本發(fā)明涉及實際運營中的橋梁結構損傷診斷領域,具體涉及基于損傷指標體系窄域特性的橋梁結構狀態(tài)診斷方法。
背景技術:
橋梁結構是交通線中的重要組成部分,橋梁的安全性對保證交通運輸具有非常重要的地位。我國在役橋梁數(shù)量眾多,通過在橋梁建立結構健康監(jiān)測系統(tǒng),利用累積的海量數(shù)據(jù)準確診斷橋梁結構狀態(tài)是一種有效的手段,但是橋梁往往受環(huán)境溫差變化、材料老化及載荷作用等多種因素的耦合作用,從而導致復雜環(huán)境因素對實際橋梁結構性能的影響不可忽略,并且這種影響往往掩蓋橋梁損傷對橋梁結構的作用。因此,如何有效剔除多種環(huán)境及荷載因素對海量監(jiān)測數(shù)據(jù)的影響,從而準確診斷橋梁結構狀態(tài)是一個頗具挑戰(zhàn)性的研究。
針對基于海量監(jiān)測數(shù)據(jù)的橋梁結構狀態(tài)診斷問題,基于海量監(jiān)測數(shù)據(jù)的結構損傷指標體系的特性研究是關鍵,而這方面的相關研究成果目前仍比較缺乏。如何有效剔除多種環(huán)境及荷載因素對監(jiān)測數(shù)據(jù)的影響,從而利用海量監(jiān)測數(shù)據(jù)準確診斷橋梁結構狀態(tài)這一課題已有大量的研究成果,但是,現(xiàn)有橋梁結構狀態(tài)診斷算法研究更多是偏重于算法性能本身,缺乏對隱藏于橋梁海量監(jiān)測數(shù)據(jù)背后的損傷指標體系特性的挖掘與分析,從而容易導致對橋梁狀態(tài)診斷未能進行“對癥下藥”。只有根據(jù)不同橋梁損傷指標體系特性的不同,提出相應的橋梁結構狀態(tài)診斷方法,才能準確診斷多種環(huán)境及荷載因素影響下的橋梁結構狀態(tài)。因此,研究橋梁損傷指標體系的特性是突破橋梁結構狀態(tài)診斷瓶頸的關鍵。
技術實現(xiàn)要素:
本發(fā)明的目的是為了解決多種復雜環(huán)境因素對橋梁實時監(jiān)測響應數(shù)據(jù)的影響,導致橋梁結構損傷狀態(tài)診斷的準確性低的缺點,而提出一種基于損傷指標體系窄域特性的橋梁結構狀態(tài)診斷方法。
一種基于損傷指標體系窄域特性的橋梁結構狀態(tài)診斷方法包括以下步驟:
步驟一:采集健康狀態(tài)下橋梁結構的實時監(jiān)測數(shù)據(jù),根據(jù)實時監(jiān)測數(shù)據(jù)建立健康狀態(tài)下橋梁結構損傷指標體系;
步驟二:利用步驟一獲得的橋梁結構損傷指標體系,并根據(jù)窄域特性的定義,建立橋梁結構損傷指標體系窄域特性判別因子;所述判別因子包括線性橋梁結構損傷指標體系窄域特性的判別因子和非線性橋梁結構損傷指標體系窄域特性的判別因子;
步驟三:利用步驟二得到的橋梁結構損傷指標體系窄域特性判別因子,判別步驟一建立的橋梁結構損傷指標體系是否具有窄域特性;
步驟四:對步驟三中判斷的具有窄域特性的橋梁結構損傷指標體系,利用主曲線算法,建立橋梁結構累積損傷因子序列;若橋梁結構損傷指標體系不具備窄域特性,則建立基于有監(jiān)督類算法的橋梁結構累積損傷因子序列;
步驟五:利用步驟四得到的橋梁結構累計損傷因子序列,并根據(jù)相關性置亂策略的損傷特征向量重置方法,采用累積和(cusum)控制圖算法,得到基于損傷指標窄域特性的橋梁結構狀態(tài)診斷結果。
本發(fā)明的有益效果為:
本發(fā)明所述的基于損傷指標體系窄域特性的橋梁結構狀態(tài)診斷方法,采用健康狀態(tài)下的橋梁結構監(jiān)測數(shù)據(jù)構建具有窄域特性的損傷指標體系,通過獲得具有窄域特性的損傷指標體系,并結合主曲線算法,建立橋梁結構累積損傷因子序列,找出其中的閾值。通過不同時刻待診斷狀態(tài)下的損傷指標體系與損傷診斷閾值進行比較,從而判別橋梁結構產生損傷與否。本發(fā)明所述方法通過構建具有窄域特性的損傷指標體系,能夠剔除各種環(huán)境因素對橋梁結構監(jiān)測數(shù)據(jù)的影響,本發(fā)明能夠使復雜環(huán)境條件下橋梁結構損傷診斷的準確性得到提高,本發(fā)明適用于解決實際運營的橋梁結構損傷診斷問題。本發(fā)明還能夠直接應用于橋梁結構健康監(jiān)測系統(tǒng),實現(xiàn)對橋梁結構狀態(tài)的在線實時診斷。本發(fā)明方法能夠大幅提高復雜環(huán)境下橋梁損傷診斷的準確率。通過數(shù)值模擬計算得出,當損傷單元發(fā)生5%的剛度折減的小損傷時,常規(guī)的橋梁結構狀態(tài)診斷方法不能識別損傷,本發(fā)明所述的基于損傷指標體系窄域特性的橋梁結構狀態(tài)診斷方法能很好的識別出損傷狀態(tài)。
附圖說明
圖1為橋梁結構損傷指標體系具有窄域特性的物理描述示意圖(二維損傷指標體系)。
圖2為橋梁結構損傷指標體系不具有窄域特性的物理描述示意圖(二維損傷指標體系)。
圖3為具體實施方式一所述的基于損傷指標體系窄域特性的橋梁結構狀態(tài)診斷方法的流程圖。
圖4為四跨連續(xù)梁橋結構及損傷位置示意圖
圖5為混凝土材料的彈性模量與環(huán)境溫度的相關性曲線圖
圖6為模擬橋梁結構環(huán)境溫度年變化曲線圖
圖7為本發(fā)明所述的基于損傷指標體系窄域特性的橋梁結構狀態(tài)診斷方法的損傷診斷結果數(shù)據(jù)曲線圖。
圖8為常規(guī)的橋梁結構狀態(tài)診斷方法的損傷診斷結果數(shù)據(jù)曲線圖。
具體實施方式
具體實施方式一:如圖3所示,一種基于損傷指標體系窄域特性的橋梁結構狀態(tài)診斷方法包括以下步驟:
步驟一:采集健康狀態(tài)下橋梁結構的實時監(jiān)測數(shù)據(jù),由此監(jiān)測數(shù)據(jù)建立健康狀態(tài)下橋梁結構損傷指標體系;
步驟二:利用步驟一獲得的橋梁結構損傷指標體系,并根據(jù)窄域特性的定義,建立橋梁結構損傷指標體系窄域特性判別因子;
步驟三:利用步驟二得到的橋梁結構損傷指標體系窄域特性判別因子,判別該損傷指標是否具有窄域特性;
步驟四:根據(jù)步驟三中,對于判斷具有窄域特性的損傷指標,利用主曲線算法,建立橋梁結構累積損傷因子序列,若不具備窄域特性,則建立基于有監(jiān)督類算法的累積損傷因子序列;
步驟五:利用步驟四得到的橋梁結構累計損傷因子序列,并根據(jù)相關性置亂策略的損傷特征向量重置方法,采用累積和(cusum)控制圖算法,實現(xiàn)基于損傷指標窄域特性的橋梁結構狀態(tài)診斷方法。
由于運營的橋梁結構往往處于時變和復雜環(huán)境下,使得監(jiān)測數(shù)據(jù)得到的是橋梁結構運行狀態(tài)下遭受各種耦合作用的綜合反應,所以各種環(huán)境及荷載因素對監(jiān)測數(shù)據(jù)具有較大的影響,而且這些影響往往掩蓋結構損傷導致的監(jiān)測數(shù)據(jù)變化,從而使得橋梁結構狀態(tài)診斷具有較大難度?,F(xiàn)有橋梁結構狀態(tài)診斷算法研究更多是偏重于算法性能本身,缺乏對隱藏于橋梁海量監(jiān)測數(shù)據(jù)背后的損傷指標體系特性的挖掘與分析。根據(jù)不同橋梁損傷指標體系特性的不同,提出相應的橋梁結構狀態(tài)診斷方法,才能準確診斷多種環(huán)境及荷載因素影響下的橋梁結構狀態(tài)。因此,研究橋梁損傷指標體系的特性是突破橋梁結構狀態(tài)診斷瓶頸的關鍵。
具體實施方式二:本實施方式與具體實施方式一不同的是:所述步驟一中建立健康狀態(tài)下橋梁結構損傷指標體系具體為:
步驟一一:設實時監(jiān)測數(shù)據(jù)矩陣為y1=[y1,y2,…,yn],y1,y2,…,yn為監(jiān)測數(shù)據(jù)向量,監(jiān)測數(shù)據(jù)向量維數(shù)為m,n為監(jiān)測時間;
步驟一二:對矩陣y1進行模態(tài)分析,得到對應監(jiān)測時間下的結構模態(tài)參數(shù):頻率f,阻尼比ζ及振型φ,獲得橋梁結構損傷指標體系φ={f,ζ,φ}。
其它步驟及參數(shù)與具體實施方式一相同。
具體實施方式三:本實施方式與具體實施方式一或二不同的是:所述步驟二中對于窄域特性及其判別因子的定義為:
以二維結構損傷指標體系為例(y=[y1,y2]),從物理含義角度講,基于海量監(jiān)測數(shù)據(jù)的結構損傷指標體系具有窄域特性時(圖1),損傷指標體系分布具有沿1-1軸的顯著趨勢,通常該趨勢是由于環(huán)境及荷載因素的影響所致,那么將損傷指標體系投影至2-2軸,在該軸上環(huán)境及荷載因素對結構損傷指標體系的影響將大幅減??;當結構損傷指標體系不具有上述的窄域特性時(圖2),無論將結構損傷指標體系投影至1-1軸還是投影至2-2軸都很難剔除環(huán)境及荷載因素對結構損傷指標體系的影響。當結構損傷指標體系向某一向量坐標方向上投影時,具有沿該方向上的顯著優(yōu)勢,該結構損傷指標體系具有窄域特性。
定義m維橋梁結構損傷指標體系φm所建立的封閉損傷決策邊界為γ,利用正交于第i維(i=1,2,…,m)損傷特征向量的超平面建立與γ相交的超球面π(m-1維),則比值∮πds/∮γds或者
其它步驟及參數(shù)與具體實施方式一或二相同。
具體實施方式四:本實施方式與具體實施方式一至三之一不同的是:所述步驟二中線性橋梁結構損傷指標體系窄域特性的判別因子的建立過程具體為:
步驟二一:利用健康狀態(tài)下橋梁結構損傷指標體系(m維損傷指標體系φm),采用帕爾森窗(parzenwindow)方法估計損傷指標體系的概率分布模型,從而建立結構狀態(tài)診斷決策邊界γ(例如,95%的置信概率)。
步驟二二:建立健康狀態(tài)下橋梁結構損傷指標體系φm的協(xié)方差矩陣,利用奇異值分解技術,確定奇異值分布si(i=1,2,…,m)及相應的奇異值向量ui。
φm=[x1,x2,…,xk]的協(xié)方差定義為:
式中,xj橋梁結構損傷指標體系數(shù)據(jù)向量,μ為φm的均值向量,1≤j≤k,m為數(shù)據(jù)向量維數(shù),k為橋梁結構損傷指標體系樣本數(shù);
步驟二三:根據(jù)橋梁結構損傷指標體系窄域特性判別因子的廣義定義,利用損傷特征的奇異值向量,通過投影技術,建立結構狀態(tài)診斷決策邊界沿第i個奇異向量的投影
其它步驟及參數(shù)與具體實施方式一至三之一相同。
具體實施方式五:本實施方式與具體實施方式一至四之一不同的是:所述步驟二中非線性橋梁結構損傷指標體系窄域特性的判別因子的建立過程具體為:
步驟二a:利用健康狀態(tài)下橋梁結構損傷指標體系(m維損傷特征空間φm),采用核主成分分析算法,根據(jù)得到主成分矩陣(采用核主成分分析算法得到的矩陣)建立結構狀態(tài)診斷決策邊界γ。
步驟二b:利用核主成分分析得到的第i(i=1,2,…,m)個損傷特征向量,建立與第i個損傷特征向量該向量正交的m-1維超平面。
步驟二c:根據(jù)幾何拓撲理論,利用步驟2建立的正交于第i個損傷特征向量的超平面,建立與γ相交的超球面πi。
步驟二d:利用所建立的超平面πi及結構狀態(tài)診斷決策邊界γ,由式(3)計算結構損傷指標體系窄域特性的判別因子,
其它步驟及參數(shù)與具體實施方式一至四之一相同。
具體實施方式六:本實施方式與具體實施方式一至五之一不同的是:步驟二b所述根據(jù)核主成分分析算法建立結構狀態(tài)診斷決策邊界γ的方法為:
核主成分分析方法是一種非線性主元分析方法。通過事先選擇的非線性映射φ將輸入矢量x映射到一個高維線性特征空間f之中,然后在空間f中使用主成分分析方法計算主元成分。在高維線性特征空間中得到的線性主元實質上就是原始輸入空間的非線性主元。
給定橋梁結構損傷指標體系φm為輸入空間的m維樣本點,φm=[x1,x2,…,xk],xi∈rd(i=1,2,···,k),通過非線性映射φ將rd映射到特征空間f,即
f中的樣本點記作
非線性映射φ往往不容易求得,核主成分分析方法通過使用核函數(shù)來完成從輸入空間到特征空間的非線性映射。定義核函數(shù)
核函數(shù)是滿足mercer條件的任意對稱函數(shù)(實正定函數(shù)),常用核函數(shù)的特性如下:
(1)高斯徑向核:
(2)多項式核:
k(xi,xj)=(b·s(xi,xj)+c)d
(3)sigmoid核:
k(xi,xj)=tanh(e·s(xixj)+f)
其中,a、b、c、d、e、f為選定的參數(shù),通常取
核主成分分析方法需要在原空間中計算用作內積的核函數(shù),無需知道非線性映射函數(shù)
核主成分分析的算法步驟如下:
1)、給定橋梁結構損傷指標體系φm=[x1,x2,…,xk],計算m×m維核矩陣k=(kpq)m×m:
kpq=k(xp,xq)(4)
其中x1,x2,...,xk為橋梁結構損傷指標體系中的數(shù)據(jù)向量,kpq為核矩陣中第p行第q列的元素,k(·,·)為核函數(shù);xp和xq為橋梁結構損傷指標體系第p個和第q個數(shù)據(jù)向量。
2)、計算特征空間對映射數(shù)據(jù)進行中心化處理后的核矩陣
其中1m為m×m維元素全部為
3)、求解矩陣
其中,λ=diag[λ1,λ2,...,λm],λ是核矩陣
a=[α1,α2,…,αm](8)
a是核矩陣
4)、將橋梁結構損傷指標體系φm=[x1,x2,...,xk]在特征空間中的映射數(shù)據(jù)中心化,歸一化中心化的映射數(shù)據(jù)的協(xié)方差矩陣c的特征向量vr,r=1,2,···,m
vr·vr=1(9)
5)、對于任意一個輸入數(shù)據(jù)向量x提取主成分,計算數(shù)據(jù)x在特征空間f中的映射
其中
其它步驟及參數(shù)與具體實施方式一至五之一相同。
具體實施方式七:本實施方式與具體實施方式一至六之一不同的是:所述步驟三中利用步驟二得到的橋梁結構損傷指標體系窄域特性判別因子,判別步驟一建立的橋梁結構損傷指標體系是否具有窄域特性具體為:
根據(jù)橋梁結構在環(huán)境因素影響下?lián)p傷逐漸由小及大變化過程下的結構響應信息,并建立結構損傷指標體系窄域特性的判別因子。比較損傷及環(huán)境因素共同作用下,結構損傷指標體系窄域特性的變化規(guī)律,根據(jù)計算得到的結構損傷指標體系窄域特性判別因子:
當ρi≥0.95時,則判定該損傷指標具有窄域特性。
其它步驟及參數(shù)與具體實施方式一至六之一相同。
具體實施方式八:本實施方式與具體實施方式一至七之一不同的是:所述步驟四中主曲線算法的具體過程為:
k段主曲線利用線段嵌合并連接以形成多邊形線(polygonallines),一些新的細分將被插入到pls中直到一個性能標準得到滿足,如達到預設的線段數(shù)或者使目標函數(shù)最小。為了找到數(shù)據(jù)的一個效果好的多邊形線(pl),首先尋找一組k線段。算法需要擴展k均值聚類(k-means)算法以找到k線段(k-1ines),然后調整k-1ines算法使其可以找到可以應用到構建pl的線段,最后在給定的k段和一個數(shù)據(jù)集中插入新的線段。
步驟四一、給定橋梁結構損傷指標體系φm=[x1,x2,…,xk],擴展k均值聚類(k-means)算法找到k線段(k-1ines);
步驟四二、截取距k-means聚類后的聚類集合vi1質心處3σi1/2的長度,其中
步驟四三、步驟四二得到的t個聚類集合,通過在t個聚類集合中插入新的零長度線段得到新的聚類集合vt+1,沿著得到的聚類集合vt+1的第一主成分方向插入新線段,所述第一主成分是在聚類集合vt+1的平均值的兩端各3σt+1/2處切斷,其中
步驟四四、使用貪心算法,將步驟四三得到的優(yōu)化后的各條線段接在一起,形成一個多邊形線(polygonallines);
定義目標函數(shù)為:
其中n為連接線段總數(shù),l為多邊形線(polygonallines)的總長度,t為聚類集合數(shù),d(si1,x)為x到線si1的距離,優(yōu)化主曲線的停止準則為一直添加新線段直到公式(11)達到第一個最小值結束。
實施例一:
本實施例是以圖4所示的四跨連續(xù)梁橋結構為例,圖4中為一個四跨連續(xù)梁橋結構,橋梁跨徑為4×30m,其結構材料為混凝土材料。為了便于模擬結構損傷,將該模型共劃分為120個等尺寸的有限單元,其中單元7的剛度折減20%以模擬結構產生損傷。假設該結構中的混凝土與環(huán)境溫度相關,其相關程度如圖5所示;該橋梁結構的環(huán)境溫度的年變化規(guī)律如圖6所示。
采集四跨連續(xù)梁橋結構健康狀態(tài)下前6階12個月的監(jiān)測頻率,建立健康狀態(tài)下橋梁結構損傷指標體系;
利用健康狀態(tài)下橋梁結構損傷指標體系,建立橋梁結構損傷指標體系窄域特性判別因子ρ,并根據(jù)判別因子確定損傷指標體系具有窄域特性,利用主曲線算法,建立橋梁結構累積損傷因子序列;
利用橋梁結構累積損傷因子序列,根據(jù)相關性置亂策略,消除累積損傷因子序列中的時間相關性,確定損傷診斷閾值;
采集四跨連續(xù)梁橋結構待診斷狀態(tài)下前6階3個月的監(jiān)測頻率,(損傷采用跨中單元14-17的剛度折減5%進行模擬),建立待診斷狀態(tài)下橋梁結構損傷指標體系;
利用待診斷狀態(tài)下橋梁結構損失指標體系建立待診斷狀態(tài)下橋梁結構累積損傷判別因子序列;
采用相關性置亂方法對待診斷狀態(tài)下橋梁結構累積損傷判別因子序列進行重置,消除該累積損傷因子序列中的相關性;將獲得的累積損傷判別因子序列利用累積和控制圖與損傷診斷閾值進行比較,實現(xiàn)橋梁結構的損傷診斷,具體結果如圖7所示。
采用常規(guī)的異常診斷方法得到的損傷診斷結果如圖8所示,通過比較圖7及圖8的結果可知:相對現(xiàn)有異常診斷方法而言,本發(fā)明方法能夠大幅提高復雜環(huán)境下橋梁損傷診斷的準確率。
本發(fā)明還可有其它多種實施例,在不背離本發(fā)明精神及其實質的情況下,本領域技術人員當可根據(jù)本發(fā)明作出各種相應的改變和變形,但這些相應的改變和變形都應屬于本發(fā)明所附的權利要求的保護范圍。