中小跨径桥梁结构安全状态评估研究

针对目前中小跨径桥梁健康监测系统及结构安全状态评估相关研究不足的情况,以万埠大桥为工程背景,通过安装在桥梁结构上的健康监测系统获得实时监测数据,对桥梁结构应变及倾角数据进行分析处理。基于统计学原理,采用损伤预警理论中的无模型指标训练法对万埠大桥进行安全状态评估,通过该法计算得到桥梁结构应变及倾角值的安全阈值,将监测系统实时监测数据与安全阈值进行对比,评估桥梁安全状态,为桥梁管养部门管理决策提供依据,也为今后中小跨径桥梁安全评估提供实例借鉴。     

基于应变能量函数的桥梁损伤识别方法

为了解决传统损伤识别方法在桥梁健康监测方面的不足,借助频响函数法损伤识别的理论基础,建立应变监测数据功率谱密度函数与桥上通行荷载集群的对应关系,进而提出应变能量函数的概念,并提出了应用应变能量函数进行结构损伤识别的理论方法。在大量分析车辆荷载作用下桥梁结构应变响应监测数据的基础上,结合桥梁结构振动理论、信号处理技术以及数据分析理论,对利用应变信号能量函数进行桥梁结构损伤评估进行验证。通过在桥梁关键部位安装一定数量的应变传感器和一套动态称重系统,以固定周期对时段内的各测点的应变能量函数进行求解,利用统计分析技术得到能量函数计算值的概率分布规律,基于监测系统的工作特征,研究制订了在线损伤识别评估的方法和流程。最后以青银线济南黄河大桥为例,采用数值仿真和实测数据对该方法的有效性进行验证。结果表明,该方法效率高,精度好,通用性强,能够实现随机车流下桥梁结构损伤实时在线识别评估。     

基于挠度监测数据的在役桥梁结构安全状态评估方法研究

该文从桥梁结构安全评估的需求出发,分析在役桥梁挠度成分特点及信号特征,提出一种结合突变点检测和稳健回归的自适应基线校正方法。该方法提升了监测数据的质量,结构安全评估采用实时监测数据和长期趋势数据相结合,实时监测数据和动态称重数据相融合的方法,对某桥梁上部结构运行安全状态进行了评估。     

基于大数据的桥梁监测信息聚类分析

针对桥梁健康监测获取海量数据却无法实时精确地监测评估桥梁结构状态的困难性,本文立足桥梁健康监测,提出了基于大数据理论的桥梁健康监测信息聚类研究技术的革新。实验结果表明,与传统的串行分类算法相比,基于Hadoop平台的并行聚类算法具有较高的效率和较低的时间复杂度,并通过不同测点的聚类结果进行桥梁结构状态演化的评估,取得了基于大数据理论的桥梁测点相关性技术研究的革新。     

桥梁健康监测数据分析研究综述

基于采集到的海量桥梁监测数据,从信号处理与数据挖掘角度全面系统地阐述已有监测数据的处理方法,将数据处理流程归纳为“数据预处理”“结构安全预警”“结构状态及损伤识别”＂结构综合评估＂4大模块,并对各模块中现有信号分析方法及其应用实例予以介绍,为桥梁结构的健康监测数据分析进行概括性总结。     

桥梁结构状态评估方法研究现状与展望

桥梁老龄化日益严重,桥梁安全状态成为广泛关注的问题,对桥梁进行合理的状态评估有助于桥梁管理养护和危险预警,保证桥梁正常运营。首先介绍了桥梁健康监测系统,分析监测系统存在的问题。其次分别从试验、数据分析和数字孪生方面介绍了桥梁评估方法的研究现状,然后阐述了桥梁状态评估的发展与挑战,综合分析表明目前结构健康监测系统仍存在较多问题,试验方面基于动力测试的损伤识别和基于视觉监测的桥梁状态评估都有自身的局限性,海量的监测数据需要进行有效的处理,BIM技术下的桥梁健康监测系统能实现监测与养护一体化运维管理,数字孪生技术将为桥梁状态评估带来新的可能。     

基于随机车辆荷载的大跨悬索桥钢桥面板疲劳损伤评估方法

钢箱梁是大跨径桥梁常用的结构形式，其桥面板一般采用正交异性钢桥面板，在大量交通荷载反复作用下，正交异性钢桥面板易出现疲劳病害。现依托西堠门大桥的状态评估项目，基于桥梁结构健康监测系统中的动态称重系统监测数据，对实际运营车辆荷载进行概率拟合，然后基于随机车辆荷载法对正交异性钢桥面板关键疲劳细节进行疲劳损伤计算，为钢箱梁的养护管理决策提供相应的理论依据。研究表明：西堠门大桥正交异性钢桥面板的疲劳损伤和裂纹处于可控范围内。基于随机车辆荷载模型的钢桥面板疲劳状态评估方法，为西堠门大桥的钢桥面板疲劳养护提供指导，并为境内同类正交异性钢桥面板桥梁的疲劳评估提供借鉴。     

基于监测数据的永宁黄河公路大桥动力特性分析

首先介绍频域分解法理论基础和算法实现,然后以永宁黄河公路大桥为背景,介绍结构健康监测系统在实际桥梁中的应用,基于监测数据采用频域分解法进行桥梁结构动力特性分析,将识别结果与成桥荷载试验和理论计算结果进行对比,验证了频域分解用于大跨度桥梁结构运营模态分析的可靠性和有效性,识别结果可以作为桥梁结构安全状态等级划分与评定依据的一项重要指标。     

基于长期健康监测的公路大型桥梁运营状况评估研究

针对某预应力混凝土连续刚构桥基于健康监测数据的运营状况评估问题,通过对海量监测数据的处理筛选,并结合桥梁结构有限元分析,提出采用校验系数λ(应力或位移监测值与计算值的比值)作为桥梁运营状况评定指标的方法,探讨了健康监测数据在桥梁运营状况评估中的应用,为类似桥梁的基于健康监测数据的桥梁运行性能评定提供了参考。     

基于荷载试验和监测系统的某大跨度悬索桥结构状态评估

为进一步了解大跨度桥梁的结构状态,本文通过对桥梁荷载试验期间的监测系统实时监测数据、现场试验测量数据和大桥有限元模型模拟计算数据的对比挖掘分析,以定量化的形式通过与结构状态相关的参数指标,评估桥梁的结构状态。以国内某新建大跨悬索桥为例,通过安装的健康监测系统采集桥梁在静载试验条件下各控制截面的挠度、应变、振动等结构响应实时监测数据,计算桥梁挠度和应变特征值,采用频谱分析等方法计算大桥的模态参数,然后基于挠度、应变、模态参数的监测结果与现场试验测量结果、有限元模型计算结果的对比分析,并参照现场荷载试验评定方法,评估桥梁的结构状态。实验结果表明:监测系统时程数据可观测到明显的加载和卸载情况,监测系统运行良好,在试验荷载下桥梁处于弹性工作状态,整理受力状态良好,大桥结构整体刚度满足设计荷载的正常使用要求。作为新建桥梁,该评估结果还可作为桥梁的初始状态,作为后续评估桥梁结构状态和健康监测系统工作状况的参考基准。     

大跨度预应力混凝土斜拉桥的状态评估体系研究

采用AHP（层次分析法）将影响桥梁健康工作状态的各种因素条理化、层次化,建立了大跨度预应力混凝土斜拉桥健康状态评估的多层次关系模型。将监测数据与表观检测数据通过无量纲化处理和底层指标评语进行分级评定,以便纳入同一种评分体系中。再通过加权综合的方法由底层指标得到上层指标的状态,逐层综合,最终得到整个桥梁的状态。文中通过实例计算分析,结果表明层次分析法和变权综合原理可以较好地应用于大型桥梁结构的状态评估。     

基于应变比的桥梁损伤识别与评估方法

为了研究如何应用桥梁健康监测数据对桥梁关键部位损伤进行识别,从而对桥梁健康状况进行有效评价,解决桥梁结构监测数据分析利用方面存在的实用性不强的问题,通过在结构的测试断面和基准断面分别布设一定数量的应变传感器,采用桥梁应变影响线理论,建立了一种基于应变比的桥梁损伤识别与评估方法。分析了大量车辆荷载作用下桥梁应变响应监测数据,利用测试断面与基准断面对应部位的应变比推演出结构刚度退化矩阵,再利用封闭交通情况下测试车辆产生的荷载效应准确获得应变比矩阵和刚度退化矩阵。为分析对于开放交通条件下难以获得准确应变比矩阵的问题,利用随机信号分析理论及统计技术分析应变比的概率分布规律,发现在交通荷载作用下,一定监测周期内测试断面自身不发生损伤时其应变比众值基本保持不变,证明可根据应变比分布规律的变化对测试断面进行损伤识别。提出了封闭交通情况下测试断面快速损伤识别及开放交通条件下的损伤识别方法。将这一方法推广应用到桥梁健康监测系统中,以青银线济南黄河大桥为例,对该方法的有效性进行了验证。结果表明,该方法效率高,精度好,通用性强,能够实现封闭交通下桥梁损伤快速精准识别与评估和开放交通状态下桥梁损伤定期在线识别。     

基于小波变换和ARIMA模型的桥梁健康监测数据分析

为了对桥梁健康监测系统采集的海量数据进行深入挖掘,使其在结构评估中效用最大化,将监测数据视为一维信号,以小波变换、时间序列分析为工具,对某四跨连续刚构桥挠度监测数据进行了分析,研究探讨了该方法对于监测数据分析的适用性。对于监测数据进行离散小波变换,根据小波变换系数分析得出了结构监测数据的发展趋势,同时可过滤掉数据信号中已缺失细节信息的系数,重构信号,对该重构信号进行时间序列分析,采用最小二乘法进行参数估计,建立了重构信号的ARIMA预测模型,成功对某大桥某时刻后未来一定时间的挠度进行了预测。研究结果可以预测桥梁结构在未来某周期内的运营状态信息,对于结构运营状态监测预警有积极的意义。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

基于犹豫模糊集的桥梁最佳监测数据提取研究

目前提取监测数据中异常数据的方法研究比较多,而对桥梁海量监测数据的特征数据提取的方法研究比较少。通过对原始监测数据进行一系列预处理和归一化后,将监测数据转化为犹豫模糊决策矩阵,并基于犹豫模糊集对桥梁最佳监测数据进行提取,可从每个时间周期内提取出一个最佳的监测数据,从而消除了对桥梁安全监测意义不大的数据,减少数据量,提高桥梁安全监测评估的效率。     

大数据背景下的桥梁结构健康监测研究现状与展望

结构健康监测（SHM）技术在许多大型桥梁的运营养护管理中均有应用，但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁SHM数据的处理分析中，首先总结大数据的概念和构成要素；然后分析SHM数据的工业大数据属性，梳理桥梁SHM大数据的研究方向；随后综述包括处理技术和分析方法在内的大数据技术在桥梁SHM中的应用现状，在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出SHM大数据研究的需求和应用场景；最后对大数据技术在桥梁SHM中的前景与驱动力进行展望和讨论。结果表明：SHM大数据研究应以结构状态评估为落脚点；大数据处理技术在SHM的系统框架搭建及数据分析能力扩展方面虽已得到较多应用，但其并非SHM大数据研究的重点；SHM数据融合对大数据分析方法有迫切需求，以实现桥梁SHM数据与外观检测等多源异构数据的多层面融合；深度学习、集成学习为结构状态敏感特征的提取提供了新的算法；有监督、无监督机器学习方法结合海量SHM数据将对结构状态评估下的模式识别问题形成更全面的认知；异常识别、相关分析、迁移学习等方法可为实桥SHM损伤识别提供支撑。研究结果可为SHM领域的大数据研究提供参考。     

基于桥梁健康监测测点相关性的结构安全分析

本文立足桥梁健康监测和数据挖掘理论知识,提出利用数据挖掘算法研究桥梁结构监测点间的相关性并作为评估桥梁健康状况的依据。通过缩尺模型滚动小车试验,获取各测点加速度数据,利用数据挖掘中基于夹角余弦的层次聚类方法对各测点数据进行关联性的分析,得出随着损伤程度的增加,损伤测点与其余测点关联性呈逐渐下降的趋势。由此,获得结构在营运过程中各测点的关联性演化规律,通过此规律可以进行结构的安全评估。     

桥梁健康监测技术研究现状及展望

为进一步推进桥梁健康监测技术的发展,保障桥梁运营安全,依据近20年国内外桥梁健康监测（BHM）领域的学术研究现状,总结了BHM在系统及适用性、结构损伤监测算法、监测数据预处理、损伤结构安全预警及数字孪生技术方面取得的最新进展,确定BHM技术目前的研究热点和未来的发展方向。综合分析表明：在BHM系统及适用性方面,研究结构响应参数与健康指标的关联机制,研发长寿命非接触自动采集的智能传感装置,建立针对多源数据采集、传输、存储、分析、评价、预警于一体的自动化、网络化、智能化综合系统是重点研发方向;在结构损伤监测算法方面,设置针对异质场景的不同人工神经网络及修正方法选择建议集,针对多源信息流构建基于数据驱动与模型修正实时交互的多层级耦合智能算法是主要研究热点;在监测数据预处理方面,进一步研发基于深度学习的多源异构数据融合方法,建立复杂环境影响下的损伤结构动态信号提取算法,实现结构监测数据的精准分离是未来研究的热点;在损伤结构安全预警方面,研究重心集中于预警指标和预警体系的建立以及基于可靠度理论与监测数据的常规损伤安全评估,以结构监测数据反映总体力学行为并结合局部损伤的智能检测信息进行服役性能评价是未来的主要发展方向;数字孪生技术在BHM中尚属起步,将数字孪生技术融入多层级复合算法,建立结构多源异构大数据智能融合机制,形成数字联通、实时互动的智能化桥梁运维监测体系是重要发展方向。     

基于小波分析的桥梁振动损伤识别方法

桥梁动力特性参数(固有频率、振型和阻尼等)是反映桥梁整体安全状态的重要参数之一。桥梁损伤会引起结构动力特性改变,故对桥梁振动损伤进行识别便可以实现对桥梁的状态评估。建立仿真模型对桥梁振动损伤进行模拟,并运用小波分析方法对算例桥梁振动损伤数据进行分析,以有效实现对结构损伤状态的识别与评估。     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...