CN105241660A - 基于健康监测数据的高铁大型桥梁性能评定方法 - Google Patents

Abstract

本发明公开了一种基于健康监测数据的高铁大型桥梁性能评定方法，涉及桥梁工程检测领域，包括以下步骤：在高铁桥梁上优化布置自动化的传感器硬件设备***，实现自动化的数据采集，对实测数据依次进行降噪等处理、时域统计处理及频域处理后，基于健康监测数据进行桥梁运营安全性能的评判。本发明的方法符合高速铁路桥梁检测评定的实际需求，能够及时准确反应高速铁路桥梁运营的安全性，为高速列车的安全运营提供重要保障；本方法的评定结果还同高铁桥梁常规检测评定结论相统一，便于***在桥梁管理人员的实际应用；在本方法评定结论的基础上还提出具有针对性桥梁养护维修的决策建议，便于实现及时维护、动态维护，大大提高桥梁检修的效率。

Description

基于健康监测数据的高铁大型桥梁性能评定方法

技术领域

本发明涉及桥梁工程检测领域，具体为基于健康监测数据的高铁大型桥梁性能评定方法。

背景技术

随着超大型桥梁的不断发展，相应桥梁在运营中检测评定的工作要求也越来越高，传统以人工检测评估为主的方法难以适应超大型桥梁检测评定需要。在此背景下，桥梁结构健康监测***也不断得到发展，并成为结构领域的研究热点之一。桥梁健康监测***通过在桥梁上设置各类传感器、信号传输设备等，对周围环境参数以及桥梁结构各类动态响应进行实时自动化的动态监测，并在监测数据的基础上对桥梁结构的承载能力、构件损伤等问题作出实时评估与安全预警。

随着高速铁路大型桥梁的不断发展，为保证高速列车安全平稳通行桥梁，对桥梁结构的振动、动态变形、局部疲劳受力、行车舒适性等运营性能提出更高的要求。而目前，高速铁路桥梁均采用白天高密度连续行车，在夜间24点～凌晨4点的“天窗时间”采用传统的方法进行人工为主的检查养护，存在着检查盲区，特别是高铁桥梁采用的新材料、新结构、新设备，检查质量难以保证。因此健康监测***是解决目前高速铁路大型桥梁检测评估的重要途径之一，与此同时，在高速铁路大型桥梁的健康监测***中，除对结构损伤、承载能力进行监测外，更关注桥梁的高速列车运行安全性能的监测与评估。

现有技术一的技术方案

既有公路大型桥梁及普速铁路的健康监测***中，更多关注桥梁的承载能力，以损伤识别、损伤指标等进行桥梁损伤位置、损伤程度等评定与预警。

(1)桥梁损伤识别与修正的发展历程

早在20世纪60年代，在航空航天、机械工程界就已经开始采用动力数据来评估结构的完整性，随后引起了土木工程领域的关注。近几十年来，试验模态分析理论技术以及一些先进的动力测量分析仪器设备的不断发展，为既有工程结构获取准确的模态参数及动力响应参数提供了强有力的保障。正是在此背景下，基于动力测试的损伤检测评定方法得以迅速发展。与传统的检测手段相比，动力检测的优点在于无损、测试便捷、可不中断交通并能够从总体上把握结构的状态。近二十多年来，动力法损伤检测与评估已经成为国内外学者密切关注且研究得非常活跃的课题。

基于动测参数的损伤准则及指标法如频率变化平方比、模态置信准则(MAC)、曲率模态法、柔度矩阵差、模态应变能(MSE)等这方面的研究相对较早，并不断得到发展。此类损伤准则与指标法均可以采用数值仿真识别的方法得到良好验证，但此类方法不足之处是需要大量而又必须精确的实测数据。之后，神经网络、遗传算法、小波变换、Hilbert-Huang变换、数据融合等算法与工具陆续被引入损伤识别中，丰富并发展了损伤识别理论与方法。相关损伤识别的研究内容越来越广泛，其中测试信号处理、测试数据处理、动力测试误差降低措施、动力测点优化布置以及在健康监测中的应用等均为损伤识别领域重要的分支内容。在各类研究方法中，基于模态参数的优化反演类损伤识别算法及模型修正一直是其中的重要组成部分。

(2)基于模态参数的模型修正理论与算法

桥梁结构依据实测动力参数进行有限元模型修正亦可实现损伤识别。Berman早在1983年就通过最小化加权质量、刚度误差的范数，以参数矩阵的对称、正交性及剩余模态向量为零作为约束条件，修正了质量矩阵和刚度矩阵。随后，特征值和特征向量的灵敏度计算方法被运用于结构局部损伤特征的研究。Bicanic&Chen采用高斯-牛顿最小二乘法或直接迭代法进行模型修正来识别结构损伤，结果表明只需要少数几阶固有频率测试数据即能获得较好的识别结果。张启伟等以江阴长江公路大桥为工程背景，研究了利用现场的环境振动测量值进行悬索桥结构的有限元模型修正。宗周红,高铭霖,夏樟华***深入研究连续刚构桥有限元模型修正问题，修正模型有效应用于桥梁健康监测中的损伤诊断和安全评估。李正，李忠献对混凝土材料模型进行修正，有效进行了混凝土结构循环受力下的受力行为研究，并研究了其在高墩地震损伤识别中的应用。余岭及徐鹏提出一重基于连续优化蚁群算法(CACO)的结构多损伤识别方法，为损伤识别约束优化算法扩展了新的研究手段。战家旺及夏禾等人^[提出一种基于损伤灵敏度的利用桥梁结构在车辆荷载作用下在线动力响应评估结构性损伤的方法，拓宽了基于动力测试的损伤识别方法。林贤坤，张令弥等人针对预应力连续箱梁桥，利用实数编码加速遗传算法，基于环境激励模态试验的前7阶模态参数，对该桥初始有限元模型进行修正，取得良好效果。张石磊，陈少峰等人基于正演分析法依据少量测量数据的情况下对一钢桁架模型进行模型参数修正，并总结出了一套适用于大型复杂结构模型修正的方法并给出计算步骤。王蕾，郁胜等人基于径向基神经网络以模态分析频率作为输入向量对某预应力混凝土大跨刚构-连续梁桥有限元模型进行修正，得到能更真实地反映结构的物理状态的结构有限元模型。韩芳，钟冬望等人提出一种基于信息融合和贝叶斯理论的模型修正方法，该方法充分利用先验信息，迭代计算量较小，可推广至大型复杂非线性结构。祁泉泉，辛克贵针对不完备复模态条件下有限元结构模型修正结果的不唯一性，利用添加质量块和未添加质量块2组模型的动力试验数据和质量矩阵差，结合差分概念，推导了一种新的模型修正算法。

袁爱民,戴航等人考虑到了桥梁结构边界条件约束和参数灵敏度，以实测模态参数对一斜拉桥进行有限元模型修正，研究认为边界条件刚度应当作为修正参数，其修正结果反映了桥梁的实际情况。施洲等在基于模态参数的损伤研究中中提出应用约束优化反演方法进行桥梁结构模型的边界条件修正，以及边界条件与构件弹性模量的联合修正，还初步讨论了考虑边界条件变异的桥梁结构损伤识别。

(3)大型公路桥梁健康监测***的发展

目前，大型公路桥梁等结构的健康监测***不断得到发展，并成为结构领域的研究热点之一。桥梁健康监测在监测内容、监测传感器、测点优化布置、监测信号处理、评定算法等方面取得良好进展。但在当前的健康监测***中，限于监测测点数量、监测信号噪声干扰等众多因素，基于健康监测数据的桥梁损伤识别理论与算法、桥梁技术状况指标等方面仍存在诸多困难。

现有技术一的缺点

在目前健康监测***主要应用于大型公路桥梁中，限于监测测点数量、监测信号噪声干扰等众多因素，基于健康监测数据的桥梁损伤识别理论与算法、桥梁技术状况指标等方面仍存在诸多困难。目前既有的大型公路桥梁健康监测***的工程实际应用表明，除了有效监测到一定数量的数据外，后续的桥梁分析评定等工作实用性相对较差。既有大型公路桥梁健康监测***的桥梁性能评定存在具体问题如下：

1)现有桥梁健康监测***更多关注桥梁损伤识别、承载力安全，因而也不适合高速铁路大型桥梁更多关注高速列车通行桥梁时的运营安全性；

2)限于实测数据的数量与误差等，监测***尚不能有效实现桥梁结构与构件的损伤与否、损伤程度、损伤定位的识别，尚未能有效对桥梁结构的承载能力及桥梁的适用性作出进行评判；

3)健康监测评定方法、结论等与传统的公路、铁路桥梁检测评定以及承载能力评定等亦不能有效衔接；

4)健康监测***未能实现在桥梁性能评定的基础上对桥梁的养护维修提出有效的养护维修决策建议。

现有技术二的技术方案

高速铁路大型桥梁仍然以传统的方法进行检测与评估，按照《高速铁路桥隧建筑物修理规则(试行)》(TG/GW114-2011)、《高速铁路桥梁运营性能检定规定(试行)》(TG/GW209-2014)等进行传统的以人工检测、评定为主。以“期性检查﹑临时检查﹑水文观测﹑专项检查﹑检定试验等”为内容的检查制度，并对照相应的《高速铁路桥隧建筑物状态评定标准》评定高速铁路桥梁结构技术状态。

现有技术二的缺点

目前的高速铁路桥梁主要依据《高速铁路桥隧建筑物修理规则(试行)》(TG/GW114-2011)、《高速铁路桥梁运营性能检定规定(试行)》(TG/GW209-2014)等进行常规检测养护，基本参考普通铁路的管养方式进行，以传统的人工检测为主，在高速铁路线路白天运营“夜间24点～凌晨4点维护”的特定条件下，检测工作耗费大量的人力与物力，并存在检测评定效率低、评定准确性弱等问题。

发明内容

本发明的目的在于提供一种基于健康监测数据的高铁大型桥梁性能评定方法，针对目前高速铁路大型桥梁检测评定中存在“夜间天窗”人工检测、检测评定效率低、准确性弱等问题，以及目前现有大型桥梁健康监测***中因测点数量有限、测试噪声影响而导致的损伤识别、桥梁性能评定困难等问题。

为了解决以上问题，本发明采用的技术方案如下，一种基于健康监测数据的高铁大型桥梁性能评定方法，包括以下步骤：在高铁桥梁上优化布置自动化的传感器硬件设备***，实现自动化的数据采集，对实测数据依次进行初步降噪处理、时域统计处理及频域处理后，基于健康监测数据进行桥梁运营安全性能的评判。

作为优选，优化布置的测试内容聚焦于结构振动测试、支座力与轨温伸缩调节器的特殊构件的监测，测点数量优化布置于控制截面及最不利值的位置处。

作为优选，监测数据初步降噪处理如下：

以数据有无信号、信号采样频率、信号量值峰值和信号变化状况进行健康监测数据的可靠性评估；并对加速度等动态数据进行20～50Hz的低通滤波，必要时进行0均值处理、信号重构处理。

作为优选，实测数据的时域统计处理如下：

(1)峰值处理：

对于采样频率高于20Hz及以上的动态监测数据处理中，在特定时间间隔△T内提取各量值的最大、最小峰值D_Max(ti)，D_Min(ti)，即最大最小加速度、位移振幅、轮轨力等结果,如公式(1)所示：

D_Max(ti)＝Max{D(tx)}(1a)

D_Min(ti)＝Min{D(tx)}(1b)

式中，D(tx)为△T周期内桥梁动态监测数据序列；

动态监测数据处理的时间间隔△T按照如下公式取值：

ΔT＝(L_B+L_T)/v+5(2)

式中，L_B为桥梁全长，单位为m；L_T为列车长度，单位为m；v为列车常规通行速度，单位为m/s；增加的5s为提高数据的时间长度冗余度；

对于采样频率低于20Hz(通常频率在1Hz以下)的拟静态监测数据，同样以一定的时间周期△T分别记录其最大、最小峰值S_Max(ti)，S_Min(ti)，如公式(3)：

S_Max(ti)＝Max{S(tx)}(3a)

S_Min(ti)＝Min{S(tx)}(3b)

式中，S(tx)为△T周期桥梁拟静态监测数据序列，记各类峰值处理结果为PV(i)，以一定的数据格式存储并备用；

(2)峰值及时预警措施

各类实测动态数据△T时间内极值按照时间间隔末记录为数据系列备用，在评定处理过程中，考虑特殊的数据处理，在△T时间间隔内的最大值记录中，即时以最大值替代的方法记录时间间隔最大值，以保证在△T时间间隔内出现最大实测量值超标时能够即时报警；

(3)峰值统计处理

在动态数据分段峰值处理之后，将所得的△T内峰值数据系列连同拟静态监测数据系列结果PV(i)，进行下一步的统计分析处理，监测数据统计分析处理针对不同类型的数据，以不同的周期对动态数据分段峰值及拟静态监测数据序列进行相应的均值Av_PV(i)、方差σ_vPV(i)的统计分析处理；

(4)变化量处理

根据健康监测数据的峰值及统计处理，将当前的峰值结果PV(i)与以往对应数据的平均值Av_PV(i-1)相减，得到各类监测数据的“变化量”V_PV(i)，如公式(4)：

V_PV(i)＝PV(i)-A_vPV(i-1)(4)。

作为优选，实测数据的频域处理如下：

同时采用傅里叶变换、采用小波分析及HHT变换分析进行模态参数识别及时域数据的重构处理，记3种频率变换后的频率值数据分别为F_FFT(ti)、F_WT(ti)、F_HHT(ti)：

变换处理后的频率值与前一周期平均值之差分别为ΔF_F、ΔF_W、ΔF_H。

ΔF_F＝F_fft(ti)-F_Av(i-1)(5a)

ΔF_W＝F_wt(ti)-F_Av(i-1)(5b)

ΔF_H＝F_HHt(ti)-F_Av(i-1)(5c)

记F_FFT(ti)的融合权重系数为ω_F，其取值如公式6a～6c所示：

${\mathrm{\ω}}_F=0.05,if\frac{{\mathrm{\ΔF}}_F}{F_{Av}\left(i-1\right)}>58\%---\left(6a\right)$

${\mathrm{\ω}}_F=1.0,if\frac{{\mathrm{\ΔF}}_F}{F_{Av}\left(i-1\right)}\≤20\%---\left(6b\right)$

${\mathrm{\&omega;}}_F=1.5-2.5\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}(i-1)},if20\%<\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}\left(i-1\right)}\&le;58\%---\left(6c\right)$

同样，F_WT(ti)、F_HHT(ti)的融合权重系数为ω_w、ω_H，其取值同公式5；

融合后的频率结果F_W(ti)如下式所示：

F_W(ti)＝[ω_F·F_FFt(ti)+ω_w·F_wt(ti)+ω_H·F_HHt(ti)]/(ω_F+ω_w+ω_H)(6)。

作为优选，基于健康监测数据进行桥梁运营安全性能的评判如下：

(1)峰值法评定，以健康监测***的各类监测数据在△T时间间隔内的最大、最小峰值集合PV(i)同预设的桥梁运营安全性评判阈值体系进行3个层次的比对分析评定，峰值法评定的评判结论根据5个不同的评判区间得到对应的5种“评定结论”，并标示不同的“评定指标值”；

在峰值法的评定过程中，根据特定的桥梁设定“理论计算值”、“检定通常值”、“安全限值”3个层次分别按照各自的评价指标阈值来进行结构不同性能状况的评定，分别表征实际受力响应与理论状态的差异及劣化状况、桥梁实际受力响应与正常安全行车状况的对比状况、桥梁结构的运营安全性性能储备状况；

(2)基于健康监测数据的高铁桥梁峰值时变评定

将各类监测参数峰值随时间增长中发生变化情况与统计参数的对比分析评定，表征桥梁结构随时间发展而产生的变化、劣化的状况；峰值时变评定同样采用4阈值5区间的评定方法，用于峰值时变评定法的监测参数包括实测频率、加速度、动应力、动应变；峰值时变评定法的评判结论根据5个不同的评判区间得到对应的5种“评定结论”，并标示不同的“评定指标值”；

(3)基于健康监测数据的高铁桥梁总体评定

基于“峰值法评定”、“峰值时变评定”，提出总体评定指标It、总体振动评定指标Id、损伤区域指标Ip(i)，分别对高速铁路桥梁的运营安全性进行总体评判、总体振动状况进行评判、判别桥梁大概的损伤区域位置。

本发明的有益效果如下：本发明提出的基于健康监测数据的高铁大型桥梁性能评定方法，通过在高铁桥梁上优化布置自动化的传感器等硬件设备***，实现自动化的数据采集，对实测数据进行初步处理、时频域处理后，基于健康监测数据进行桥梁运营安全性能的评判，并给出桥梁养护维修辅助决策建议。通过自动化的桥梁监测与合理评定，能够有效降低桥梁常规检测评定的工作量，克服高铁大型桥梁管养的困难。本发明的方法符合高速铁路桥梁检测评定的实际需求，能够及时准确反应高速铁路桥梁运营的安全性，为高速列车的安全运营提供重要保障；本方法的评定结果还同高铁桥梁常规检测评定结论相统一，便于***在桥梁管理人员的实际应用；在本方法评定结论的基础上还提出具有针对性桥梁养护维修的决策建议，便于实现及时维护、动态维护，大大提高桥梁检修的效率。

附图说明

图1为本发明的总体流程示意图；

图2为本发明的详细流程示意图。

具体实施方式

以下结合附图，对本发明上述的和另外的技术特征和优点作更详细的说明。

一种基于健康监测数据的高铁大型桥梁性能评定方法，即对健康监测***采集的信号数据进行分析处理，并在此基础上进行桥梁安全运营性能评定的方法；具体的步骤如下：

(1)基于性能评定的健康监测测点优化布置

基于健康监测数据的高铁大型桥梁性能评定结果的准确性与可靠性取决于桥梁实测数据的数量与质量，为保证后续桥梁性能评定的顺利开展，在桥梁健康监测***中，首先应根据高速铁路桥梁的特点及其性能评定内容与方法进行健康监测测点的优化布置。

基于性能评定的健康监测测点优化布置分为两个层次，一是测试内容的优化；其次是测点数量的优化；优化的原则是保证性能评定需要，测点少而精。

在测试内容的优化中，应结合桥梁的结构特点，明确桥梁评定目标，除关系到高速列车运营安全的评定项目如加速度、自振频率、位移振幅等(《高速铁路桥梁运营性能检定规定(试行)》(TG/GW209-2014)中涉及的检定项目)外，还应考虑特殊结构桥梁结构构件的评定，如支座力、轨温伸缩调节器、杆索力、局部疲劳应力等。

在测点数量的优化中，坚持“少而精”的原则，测点布设于代表性、关键性、最不利值等位置处。

(2)健康监测数据初步处理

在高速铁路桥梁健康监测数据的初步处理中，首先进行信号数据的可靠性评估，并进行信号数据的降噪等初步处理。

1)信号数据的可靠性评估：对实测数据进行有无信号、信号采样频率、信号量值峰值、信号变化状况进行检测与评估，对不满足要求的实测信号数据及时进行信号故障报警，并提醒检查对应项目。

2)信号数据的降噪等初步处理：目的在于消除因环境随机风、振动荷载，环境噪声等干扰而导致的监测数据信号噪声、测点异常值等。信号数据的初步处理主要为去噪、去毛刺、异常值剔除、消除趋势项等。信号处理的方法主要为滤波、信号重构等。

3)初步处理方法与流程：加速度、位移振幅等内容，先以20～50Hz的低通滤波，再进行0均值处理，必要时进行信号重构；竖向位移、动态应力等内容，先以20～50Hz的低通滤波，再进行异常值剔除处理，必要时进行信号重构。

(3)健康监测数据的时域处理

1)峰值处理：

对于采样频率高于20Hz及以上的动态监测数据处理中，在特定时间间隔△T内提取各量值的最大、最小峰值D_Max(ti)，D_Min(ti)，即最大最小加速度、位移振幅、轮轨力等结果,如公式(1)所示。将应用于后续数据处理与桥梁评定。

D_Max(ti)＝Max{D(tx)}(1a)

D_Min(ti)＝Min{D(tx)}(1b)

式中，D(tx)为△T周期内桥梁动态监测数据序列。

动态监测数据处理的时间间隔△T按照如下公式取值：

ΔT＝(L_B+L_T)/v+5(2)

式中，L_B为桥梁全长，单位为m；L_T为列车长度，单位为m；v为列车常规通行速度，单位为m/s；增加的5s为提高数据的时间长度冗余度。

对于采样频率低于20Hz通常频率在1Hz以下的拟静态监测数据，同样以一定的时间周期△T(该周期可根据测试数据类型,在数分钟至数天的范围内灵活选取)分别记录其最大、最小峰值S_Max(ti)，S_Min(ti)，如公式(3)：

S_Max(ti)＝Max{S(tx)}(3a)

S_Min(ti)＝Min{S(tx)}(3b)

式中，S(tx)为△T周期内桥梁拟静态监测数据序列。记各类峰值处理结果为PV(i)，以一定的数据格式存储并备用。

2)峰值及时预警措施

各类实测动态数据△T时间内极值按照时间间隔末记录为数据系列备用。在评定处理过程中，考虑特殊的数据处理，在△T时间间隔内的最大值记录中，即时以最大值替代的方法记录时间间隔最大值，以保证在△T时间间隔内出现最大实测量值超标时能够即时报警。

3)峰值统计处理

在动态数据分段峰值处理之后，将所得的△T内峰值数据系列连同拟静态监测数据序列结果PV(i)，进行下一步的统计分析处理。监测数据统计分析处理针对不同类型的数据，以不同的周期对动态数据分段峰值及拟静态监测数据序列进行相应的均值Av_PV(i)、方差σ_vPV(i)的统计分析处理。各类统计处理后的数据可应用于桥梁运营安全性评定、监测数据可靠性分析等。

4)变化量处理

根据健康监测数据的峰值及统计处理，将当前的峰值结果PV(i)与以往对应数据的平均值Av_PV(i-1)相减，得到各类监测数据的“变化量”V_PV(i)，如公式(4)。变化量将应用于桥梁运营安全性评定、监测数据可靠性分析等。

V_PV(i)＝PV(i)-A_vPV(i-1)(4)

(4)数据频域处理

在健康监测动态数据的频域处理中，同时采用傅里叶变换(FastFourierTransforms)、采用小波分析(WaveletTransforms)及HHT变换((Hilbert-HuangTransform)分析进行模态参数识别及时域数据的重构处理等。记3种频率变换后的频率值数据分别为F_FFT(ti)、F_WT(ti)、F_HHT(ti)。

变换处理后的频率值与前一周期平均值之差分别为ΔF_F、ΔF_W、ΔF_H。

ΔF_F＝F_fft(ti)-F_Av(i-1)(5a)

ΔF_W＝F_wt(ti)-F_Av(i-1)(5b)

ΔF_H＝F_HHt(ti)-F_Av(i-1)(5c)

记F_FFT(ti)的融合权重系数为ω_F，其取值如公式6a～6c所示。

${\mathrm{\&omega;}}_F=0.05,if\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}\left(i-1\right)}>58\%---\left(6a\right)$

${\mathrm{\&omega;}}_F=1.0,if\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}\left(i-1\right)}\&le;20\%---\left(6b\right)$

${\mathrm{\&omega;}}_F=1.5-2.5\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}(i-1)},if20\%<\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}\left(i-1\right)}\&le;58\%---\left(6c\right)$

同样，F_WT(ti)、F_HHT(ti)的融合权重系数为ω_w、ω_H，其取值同公式6。

融合后的频率结果F_W(ti)如下式所示：

F_W(ti)＝[ω_F·F_FFt(ti)+ω_w·F_wt(ti)+ω_H·F_HHt(ti)]/(ω_F+ω_w+ω_H)(7)

采用频域数据融合技术，综合应用FFT的简便与在非时变数据方面的优势、小波变换在桥梁结构所处于的低频段信号具有较高分别率的优点、HHT变换在非平稳、非线性信号处理方面的优势。通过比对、优选等措施，提供频域数据识别成功率与精度。

(5)基于健康监测数据的大型高铁桥梁峰值法评定

基于健康监测数据的峰值法评定是以健康监测***的各类监测数据在△T时间间隔内的最大、最小峰值PV(i)同预设的4阈值5区间的评判体系进行比对评判，TH1～TH4分别为预设的4个从小到大阈值，其分割出5个阈值区间，TH1～TH4的具体量值根据具体的桥梁结构类型与参数等计算分析确定。峰值法评定的评判结论根据5个不同的评判区间得到对应的5种“评定结论”，并标示不同的“评定指标值”。具体的峰值法评定如表1所示。

表1实测竖向位移振幅与计算值对比评定表

评定区间	评定结论	评定指标值VA1
			PV(i)＜TH1	优	2
TH1≤PV(i)＜TH2	良好	1
			TH2≤PV(i)＜TH3	正常	0
TH3≤PV(i)≤TH4	劣化	-1
			PV(i)＞TH4	劣化严重	-2

在基于健康监测数据的大型高铁桥梁峰值法评定中，桥梁运营安全性从3个不同的侧面进行比对分析评定。根据特定的桥梁设定“理论计算值”、“检定通常值”、“安全限值”3个方面分别按照各自的评价指标阈值来进行结构不同性能状况的评定。

理论计算值，即车桥耦合振动计算的动力响应结果值。表征桥梁实际受力响应与理论状态的差异及劣化状况。

检定通常值，是指桥梁正常运营过程中，为保证桥梁结构良好的运营性能及高速列车运行平稳性及乘客舒适性而设定的各类参数如振动频率、位移振幅、加速度等的限值。表征桥梁实际受力响应与正常安全行车状况的对比状况。

安全限值，是指在桥梁正常运营过程中，为保证桥梁结构承载安全性、高速列车走行安全性而设定的各类参数对应的安全限值。直接表征桥梁结构的运营安全性能储备状况。

在此，以某桥梁健康监测的竖向位移振幅的峰值法评定说明各类实测参数的评定方法如下：

记进行数据初步处理及峰值处理得到的实测竖向位移振幅峰值A_ti，剔除无列车通行时实测的竖向位移振幅值峰值后将其与修正计算值A_ci对比评判，具体评判区间与方法见表2，表中“评定指标值V_A1”是应用于后续综合评定的参数。

表2实测竖向位移振幅与计算值对比评定表

实测值/计算值	评定结论	评定指标值VA1
			～＜0.40	振动极小	2
0.40≤～＜0.70	振动较小	1
			0.70≤～＜1.00	正常振动	0
1.00≤～≤1.20	振动较大	-1
			～＞1.20	振动显著	-2

竖向位移振幅值A_ti与正常限值A_ni对比评判方法同修正计算值，其评定指标值记为V_A1c。竖向位移振幅实测值A_ti与安全限值A_si可进行直接对比评定是否超限，对应的评判指标值分别为0、-2。

(6)基于健康监测数据的高铁桥梁峰值时变评定

基于健康监测数据的峰值时变评定法是将各类监测参数峰值随时间增长中发生变化情况与统计参数的对比分析评定方法，表征桥梁结构随时间发展而产生的变化、劣化等状况。峰值时变评定同样采用4阈值5区间的评定方法。用于峰值时变评定法的监测参数包括实测频率、加速度、动位移、动应变等。

峰值时变评定法的评判结论根据5个不同的评判区间得到对应的5种“评定结论”，并标示不同的“评定指标值”。

同样以实测竖向位移振幅为例，将竖向位移振幅实测峰值A_ti在一定时间长度的监测周期内平均得到竖向位移振幅平均峰值记为该监测周期内所有实测竖向位移振幅峰值A_ti的统计方差记为σ_A。在竖向位移振幅变化量的评定中，将当前监测周期内的实测竖向位移振幅A_ti与前一个实测周期平均值之差记为竖向位移振幅变化值ΔA_i，竖向位移振幅变化值ΔA_i与前一监测周期内竖向位移振幅峰值方差为σ_A的对比作为变化量评定指标，对应的评定指标值记为V_A2。

根据高速铁路大型桥梁的竖向位移振幅特性，在车桥耦合振动现有资料的基础上，并结合实际大桥桥梁竖向位移振幅的变化范围，进行健康监测实测竖向位移振幅评定方法见表3。

表3实测竖向位移振幅变化评定

竖向位移振幅变化值	评定结论	评定指标值VA2
			<0.8σA	变化极小	2
0.8～1.2σA	常规变化	1
			1.2～2.0σA	偏大变化	0
2.0～3.0σA	较大变化	-1
			>3.0σA	显著变化	-2

(7)基于健康监测数据的高铁桥梁总体评定

1)总体评定指标I_t

为进一步从总体上进行高铁大型桥梁性能的评定，在峰值法评定、峰值时变评定的基础上，进一步构建桥梁性能总体评判指标，对高速铁路桥梁的运营安全性进行总体评判。

记高铁大型桥梁健康监测各类参数的峰值评定指标值为V_si，峰值时变评定指标值为V_ai。桥梁总体评定指标I_t如下：

$I_t=\frac{1}{N_t}({\mathrm{\&Sigma;V}}_{si}+{\mathrm{\&Sigma;V}}_{ai})---\left(8\right)$

上式中N_t为对应全部“评定指标值”的总数目。

总体评定指标I_t评判的阈值区间及评判结论见表4。桥梁评定等级与《高速铁路桥隧建筑物修理规则(试行)》(TG/GW114-2011)规定的桥梁状态评定等级相统一。

表4总体评定指标I_t评定表

2)总体振动评定指标I_d

针对高速铁路大型桥梁更关注桥梁振动特性的问题，构建总体振动评定指标I_d，对其总体振动状况进行评判。

记高铁大型桥梁健康监测各类振动监测参数如加速度、自振频率、位移振幅等的峰值评定指标值为V_dsi，峰值时变评定指标值为V_dai。桥梁总体评定指标It如下：

$I_d=\frac{1}{N_d}({\mathrm{\&Sigma;V}}_{dsi}+{\mathrm{\&Sigma;V}}_{dai})---\left(9\right)$

上式中N_d为对应相关振动测试参数“评定指标值”的总数目。

总体评定指标I_d评判的阈值区间及评判结论见表5。桥梁评定等级与《高速铁路桥隧建筑物修理规则(试行)》(TG/GW114-2011)规定的桥梁状态评定等级相统一。

表5总体振动评定指标Id评定表

注：表中Id区间评定区间值可根据特定桥梁调整。

3)损伤区域指标I_p(i)

在高铁大型桥梁的健康监测数据峰值评定及峰值时变评定的基础上，构建桥梁损伤位置的判别指标I_p，用以判别桥梁大概的损伤区域位置。

记高铁大型桥梁健康监测传感器主要布置于纵桥向不同位置xi处，共m个截面，记为S_i(xi),其中(i,1～m)，记各个截面上监测参数的峰值评定指标值为V_ssj，峰值时变评定指标值为V_saj。桥梁损伤区域指标I_p(i)如下：

$I_p\left(i\right)=\frac{1}{N_i}({\mathrm{\&Sigma;V}}_{ssj}+{\mathrm{\&Sigma;V}}_{saj})---\left(10\right)$

上式中N_i为对应i截面上相关振动测试参数“评定指标值”的总数目。

损伤区域指标I_p(i)评判的阈值区间及评判结论见表6。桥梁评定等级与《高速铁路桥隧建筑物修理规则(试行)》(TG/GW114-2011)规定的桥梁状态评定等级“AA、A1、B、C”相统一。

表6损伤区域指标I_p(i)评定表

注：表中Ip区间评定区间值可根据特定桥梁调整。

(8)基于评定结果的动态管养决策

在高铁大型桥梁健康监测评定的基础上，提出动态养护决策建议，在监测评定中预警“启动人工特殊监测”时应及时启动人工检测并根据预警的可能损伤区域进行有针对性的检测评判，及时解决发现的问题与病害，防止病害的进一步扩展。在评定中评定性能良好的，可以适当延长常规检测周期。

Claims (6)

1.一种基于健康监测数据的高铁大型桥梁性能评定方法，其特征在于，包括以下步骤：在高铁桥梁上优化布置自动化的传感器硬件设备***，实现自动化的数据采集，对实测数据依次进行初步降噪处理、时域统计处理及频域处理后，基于健康监测数据进行桥梁运营安全性能的评判。

2.根据权利要求1所述的一种基于健康监测数据的高铁大型桥梁性能评定方法，其特征在于，优化布置的测试内容聚焦于结构振动测试、支座力与轨温伸缩调节器的特殊构件的监测，测点数量优化布置于控制截面及最不利值的位置处。

3.根据权利要求1或2所述的一种基于健康监测数据的高铁大型桥梁性能评定方法，其特征在于，监测数据初步降噪处理如下：

以数据有无信号、信号采样频率、信号量值峰值和信号变化状况进行健康监测数据的可靠性评估；并对加速度等动态数据进行20～50Hz的低通滤波，必要时进行0均值处理、信号重构处理。

4.根据权利要求3所述的一种基于健康监测数据的高铁大型桥梁性能评定方法，其特征在于，实测数据的时域统计处理如下：

(1)峰值处理：

对于采样频率高于20Hz及以上的动态监测数据处理中，在特定时间间隔△T内提取各量值的最大、最小峰值D_Max(ti)，D_Min(ti)，即最大最小加速度、位移振幅、轮轨力等结果,如公式(1)所示：

D_Max(ti)＝Max{D(tx)}(1a)

D_Min(ti)＝Min{D(tx)}(1b)

式中，D(tx)为△T周期内桥梁动态监测数据序列；

动态监测数据处理的时间间隔△T按照如下公式取值：

ΔT＝(L_B+L_T)/v+5(2)

式中，L_B为桥梁全长，单位为m；L_T为列车长度，单位为m；v为列车常规通行速度，单位为m/s；增加的5s为提高数据的时间长度冗余度；

对于采样频率低于20Hz通常频率在1Hz以下的拟静态监测数据，同样以一定的时间周期△T分别记录其最大、最小峰值S_Max(ti)，S_Min(ti)，如公式(3)：

S_Max(ti)＝Max{S(tx)}(3a)

S_Min(ti)＝Min{S(tx)}(3b)

式中，S(tx)为△T周期桥梁拟静态监测数据序列，记各类峰值处理结果为PV(i)，以一定的数据格式存储并备用；

(2)峰值及时预警措施

各类实测动态数据△T时间内极值按照时间间隔末记录为数据系列备用，在评定处理过程中，考虑特殊的数据处理，在△T时间间隔内的最大值记录中，即时以最大值替代的方法记录时间间隔最大值，以保证在△T时间间隔内出现最大实测量值超标时能够即时报警；

(3)峰值统计处理

在动态数据分段峰值处理之后，将所得的△T内峰值数据系列连同拟静态监测数据系列结果PV(i)，进行下一步的统计分析处理，监测数据统计分析处理针对不同类型的数据，以不同的周期对动态数据分段峰值及拟静态监测数据序列进行相应的均值Av_PV(i)、方差σ_vPV(i)的统计分析处理；

(4)变化量处理

根据健康监测数据的峰值及统计处理，将当前的峰值结果PV(i)与以往对应数据的平均值Av_PV(i-1)相减，得到各类监测数据的“变化量”V_PV(i)，如公式(4)：

V_PV(i)＝PV(i)-A_vPV(i-1)(4)。

5.根据权利要求4所述的一种基于健康监测数据的高铁大型桥梁性能评定方法，其特征在于，实测数据的频域处理如下：

同时采用傅里叶变换、采用小波分析及HHT变换分析进行模态参数识别及时域数据的重构处理，记3种频率变换后的频率值数据分别为F_FFT(ti)、F_WT(ti)、F_HHT(ti)：

变换处理后的频率值与前一周期平均值之差分别为ΔF_F、ΔF_W、ΔF_H。

AF_F＝F_fft(ti)-F_Av(i-1)(5a)

AF_W＝F_wt(ti)-F_Av(i-1)(5b)

AF_H＝F_HHt(ti)-F_Av(i-1)(5c)

记F_FFT(ti)的融合权重系数为ω_F，其取值如公式6a～6c所示：

${\mathrm{\&omega;}}_F=0.05,if\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}\left(i-1\right)}>58\%---\left(6a\right)$

${\mathrm{\&omega;}}_F=1.0,if\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}\left(i-1\right)}\&le;20\%---\left(6b\right)$

${\mathrm{\&omega;}}_F=1.5-2.5\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}\left(i-1\right)},if20\%<\frac{{\mathrm{\&Delta;F}}_F}{F_{Av}\left(i-1\right)}\&le;58\%---\left(6c\right)$

同样，F_WT(ti)、F_HHT(ti)的融合权重系数为ω_W、ω_H，其取值同公式5；

融合后的频率结果F_W(ti)如下式所示：

F_W(ti)＝[F_p·F_FFt(ti)+ω_W·F_wt(ti)+ω_H·F_HHt(ti)]/(ω_F+ω_W+ω_H)(6)。

6.根据权利要求1所述的一种基于健康监测数据的高铁大型桥梁性能评定方法，其特征在于，基于健康监测数据进行桥梁运营安全性能的评判如下：

(1)峰值法评定，以健康监测***的各类监测数据在△T时间间隔内的最大、最小峰值集合PV(i)同预设的桥梁运营安全性评判阈值体系进行3个层次的比对分析评定，峰值法评定的评判结论根据5个不同的评判区间得到对应的5种“评定结论”，并标示不同的“评定指标值”；

在峰值法的评定过程中，根据特定的桥梁设定“理论计算值”、“检定通常值”、“安全限值”3个层次分别按照各自的评价指标阈值来进行结构不同性能状况的评定，分别表征实际受力响应与理论状态的差异及劣化状况、桥梁实际受力响应与正常安全行车状况的对比状况、桥梁结构的运营安全性性能储备状况；

(2)基于健康监测数据的高铁桥梁峰值时变评定

将各类监测参数峰值随时间增长中发生变化情况与统计参数的对比分析评定，表征桥梁结构随时间发展而产生的变化、劣化的状况；峰值时变评定同样采用4阈值5区间的评定方法，用于峰值时变评定法的监测参数包括实测频率、加速度、动应力、动应变；峰值时变评定法的评判结论根据5个不同的评判区间得到对应的5种“评定结论”，并标示不同的“评定指标值”；

(3)基于健康监测数据的高铁桥梁总体评定

基于“峰值法评定”、“峰值时变评定”，提出总体评定指标It、总体振动评定指标Id、损伤区域指标Ip(i)，分别对高速铁路桥梁的运营安全性进行总体评判、总体振动状况进行评判、判别桥梁大概的损伤区域位置。