[发明专利]桥梁结构损伤识别方法及系统

说明书

技术领域

本发明涉及桥梁技术领域。

背景技术

近二三十年，我国频繁发生各种桥梁事故，比较严重的是桥梁的突然垮塌事故，造成重大的人员伤亡和财产损失。大桥倒塌的原因众多，但是可以肯定的是大桥倒塌前，某些关键部位由于各种动力静力荷载的长期作用及各种不利环境因素的影响，造成桥梁结构的疲劳、材料的腐蚀及老化，以及缺乏及时的发现和维修，使桥梁结构的损伤在使用期内产生累积、其刚度发生衰退等，从而严重影响桥梁结构的使用寿命，甚至严重超出设计的极限安全范围，导致突发事故的发生。可见，这些桥梁事故发生时，桥梁工作者尤其是桥梁管理部门，没能提前发现桥梁结构性能已发生退变，从而提前做出预警，更没能及时采取相应的加固维修措施，造成了桥梁事故的频发和突发。

大量的在役桥梁结构等大型交通基础设施迫切需要一种有效的方法监测和评估其健康状态，实时准确识别出桥梁结构的损伤情况。虽然国内外大量学者进行了桥梁结构健康监测系统的研究、开发和实际工程应用，但是安全评估与损伤识别主要以理论成果居多，由于实际桥梁结构和野外环境条件的复杂性、实测数据的不完备性以及外部干扰导致桥梁结构响应的不确定性等，使已有的研究成果的实际应用效果仍有许多不尽人意的地方。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供桥梁结构损伤识别方法及系统，能直接分析判断桥梁结构是否有损伤、准确识别损伤位置和损伤程度，为桥梁维护、维修与管理决策提供依据和指导，保证桥梁结构的安全运营。

为解决上述技术问题，本发明所采取的技术方案是：

桥梁结构损伤识别方法，包括以下步骤：

(1)采集环境变量和桥梁结构的挠度信息；

(2)评估桥梁结构的健康状态，判断是否需要进行损伤识别及发出安全警报；

(3)利用损伤位置识别模型识别出损伤位置；

(4)利用损伤程度识别模型识别出损伤程度。

优选的，所述步骤(1)中所述环境变量包括环境温度、环境湿度和桥梁结构所受的荷载情况。

优选的，所述步骤(2)中采用最小二乘支持向量回归机(LS-SVR)算法。

优选的，所述步骤(2)包括：建立预测函数，根据桥梁建成后的通车试验或鉴定试验及运营初期一定时期内结构完好状态下监测系统所采集到的所述环境变量与挠度信息的历史数据，采用所述最小二乘支持向量回归机(LS-SVR)算法建立所述桥梁结构的挠度信息与环境变量之间的函数关系，即预测函数；信息处理，在桥梁结构的正常运营阶段，将实测的环境变量代入所述预测函数进行计算，可得到预测挠度信息，并计算出实测挠度信息与预测挠度信息的差值；健康状态评估，将所述实测挠度信息与预测挠度信息的差值与事先拟定的标准值进行对比分析，当此差值在规定的范围以内时，则认为桥梁结构健康状态正常，继续采集数据，如果此差值超过规定的范围，则认为可能存在异常，发出安全警报。

优选的，所述步骤(3)中损伤位置识别模型采用C-支持向量分类机(C-SVC)算法建立。

优选的，所述步骤(3)包括：建立损伤位置识别模型，建立桥梁结构的有限元模型，计算桥梁结构在各种荷载工况下，结构无损伤和发生不同程度损伤时，桥梁结构关键截面的最大挠度，构造损伤识别指标变量，采用多类分类方法C-支持向量分类机算法建立损伤位置识别模型；挠度信息处理，根据实测挠度信息，提取实测到的桥梁结构各指定关键截面的最大挠度，构造变换为损伤识别指标；损伤位置识别，将所述损伤识别指标输入所述损伤位置识别模型中，通过对比分类，识别出损伤位置信息。

优选的，所述步骤(4)中损伤程度识别模型采用ε-支持向量回归机(ε-SVC)算法建立。

优选的，所述步骤(4)包括：建立损伤程度识别模型，根据各关键截面分别损伤时的损伤识别指标变量，采用ε-支持向量回归机算法建立损伤程度识别模型；信息处理，得到损伤位置信息及损伤识别指标；损伤程度识别，将所述损伤识别指标输入损伤程度识别模型中，通过对比分析，识别出损伤程度信息。

优选的，所述桥梁为铁路桥梁。