寒区桥梁健康监测系统构建与安全评定.docx

《寒区桥梁健康监测系统构建与安全评定.docx》由会员分享，可在线阅读，更多相关《寒区桥梁健康监测系统构建与安全评定.docx（7页珍藏版）》请在第一文库网上搜索。

1、寒区桥梁健康监测系统构建与安全评定目录1 . 土木工程的特点和发展机遇土木工程的特点：古老、传统，基础设施，安全可靠第一，长寿命，体量大，环境复杂，不确定性强，养护粗犷。技术时代：机械化、电气化、自动化，以数字化为基础（信息化、智能化）全寿命（过程）会议中孙教授也分别介绍了，人工智能的发展历程，以及孙教授本人对人工智能的体验。2 .数据技术、人工智能技术的可能应用场景智能设计：概念、方案、理论计算、规范、经验智能建造：（自动化）预制化、工厂化、装配化建造，BIM,机器人智能化管理智能运维：感知技术（量、音、像、视频）数据分析，数据驱动方法多源信息（知识）的处理与融合（监测检测数据，照片视频，文

2、本报告资料，媒体信息）车辆信息识别：融合计算机视觉的新型桥梁动态称重技术研究简旭东（20级博士生）指导老师：孙利民教授、夏烽副教授|第7页共6页:研究对象研究提出了一种融合计算机视觉技术和桥,4研究结论 I为影峋面料仑的新型挤梁动态称击技术，能第在各种复杂交通情况下准确且稳定地识出包含车流量、车型.车速、车重和车轨迹的多粒度交通信息大量的模型试验和实桥试脸结果显示，本研究所提出的桥梁动态梆重技术识别车辆速度的误差均值为481%，标准为4 68% ,最值为研究背景交通是桥梁的核心功能准确高效地识另胞含车流量、车型.车速、车质和车轨迹等多粒度交通信息，对于桥梁设计运维，交通管理执法等工作具有宙要意

3、义挤梁动态称重技术从桥梁陶应中识别桥上车辆的正呈;但是在复杂交通情况下的识别精度和稳定性欠佳，且不能识别多粒度交通信息小犷山224%；识车再总重的误差均值为二.02% ,标准差为1.77%,是值为 73.06%/-13.81%生牍主轴定MI h；in Xmlnn。 ia 已_ IlqQ A Sun I imin (仆 I 9) I ronicSensing MethcMiok)gx Combining Intluence Line Irwon and Compuier VisionTechniques fbr Girder Bridges. Journal of Sensors. (S( I,

4、 IF=2.02 4, Q2)2 Xia Vq Jinn Yiidcng, Yen Rin *】1ntmsiriicTiire，仆1八 Qmip。基于卷积神经网络的车辆及加邮佥测研究基于坐标转换的车辆及车轴定位位研究TrafTFcTiSaJMiwnonngTTsirigATinfi-Sensof and Single Carnera fofSTiixf aiulMedium Span Bridges Remote Sensing (SCI. IF7.llg. QI)3 .Jiaii Xudoiig. Xia Ye,.Siin Linim (2021L Imegraiiiig bridge ii

5、Hlutncc surfaceJ基于影响面理论的桥梁结构识gu与车辆重星识研究，口 “JL _I移动监测（车辆传感）：and computer vision fbr bridge wcighTiinDlion m conSTiialcd iraificscenarios. T/ead.(S( I. IF= 3364 01, under rcic、E基于列车响应的高铁桥梁动力特性识别:以研介；4研究结论研里搀研究方法理论推导.数值模拟车桥耦合振动分析、现代信号分析研究目的提高桥梁动力特性监测效率实现桥梁快速、可靠的动力特性监测2研究背景高速性路列车行车速度快,对桥梁基础设施的健康状杳5WST；针

6、对高速铁路简支梁桥的检测与监测问题,当前多采用人工巡检的方式，尚未有既廉价高效又不影响交通的手随着桥梁服役时间延长，一些典型的混凝土病害如蠲病害、支座病害和跨中过度下挠会影响桥梁的健康状态本研究提出了一种基于高速铁路列车竖向加速度响应的高速铁路简支梁桥模态参数识别方法，能够在较高的车速(300 km/h)、较大的初值误差(偏离真值约40%). 一定的噪声水平( 15%)下实现桥梁竖向自振频率等模态参数的快速识别。/竖向加速度响座用J，高速铁筋库%II警铁路标准跨径简支梁桥-、二目三七二高速铁路轨道无迹卡尔曼滋波器3研究内容高速铁路车桥璃合振动的数值分析模型之建立基于车辆响应的桥梁模态参数识别之

7、无迹卡尔曼滤波方法雷达测量位移和振动I，川-Lgxvr-Kof 3以。餐0.4 0Q 08T itnHikJ陈一凡. (2020).基于车辆振动的高速铁路简支梁桥自振频率识同济大学.硕士论文3 .拉索模态振型非接触式测试方法研究3.1. 微波雷达及其原理拉索的频率、振型、索力是索承重桥梁的重要力学参数。本研究采用的试验仪器IBIS-FS系统是一种基于微波雷达原理的非接触式位移探测工具。该仪器可以测得拉索上各测点的位移时程响应，进而计算特征频率等力学量。微波雷达系统不断地向待测目标发射无线电波，通过计算入射波与反射波的相 位差的变化来计算结构位移。这种微波在距离向的分辨率re可以达到50cm。微

8、 波雷达向待测结构发出扇形微波，分辨 率re相当于将扇形每隔长度re就分割出一个小圆环，并在每个小圆环内都安装上一个位移传感器。每个圆环内的所有测点信号都参与了相干叠加。系统还能测 得SNR谱，即信噪比图。SNR谱的峰值 越高说明该处越有可能存在较大障碍物。在拉索测试中，峰值点即代表着拉索上各测点的位置。3. 2.索群频率试验IBIS-FS系统的单向分辨率导致同一个微波圆环内各点的位移会发生相干叠加。为了避免这种情况发生。索群的频率试 验需要保证微波圆环至多只与一根拉索相交。为了方便计算，将圆环用其密接矩形来代替，使得原条件转化为充分条件，即微波圆环的外接矩形至多与一根拉索相交，在几何上表现为

9、矩形可以被完全夹在两根拉索中间。后续试验证明，这种简化方法是可以满足工程需求的。将IBISFS系统测得的位移数据导入到个人计算机，编制一系列程序计算、绘制索群中各索的频谱、特征频率、索力。首先对各拉索对应测点的时程响应作傅里叶变换得到拉索的频谱。然后滤去低频段的大幅噪声并绘制频谱，程序可以自动识别各峰值点并用红线绿字进行标记。接着通过支持向量回归算法对拉索的阶次频率曲线进行线性拟合，求得直线斜率。最后利用张紧弦理论计算拉索索力并与设计值作对比。3. 3.单索模态振型试验微波雷达直接测得的位移是拉索位移在微波波束径向上的分量，为了测出振型，需要求出这两个位移间的转换因子。本研究设计了“平行式”测

10、量和“相交式”测量两种方法。前者指微波中心束方向与索方向近乎平行，适用于测边索；后者指微波中心束与索以大角度相交，适用于测量近塔处的拉索。其中前者可以保证被测索在全距离内不被其他索影响，后者只能保证在较短距离范围内不受他索影响。视拉索为抛物线，建立空间抛物线模型。将测点的定位问题转化为三维空间内球与抛物线相 交求交点的问题。求得 交点后，根据解析几何性质即可求出拉索切向与拉索副法线方向，进 而求出拉索主法线方向（振动方向）。再根据相似关系求出两种位移间的转换因子ratio,将 原始位移数据乘以ratio即得到总位移的时程响应。3. 4.总结与展望：总结：本研究针对索群频率测试与单索模态振型测试

11、两个试验分别建立了相应的几何分析模型。对于前一个试验，主要考虑避免索间相互干扰；对于后一个试验，需要将拉索位移在波束径向位移的分量转化为总位移。在数据处理方面，通过频谱分析和滤波得到拉索的各阶特征频率，然后利用张紧弦理论计算拉索索力，对于振型测试，还可以通过ERA算法来求解拉索各阶模态振型。展望：几何模型优化：可以考虑引入桥梁纵曲线、拉索悬链线模型等更精细的几何因素。2.频谱辨识算法优化：频谱辨识能力的提升可以降低索间相互干扰对测点的“污染”。3.滤波算法优化：本研究的滤波算法用到了朴素的高通滤波器，后续研究可以考虑更精细的滤波算法。4.数据分析基于模型的方法：对不同的结构需要建立不同的模型B

12、uild different FEMs for different structures结构建成时的基准状态未知Unknown baseline state模型修正多是数学过程，结果的物理解释性不强Lead to mathematical but unphysical solution结构和荷载的不确定性影响 Effects of uncertainties of structures and loads动力响应静力响应模型修正损伤识别环境荷载动力特性位移应变基于模型的方法 Model-based structural condition assessment荷载（力）Load (force)

13、EnvironmentMeasure errorA极端荷载_Extreme event运营荷载Operation环境影响测量误差要求:精准的理论高质量、完备数据统计方法（不摘走性）响应Response (displ.)大数据方法:蹦 DataVolume ,数据体量大 Variety ,数据种类多 Velocity ,增长的速度快 Value ,价值密度低Variability , Veracity ,娄孀真实，质量？思想 Concepts样本=总体”接受数据混杂性，量大弥补质量差要相关不要因果结构状态异常=相关关系的变化？技术 Techniques到据存储：分布式存精，No SQL处瞰沐：云计算，分布式计算(Hadoop , Spark )薄却器学习，触翊j,名就学；人i智能惯翳始分析的全过程介绍完数据，孙教授分别对混合监测、数字挛生、数字挛生+BIM做了详细的解读。