桥梁动态称重迭代算法的理论与试验研究

桥梁动态称重(bridge weigh-in-motion,BWIM)能够以桥梁作为载体识别过往车辆的轴重。商用BWIM系统通常基于Moses算法,以桥梁的实测影响线对车桥实测动力响应进行轴重识别。然而,该算法的轴重求解方程是病态方程,在特定情况下轴重识别精度偏低。为解决这一问题,该研究提出桥梁动态称重迭代算法,通过Moses算法和实测影响线算法之间的反复迭代,修正病态的轴重求解方程。该研究介绍了桥梁动态称重迭代算法的原理,并进行了相关公式推导;基于怀化舞水五桥引桥的车桥动力试验,对比分析商用BWIM算法和桥梁动态称重迭代算法的轴重识别精度;并深入探讨影响线的选取对轴重识别精度的影响。研究表明,桥梁动态称重迭代算法能够在一定程度上提高轴重识别的精度,其最佳的基准影响线是实测均值影响线。     

基于贝叶斯后验估计的桥梁动态称重算法理论与试验研究

桥梁动态称重(bridge weigh-in-motion, BWIM)利用过桥车辆对桥梁产生的动力响应快速识别车辆轴质量。由于实测的动力响应包含测量误差,在一定程度上降低了传统BWIM算法的轴质量识别精度。为了解决这一问题,提出基于贝叶斯后验估计的桥梁动态称重算法。该算法考虑了测量误差对轴质量识别精度的影响,假设测量误差和轴质量服从高斯分布,利用测量误差的标准差和轴质量标准差得到能抑制测量误差的约束因子,推导出新的轴质量求解方程。基于数值仿真和实桥试验,分别得到传统BWIM算法和贝叶斯算法的轴质量识别精度,并进行对比分析。试验结果表明：相比于传统BWIM算法,贝叶斯算法能够有效抑制测量误差的影响,明显改善轴质量识别精度。     

基于宏应变曲率的桥梁式动态称重方法研究

桥梁式动态称重技术利用桥梁响应反算车辆轴重、轴距等关键信息,相较于路面式称重技术,其安装维护避免了对正常交通的影响,应用前景广泛。然而,还存在着密集群轴难以识别、传感器耐久性不足等问题。为此,该文基于长标距光纤光栅(FBG)传感器序列测得的宏应变时程,提出车辆信息相关指标:宏应变曲率,并建立了新型桥梁式动态称重方法,可同时识别车辆车速、轴距及轴重。结合经试验验证的车桥耦合模拟获取不同参数工况下桥梁宏应变响应,对该方法在不同车型、车速、路面不平顺、传感器位置及标距长度等参数工况下的识别精度进行分析,结果表明:该方法车速、轴距的整体识别精度较高,受不同参数影响较小,误差小于1%,相较而言,轴重识别结果较不理想,尤其对于较小轴距的车轴或群轴,可通过缩短传感器标距长度进行改善,解决密集群轴难以识别的问题。该方法识别精度还不受传感器布置位置影响,可有效提升系统安装维护便利性。     

基于动应变的桥梁动态称重及其优化算法

将桥梁视为“称”对车辆进行动态称重,是一种获取桥面移动车辆行驶速度、轴距、轴重等信息的新方法。本文以桥梁不同截面动应变响应为对象,采用“峰值法”识别车辆速度、轴距,引入最小二乘原理识别车辆各轴重,再结合梯度法对初始识别结果值进行局部优化,最后建立车-桥耦合振动模型模拟桥梁动应变,对桥梁动态称重及优化算法进行数值仿真。结果表明,对已经具备一定精度的动态称重初始结果值进行局部优化能进一步提高精度,满足工程应用要求。     

桥梁车辆荷载识别的贝叶斯方法研究

基于贝叶斯推理提出了一种可实现误差模式选择的桥梁车辆荷载识别方法。该方法通过静力影响线构建车辆荷载与实测响应的关系表达式,并建立修正曲面以消除动力效应造成的识别误差。引入与结构响应大小和车速相关的五种误差模式。根据假设的先验分布推导车辆轴重参数的后验分布,以获得车辆荷载的最优估计值和置信区间,并计算各误差模式的后验概率。分别采用简支梁数值算例和某连续梁桥动载试验,对该方法在不同车速工况下的识别精度和可靠性进行了验证。结果表明,修正曲面可以有效消除车辆动力冲击的影响,提高了荷载识别精度;荷载识别结果以置信区间形式呈现,可量化荷载识别结果的不确定性;贝叶斯方法能够识别出最佳误差模式,进一步提升了荷载识别的鲁棒性。     

基于双轴车-桥接触力灵敏度的桥梁损伤识别EI北大核心CSCD

考虑车辆行驶过程中车身竖向和俯仰运动耦合的问题,基于双轴四自由度车辆动力学模型,从车身响应中获取车辆过桥时的接触力,并利用接触力灵敏度和正则化方法识别桥梁结构损伤。数值模拟结果表明,在考虑路面不平度的基础上,与采用车身或车轴响应灵敏度的方法相比,基于接触力灵敏度方法的简支梁桥损伤识别精度更佳。与基于单轴车接触力灵敏度的损伤识别方法相比,本文所提出的方法在保证识别精度的同时能够明显减少迭代的次数。参数分析结果表明,结构损伤识别结果受车速、噪声和建模误差影响;该损伤识别方法也适用于连续梁桥。此外,存在合适的车桥质量比和车桥一阶频率比使得基于接触力灵敏度的结构损伤识别效果达到最优。     

对多跨简支T梁桥加固方法探讨

20世纪各个年代我国修建了大量的装配式简支T梁桥。随着运营年限的增加及交通发展,大量此类桥梁面临承载能力下降及设计荷载不足的窘境,为了提高此类桥梁的承载能力及安全性能,对该类旧桥采取加固措施势在必行。本文将以跨径为16.76m+16.76m两跨简支T梁桥为例,来分析简支T梁变连续加固措施的效应及方法。     

浅谈大跨径钢构梁体裂缝的原因和防治

目前,在我国大跨梁式桥存在大量的梁体开裂病害。一般来说,跨径在100m以下的梁桥,病害较少;跨径在100m-160m的梁桥,其病害就多些;跨径在160m以上的梁桥,其病害就更加严重。梁体开裂病害极大地影响了许多桥梁的使用寿命,甚至是直接造成严重的工程事故,因此,本文针对梁体开裂病害的起因以及预防措施进行讨论。     

预应力混凝土T梁桥长期监测数据分析

全预应力与A类预应力混凝土梁不允许产生梁体竖向、横向裂缝,为评估带裂缝工作预应力混凝土T梁桥的安全性能,对某高速预应力混凝土T梁桥挠度、应变和裂缝宽度采用振弦式传感器进行长期在线监测,结合桥梁荷载试验,对长期监测数据进行定量分析。研究结果表明实际运营条件下,主梁最大挠度与跨径之比小于1/3 000,季节温度变化引起的应变增量与车辆荷载增量相当,梁底横向裂缝宽度变化处于稳定状态。研究成果可为类似桥梁养护管理和维修加固提供技术支持。     

西南山区高速公路桥梁标准疲劳车辆荷载研究

摘 要：疲劳车模型在桥梁疲劳评估中有着非常重要的作用,本文根据动态称重系统获得的车辆数据,并以等损伤度为理论基准,推导出适用于中国西南山区高速公路桥梁的3轴标准疲劳车模型。车辆统计数据和疲劳损伤度模拟计算表明,超过一半的疲劳损伤由6轴车引起,故根据统计数据以6轴车为原型设计出简化的3轴标准疲劳车模型,并根据Miner线性累积损伤法则,以实际车辆导致的损伤度为目标对疲劳车模型轴重和轴距进行修正。同时,本文针对西部山区高速公路桥梁提出两项建议：其一为基于弯矩概率函数曲线分析,建议最大应力幅峰值取为等效应力幅的3倍而不是AASHTO所规定的2倍,这主要由于该地区部分车辆超载较多所致;其二为BS5400疲劳车模型是实际车辆引起疲劳损伤的1.15倍从而高估了本地区的疲劳损伤,而AASHTO疲劳车引起的疲劳损伤与实际车辆导致的损伤也基本一致,故建议在西部山区高速公路疲劳车规范的选择时,宜选择AASHTO规范,但应根据实际通行车辆对疲劳车通行量进行修正。     

基于影响线的桥梁移动荷载识别

以桥梁不同截面动应变响应为对象,进行移动荷载识别研究。通过寻找应变曲线峰值点识别车辆行驶速度、轴数、轴距,并采用影响线拟合动应变响应的思路识别车辆各轴轴重。结合车-桥耦合振动模拟计算,对桥梁移动荷载识别问题进行数值仿真分析。     

由状态变量识别板梁桥上移动荷载

将板梁桥等效为正交异性板,车辆等效为等间距常速度在正交异性板上移动的一组荷载。根据弹性板理论、HALMITON'S原理和模态叠加原理,得到了系统状态方程,并基于规则化技巧推导了状态空间移动荷载识别方法。数值模拟和试验结果表明,该方法用挠度或应变识别车辆的轴重和轮载都是有效、可行的。     

基于软质电容式称重传感器的车辆动态称重系统

介绍了一种基于软质电容式称重传感器的车辆动态称重(WIM)系统.针对橡胶材料力学特性对系统输出值的影响,提出了基于Kelvin模型的数据处理方法.利用该方法进行实验测量,车辆总重量的测量误差在10%以内,其精度优于ASTM E1318-94给出的Ⅱ类WIM系统精度(置信95%时总重误差±15%).理论分析和实验结果表明该方法有助于实时测量,便于交通稽查.     

基于频率变化的有载桥梁模态振型识别改进方法EI北大核心CSCD

车辆静置法识别桥梁振型克服了车辆移动扫描方法中路面不平顺激励难以消除的局限,大大改善了振型识别精度。该方法本质上是利用车辆停放位置不同时桥梁频率的变化进行振型识别。因此,对静置车辆-桥梁系统频率的准确估计是保证振型识别精度的关键所在。首先考虑车辆悬挂特性,推导了静止车辆-桥梁耦合系统方程,获得了有载桥梁的耦合系统频率解析式;在此基础上,提出基于频率变化的有载桥梁振型识别改进方法,并通过数值算例和模型试验对其进行验证;进一步分析了不同车体简化方法(附加质量模型与质量-弹簧模型)对桥梁频率及振型识别结果的影响;最后讨论了静置车辆-桥梁耦合系统频率的影响因素。结果表明:提出的改进方法较附加质量法相比有更好的振型识别精度,且可准确预测有载桥梁频率的变化;静置车辆-桥梁耦合系统的频率总是成对出现,耦合系统频率的变化与车/桥频率比、车/桥质量比以及车辆停放位置有关,且对车/桥频率比最为敏感。研究思路不仅适用于公路桥梁的振型识别,还可扩展到利用静止人群进行人行桥或轻柔楼盖的振型识别。     

基于监测数据的钢箱梁U肋细节疲劳可靠性分析

针对某悬索桥钢箱梁疲劳开裂严重,基于WIM动态称重系统采集的数据,对该桥通行车辆的车型、轴距、轴重、总重、是否超载进行了统计,明确了该桥交通荷载特征及各车道随机车流差异性,依据实桥动应变监测数据,运用雨流计数法及Palmgren-Miner线性损伤累积理论,获得了运营状态下各车道的疲劳应力谱,基于均匀设计-径向基神经网络-重要蒙特卡罗法（UD-RBF-IMC）相结合的算法,运用线弹性断裂力学对U肋对接焊缝疲劳可靠性进行了评估,研究了交通量及轴重增长对疲劳可靠度的影响规律。研究结果表明:该桥疲劳车型可简化为V2~V10共9类,左、右幅V2车型的总重均为单峰偏态分布,超载率不到4%,V3~V10车型的总重均为多峰分布,超载率大于30%,最高达69%;重车道V2~V10车型的比例明显高于其他车道;温度日变化对疲劳应力谱的影响较小,采样频率对应力谱的影响较为显著,不宜小于50 Hz;结合UD、RBF、IMC算法各自的优点,有效提高了基于监测数据的钢箱梁细节疲劳可靠度指标的求解精度和效率;轴重增长系数对疲劳可靠度的影响明显大于交通量增长系数,在运营期间除控制交通量外,还需重点控制重车比例和超载率;当交通量增长系数为3%,轴重增长系数为0.6%时,1#测点疲劳寿命仅为74年;超车道重载卡车数量较少,高水平应力循环较少,疲劳寿命较长,而快车道和重车道重载卡车较多,高水平应力循环较多,存在疲劳开裂风险,需重点关注。     

基于经验模态分解的载货汽车载荷动态检测策略研究

针对载货汽车载荷动态检测问题,仿真分析了汽车不同车速和载荷状态下悬架的动态特性。基于车辆载荷与悬架变量的关系,设计了一种高精度带过载保护的汽车载荷动态检测装置,采用经验模态分解法（Emprical Mode Decomposition,EMD）构建了汽车载荷动态检测装置数据处理算法。以解放赛龙Ⅱ载货汽车为试验车、MC9S12XEP100单片机为车载终端构建了车辆载荷动态检测试验平台,并对系统进行了静态标定和动态检测试验。试验结果表明：该装置在试验车车速为40和60km/h、装载量分别为空载、半载和满载状态下对车辆总重检测结果误差均小于5.0%;车速为90km/h、相同装载量状态下,检测结果误差分别为3.12%,7.616%和6.75%;由此可见,随着试验车速增大,该装置对车辆载荷动态检测精度波动范围增大,但是总体满足工程的实际需求,它为车辆载荷动态实时检测提供了一种新方法。     

简支梁轿车辆冲击系数和研究

本文采用荷载别的方法,将冲击系数定义为辊出的四桥间的相互作用力与识别出的车辆的轴重之比,或已知车辆的轴重,通过测试梁的弯矩或挠度,结合荷载识别公式,识别出桥上移动荷载,确定冲击系数。避免了因荷载等级不同,梁静态效应值受影响比动态应值大的矛盾,为我国桥梁设计规范中冲击系数的取值提供一些依据。     

微操作中三维运动定位的目标识别误差矫正

根据形状差异和广义图像误差对微操作定位精度的影响,给出了形状差异的矫正算法。 基于光照度影响图像亮度的事实,导出了矫正广义图像误差的识别调节系数。使用精度±2m操作手控制运动,视觉模型的定位精度在5%左右。通过误差矫正,精度可以继续得到提高,提高的程度与识别调节系数的大小有关,而识别调节比达到初始调节比的60%-80%为宜。     

提高光电成像挠度系统的识别精度

光电成像挠度系统在桥梁结构状态健康监测系统工程实践中由于受到雾、强光等天气因素干扰会影响识别精度。针对该问题,本文在分析了光电成像挠度测量系统组成和成像识别原理基础上,深入研究了各种不利的天气因素干扰对挠度测量系统成像识别精度的影响,并在图像增强基础上提出一种投影差分算法来提高在不利天气条件下光电成像识别精度,该算法通过对比实验(雾天:该方法的均方差为1.632 231,传统方法均方误差为16.534 08;强光:该方法的均方差为2.182 247,传统方法均方误差为23.018 13)验证了该方法在不利天气条件下相比传统方法将识别精度从厘米级提高到毫米级,大大增强了光电成像挠度系统的可靠性,并在重庆马桑溪长江大桥、重庆高家花园嘉陵江大桥等桥梁结构状态监测系统的光电成像挠度测量系统工程实践中得以成功检验。     

识别桥梁断面18个颤振导数的梯度下降算法

桥梁断面颤振导数识别问题可转化为最小二乘优化问题,提出了梯度下降算法求解该优化问题,提取桥梁主梁断面18个颤振导数。梯度下降算法在随机搜索过程中引入反馈机制,能够快速搜索到最优解,可用于系统参数识别,并且能够保证精度。采用该算法识别了苏拉马都大桥主梁断面18个颤振导数,并且与随机子空间方法识别结果进行对比分析。给出了现有弹簧悬挂系统自由振动方法识别桥梁断面颤振导数高风速时稳定性较差、侧向颤振导数识别精度相对较低的原因。试验方法是影响颤振导数识别精度的决定性因素,识别方法是相对次要因素。