一种基于车桥耦合及随机车辆荷载模型的荷载效应计算方法

摘要

本发明涉及一种基于车桥耦合及随机车辆荷载模型的荷载效应计算方法，所述荷载效应计算方法包括：采用Monte‑Carlo随机抽样方法建立随机车辆模型，根据车桥耦合效应计算桥梁典型位置的应力时程，并通过雨流计数法及GMM聚类算法建立随机车辆荷载作用下的桥梁荷载效应模型；根据桥梁荷载效应模型计算随机车辆作用下的桥梁荷载效应，得到桥梁典型位置的应力幅值分布规律。本发明通过随机车辆荷载模型对各类桥梁的荷载效应进行计算以及疲劳寿命预测，不需要在中小跨径钢桥及钢混组合桥梁设置健康检测系统就可以得到荷载效应谱，进而降低了后期成本，提高了经济效益。

说明书

技术领域

本发明涉及桥梁安全技术领域，尤其涉及一种基于车桥耦合及随机车辆荷载模型的荷载效应计算方法。

背景技术

钢桥及钢混组合桥梁的疲劳问题一直受到桥梁设计者及运营者的广泛关注，桥梁受到的疲劳荷载包括车辆荷载、温度荷载、风荷载和水流荷载等，其中以车辆荷载对桥梁的疲劳寿命影响最为显著；针对车辆产生的荷载效应，国内外众多大跨度桥梁都设置了健康检测系统，依据系统检测得到的数据来对桥梁疲劳状态进行较为准确地评估和诊断。

相对于大跨度桥梁，中小跨径桥梁的疲劳问题也很突出，对于国内外数量庞大的中小跨径钢桥及钢混组合桥梁都设置健康检测系统是不现实和不经济的，因此，如何对数量庞大的中小跨径钢桥及钢混组合桥梁的车辆荷载问题进行检测是目前需要考虑的问题。

发明内容

本发明的目的在于克服现有技术的缺点，提供了一种基于车桥耦合及随机车辆荷载模型的荷载效应计算方法，解决了对数量庞大的中小跨径钢桥及钢混组合桥梁设置健康检测系统导致的不现实和不经济的问题。

本发明的目的通过以下技术方案来实现：一种基于车桥耦合及随机车辆荷载模型的荷载效应计算方法，所述荷载效应计算方法包括：

采用Monte-Carlo随机抽样方法建立随机车辆模型，根据车桥耦合效应计算桥梁典型位置的应力时程，并通过雨流计数法及GMM聚类算法建立随机车辆荷载作用下的桥梁荷载效应模型；

根据桥梁荷载效应模型计算随机车辆作用下的桥梁荷载效应，得到桥梁典型位置的应力幅值分布规律。

所述采用Monte-Carlo随机抽样方法建立随机车辆模型包括：

A1、根据统计数据及现场观测结果确定桥梁上的车型、车流量、车间距、车速、车重及车横向分布规律；

A2、指定抽样总数，分别建立车型、车流量、车间距、车速、车重分布函数及车横向分布函数；

A3、根据车型概率表生成随机车型，并将其赋值给每辆车；

A4、每种车型的车重分布规律不同，根据步骤A3生成的车型及该车型的车重分布函数，随机生成每辆车的车重；

A5、每种车型的车速分布参数不同，根据步骤A3生成的车型及该车型的车速分布函数，随机生成每辆车的车速；

A6、根据车辆横向分布规律，随机生成每辆车所占车道。

所述根据车桥耦合效应计算桥梁典型位置的应力时程包括：

B1、建立桥梁有限元模型，对于钢桥来说，桥面板、钢梁采用壳单元，纵向支撑和水平支撑采用梁单元，边界条件应符合实际情况；

B2、建立车辆模型，车辆模型需根据实际调查确定，车型可根据轴数确定，对于同一轴数的车辆，按照加权平均的方法求出平均轴距，作为车桥耦合效应计算的车辆轴距；

B3、确定桥面不平顺等级；

B4、分别对不同车型车辆赋予不同车速及车重，计算车辆通过桥梁时典型位置的荷载效应，如应力幅。

所述通过雨流计数法及GMM聚类算法建立随机车辆荷载作用下的桥梁荷载效应模型包括：

C1、根据建立的随机车辆模型，将单辆货车行驶过程中的应力时程进行叠加，得到随机车辆荷载作用下桥梁典型位置的应力时程；

C2、采用雨流计数法对应力时程数据进行处理，得到随机车辆作用下桥梁典型位置的应力幅值；

C3、应力幅值服从多个高斯分布线性组合而成的高斯混合分布，通过GMM聚类算法确定高斯混合分布的各个参数。

车型分布为车重大于预设重量的货车，按照轴数将货车分为多种车型，对于同一轴数的车辆按照加权平均的方法求出平均轴距作为车桥耦合效应计算的车辆轴距。

本发明具有以下优点：一种基于车桥耦合及随机车辆荷载模型的荷载效应计算方法，通过随机车辆荷载模型对各类桥梁的荷载效应进行计算以及疲劳寿命预测，不用在中小跨径钢桥及钢混组合桥梁也设置健康检测系统，进而降低了成本，提高了经济效益。

附图说明

图1为本发明的流程示意图；

图2为三种重量的车型的跨中梁底应力时程对比示意图；

图3为三种重量的车型的支座梁底应力时程对比示意图；

图4为边跨中梁跨中底部应力幅值分布规律示意图；

图5为有限元模型示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。

如图1所示，本发明涉及一种基于车桥耦合及随机车辆荷载模型的荷载效应计算方法，所采用的样本为国内某条高速公路上的车辆信息，包括客车、货车和专项作业车三个系列，其中客车重量小，以现有的研究结果来看，对桥梁的疲劳损伤影响很小，不在本发明考虑范围内，而专项作业车数量很少，也不在本方法考虑范围内，本发明仅统计货车这一系列；其具体包括以下内容：

采用Monte-Carlo随机抽样方法建立随机车辆模型，根据车桥耦合效应计算桥梁典型位置的应力时程，并通过雨流计数法及GMM聚类算法建立随机车辆荷载作用下的桥梁荷载效应模型；

根据桥梁荷载效应模型计算随机车辆作用下的桥梁荷载效应，得到桥梁典型位置的应力幅值分布规律。

所述采用Monte-Carlo随机抽样方法建立随机车辆模型包括：

A1、根据统计数据及现场观测结果确定桥梁上的车型、车流量、车间距、车速、车重及车横向分布规律；

A2、指定抽样总数，分别建立的车型、车流量、车间距、车速、车重分布函数及车横向分布函数；

A3、根据车型概率表生成随机车型，并将其赋值给每辆车；

A4、每种车型的车重分布规律不同，根据步骤A3生成的车型及该车型的车重分布函数，随机生成每辆车的车重；

A5、每种车型的车速分布参数不同，根据步骤A3生成的车型及该车型的车速分布函数，随机生成每辆车的车速；

A6、根据车辆横向分布规律，随机生成每辆车所占车道。

所述根据车桥耦合效应计算桥梁典型位置的应力时程包括：

B1、建立桥梁有限元模型，对于钢桥来说，桥面板、钢梁采用壳单元，纵向支撑和水平支撑采用梁单元，边界条件应符合实际情况；

B2、建立车辆模型，车辆模型需根据实际调查确定，车型可根据轴数确定，对于同一轴数的车辆，按照加权平均的方法求出平均轴距，作为车桥耦合效应计算的车辆轴距；

B3、确定桥面不平顺等级；

B4、分别对不同车型车辆赋予不同车速及车重，计算车辆通过桥梁时典型位置的荷载效应，如应力幅。

所述通过雨流计数法及GMM聚类算法建立随机车辆荷载作用下的桥梁荷载效应模型包括：

C1、根据建立的随机车辆模型，将单辆货车行驶过程中的应力时程进行叠加，得到随机车辆荷载作用下桥梁典型位置的应力时程；

C2、采用雨流计数法对应力时程数据进行处理，得到随机车辆作用下桥梁典型位置的应力幅值；

C3、应力幅值服从多个高斯分布线性组合而成的高斯混合分布，通过GMM聚类算法确定高斯混合分布的各个参数。

车型分析：客车总重均为3t以下，对桥梁的疲劳损伤影响很小，本文不考虑客车的影响，仅统计货车的荷载分布规律。按照轴数将货车分为五种车型，分别为：二轴、三轴、四轴、五轴、六轴。对于同一轴数的车辆，按照加权平均的方法求出平均轴距，作为车桥耦合效应计算的车辆轴距，其中五种车型的平均轴距如表1所示：

表1平均轴距

车流量分布：根据某高速一年的车流量统计数据，各车型的总体分布如表2所示：

表2车流量分布

车间距分布：根据现场观测，车间距符合对数正态分布，

车速分布：根据现场观测，各车型的车速符合正态分布，分布参数见表3所示：

表3车速分布

车重分布：采用高斯混合分布对车辆总重进行拟合，概率密度函数为：

其中，各参数如表4所示：

表4车总重分布

车横向分布：根据现场统计，各车型的车道车辆占有率如表5所示：

表5车道占有率

如图2和图3所示，以六轴车为例，分别计算车总重为26.5t、35t、47t时，桥梁跨中及支座底面的应力响应。

如图4所示，取货车数量为5000辆，采用编制的随机车流程序生成随机车流，并利用车桥耦合方法生成梁底应力时程，最后采用雨流计数法获得应力幅值谱。车桥耦合计算时的有限元模型为图5.

共生成幅值谱25649条，最大幅值为31.9MPa，其中21094条幅值为1MPa及以下，占总量的82.2％，该部分谱值对桥梁疲劳影响很小，此处忽略不计。

剩余部分的应力谱采用高斯混合分布进行数值拟合，结果如表6所示：

表6第一跨次边梁跨中底部应力幅值分布规律

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。