基于监测响应相关性的中小跨径桥梁的结构状态监测
发布时间：2021-07-09 17:57
我国经济快速发展带动了基础设施建设热潮。桥梁作为基础设施的重要组成部分近些年来也进入了快速建设阶段。然而,桥梁经过长期使用,由于材料老化和环境侵蚀,桥梁不可避免地会出现各种损伤情况,导致桥梁事故时有发生,因而桥梁结构的健康监测越来越被人们重视。目前,桥梁监测系统多应用于跨径较大的重要性桥梁,对于中小跨径桥梁的监测方法则相对缺乏。由于中小跨径桥梁重要性程度低,桥梁监测信息不完备,特别是缺少车辆荷载信息,桥梁的结构参数也往往是未知的,所以亟需研究一种不依赖车辆荷载和桥梁结构参数的结构健康监测方法。本文提出了一种基于桥梁响应相关性的中小跨径桥梁的监测方法。通过车荷载影响线分析,从理论上阐明了桥梁不同位置之间的响应存在不依赖车辆荷载映射关系的机理;应用LSTM神经网络建立了不同桥梁响应时域数据的相关性模型,并开展了不同桥梁损伤对相关性模型预测误差的灵敏度分析,选择出适合于中小跨径桥梁状态监测的不同位置结构响应相关性模型。本文具体内容如下:（1）研究了车辆荷载作用下中小跨径桥梁不同位置结构响应之间存在相关性的机理。利用桥梁不同位置响应的车荷载影响线,推导了桥梁在单车和多车荷载条件下,桥梁不同位置...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
单个车辆荷载作用下的简支梁
哈尔滨工业大学工程硕士学位论文-12-1/4跨位置处的挠度为：1144()llp=Pfx（2-6）跨中位置处的挠度为：1122()llp=Pfx（2-7）通过公式（2-6），可以由监测的桥梁1/4跨径处的挠度值，反算求得车辆荷载位置xp,再将其代入公式（2-7）,可得：114411()pllxfP=（2-8）11111112244244111(())(())lllllllPffffP==（2-9）式（2-9）表明桥梁1/4跨径处和跨中位置的挠度响应之间存在不依赖于车辆荷载的相关映射关系，同理也可证明桥梁不同位置之间挠度响应（或其他类型响应）也存在这种不依赖于车辆荷载的相关映射关系。2.2.2多车行驶情况下的结构响应相关性多车行驶情况下的桥梁响应相关性证明设置三个移动集中力（位置未知）和三个桥梁挠度响应测点：1/4跨径、跨中和3/4跨径处。主梁的分析模型见图2-2：图2-2多个车辆荷载作用下的简支梁其中P1，P2，P3分别为三个移动集中力，距离桥梁左端的距离分别用xp1,xp2和xp3来表示，l为桥梁的跨度。设fx(xp)表示距左端x处桥梁挠度在单位车辆荷载作用下的影响线。则在上图所示的车辆荷载作用下，桥梁挠度可以表示为：1/4跨位置处的挠度为：()()()11112123134444pppllll=Pfx+Pfx+Pfx（2-10）
哈尔滨工业大学工程硕士学位论文-14-2.2.3结果分析上述证明过程可以发现：在单车行驶和多车行驶的情况下桥梁不同位置之间的响应都存在不依赖于车辆荷载仅依赖结构参数的映射关系。但是，当结构参数未知时，上述映射关系无法直接显示表示，所以本文采用神经网络当中的LSTM（长短时记忆网络）来对大量不同车辆行驶工况的数据进行训练，建立相关性模型。2.3LSTM神经网络简介上一小节我们证明了在特定的条件下桥梁不同位置响应之间存在着不依赖于车辆荷载仅依赖结构参数的相关性映射关系。然而，在实际应用中，由于桥梁结构参数往往未知，无法直接显示地得到上述相关关系。但是，桥梁监测系统可以实际测量大量桥梁结构响应数据，这些监测数据中蕴含着上述不同位置结构响应的相关关系；因此，我们可以利用这些监测数据对桥梁不同位置响应之间的相关性进行建模描述。由于本文的响应数据类型为时程数据，且数据量较大，所以考虑采用深度学习中解决时序问题作用突出的LSTM神经网络技术。本文将运用LSTM神经网络进行监测数据训练，建立桥梁不同位置响应之间的相关关系。本节对LSTM神经网络做相关的理论背景介绍。在介绍LSTM神经网络之前，我们首先要介绍RNN网络（循环神经网络）：RNN网络是一类以不同时间收集到的数据为输入，在时间的前进方向进行递归且所有节点依次链接的递归神经网络（见图2-3[42]）。RNN神经网络之所以可以解决序列问题，是因为它可以记住每一时刻的信息，该时刻隐藏层的信息不仅由该时刻输入层的信息决定，还由上一时刻隐藏层的信息所决定。但RNN网络也会产生长期依赖问题，当其所需要的相关信息和当前语句距离较远的时候，RNN将难以学习到需要的信息。图2-3RNN神经网络结构图[42]
【参考文献】：
期刊论文
[1]基于振动响应相关性的简支梁桥损伤识别方法[J]. 刘习军,王正飞,张素侠. 实验力学. 2019(01)
[2]基于结构响应健康检测技术在芜湖长江大桥状态评估中的应用[J]. 王金山,刘继琛. 上海铁道科技. 2018(03)
[3]基于跨中位移影响线的箱梁损伤定位研究[J]. 张珂苑,蔺鹏臻. 铁道建筑. 2016(10)
[4]杭州湾跨海大桥结构健康与安全监测系统研究[J]. 于兴泉,彭大鹏,金耀. 公路. 2015(06)
[5]苏通大桥结构健康监测实践与思考[J]. 许映梅. 公路. 2013(05)
[6]一种利用车激桥梁响应的互相关函数识别桥梁损伤的方法[J]. 安宁,夏禾,战家旺. 北京交通大学学报. 2012(06)
[7]中小桥梁健康监测系统研究现状与发展对策[J]. 陶祥林,雷震. 交通标准化. 2010(20)
[8]苏通大桥结构健康监测系统设计[J]. 余波,邱洪兴,王浩,郭彤. 地震工程与工程振动. 2009(04)
[9]东海大桥桥梁结构健康监测系统研究与设计[J]. 张敏,杨志芳,朱利明. 桥梁建设. 2006(02)
[10]桥梁结构健康监测技术研究进展[J]. 孙晓燕. 中外公路. 2006(02)
博士论文
[1]桥梁健康监测与工作模态分析的理论和应用及系统实现[D]. 秦世强.西南交通大学 2013
[2]结构健康监测的数据压缩采样与损伤识别融合方法[D]. 鲍跃全.哈尔滨工业大学 2009
硕士论文
[1]基于长短时记忆网络的股市量化分析[D]. 崔萌萌.云南财经大学 2019
[2]基于循环神经网络的桥梁局部响应相关性建模方法[D]. 冯辉.哈尔滨工业大学 2019
[3]基于桥梁长期健康监测数据的时变可靠度分析与寿命预测[D]. 雷秀强.华南理工大学 2015
[4]中小跨径桥梁健康监测系统研究及其应用[D]. 陈宇哲.湖南大学 2014
[5]重庆石板坡长江大桥复线桥健康监测系统方案研究[D]. 翟影.重庆大学 2006
本文编号：3274212
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
单个车辆荷载作用下的简支梁
哈尔滨工业大学工程硕士学位论文-12-1/4跨位置处的挠度为：1144()llp=Pfx（2-6）跨中位置处的挠度为：1122()llp=Pfx（2-7）通过公式（2-6），可以由监测的桥梁1/4跨径处的挠度值，反算求得车辆荷载位置xp,再将其代入公式（2-7）,可得：114411()pllxfP=（2-8）11111112244244111(())(())lllllllPffffP==（2-9）式（2-9）表明桥梁1/4跨径处和跨中位置的挠度响应之间存在不依赖于车辆荷载的相关映射关系，同理也可证明桥梁不同位置之间挠度响应（或其他类型响应）也存在这种不依赖于车辆荷载的相关映射关系。2.2.2多车行驶情况下的结构响应相关性多车行驶情况下的桥梁响应相关性证明设置三个移动集中力（位置未知）和三个桥梁挠度响应测点：1/4跨径、跨中和3/4跨径处。主梁的分析模型见图2-2：图2-2多个车辆荷载作用下的简支梁其中P1，P2，P3分别为三个移动集中力，距离桥梁左端的距离分别用xp1,xp2和xp3来表示，l为桥梁的跨度。设fx(xp)表示距左端x处桥梁挠度在单位车辆荷载作用下的影响线。则在上图所示的车辆荷载作用下，桥梁挠度可以表示为：1/4跨位置处的挠度为：()()()11112123134444pppllll=Pfx+Pfx+Pfx（2-10）
哈尔滨工业大学工程硕士学位论文-14-2.2.3结果分析上述证明过程可以发现：在单车行驶和多车行驶的情况下桥梁不同位置之间的响应都存在不依赖于车辆荷载仅依赖结构参数的映射关系。但是，当结构参数未知时，上述映射关系无法直接显示表示，所以本文采用神经网络当中的LSTM（长短时记忆网络）来对大量不同车辆行驶工况的数据进行训练，建立相关性模型。2.3LSTM神经网络简介上一小节我们证明了在特定的条件下桥梁不同位置响应之间存在着不依赖于车辆荷载仅依赖结构参数的相关性映射关系。然而，在实际应用中，由于桥梁结构参数往往未知，无法直接显示地得到上述相关关系。但是，桥梁监测系统可以实际测量大量桥梁结构响应数据，这些监测数据中蕴含着上述不同位置结构响应的相关关系；因此，我们可以利用这些监测数据对桥梁不同位置响应之间的相关性进行建模描述。由于本文的响应数据类型为时程数据，且数据量较大，所以考虑采用深度学习中解决时序问题作用突出的LSTM神经网络技术。本文将运用LSTM神经网络进行监测数据训练，建立桥梁不同位置响应之间的相关关系。本节对LSTM神经网络做相关的理论背景介绍。在介绍LSTM神经网络之前，我们首先要介绍RNN网络（循环神经网络）：RNN网络是一类以不同时间收集到的数据为输入，在时间的前进方向进行递归且所有节点依次链接的递归神经网络（见图2-3[42]）。RNN神经网络之所以可以解决序列问题，是因为它可以记住每一时刻的信息，该时刻隐藏层的信息不仅由该时刻输入层的信息决定，还由上一时刻隐藏层的信息所决定。但RNN网络也会产生长期依赖问题，当其所需要的相关信息和当前语句距离较远的时候，RNN将难以学习到需要的信息。图2-3RNN神经网络结构图[42]
【参考文献】：
期刊论文
[1]基于振动响应相关性的简支梁桥损伤识别方法[J]. 刘习军,王正飞,张素侠. 实验力学. 2019(01)
[2]基于结构响应健康检测技术在芜湖长江大桥状态评估中的应用[J]. 王金山,刘继琛. 上海铁道科技. 2018(03)
[3]基于跨中位移影响线的箱梁损伤定位研究[J]. 张珂苑,蔺鹏臻. 铁道建筑. 2016(10)
[4]杭州湾跨海大桥结构健康与安全监测系统研究[J]. 于兴泉,彭大鹏,金耀. 公路. 2015(06)
[5]苏通大桥结构健康监测实践与思考[J]. 许映梅. 公路. 2013(05)
[6]一种利用车激桥梁响应的互相关函数识别桥梁损伤的方法[J]. 安宁,夏禾,战家旺. 北京交通大学学报. 2012(06)
[7]中小桥梁健康监测系统研究现状与发展对策[J]. 陶祥林,雷震. 交通标准化. 2010(20)
[8]苏通大桥结构健康监测系统设计[J]. 余波,邱洪兴,王浩,郭彤. 地震工程与工程振动. 2009(04)
[9]东海大桥桥梁结构健康监测系统研究与设计[J]. 张敏,杨志芳,朱利明. 桥梁建设. 2006(02)
[10]桥梁结构健康监测技术研究进展[J]. 孙晓燕. 中外公路. 2006(02)
博士论文
[1]桥梁健康监测与工作模态分析的理论和应用及系统实现[D]. 秦世强.西南交通大学 2013
[2]结构健康监测的数据压缩采样与损伤识别融合方法[D]. 鲍跃全.哈尔滨工业大学 2009
硕士论文
[1]基于长短时记忆网络的股市量化分析[D]. 崔萌萌.云南财经大学 2019
[2]基于循环神经网络的桥梁局部响应相关性建模方法[D]. 冯辉.哈尔滨工业大学 2019
[3]基于桥梁长期健康监测数据的时变可靠度分析与寿命预测[D]. 雷秀强.华南理工大学 2015
[4]中小跨径桥梁健康监测系统研究及其应用[D]. 陈宇哲.湖南大学 2014
[5]重庆石板坡长江大桥复线桥健康监测系统方案研究[D]. 翟影.重庆大学 2006
本文编号：3274212
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3274212.html
