其中,在本实施例中理论值为1.3622x108。
相对误差计算公式为:
;
式中,为损伤指标理论值,/>为损伤指标计算值。
由表2可知,采用离开支座约束4m以内的局部振型计算桥跨的损伤指标,可以保证相对误差在1%以内,误差较小,可以满足对桥梁状况评估的精度要求。
由此可见,本申请可以结合布置于车体的移动传感器和安装于基准跨的无线传感器协同工作,同步测量,并且构造了能够同时包含模态频率、模态振型信息的动力学损伤指标,基于局部振型的损伤指标可不受桥梁的桥跨长度的影响,可对不同跨之间的桥梁健康状况进行比较,从而可对全线桥梁服役状况不佳的桥梁进行初步筛选。进一步的,可以针对性的在健康状况不佳的桥跨上布置无线传感器,再次进行评估;本申请不需要在全线桥梁大量布置传感器,节省了成本,又解决了单独依靠车体响应信号识别桥梁动力参数精度低的问题。并且,本申请通过搭建自编码神经网络可以对通过车辆上移动传感器得到的响应信号进行处理,可以利用不同模态频响信号的相对独立性,对频响信号进行分解,可以得到包含桥梁动力学本征的频响信号,可以回避传统的基于带通滤波的方法滤波后仍含有其他频率信号的问题。
如图14所示,本申请实施例公开了一种基于多源传感数据的桥梁状态评估系统,包括:
信号采集模块11,用于在检测车辆经过待检测桥跨的过程中,利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,以及利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号;所述基准跨为所述待检测桥跨上的满足预设服役状态的桥跨;
信号处理模块12,用于基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数与所述待检测桥跨对应的第二模态参数;
损伤指标计算模块13,用于根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标和所述待检测桥跨中各个桥跨的初始损伤指标;
阈值范围计算模块14,用于根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围;
桥跨评估模块15,用于基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果。
由此可见,本申请可以在基准跨上布置无线传感器,然后结合基准跨上无线传感器的信号与车辆上移动传感器的信号对待检测桥跨的状态进行评估,这样可以避免在全部待检测桥跨上布置传感器,可以节省成本;并且利用基准跨上无线传感器与检测车辆上移动传感器结合的方式相对于只基于车载传感器的方式可以得到更为精准的桥跨健康状态评估结果。
在一种具体的实施例中,所述信号采集模块11,可以包括:
振动信号采集单元,用于当所述检测车辆经过所述基准跨时,通过所述基准跨上的无线传感器采集所述基准跨的强迫振动信号,并在所述检测车辆驶离所述基准跨后,通过所述无线传感器采集所述基准跨的自由振动信号;
第一信号确定单元,用于基于所述强迫振动信号和所述自由振动信号得到所述第一响应信号。
在一种具体的实施例中,所述信号采集模块11,可以包括:
第二响应信号采集单元,用于在所述检测车辆经过所述待检测桥跨的过程中,利用所述检测车辆上预先安装的移动传感器采集所述检测车辆的反映所述待检测桥跨中各个桥跨状况的动力响应信号,以得到所述第二响应信号。
在一种具体的实施例中,所述信号处理模块12,可以包括:
等效振型处理单元,用于根据预设模态识别算法对所述第一响应信号以及所述第二响应信号进行处理,并结合与桥跨对应的预设局部等效振型距离对得到的处理结果再次处理以得到与所述基准跨的等效振型对应的所述第一模态参数以及与所述待检测桥跨的等效振型对应的所述第二模态参数。
在另一种具体的实施例中,所述信号处理模块12,还可以包括:
信号处理单元,用于基于预设自编码神经网络对所述第二响应信号进行处理得到与桥梁自振特性对应的频响信号;
在一种具体的实施例中,损伤指标计算模块13,可以包括:
损伤指标计算单元,用于基于Rayleigh法分别利用所述第一模态参数和所述第二模态参数中的振型信息以及频率信息构造出与所述基准跨对应的所述基准损伤指标以及与所述待检测桥跨中各个桥跨对应的所述初始损伤指标。
在一种具体的实施例中,所述阈值范围计算模块14,可以包括:
差值计算单元,用于计算与所述基准跨对应的初始损伤指标与所述基准损伤指标之间的差值;
阈值构造单元,用于基于所述基准损伤指标以及所述差值构造出所述评估阈值范围。
在一种具体的实施例中,所述桥跨评估模块15,可以包括:
指标判断单元,用于判断所述待检测桥跨中各个桥跨对应的初始损伤指标是否在所述评估阈值范围内;
第一桥跨结果判定单元,用于当所述待检测桥跨中各个桥跨对应的初始损伤指标在所述评估阈值范围内时,判定与所述初始损伤指标对应的桥跨的评估结果为良好;
第二桥跨结果判定单元,用于当所述待检测桥跨中各个桥跨对应的初始损伤指标不在所述评估阈值范围内时,判定与所述初始损伤指标对应的桥跨的评估结果为差。
在另一种具体的实施例中,所述桥跨评估模块15,还可以包括:
目标桥跨确定单元,用于从与所述待检测桥跨对应的所述评估结果中筛选出被判定为健康状况差的若干个目标桥跨;
第三响应信号采集单元,用于在所述目标桥跨上布置无线传感器,并在检测车辆经过所述目标桥跨时通过所述目标桥跨上的无线传感器采集所述目标桥跨的响应信号,以得到第三响应信号;
桥跨评估单元,用于通过预设模态识别算法对所述第三响应信号进行处理以得到相应的第三模态参数,并基于所述第三模态参数、所述评估阈值范围以及通过所述第一模态参数和所述第三模态参数得到的所述目标桥跨相对于所述基准跨的频率变化率和MAC值对所述目标桥跨进行评估,以得到与所述目标桥跨对应的新评估结果。
进一步的,本申请实施例还公开了一种电子设备,图15是根据一示例性实施例示出的电子设备20结构图,图中的内容不能认为是对本申请的使用范围的任何限制。
图15为本申请实施例提供的一种电子设备20的结构示意图。该电子设备 20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的桥梁状态评估方法中的相关步骤。另外,本实施例中的电子设备20具体可以为电子计算机。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源可以包括操作系统221、计算机程序222等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的桥梁状态评估方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请还公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的桥梁状态评估方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的技术方案进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于多源传感数据的桥梁状态评估方法,其特征在于,包括:
在检测车辆经过待检测桥跨的过程中,利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,以及利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号;所述基准跨为所述待检测桥跨上的满足预设服役状态的桥跨;
基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数以及与所述待检测桥跨对应的第二模态参数;
根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标和所述待检测桥跨中各个桥跨的初始损伤指标,并根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围;
基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果。
2.根据权利要求1所述的基于多源传感数据的桥梁状态评估方法,其特征在于,所述利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,包括:
当所述检测车辆经过所述基准跨时,通过所述基准跨上的无线传感器采集所述基准跨的强迫振动信号,并在所述检测车辆驶离所述基准跨后,通过所述无线传感器采集所述基准跨的自由振动信号;
基于所述强迫振动信号和所述自由振动信号得到所述第一响应信号。
3.根据权利要求1所述的基于多源传感数据的桥梁状态评估方法,其特征在于,所述利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号,包括:
在所述检测车辆经过所述待检测桥跨的过程中,利用所述检测车辆上预先安装的移动传感器采集所述检测车辆的反映所述待检测桥跨中各个桥跨状况的动力响应信号,以得到所述第二响应信号。
4.根据权利要求1所述的基于多源传感数据的桥梁状态评估方法,其特征在于,所述基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数以及与所述待检测桥跨对应的第二模态参数,包括:
根据预设模态识别算法对所述第一响应信号以及所述第二响应信号进行处理,并结合与桥跨对应的预设局部等效振型距离对得到的处理结果再次处理以得到与所述基准跨的等效振型对应的所述第一模态参数以及与所述待检测桥跨的等效振型对应的所述第二模态参数。
5.根据权利要求1所述的基于多源传感数据的桥梁状态评估方法,其特征在于,所述基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理之前,还包括:
基于预设自编码神经网络对所述第二响应信号进行处理得到与桥梁自振特性对应的频响信号;
相应的,所述基于预设模态识别算法对所述第二响应信号进行处理,包括:
根据所述预设模态识别算法对所述频响信号进行处理,以得到与所述待检测桥跨对应的所述第二模态参数。
6.根据权利要求1所述的基于多源传感数据的桥梁状态评估方法,其特征在于,所述根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标和所述待检测桥跨中各个桥跨的初始损伤指标,包括:
基于Rayleigh法分别利用所述第一模态参数和所述第二模态参数中的振型信息以及频率信息构造出与所述基准跨对应的所述基准损伤指标以及与所述待检测桥跨中各个桥跨对应的所述初始损伤指标。
7.根据权利要求1所述的基于多源传感数据的桥梁状态评估方法,其特征在于,所述根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围,包括:
计算与所述基准跨对应的初始损伤指标与所述基准损伤指标之间的差值;
基于所述基准损伤指标以及所述差值构造出所述评估阈值范围。
8.根据权利要求1至7任一项所述的基于多源传感数据的桥梁状态评估方法,其特征在于,所述基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果,包括:
判断所述待检测桥跨中各个桥跨对应的初始损伤指标是否在所述评估阈值范围内;
若是,则判定与所述初始损伤指标对应的桥跨的评估结果为良好;
若否,则判定与所述初始损伤指标对应的桥跨的评估结果为差。
9.根据权利要求8所述的基于多源传感数据的桥梁状态评估方法,其特征在于,所述基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果之后,还包括:
从与所述待检测桥跨对应的所述评估结果中筛选出被判定为健康状况差的若干个目标桥跨;
在所述目标桥跨上布置无线传感器,并在检测车辆经过所述目标桥跨时通过所述目标桥跨上的无线传感器采集所述目标桥跨的响应信号,以得到第三响应信号;
通过预设模态识别算法对所述第三响应信号进行处理以得到相应的第三模态参数,并基于所述第三模态参数、所述评估阈值范围以及通过所述第一模态参数和所述第三模态参数得到的所述目标桥跨相对于所述基准跨的频率变化率和MAC值对所述目标桥跨进行评估,以得到与所述目标桥跨对应的新评估结果。
10.一种基于多源传感数据的桥梁状态评估系统,其特征在于,包括:
信号采集模块,用于在检测车辆经过待检测桥跨的过程中,利用基准跨上预先布置的无线传感器采集所述基准跨的响应信号以得到第一响应信号,以及利用所述检测车辆上预先安装的移动传感器采集所述检测车辆针对所述待检测桥跨的动力响应信号以得到第二响应信号;所述基准跨为所述待检测桥跨上的满足预设服役状态的桥跨;
信号处理模块,用于基于预设模态识别算法分别对所述第一响应信号以及所述第二响应信号进行处理,以得到与所述基准跨对应的第一模态参数与所述待检测桥跨对应的第二模态参数;
损伤指标计算模块,用于根据所述第一模态参数以及所述第二模态参数确定所述基准跨的基准损伤指标和所述待检测桥跨中各个桥跨的初始损伤指标;
阈值范围计算模块,用于根据所述基准损伤指标利用所述初始损伤指标中与所述基准跨对应的初始损伤指标计算出评估阈值范围;
桥跨评估模块,用于基于所述评估阈值范围以及所述初始损伤指标确定出与所述待检测桥跨对应的评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310843137.2A CN116577055B (zh) | 2023-07-11 | 2023-07-11 | 基于多源传感数据的桥梁状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310843137.2A CN116577055B (zh) | 2023-07-11 | 2023-07-11 | 基于多源传感数据的桥梁状态评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116577055A true CN116577055A (zh) | 2023-08-11 |
CN116577055B CN116577055B (zh) | 2023-09-22 |
Family
ID=87536214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310843137.2A Active CN116577055B (zh) | 2023-07-11 | 2023-07-11 | 基于多源传感数据的桥梁状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116577055B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003222566A (ja) * | 2002-01-31 | 2003-08-08 | Yamato Sekkei Kk | 構造物の損傷推定システムおよびプログラム |
CN101281117A (zh) * | 2008-05-29 | 2008-10-08 | 上海交通大学 | 大跨度轨道交通桥梁损伤识别方法 |
US20100262390A1 (en) * | 2009-04-10 | 2010-10-14 | University Of South Carolina | System and method for modal identification using smart mobile sensors |
JP2015145577A (ja) * | 2014-02-03 | 2015-08-13 | 公益財団法人鉄道総合技術研究所 | 鉄道橋梁における静的たわみの換算方法、及び衝撃係数の算出方法 |
WO2017202139A1 (zh) * | 2016-05-26 | 2017-11-30 | 东南大学 | 一种基于长标距应变影响包络线的桥梁损伤识别方法 |
CN110261305A (zh) * | 2019-06-18 | 2019-09-20 | 南京东南建筑机电抗震研究院有限公司 | 基于影响线的多跨等跨径连续梁桥损伤识别方法 |
CN111881502A (zh) * | 2020-07-27 | 2020-11-03 | 中铁二院工程集团有限责任公司 | 一种基于模糊聚类分析的桥梁状态判别方法 |
CN113742983A (zh) * | 2021-10-09 | 2021-12-03 | 福州大学 | 基于深度自编码器神经网络的长跨结构损伤识别方法 |
-
2023
- 2023-07-11 CN CN202310843137.2A patent/CN116577055B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003222566A (ja) * | 2002-01-31 | 2003-08-08 | Yamato Sekkei Kk | 構造物の損傷推定システムおよびプログラム |
CN101281117A (zh) * | 2008-05-29 | 2008-10-08 | 上海交通大学 | 大跨度轨道交通桥梁损伤识别方法 |
US20100262390A1 (en) * | 2009-04-10 | 2010-10-14 | University Of South Carolina | System and method for modal identification using smart mobile sensors |
JP2015145577A (ja) * | 2014-02-03 | 2015-08-13 | 公益財団法人鉄道総合技術研究所 | 鉄道橋梁における静的たわみの換算方法、及び衝撃係数の算出方法 |
WO2017202139A1 (zh) * | 2016-05-26 | 2017-11-30 | 东南大学 | 一种基于长标距应变影响包络线的桥梁损伤识别方法 |
CN110261305A (zh) * | 2019-06-18 | 2019-09-20 | 南京东南建筑机电抗震研究院有限公司 | 基于影响线的多跨等跨径连续梁桥损伤识别方法 |
CN111881502A (zh) * | 2020-07-27 | 2020-11-03 | 中铁二院工程集团有限责任公司 | 一种基于模糊聚类分析的桥梁状态判别方法 |
CN113742983A (zh) * | 2021-10-09 | 2021-12-03 | 福州大学 | 基于深度自编码器神经网络的长跨结构损伤识别方法 |
Non-Patent Citations (2)
Title |
---|
KONG, X: "Using Dynamic Responses of Moving Vehicles to Extract Bridge Modal Properties of a Field Bridge", JOURNAL OF BRIDGE ENGINEERING, vol. 22, no. 6 * |
战家旺;王伟;张楠;夏禾;闫宇智;: "基于模型修正理论的铁路桥墩损伤定量评估方法", 中国铁道科学, no. 05 * |
Also Published As
Publication number | Publication date |
---|---|
CN116577055B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109357822B (zh) | 一种基于车桥耦合系统时变动力特征改变的桥梁快速测试与评估方法 | |
Zhu et al. | Recent developments in inverse problems of vehicle–bridge interaction dynamics | |
Li et al. | Time-varying characteristics of bridges under the passage of vehicles using synchroextracting transform | |
Múčka | Current approaches to quantify the longitudinal road roughness | |
CN110619106B (zh) | 一种桥梁损伤定位方法及其定量方法 | |
CN109855823A (zh) | 一种利用测试车进行桥梁结构损伤识别的方法 | |
CN109858156B (zh) | 基于车桥耦合振动的车辆与结构信息同时识别方法 | |
EP3219574B1 (en) | Method and system for determining a vertical profile of a rail surface | |
CN112834193B (zh) | 一种基于三维图的运营桥梁振动和健康状态异常预警方法 | |
CN112765778B (zh) | 转向架横向稳定性识别方法、装置以及计算机设备 | |
CN102980756A (zh) | 动刚度的测试方法及系统 | |
JP2017120208A (ja) | 計測装置、減衰特性算出方法、プログラム、および計測システム | |
JP6421033B2 (ja) | 構造物の損傷状態を推定する方法、プログラム及びシステム | |
CN101266190A (zh) | 正常交通流下斜拉桥模态参数测定装置及方法 | |
KR101747116B1 (ko) | 주파수 응답 기반 교량 내하력 평가 방법 | |
CN110852542A (zh) | 一种道路平整度的计算方法及系统 | |
CN109919511B (zh) | 既有铁路线形评估方法及系统 | |
Di Matteo et al. | Smartphone-based bridge monitoring through vehicle–bridge interaction: analysis and experimental assessment | |
CN116577055B (zh) | 基于多源传感数据的桥梁状态评估方法及系统 | |
KR20190138321A (ko) | 도로포장 쾌적성 평가 시스템 | |
Szauter et al. | AR and ARMA spectral analysis of suspension system of a commercial city bus | |
Sitton et al. | Damage scenario analysis of bridges using crowdsourced smartphone data from passing vehicles | |
CN118013157B (zh) | 基于粒子群优化算法的桥梁模态参数车辆扫描方法 | |
Lu et al. | Dynamic characteristic identification of a bridge using BPF-WT combined filtering method | |
JP7327688B2 (ja) | イベント検出装置、方法及びプログラム |
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 |