冻土区桥梁桩基结构损伤识别与评估的关键技术

2023-08-23 理论教育版权反馈

【摘要】：试验表明，对于桥梁结构的损伤识别，模态柔度比单独的自振频率或振型更为灵敏。因此，遗传算法和网络技术的融合在桥梁损伤识别方面有很大的应用前景。综上所述，目前国内外关于桥梁结构损伤识别的研究尚处于基础性的研究阶段，距离对实际大型桥梁结构健康状态评估的目标尚有一定的差距。

对于结构整体性评估和损伤识别，从研究和应用的角度看，目前国内外学者普遍认同的方法大致分为动力指纹法、模型修正法、神经网络法、遗传算法、子结构法及统计分析法等。

（1）动力指纹法

这种方法的基本思想是寻找与结构特性有关的“指纹”变化。结构一旦发生损伤，其结构参数，如刚度、质量、阻尼等会发生改变，从而导致相应的动力指纹的变化。这些动力指纹的变化可以看作结构损伤发生的标志，借以诊断结构的损伤。常用的动力指纹有频率、振型、振型曲率、应变模态、柔度、功率谱、频响函数、模态保证准则和坐标模态保证准则等。通过大量的试验和实践应用，研究者发现简单模态参数比较法计算较为简便，但结构损伤导致的频率和阻尼比的变化度较小，对桥梁局部微观结构的损伤反映不灵敏，虽然高阶振型对局部刚度变化比较敏感，但精确量测又较为困难。因此这种方法只能作为初步诊断，不能确定损伤的确切位置。动力指纹法是利用模态振型相关的原理来诊断结构是否受到损伤［20］。这种方法无须反演，简单易行，能反映局部特征，在一定程度上能识别损伤，但结构多处发生损伤时，其定位能力的可靠性较差。试验表明，对于桥梁结构的损伤识别，模态柔度比单独的自振频率或振型更为灵敏。模态应变能及能量传递比对桥梁损伤的定位的准确性更高，但这两个指标对噪声较敏感，因此将其用于实桥的损伤识别还有待于进一步研究。已有的研究表明，动力参数在数字模拟及实验室进行的简单的箱梁、桁架桥的损伤识别中是成功的，但在实桥的应用中不尽如人意。这主要是因为结构动力特性受非结构构件、环境因素以及边界条件等的影响较大，实桥监测时由于经济条件的限制，往往只对较少的自由度进行测量，对结构刚度、变形等局部变化较为敏感的高阶模态难以准确测量甚至无法测出［23］。

（2）模型修正法

模型修正法是通过综合比较试验结构的振动反应记录与原模型的计算结果，利用测得的振型、阻尼、频率、加速度记录、频响函数等，通过约束条件优化，不断地修正模型中的刚度、质量和阻尼分布，使其响应尽可能地接近由测试得到的结构动态响应，从而实现损伤的定位和损伤程度的识别。因此，模型修正法也可以认为是结构的参数识别过程。模型修正法在划分和处理子结构上具有很多优点。但是由于结构与环境中的不确定性和非结构因素影响，如实际测试模态的不完备性、与有限元模型间的矛盾非适定问题、线性或非线性反演时产生病态方程及奇异解、建模不确定性及噪声干扰等问题，使得模型修正法在实际应用中受到很大的限制。并且模型修正法依赖于有限元模型的准确性，只有当有限元模型同实际桥梁的状态一致时，模型修正法的结果才是可靠的。目前一般采用自振频率、振型和结果系统的静力响应等作为参数对有限元模型进行校准，得到桥梁的基准有限元模型，但对桥梁这样大型的结构而言，得到其准确的基准有限元模型是比较困难的。

（3）神经网络及遗传算法

神经网络技术具有良好的非线性映射能力、强大的解决反问题能力、实时计算能力和推广能力。人工神经网络由大量相互连接的简单神经处理单元组成，它可以不依赖于模型，只需通过输入、输出数据的学习，即可将输入、输出的映射以神经元间连接强度权值的方式存储下来，具有很强的非线性映射能力。目前有多种神经网络可以应用，在损伤诊断领域，网络以其结构简单、工作状态稳定、非线性映射能力强等优点成为常用的网络结构。但网络的设计和计算过程中存在两个主要问题有待于解决：

1）收敛性问题，对于大型、复杂结构，比如桥梁，网络训练所需的样本数目极其庞大，网络收敛速度慢，并且线路局部收敛但网络全局不收敛。

2）网络规模确定问题，网络的规模目前没有统一的确定方法。

遗传算法是基于自然遗传和自然选择的思想，以类似于达尔文“适者生存”理论方式的寻优方法。其优点在于并行搜索，搜索效率高，不需要目标函数的微积分值，放宽了对目标函数的要求，本质上属于随机寻优过程，不存在局部收敛问题。这样就弥补了网络收敛速度慢和易局部收敛的缺点。同时，通过遗传算法和网络的结合，也解决了单独利用遗传算法往往只能在短时间内寻找接近全局最优解的近似解这一问题。因此，遗传算法和网络技术的融合在桥梁损伤识别方面有很大的应用前景。

（4）子结构法

目前大多数的损伤识别算法对较少的自由度及结构未知参数的处理是可靠的。但在实践中，桥梁特别是大型桥梁，其自由度及结构未知参数的数量可达上万个，导致识别算法无法求解或者收敛困难。对这一点，有学者提出用子结构法来解决。在实际桥梁结构中，损伤一般只发生在结构的局部构件，而其他构件尚处于线弹性阶段，因此子结构法在大型桥梁的损伤识别中或许是一种有效的方法。常用的识别算法包括子结构柔度法、子结构传递零域法、自适应子结构和射动法等。

（5）统计分析法

由于监测数据是不完整的，并夹杂着环境及量测的噪声，因此统计分析法从统计的角度出发，考虑特征参数的不确定性及其统计分布特征，利用相关的随机有限元模型来分析特征参数的特征值。从而评估损伤，或者利用谱密度估计的统计特征来获得模态参数的修正概率密度函数表达式，进而分析结构的损伤。常用的统计分析方法包括贝叶斯统计法、规则化法、模糊逻辑法及支持向量基法等。目前这个方向的研究比较少，但从理论基础看应该具有比较好的发展前景。

综上所述，目前国内外关于桥梁结构损伤识别的研究尚处于基础性的研究阶段，距离对实际大型桥梁结构健康状态评估的目标尚有一定的差距。归结起来主要有两方面的原因。第一，环境及量测的噪声的干扰，导致对反映桥梁结构健康状态较为敏感的参数难以准确测量，因为这些参数本身不仅对结构的损伤较为敏感，它们对环境条件的变化也是非常敏感的，环境温度的变化是影响获取准确特征参数的最主要因素。第二，由于经济条件的限制，实桥监测时往往只对少数关键性的反应结构健康状态的特征参量进行监测，并且测点数量有限，导致监测数据不完备。

冻土区桥梁桩基结构损伤识别与评估的关键技术

相关推荐