技术领域
本发明涉及桥梁损伤识别技术领域,具体是一种基于随机车流下宏应变能的桥梁损 伤快速识别方法。
背景技术
因为长期往复的上部车辆荷载作用会引起桥梁性能的逐步下降,为了避免潜在事故 的发生,保障上部通行人员和车辆安全,需要对桥梁进行实时检测。但目前常用的方法是通过荷载试验来完成,但实践下来发现荷载试验开展效率低,作业时间长,需要中断 交通,会严重影响正常车辆通行。因此基于健康监测的桥梁快速损伤识别算法尤为必要。 目前,许多学者已经开发出很多损伤识别算法,但这其中很大一部分的使用工况受限, 对桥梁上部车流状况有严格的限制,只能应用于类似于荷载试验中跑车试验的简单工 况,而无法直接在随机车流工况下工作,因此应用场景有限。
发明内容
发明目的:为解决上述技术问题,本发明提供一种基于随机车流下宏应变能的桥梁 损伤快速识别方法。
技术方案:一种基于随机车流下宏应变能的桥梁损伤快速识别方法,包括以下步骤:
步骤1:在桥梁下方沿桥跨方向连续安装n个宏应变传感器:S1,S2,…Sn;
步骤2:采集一段随机车流经过时桥梁的宏应变响应MR1,MR2,…MRn;
步骤3:对各个传感器采集到的宏应变响应在时域内进行积分,得到宏应变能向量MEV;
步骤4:利用宏应变能向量的无穷范数,对宏应变能向量进行正则化,得到正则化的宏应变能向量RMEV;
步骤5:根据识别得到的正则化的宏应变能向量RMEV和标准值对比,得到桥梁损伤位置和程度。
优选地,步骤1中的宏应变指结构表面一段区域内各点应变的积分,宏应变与点应变的关系如下:
其中,
优选地,步骤2中,一段随机车流从正常车流中截取,满足车流的完整性,在车流的起始和结束后桥上保持空车状态。
优选地,步骤3中,宏应变能向量由各个传感器测得的宏应变能ME组成,宏应变 能ME计算公式为:
其中
优选地,步骤4中,正则化的宏应变能RMEV向量计算公式为:
优选地,步骤5中,正则化的宏应变能向量RMEV的标准值为1,当RMEV大于1 时则说明相应位置存在损伤,损伤程度β计算公式为:
损伤程度:
有益效果:本发明可以在随机车流工况下有效准确快速判断结构损伤位置和程度, 无需中断交通或限制交通状况。
附图说明
图1为本发明的基于随机车流下宏应变能的桥梁损伤快速识别方法的步骤流程示意 图;
图2为当车辆通过完好桥梁方法应用示意图;
图3为当车辆通过带损伤桥梁方法应用示意图;
图4为实际车辆产生的静态宏应变响应组成示意图;
图5为桥梁空间受力示意图;
图6为桥梁空间荷载横向分布示意图;
图7为桥梁空间受力解耦示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1-7所示,本发明的一种基于随机车流下宏应变能的桥梁损伤快速识别方法,包括以下步骤:
步骤1:在桥梁下方沿桥跨方向连续安装n个宏应变传感器:S1,S2,…Sn,如图2 所示;其中宏应变传感器可以选用大标距的电阻式应变片、光纤光栅宏应变传感器或其 它可用于测量宏应变的传感设备。n个宏应变传感器在布置时最佳方案为首尾相连布满 桥梁整个跨径,如图2和图3所示,当成本有限时也可以仅在结构关键区域布置,如跨 中、四分之一跨等。
步骤2:采集一段随机车流经过时桥梁的宏应变响应Macro-strain response(MR): MR1,MR2,…MRn,如图2和图3所示;其中一段随机车流需要从正常车流中截取,需 要满足车流的完整性,在车流的起始和结束后桥上保持空车状态。
步骤3:对各个传感器采集到的宏应变响应在时域内进行积分,得到宏应变能向量Macro-strain energy vector(MEV);宏应变能向量由各个传感器测得的宏应变能(Macro-strain Energy,ME)组成,如图2、图3,宏应变能计算公式为:
其中
步骤4:利用MEV的无穷范数,对MEV进行正则化,得到正则化的宏应变能向量Regularized MEV(RMEV),如图2,图3;
正则化的宏应变能向量RMEV计算公式为:
步骤5:根据识别得到的RMEV和标准值对比,得到桥梁损伤位置和程度。其中 RMEV的标准值为1,当RMEV大于1时则说明相应位置存在损伤,损伤程度β计算公 式为:
损伤程度:
本发明中,首先根据结构力学中应变影响线的定义推导宏应变影响线方程。根据结 构力学,在简支梁任意截面xi处的应变影响线方程为:
其中(EI)
其中lg为宏应变传感器的标距长度,m·lg和(m+1)·lg分别为第m个宏应变传感器 左右两端的坐标。因此可得到第m个标距范围内的宏应变影响线表达式:
其中
当将车辆单个车轴简化为一集中力时,车轴移动过桥这一过程正好可以用影响线来 描述。此时需要将移动力的位置x用时间t来表示。如何表示完全取决于车辆的行进速度,当车辆匀速行驶时,移动力位置函数则可以表示为x(t)=v·t。对于大多数公路桥梁,因为它们以中小跨桥梁占主导,跨度有限,车辆通过桥梁时用时很短,在这期间速度基 本上难以发生较大变化,因此当桥梁上部有车辆通过时,基本可将其视为匀速通过。故 当一匀速移动车轴作用在桥梁上,在第m个传感器标段内产生的静态宏应变时程可表示 为:
一般实际车辆通常具有至少两个车轴,又因为桥梁通常在交通荷载作用下仍处于弹 性阶段,叠加原理依旧满足,所以实际车辆产生的静态宏应变响应则可表示为各单个车轴力所产生响应在考虑各个轴距引起的时间差后的线性叠加,如图4所示。而对于拥有 n(i)个车轴的车辆i,当它以速度v(i)驶过桥梁时,在第m个传感器标距内产生的总静态 宏应变响应
其中
下面需要根据实际桥梁中随机车流通过的工况进行扩展。对于一般的随机车流状况,可将其视为为两种基本工况的随机线性组合,这两种基本工况分别是:多车在同一 车道跟随行驶和多车平行行驶在不同车道。对于第一种基本工况,当多辆车行驶在同一 车道中。通过叠加原理,由前后跟随的各车辆产生的总结构响应
其中,j为车辆总数,D(i)为第1辆车和第i辆车两车前轴间的距离。
对于另一个基本工况,当多车平行行驶在不同车道,该工况不能像工况一可以简化 为一平面二维问题,需要考虑桥梁结构的空间效应。这里用该工况中最简单的工况:两辆车平行行驶在一多片T梁桥上为例进行介绍。当两辆车行驶在一多片T梁桥的不同横 向位置时(如图5所示),由于各片T梁是共同工作的,它们产生的空间效应会将各车 辆的轴重横向分配到所有T梁上(如图6所示),而非仅施加在车道正下方T梁上。此 处荷载横向分配的比例由T梁间横向相对刚度和荷载横向位置决定。为了便于分析车辆 荷载在桥上的横向分布情况,分布系数η这一概念被广泛应用,也被采纳在众多桥梁设 计规范中。在图5中,两辆车被视为两组移动集中力,作用在桥梁相应位置处。以T梁 3为例,它虽然不直承受车辆荷载作用,但因空间效应一部分车辆荷载会分配到T梁3 上。而分配到的具体荷载大小就可以通过横向分布系数η计算出。横向分布系数η的大 小跟结构刚度分布荷载位置相关,如图6中η
因此,对于第二种基本工况,当多车平行行驶在不同车道时,产生的总响应MR可表示为:
其中
对于具体的随机交通车流,其响应即可通过这两种基本工况经随机组合得到。通过 对随机车流作用下宏应变响应沿时间进行积分,推导出静态宏应变响应时程与时间轴间 覆盖的总面积,即宏应变能ME为:
其中t
其中F(m,lg,h,L)是一与几何参数m,lg,h和L相关的函数。
可以得到随机车流产生的宏应变能ME等于:
该式表明由第m个传感器测得的宏应变能与传感器覆盖范围内结构的平均刚度成反比。基于这一关系可以发现,该值可用来作为损伤指标来识别结构损伤状况。对一段 随机车流而言,各个车辆的横向位置、车速、轴重都是恒定的,而对一座桥梁而言,当 传感器安装好后,函数Fm=F(m,lg,h,L)的值就已固定下来。但此时由n个宏应变传感 器阵列测得的宏应变能向量MEV在不同的随机车流下会因荷载不同而变化,难以进行 比较。为便于比较,实现在不同随机车流状况下评估桥梁状况,这里进一步通过正则化 的宏应变能向量RMEV用于桥梁损伤识别。
经过正则化,RMEV会始终大于等于1,在不同随机车流状况下也可以相互比较, 不受车流状况影响,只与桥梁纵向刚度分布情况相关,亦即只与结构损伤状况相关。由 于结构刚度和指标RMEV之间的反比例关系,当在某一传感器标距内的结构出现损伤, 结构刚度降低,相对应的RMEV值将会升高表征出结构损伤位置。
对于结构损伤程度,假设第m个标距内刚度退化程度为β,根据指标RMEV的定 义,结构损伤程度可以由下式计算得:
其中
以上所述仅是本发明的优选实施方式,应当指出:对于本领域的普通技术人员来说, 在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为 本发明的保护范围。
机译: 基于整数像素搜索和对应于每个宏块的随机变量的基于SAD值的快速半像素搜索方法
机译: 基于整数像素搜索和与每个宏块相对应的随机变量的SAD值的快速半像素搜索方法
机译: 基于SAD值的整数半搜索和对应于每个宏块的随机变量的半码快速搜索方法