CN101782372B - 基于梁端纵向位移的桥梁伸缩缝损伤诊断智能方法 - Google Patents

Abstract

基于梁端纵向位移的桥梁伸缩缝损伤智能诊断方法通过在桥梁上设置少量的传感器获得桥梁建成后的主梁纵向位移、温度和竖向加速度的长期监测数据，分步建立健康状态下主梁纵向位移与桥梁温度、竖向加速度的相关性模型，基于上述相关性模型可以消除主梁温度、竖向加速度对纵向位移的影响，得到能够反映伸缩缝工作状态的“环境条件归一化”位移。当本方法应用于伸缩缝的损伤诊断，只需采用已建立的相关性模型对未知状态的监测数据进行处理，最后将健康状态和未知状态的“环境条件归一化”位移同时输入均值控制图，若伸缩缝发生损伤，控制图的样本点就会超出控制线，这样即实现了对伸缩缝损伤的智能识别。

Description

基于梁端纵向位移的桥梁伸缩缝损伤诊断智能方法

技术领域

本发明是一种应用于桥梁结构伸缩缝损伤诊断的智能方法，涉及桥梁工程的无损检测领域。

背景技术

桥梁在温度变化时，桥面有膨胀和收缩的纵向变形，另外，在车辆荷载的作用下，桥面也会产生纵向位移。为满足这种变形，就要在桥梁的梁端与桥台之间设置伸缩缝。在桥梁结构中，伸缩缝不仅要满足由于温度变化和车辆荷载所引起的主梁的纵向变形，还要满足混凝土收缩徐变引起的位移，并消减由于不均匀沉降所引起的上部结构的二次应力^[1]，因此，伸缩缝是桥梁中很重要的结构构件，其状态安全与否不仅关系到整个桥梁结构的运营，还直接影响到车辆通过桥梁时的行车状态。桥梁伸缩缝受力复杂，一直是桥梁的薄弱环节，但是由于存在着诸如设计施工缺陷、管理维护不善及车辆超载加剧等情况，使得实际工程中的伸缩缝发生损坏的情况较为严重，因此需要对伸缩缝的状态进行监测和评估，以便准确地发现其损伤的发生，并及时地对伸缩缝进行修复或者进行更换。

目前，伸缩缝损伤检测主要采用人工定期检测的方式，这种方式存在以下的问题：(1)人工检测的主观性较强，不能对伸缩缝的损伤状态做出定量的判断；(2)人工检测通常会影响交通，并且缺乏历史数据的积累；(3)实时性较差，不能及时地发现伸缩缝损伤的发生，有可能影响到桥梁结构和行车的安全；(4)由于需要长期定期的指派维护工人进行现场查看，总体费用较高。因此，针对上述人工检测的缺点，迫切需要发展一种智能方法对桥梁伸缩缝的状态进行实时地损伤诊断。桥梁结构健康监测技术的发展为实现上述目的提供了契机^[2-3]，工程建设过程中可以在桥梁结构上敷设传感器，在桥梁运营期间长期地记录梁端的纵向变位、结构温度、交通荷载等数据，通过这些监测数据，桥梁管理人员就可以对伸缩缝的“健康”状态进行评估，为伸缩缝的维护、维修和管理决策提供依据和指导。

参考文献

[1]Chen Wai-Fah，Duan Lian.Bridge engineering handbook[M].Boca Raton：CRC Press，2000.

[2]李爱群，缪长青，李兆霞.润扬长江公路大桥结构健康监测***研究[J].东南大学学报(自然科学版)，2003，33(5)：544-548.

[3]Ko J M，Ni Y Q.Technology developments in structural health monitoring of large-scalebridges[J].Engineering Structures，2005，27(12)：1715-1725.

发明内容

技术问题：本发明的目的是提供一种基于梁端纵向位移异常监测的伸缩缝损伤诊断方法，解决现有检测技术的不足。

技术方案：本发明的基本思想是：由于在桥梁主梁的端部设置伸缩缝的目的就是为了满足主梁纵向变位的需要，因此，梁端纵向位移的变化规律就隐含了伸缩缝的状态信息，当伸缩缝发生损伤时，梁端纵向位移就会发生异常变化，基于这种位移的变化，就可以对桥梁伸缩缝的损伤进行识别。

但是，如背景技术中所述，在桥梁的运营状况下，温度、车辆荷载的作用将会引起梁端纵向位移在一个较宽的范围内波动(温度、车辆荷载引起梁端位移的原理见说明书附图1和图2)，这种波动将淹没或掩盖结构因伸缩缝损伤所造成的位移变化。因此，本发明的方法是：建立伸缩缝正常状态下的梁端纵向位移与温度、车辆荷载等环境条件的数学模型，在此基础上消除环境条件对纵向位移的影响，得到能够真正反映伸缩缝健康状态的纵向位移，并采用均值控制图的方法识别由伸缩缝损伤所引起的纵向位移异常变化，从而建立了能够对伸缩缝状态进行实时在线损伤诊断的智能方法。

本发明提出的基于梁端纵向位移的桥梁伸缩缝损伤诊断的智能方法为：

1)主梁梁端的纵向位移及桥梁环境条件传感器的设置

桥梁施工建设时，在主梁梁端位置设置纵向位移传感器，同时，在主梁的跨中位置安装温度传感器和加速度传感器，用以监测主梁的温度和由于车辆荷载引起的主梁竖向加速度；

2)监测数据的处理

以10-min为计算区间，对传感器获取的原始数据进行处理，计算梁端纵向位移、温度和车辆荷载的代表值；

3)完好状态下纵向位移和环境条件的数学相关模型

a)选取桥梁施工建成后n天的监测数据来建立相关模型，纵向位移D、温度T和车辆荷载代表值R，

b)采用线性回归的方法建立温度T和梁端纵向位移D之间的关系，回归模型参数由最小二乘方法计算得到，

c)在建立车辆荷载代表值R与位移的相关模型之前，先消除温度对纵向位移的影响，选取参考温度为T_r，将位移原始测试值D“归一化”至参考温度T_r，得到消除温度影响的梁端纵向位移值D₁，

d)采用线性回归建立D₁和车辆荷载代表值R的相关性模型，然后与步骤c)类似，选取车辆荷载的参考值为R_r，将步骤c)中得到的D₁“归一化”至车辆荷载的参考值R_r，得到消除车辆荷载影响的位移值D₂；

4)控制图显著性水平的确定

将步骤3)计算出的位移值D₂取日平均值，记为D₂，将其输入均值控制图，调整控制图的显著性水平，使得上述n个样本点全部落在控制图的上、下控制线之内；

5)伸缩缝损伤的智能诊断

对未知状态的m天监测数据，采用伸缩缝完好状态下的相关模型消除温度和车辆荷载的影响，在此基础上得到m个日平均位移值，记为D₃。保持步骤4)确定的显著性不变，将D₂和D₃同时输入均值控制图，此时，若所有n+m个样本仍全部位于上、下控制线内，则说明伸缩缝状态为正常，若有样本落在了控制线以外，则说明伸缩缝状态异常，可作出伸缩缝发生损伤的预警。

有益效果：针对运营状态下桥梁伸缩缝极易发生损坏的工程实际，本发明综合采用现场测试、线性回归、均值控制图等手段提出了基于梁端纵向位移的损伤诊断的智能方法，具有以下有益效果：

(1)本发明所需安装的传感器数量较少，仅需要位移传感器、温度传感器和加速度传感器。同时，本发明采用的方法简单易行，可以在计算机中较为方便地编程实现，方便实际工程的应用。

(2)本发明全面考虑了环境因素对梁端纵向位移所产生的影响，分步消除了结构温度、车辆荷载对位移测试值的影响，消除环境因素影响后的位移值可以准确地反映运营状态下桥梁伸缩缝的健康状态。

(3)本发明引入均值控制图的方法对梁端纵向位移的异常变化进行多样本的假设检验，可以减少误判的可能性。

(4)本发明能够对伸缩缝状态进行在线监测，方法的实现过程中无需人工干预，减少了人力劳动的支出，可以实现桥梁伸缩缝的无人值守的智能监测，具有广阔的工程应用前景。

附图说明

图1是温度升高时简支梁纵向位移变形图，图中T↑表示温度升高，d_t表示温度引起的梁端纵向位移；

图2是车辆荷载作用下简支梁纵向位移变形图，图中F表示车辆荷载，d_f表示车辆荷载引起的梁端纵向位移；

图3为主梁北端纵向位移和温度的相关性散点图；

图4为主梁南端纵向位移和温度的相关性散点图；

图5为主梁北端纵向位移和加速度均方根的相关性散点图，图中的加速度RMS表示加速度均方根；

图6为主梁南端纵向位移和加速度均方根的相关性散点图，图中的加速度RMS表示加速度均方根；

图7为主梁北端纵向位移的日平均的实测值和消除环境影响后的归一化值；

图8为主梁南端纵向位移的日平均的实测值和消除环境影响后的归一化值；

图9为伸缩缝正常状态下的位移均值控制图，图中的UCL表示上控制线，LCL表示下控制线，CL为控制图的中线；

图10伸缩缝损伤状态下的位移均值控制图，图中的UCL表示上控制线，LCL表示下控制线，CL为控制图的中线。

具体实施方式

下面对本发明的具体实施方案进行进一步的描述：

(1)在梁端纵向位移及桥梁环境条件传感器的设置过程中，传感器的布置数量、位置及参数的设置可视桥的类型、跨径、桥面宽度以及桥址的环境等具体情况而定，通常在主梁梁端各设置一个纵向位移传感器，在主梁跨中设置一个温度传感器和一个加速度传感器，即可满足本发明的需要。

(2)将原始监测数据作如下处理：梁端纵向位移和结构温度数据以10-min为区间计算其平均值，以此作为这一时间区段内的梁端纵向位移和结构温度的代表值，以10-min为区间计算主梁竖向加速度的均方根(Root Mean Square，简记为RMS)，以此作为这一时间段内的车辆荷载的强度代表值。

(3)选择桥梁施工完成后n天的监测数据来建立相关模型，这是因为这段时间内的伸缩缝可认为处于完好的状态，以D、T和R分别表示位移、温度和车辆荷载代表值，样本总数为144×n。

(4)采用线性回归的方法建立温度T和梁端纵向位移D之间的关系，模型表达式为：

D＝β₀+β₁T                                      (1)

式中，β₀和β₁为回归系数，可通过最小二乘的方法得到：

${\mathrm{\β}}_1=\frac{S_{\mathrm{DT}}}{S_{\mathrm{TT}}},$ β₀＝D-β₁T                            (2)

式中，S_DT为位移与温度的协方差；S_TT为温度的方差；D和T分别为位移和温度的均值。

(5)选取参考温度为T_r，将其代入式(1)，得到位移的参考值为D_r，同时将温度代表值T也代入式(1)，得到位移的计算值D_t，于是可计算消除温度影响的梁端纵向位移值D₁：

D₁＝D-(D_t-D_r)                                    (3)

(6)建立消除了温度影响的位移值D₁和车辆荷载代表值R的线性回归模型：

D₁＝β₂+β₃R                                     (4)

式中，β₂和β₃为回归系数，可类似式(2)计算。选取车辆荷载的参考值为R_r，将其代入式(4)，得到位移的参考值D_rr，将车辆荷载代表值R也代入式(4)，得到位移的计算值D_tt，可计算消除了车辆荷载影响的位移值D₂：

D₂＝D₁-(D_tt-D_rr)                                (5)

(7)将消除了温度和车辆荷载影响的144×n个位移值D₂取日平均值，得到了n个位移样本，记为D₂，将D₂输入均值控制图，调整控制图的显著性水平，使得上述n个样本点全部落在上、下控制线(UCL、LCL)之内。

(8)对未知状态的m天监测数据，首先将其处理为10-min为计算区间的代表值，然后采用伸缩缝完好状态下的相关模型消除温度和车辆荷载的影响，计算出144×m个消除温度和车辆荷载影响的位移值D₃，然后再取日平均值，得到m个位移样本，记为D₃。保持控制图的显著性水平与完好状态下的一致，将D₂和D₃同时输入均值控制图，此时，若所有n+m个样本仍全部位于上、下控制线内，则说明伸缩缝状态为正常，若有样本落在了控制线以外，则说明伸缩缝状态异常，可作出伸缩缝发生损伤的预警。

下面以润扬大桥南汊悬索桥为例，说明本发明的具体实施过程：

选取2006年一月到六月100天的监测数据来建立梁端纵向位移和温度及车辆荷载的相关性，传感器选用的是主梁两端的位移传感器、主梁跨中的温度传感器和竖向加速度传感器，以10-min为时距，计算了纵向位移、温度和车辆荷载的代表值，共144×100＝14400个样本。

图3和图4分别给出了主梁北端、南端的位移与温度的相关性散点图，从图这两幅图可以看出，梁端纵向位移与温度之间存在较强的线性相关性，并表现出“温度高位移大、温度低位移小”的特征。同时由图3发现主梁北端位移的变化区间为[-23.0cm，28.7cm]，由图4发现南端的变化区间为[-20.6cm，33.0cm]，由此可得梁端纵向位移的变化幅度为51.7cm和53.6cm。

表1给出了采用线性回归分析建立的位移D和温度T的相关性模型。

表1温度-位移的线性回归模型

位置	回归函数(位移：D(cm)温度：T(℃))
		主梁北端	D＝-17.6681+1.0032T
主梁南端	D＝-15.5170+1.0097T

选取参考温度T_r为20℃，将参考温度值代入表1的线性模型，得到梁端的参考位移D_r，同时将温度代表值T也代入表1的模型，得到位移的计算值D_t，得到消除温度影响的梁端纵向位移值D₁。

图5和图6分别给出了主梁北端和南端的纵向位移D₁与车辆荷载代表值R(加速度RMS)的相关性散点图，从图中可以看出数据点的分布较分散，但是仍然可以看到R和D₁之间具有明显的相关性，表现出“荷载大位移小，荷载小位移大”的特征。

同样，表2给出了采用回归分析建立的位移D₁和车辆荷载代表值R的相关性模型。

表2车辆荷载-位移的线性回归模型

位置	回归函数(位移：D1(cm)加速度RMS：R(cm/s2))
		北段	D1＝2.8834-0.5391R
南端	D1＝5.6170-0.6646R

选取参考车辆荷载代表值R_r为1cm/s²，将车辆荷载代表值代入表2的线性模型，得到梁端的参考位移D_rr，同时将车辆荷载代表值R也代入表2的模型，得到位移的计算值D_tt，得到消除温度和车辆荷载影响的梁端纵向位移值D₂。

将D₂取日平均值，得到100个样本，记为D₂。

再取另外48天监测数据作为伸缩缝状态未知时的数据，采用本发明的方法得到48个日平均位移样本，记为D₃。

图7和图8分别给出了主梁北端和南端的纵向位移日平均的实测值和消除环境影响后的归一化值。图中实线表示位移的日平均实测值，虚线的前100个样本即表示D₂，后48个样本则表示D₃，从这两幅图可以看出南北端的位移归一化值曲线变化都很平稳，且幅度很小，这说明本发明的方法有效地去除了环境因素对梁端纵向位移的影响，

将D₂和D₃同时输入均值控制图，图9给出了伸缩缝正常状态下的位移均值控制图。图中前100个数据表述伸缩缝完好状态，即D₂；后48个数据表示伸缩缝未知状态，即D₃。通过调整控制图的显著性水平使前100个样本正好位于上下控制线之内，同时，可以发现，后48个样本同样也位于控制线之内，这说明此时伸缩缝处于健康状态。

为了检验本发明对伸缩缝进行损伤评估的效果，将上述另取的48天的10-min平均的位移代表值施加一定的变化，以此来模拟伸缩缝损伤对位移的影响：

D_m＝D-εΔD                                        (6)

式中，D为后48天的10-min位移实测值；D_m为伸缩缝损伤状态下后48天的10-min位移模拟值；ε表示损伤水平，这里取为1.0％；ΔD为南北端梁端纵向位移的年变化幅度，即以上介绍的53.6cm和51.7cm。

再将D_m按照本发明的方法计算得到48个日平均位移样本，记为D₃。然后将D₂和D₃也同时输入均值控制图，保持控制图的显著性水平不变，图10给出了伸缩缝模拟损伤状态下的位移均值控制图，从图中可以看出当伸缩缝损伤引起位移发生1.0％的变化时，后48个样本明显地趋近下控制线，且有部分样本已超出控制范围，此时，可以判定伸缩缝发生损伤。

以上算例表明本发明所提出的方法能够有效地消除环境条件对梁端纵向位移变化的影响，提取出能够反映伸缩缝状态的纵向位移归一化值，可以应用于桥梁伸缩缝的长期在线监测和损伤诊断。

Claims (1)

1.一种基于梁端纵向位移的桥梁伸缩缝损伤智能诊断方法，其特征在于该损伤智能诊断方法为：

1)主梁梁端的纵向位移及桥梁环境条件传感器的设置：

桥梁施工建设时，在主梁梁端位置设置纵向位移传感器，同时，在主梁的跨中位置安装温度传感器和加速度传感器，用以监测主梁的温度和由于车辆荷载引起的主梁竖向加速度；

2)监测数据的处理：

以10min为计算区间，对传感器获取的原始数据进行处理，计算梁端纵向位移、温度和车辆荷载的代表值；所述车辆荷载的代表值是以10min为区间计算主梁竖向加速度的均方根，以此作为这一时间段内的车辆荷载的强度代表值；

3)完好状态下纵向位移和环境条件的数学相关模型：

a)选取桥梁施工建成后n天的监测数据来建立相关模型，纵向位移D、温度T和车辆荷载代表值R，

b)采用线性回归的方法建立温度T和梁端纵向位移D之间的关系，回归模型参数由最小二乘方法计算得到，

c)在建立车辆荷载代表值R与位移的相关模型之前，先消除温度对纵向位移的影响，选取参考温度为T_r，将位移原始测试值D“归一化”至参考温度T_r，得到消除温度影响的梁端纵向位移值D₁，

具体方法是：采用线性回归的方法建立温度T和梁端纵向位移D之间的关系，模型表达式为：

D＝β₀+β₁T             (1)

式中，β₀和β₁为回归系数，可通过最小二乘的方法得到：

式中，S_DT为位移与温度的协方差；D_TT为温度的方差； 

和 

分别为位移和温度的均值，选取参考温度为T_r，将其代入式(1)，得到位移的参考值为D_r，同时将温度代表值T也代入式(1)，得到位移的计算值D_t，于是可计算消除温度影响的梁端纵向位移值D₁：

D₁＝D-(D_t-D_r)          (3) 

d)采用线性回归建立D₁和车辆荷载代表值R的相关性模型，然后与步骤c)类似，选取车辆荷载的参考值为R_r，将步骤c)中得到的D₁“归一化”至车辆荷载的参考值R_r，得到消除车辆荷载影响的位移值D₂；

具体方法是：建立消除了温度影响的位移值D₁和车辆荷载代表值R的线性回归模型：

D₁＝β₂+β₃R               (4)

式中，β₂和β₃为回归系数，可类似式(2)计算，选取车辆荷载的参考值为R_r，将其代入式(4)，得到位移的参考值D_rr，将车辆荷载代表值R也代入式(4)，得到位移的计算值D_tt，可计算消除了车辆荷载影响的位移值D₂：

D₂＝D₁-(D_tt-D_rr)           (5)

4)控制图显著性水平的确定：

将步骤3)计算出的位移值D₂取日平均值，记为 ，将其输入均值控制图，调整控制图的显著性水平，使得上述n个样本点全部落在控制图的上、下控制线之内；

5)伸缩缝损伤的智能诊断：

对未知状态的m天监测数据，采用伸缩缝完好状态下的相关模型消除温度和车辆荷载的影响，在此基础上得到m个日平均位移值，记为 

，保持步骤4)确定的显著性不变，将 和 

同时输入均值控制图，此时，若所有n+m个样本仍全部位于上、下控制线内，则说明伸缩缝状态为正常，若有样本落在了控制线以外，则说明伸缩缝状态异常，可作出伸缩缝发生损伤的预警。 

Images