基于振动方法的汲水门大桥损伤检测研究%3a损伤识别模拟.pdfVIP

基于振动方法的汲水门大桥损伤检测研究 损伤识别模拟 高赞明 孙宗光 倪一清 (香港理工大学土木及结构工程系 Email:cesunzg@polyu.edu.hk) 摘 要 基于高精度三维有限元模型以及模态灵敏度分析结果 对汲水门大桥损伤检测进行了 数值模拟研究 该研究采用三阶段层次识别策略 首先确定损伤的发生 然后 确定损伤所 在的区域 最后确定具体的损伤构件及损伤程度 所获得的汲水门大桥损伤识别模拟研究结 果表明了本文所采用的策略与方法的可行性与实用价值 1.引言 汲水门大桥为双层桥面斜拉桥 其总体布置如图 1所示 大桥的主要组成部分包括两 个 H形混凝土桥塔(大屿山塔和马湾塔) 四个混凝土桥墩 四片扇形分布的斜拉索和双层 桥面结构 主跨430米 两旁跨各 160米 该大桥是目前世界上最长的铁路公路两用斜拉 桥 也是世界第一个采用钢材混凝土复合主跨的斜拉桥 上层桥面设有双向三车道公路交 通 下层桥面设有双向铁路交通和双向紧急单车道公路交通 80m 80m 430m 80m 80m 150m y 150m x 2.65m Lantau Tower Ma Wan Tower 图1 汲水门大桥立面图 为监测大桥的运行状况和结构的健康状态,大桥永久性地安装了由 270多个各种类型 的传感器和有关的数据采集与管理设备所组成的监测系统 该系统所采集的数据经处理后 可用来评价大桥的动力特性 本文工作的目的是研究根据大桥动力特性的变化来识别大桥 结构的损伤的可行性与方法 为此 为大桥建立了面向损伤检测的精细的三维有限元模 型 对桥面结构进行了数值模拟研究 该三维有限元模型应用环境振动实测结果进行了多 方面校正,保证了模型能够较准确地反映实际结构的动力学特性 然后 基于校正后的有 限元模型计算了健康结构的动力特性和模拟了多种损伤情况下的动力特性 由于仅桥面结 构就包含 3000多个结构构件 所以 直接识别具体的损伤构件是困难的 因此 采用了 三阶段分步识别策略 首先诊断结构是否发生了损伤 然后 如果发生了损伤 确定损伤 发生的区域 根据汲水门大桥的桥面结构 用 150个截面将桥面结构划分为 149个区段 如图2所示 最后 以损伤区段为研究对象 找出具体的损伤构件和损伤程度 Lantau Side Ma Wan Side -75 -74 -62 -61 -49 -48 -45 -2 -1 +1 +2 Transition Section Pier 1 Lantau Pier 2 Tower 图 2桥面结构区段划分和截面编号 2.损伤报警 三阶段分步识别策略的第一阶段为检测损伤的发生 称为损伤报警 实践证明 通过 自联想神经网络实现的新奇检测技术对于损伤报警具有较好的实用性 通常可采用带有颈 缩隐含层的多层前馈自联想神经网络 该网络对现场环境下的测量误差和不确定性具有较 好的耐用性 通过用健康结构的测量数据(此处为自振频率)训练网络使之建立结构健康状 态模式 当把未知状态下测量的相应数据输入已训练好的网络时 网络将检测新的输入模 式是否与已建立的模式存在不容忽视的差异