基于时变分析与深度学习的桥梁动力特征识别及状态评估.pdfVIP

中文摘要

随着社会经济的发展和基础设施的完善，我国桥梁建设事业取得了举世闻名

的成绩，但桥梁安全事故频繁发生，如何保障桥梁运营安全是行业关注重点。针

对常规振动测试方法输出结构参数简单、难以全面有效支撑其服役状态评估，以

及既有测试主要依靠接触式传感器、测试效率低的问题，本文立足土木工程建设

发展需要，依据基于时变分析与深度学习的桥梁结构动力识别与评估展开探讨。

主要创新点如下：

（1）传统的环境振动测试中，无法得到结构柔度等具体的动力参数，而冲

击振动虽然可以得到较为全面的动力参数，但是测试要求较高，因此，本文提出

了基于移动质量技术的桥梁振型缩放系数与模态柔度识别方法，仅利用监测响应

便可以识别结构详尽参数。利用动力信号分析方法，识别桥梁在无车辆行驶工况

下的时不变模态参数，以及有车辆行驶工况下的时变模态参数，通过理论推导建

立结构振型缩放系数与时变模态参数、时不变模态参数以及移动车辆时空分布位

置的数学模型，可以获得结构的位移柔度，从而进行结构在静力作用下的挠度预

测。该方法具有方便快捷的优势，能够从输出响应中识别结构位移柔度矩阵等深

层次动力参数。

（2）提出了基于列车-桥梁耦合系统时变动力特征的铁路桥梁结构模态柔度

识别方法，通过高速列车行驶导致的桥梁时变动力特征变化实现桥梁振型缩放系

数与模态柔度等详尽参数识别。深入研究了桥梁振型缩放系数与列车-桥梁耦合

系统时变动力特征与列车时空分布信息之间的关系，并提出了基于预测静力挠度

的桥梁状态快速评估方法。利用列车-桥梁耦合系统的数值算例对提出的方法的

有效性进行了验证，并研究了列车行驶速度、列车编组数目等关键影响因素对提

出方法的影响规律。

（3）为进一步提升桥梁测试效率提出基于深度学习和无人机平台的复杂背

景下桥梁振动位移与拉索索力非接触式测量方法。通过无人机采集拉索振动图像

序列，利用深度学习算法识别所采集图像中的拉索实现背景剔除，通过直线检测

算法提取拉索振动位移时程；针对无人机自身振动较大，影响拉索自振频率识别

的问题，提出了基于CEEMDAN的信号分解方法，实现了拉索振动与无人机振

动的有效分离，并根据弦振动理论实现了斜拉索索力非接触测量。同时，利用一

座城市斜拉桥的实地测试数据印证了本文所提方法的实用性与可靠性。

关键词：结构健康监测；桥梁结构；柔度识别；索力识别；非接触测量；

ABSTARCT

Withthedevelopmentofsocialeconomyandtheimprovementofinfrastructure,bridge

constructioninourcountryhasmadearemarkableachievement,butbridgesafety

accidentshappenfrequently,howtoensurethesafetyofbridgeoperationisthefocus

ofindustryattention.Aimingattheproblemsthattheoutputstructureparametersof

conventionalvibrationtestmethodsaresimpleanddifficulttofullyandeffectively

supporttheservicestateevaluation,andtheexistingtestsmainlyrelyoncontactsensors

andhavelowtestingefficiency,thispaperproposesadynamicidentificationand

evaluationmethodforbridgestructuresbasedontime-frequencyanalysisanddeep

learning.Enrichingtheresultsofstructuraldynamicidentificationandimprovingthe

efficiencyofstructuraltestingare