基于动载的桥梁静力行为预测方法

1.本发明涉及土木、结构工程和桥梁检测及健康监测技术领域，尤其是涉及基于动载的桥梁静力行为预测方法。


背景技术：

2.随着全球交通建设的快速发展，本世纪以来在全球范围内桥梁总数激增，据2019年统计，仅中国公路桥梁就已有87.83万座。面对庞大的桥梁基数，对既有桥梁结构的性能快速评估、损伤识别、智能分析及其安全性能的把控显得尤为重要。
3.目前桥梁结构技术状态评估的有效方法是通过荷载试验，但是桥梁荷载试验存在着试验成本较高、试验过程长、工作量大、对桥梁结构具有一定的损伤以及需要封闭道路，严重影响正常的交通出行。面对数量巨大的亟需进行快速桥梁技术状况评估的桥梁，如何提高桥梁检测效率，降低桥梁检测成本，避免因封闭道路而带来的交通出行影响，做到检测结果的精确性和可靠性，实现桥梁结构的智能识别快速检测和智能分析评估决策，成为目前研究需要解决的问题。而桥梁的动载测试虽然只能对桥梁整体结构的动力性能进行识别，但相较于静载试验而言，其成本相对较低，测试时间相对较短且测试过程较为简单，并且对交通通行影响较小。
4.因此，本领域的研究人员致力于提出一种基于动载的桥梁静力行为预测方法，用成本较低、效率较高、交通影响较小的动载测试结果准确预测桥梁的静载结果。


技术实现要素：

5.鉴于目前既有桥梁在健康监测、损伤识别、智能分析和性能评估方面存在的不足和缺陷，本发明所要解决的问题是基于较为简单、成本较低、检测方便、高效的动载测试结果，结合机器学习智能算法和模型修正技术，达到对桥梁静力行为快速预测的目标。
6.为实现上述目的，本发明提出了一种基于动载的桥梁静力行为预测方法，其特征在于，包括以下步骤：
7.步骤1、根据既有桥梁的设计资料，建立全桥的结构分析模型；并将所述结构分析模型作为后续模型修正的初始结构分析模型；
8.步骤2、对既有桥梁进行动载测试，获取桥梁动力响应值；
9.步骤3、对初始结构分析模型中的各设计参数进行敏感性分析，获取并确定影响桥梁结构的待修正关键设计参数；
10.步骤4、基于均匀设计抽样法，利用机器学习智能算法，构建待修正关键设计参数的训练样本并建立代理预测模型；
11.步骤5、利用机器学习和智能算法的预测结果对初始结构分析模型进行修正，获取修正后的结构分析模型；
12.步骤6、基于修正后的结构分析模型进行桥梁静力行为预测；
13.步骤7、引入误差分析方法，对桥梁静力的预测结果进行评价；其中，误差分析采用
均方根误差rmse分析方法，均方根误差计算公式如下：
[0014][0015]
其中，分别为第i组样本所对用的试验响应值和智能预测模型预测响应值，为实验响应值的平均值。
[0016]
进一步，步骤1的结构分析模型通常采用数值方法建模，所述数值方法为有限元、边界元、离散元和/或无限元等建模方法。
[0017]
进一步，步骤2对桥梁动载测试时采用接触式或非接触式、直接法或间接法测量桥梁等测量方法(如机器视觉测量方法)，获取桥梁动力特性参数；其中，所述动力特性的参数包括桥梁的频率、振型、阻尼、冲击系数、动挠度及动应变等。
[0018]
进一步，步骤3采用灵敏度分析方法对步骤1桥梁的初始结构分析模型的各设计参数进行敏感性分析，分析不同设计参数的灵敏度权重指标，确定桥梁的待修正关键设计参数。其中，灵敏度分析方法还可采用灰色关联度方法同样可以实现对待修正关键参数的权重分析。
[0019]
进一步，步骤4采用均匀设计抽样方法，构建空间均匀满布的待修正关键设计参数的训练样本，并结合智能算法建立预测模型；其中，所述智能算法包括贝叶斯理论、高斯过程方法、kriging模型以及各种代理模型等预测方法。
[0020]
进一步，步骤5基于步骤4构建的预测模型，调用步骤2所获取的桥梁动载测试结果，对各待修正关键设计参数进行预测，并将各待修正关键设计参数的预测结果代入步骤1所构建的桥梁的初始结构分析模型，实现对初始结构分析模型的修正。
[0021]
进一步，步骤6基于修正后的结构分析模型，根据桥梁的静载试验方案，在修正后的结构分析模型中进行荷载工况的施加，实现对桥梁静力结果的预测。其中，静载预测结果可以分别对桥梁整体或局部的变形、内力、应力等。
[0022]
步骤7引入误差分析方法，对桥梁静载的预测结果进行评价。其中，误差分析通常采用均方根误差rmse(root mean squared error)分析方法。
[0023]
本发明基于既有桥梁的动载测试结果，结合结构分析模型修正方法和智能算法技术，实现了对既有桥梁静力行为的精确预测，达到了以下技术效果：
[0024]
(1)基于既有桥梁的动载测试结果预测桥梁的静力行为，在很大程度上降低了桥梁静力试验的成本、提高了检测效率、避免了因静载试验而带来的封闭交通问题，降低了桥梁加载过程中对结构自身产生的损伤；
[0025]
(2)采用智能算法，结合模型修正方法对既有桥梁进行静力行为的预测，所得到的预测结果精度较高，也更加的贴合实际的桥梁健康状况。
[0026]
(3)提出的方法能够对大批量的桥梁实现快速的静力行为分析，并且能够对桥梁的整体结构进行全方位的安全评估，为桥梁的健康监测和运营维护提供新的方法。
附图说明
[0027]
图1a是本发明的流程框图。
[0028]
图1b是本发明基于动载的桥梁静力行为预测方法流程图；
[0029]
图2是本发明一个实施例子的桥梁动载测试结果图(横坐标为采样时间，纵坐标为幅值)；
[0030]
图3为本发明的一个实施例中参数敏感度分析结果图；
[0031]
图4是本发明分析模型修正和智能算法结合的流程图；
[0032]
图5是本发明一个实施例中预测一座桥梁静载结果和实际现场静载试验结果对比图。
具体实施方式
[0033]
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
[0034]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0035]
下面将参考附图并结合示例性实施例来详细说明本发明。
[0036]
步骤1、根据既有桥梁设计资料，建立桥梁初始结构分析模型；
[0037]
根据既有桥梁的设计资料，明确桥梁各部件几何形状、具体尺寸和材料属性的取值以及边界条件的形式，利用结构分析软件建立桥梁结构的初始分析模型，该分析模型作为后续模型修正的基准模型。其中，该分析模型通常为数值模型，如有限元模型、边界元模型、离散元模型、无限元模型等，常用的分析软件有ansys、abaqus、midas等。
[0038]
步骤2、对既有桥梁进行动载测试，获取桥梁动力响应值；
[0039]
为获取桥梁的动力响应值，在具体实施例中通过采用直接测量法中的环境激励法对一座既有桥梁进行现场动载测试。测试时通过拾振器布置在桥梁的l/8、l/4、l/2典型截面获取桥梁在地脉动下的振动响应。图2为实施例中对一座桥梁动载测试的结果，其横坐标为测试时间，纵坐标为幅值。对该时域结果进行傅里叶变换，既可得到反映桥梁频率特征的频域结果。
[0040]
傅里叶变换公式为：
[0041]
式中：j为虚单位，j^2＝-1，无单位；t为周期，单位为秒；x为x的原函数；t为时间，单位为秒；ω为频率，x(t)为连续时间信号。
[0042]
步骤3、对初始结构分析模型中的各设计参数进行敏感性分析，获取并确定影响桥梁结构的待修正关键设计参数：
[0043]
在步骤1所建立的桥梁初始结构模型基础上，选择所需要修正的设计参数。利用全局灵敏度分析方法对不同设计参数进行敏感性分析，通过控制变量的方法，每次改变一个设计参数变化阈值为10％，保持其他设计参数不变，计算不同设计参数变化时，对应的桥梁结构前两阶频率响应结果f1、f2的影响程度，以此确定不同设计参数的灵敏度权重指标。
[0044]
所述的关键参数包括结构几何尺寸、混凝土材料弹性模量、混凝土容重等设计参数。利用敏感度分析方法，分别逐一改变结构设计参数，计算对应的结构响应值，构建关键参数敏感度分析模型，量化不同参数对桥梁结构具体影响效应，确定待修正关键设计参数。图3为一个实施例中参数敏感度分析结果，需要说明的是该实施例中的参数分别为k1、k2、
k3、r1、r2、r3，对应的结构响应结果为前2阶频率f1、f2。
[0045]
步骤4、基于均匀设计抽样法，利用机器学习智能算法，构建待修正关键设计参数的训练样本并建立代理预测模型：
[0046]
根据步骤3所确定的待修正关键设计参数，分别对各参数设定可变阈值，写入宏文件，利用结构分析软件读取参数阈值的宏文件，依次计算每组参数在阈值内所对应的结构响应值，该响应值可以为桥梁的各阶频率或桥梁某一测点的挠度值等，通过有限次的计算产生训练样本，利用该训练样本建立预测模型。图4为本发明结构分析模型修正和智能算法结合的流程图。
[0047]
具体的，步骤4是基于均匀设计抽样方法，利用智能算法，建立设计参数及响应结果的训练样本，并建立kriging预测模型：
[0048]
根据步骤3灵敏度分析所确定的需要修正的关键设计参数，在本实施例中以k1、k2、k3、r1、r2、r3为待修正参数。采用均匀设计抽样方法，通过均匀设计表un(mr)，其中u表示均匀设计表，n表示所需均匀试验次数，m表示可容纳的因子水平数，r表示最多能安排的因子个数。
[0049]
本实施例建立了u
30
(306)的均匀设计表，即30次试验，30个水平，6个参数。与对应的结构响应频率结果f1、f2构成智能算法的训练样本，具体的训练样本如表1所示。
[0050]
基于该训练样本代入kriging理论模型：
[0051]
y(x)＝f(x)
t
β+z(x)
ꢀꢀꢀꢀꢀꢀ
(3)；
[0052]
式中：y(x)为kriging模型函数，t表示转置的意思；f(x)为多项式模型，β为回归系数。z(x)是一个随机过程，称之为变异函数或相关模型，进而建立kriging代理预测模型。
[0053]
步骤5、利用机器学习和智能算法的预测结果对初始结构分析模型进行修正，获取修正后的结构分析模型；
[0054]
根据步骤4所建立的训练样本，输入步骤2动载测试所获取的结果数据，通过机器学习智能算法预测出一组待修正参数的最优值，将该组预测值代入初始结构分析模型，实现对结构分析模型的修正。
[0055]
所述机器学习智能算法包括kriging模型算法、高斯过程算法、贝叶斯算法、随机森林算法、云理论算法以及各种代理模型等。
[0056]
本实施例采用kriging模型算法，首先kriging模型包含多项式和随机分布两部分，即y(x)＝f(x)
t
β+z(x)，其中：
[0057]
f(x)
t
β＝[f1(x),f2(x),...,f
p
(x)]β＝f1(x)β1+f2(x)β2+...+f
p
(x)β
p
ꢀꢀꢀ
(4)；
[0058]
f(x)为多项式模型，p为多项式数目，β为回归系数。
[0059]
z(x)是一个随机过程，称之为变异函数或相关模型，z(x)的协方差矩阵为：
[0060][0061]
式中：cov()为协方差；σ为标准差；θ为超参数。xi和xj为样本点；为样本点中任何两个样本点xi和xj的空间相关函数，其函数形式为：
[0062][0063]
在kriging回归函数模型预测过程中，将问题转化问最小优化问题，即
通过求解公式的最小优化问题，得到参数θ，便可构建最优的kriging预测模型，其中θ为超参数，m为自然数，m＝1,2,3,
…
m，σ为标准差。
[0064]
步骤6、基于修正后的结构分析模型进行桥梁静力行为预测；
[0065]
基于步骤5修正后的结构分析模型，该数值模型已与实际桥梁的性能相吻合，按照实际桥梁静载试验的加载位置在修正后的数值模型中模拟加载，通过结构分析软件计算桥梁出桥梁跨中、支点等典型截面的位移、应力等结果。本实施例对一3跨连续梁桥在跨中集中荷载作用下，桥梁纵向各测点挠度w1-w18进行预测并与实测结果进行对比验证。
[0066]
步骤7、引入误差分析方法，对桥梁静力的预测结果进行评价；其中，误差分析采用均方根误差rmse分析方法；
[0067]
本发明提出均方根误差rmse(root mean squared error)作为预测结果的评价指标。
[0068]
均方根误差计算公式如下：
[0069][0070]
其中，分别为第i组样本所对用的试验响应值和智能预测模型预测响应值，为实验响应值的平均值。用rmse来评估智能预测模型的精度，此值越接近于0，表示试验响应值与智能预测模型预测值之间的误差越小。
[0071]
表1 u
30
(306)设计矩阵
[0072][0073]
表2各挠度测点的初始值、实测值、预测值(mm)
[0074][0075]
表3挠度误差分析
[0076][0077]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0078]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0079]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或彼此可通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0080]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0081]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0082]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。