基于数据驱动的桥梁结构系统状态分析研究

发布时间：2020-07-18 20:56

【摘要】：随着桥梁健康监测系统的大量普及,基于桥梁结构响应信号的处理方法的研究也日益成为关注的焦点。本文针对桥梁健康监测领域普遍存在的数据丰富而信息匮乏的特点,运用数据驱动领域的思想技术,以符号化建模为基础,利用其模式发现的特点,对桥梁结构系统响应信号进行符号化处理、因果态分割重构、结构向量提取,然后用获得的大量结构向量训练隐马尔可夫模型来诊断评估桥梁结构状态,同时结合midas civil仿真模型与实桥缩尺模型进行试验验证,形成了一套基于数据驱动的桥梁结构系统状态诊断评估的算法体系。其主要内容包括:(1)桥梁结构系统及其响应信号的复杂性分析。通过对桥梁结构的材料非线性、几何非线性等的分析,探究桥梁结构复杂系统动力行为产生的机理,并以带有平方非线性的两个自由度哈密顿系统为例,进一步分析结构系统非线性混沌动力行为演化模式。同时,在此基础上,分析桥梁结构系统响应信号非平稳与非线性的复杂特性。(2)构建基于符号化建模的桥梁结构状态特征指标。针对借助传感器技术直接采集到的结构响应信号具有随机性强、不稳定性、非线性等复杂特征,引入人工智能领域用于解决复杂性问题的符号化建模方法,对响应信号进行粗粒化处理,去除其中的非本质特征,尽可能的保留关键信息。在此基础上,重构序列的ε机,挖掘结构系统的隐含模式,实现反应结构损伤信息的提取。(3)构建基于隐马尔可夫模型的桥梁结构系统状态诊断方法。结合隐马尔可夫模型具有分析处理变长特征序列的优点,将符号化模型提取的反应结构系统特征的结构向量作为观测序列,各结构损伤状态作为隐含序列,利用鲍母韦尔奇算法训练隐马尔可夫模型,同时,通过对比分析结构系统不同状态下模型所计算的对数似然率的演化模式,实现结构系统状态诊断。(4)依托midas仿真模型及黑冲沟特大桥实桥缩尺模型的试验分析。运用符号化建模提取结构模型在不同测点以及四种不同损伤工况下的振动加速度响应信号的结构向量,然后对初始化的隐马尔可夫模型进行大量结构向量的训练,得到能够进行桥梁结构系统状态诊断分析的隐马尔可夫模型集合,由此验证先符号化建模提取结构向量,再进行隐马尔可夫模型诊断的算法流程的可行性。
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U446
【图文】：

垮塌事故,桥梁

（3）盘锦田庄台辽河大桥（4）凤凰沱江大桥图 1-1 桥梁垮塌事故图引起桥梁各个结构性能衰弱，导致其承载能力下降的主要影响因素除了结构材料老化，环境对其的影响之外，特殊的桥梁还会受到船撞、地震等不可控因素的影响。桥梁结构的这些疲劳损伤就有可能导致桥梁在未达到设计寿命之时就突然失效，造成桥梁结构在毫无预警的情况下发生毁灭性的破坏。基于桥梁服役期期间所要面对的诸多复杂情况，运用智能化健康监测系统实时获取桥梁在各个阶段的损伤状态响应信号，以便给管养部门提供修复和加固依据就成了迫在眉睫的问题。而到目前为止，桥梁结构健康监测系统的发展历程如下图所示：人工监测利用肉眼、常规仪器进行人工巡检利用一台计算机即可完成数据采集借助手段特点根据经验判断，主观臆断性较强维护方便，成本低；监测数目有限

示意图,桥梁模型,最大作用力,工况模拟

图 4-6 各节点分布图图 4-7 模型加载示意图4.5.1 损伤工况模拟桥梁模型加载假设：采用移动荷载，它是一种作用于桥梁模型节点而又立即消失的冲击荷载，最大作用力为 1kN 的三角形荷载，如图 4-8 所示。t1=左侧单元

示意图,加载,模型,示意图

图 4-7 模型加载示意图.5.1 损伤工况模拟桥梁模型加载假设：采用移动荷载，它是一种作用于桥梁模型节点而又立失的冲击荷载，最大作用力为 1kN 的三角形荷载，如图 4-8 所示。t1=左侧单度/车速；t2=右侧单元长度/车速，即 t1、t2的大小由加载的移动速度决定。图 4-8 移动荷载近似为三角形荷载①桥梁健康状态下的仿真试验

【参考文献】