一种桥梁伸缩缝异常检测评估方法

技术领域

本发明涉及到桥梁健康监测技术领域，尤其涉及一种桥梁伸缩缝异常检测评估方法。

背景技术

目前，国内进行桥梁技术状态综合评估的方法以《公路桥涵养护规范》(JTG H11-2004)或《城市桥梁养护技术规范》(CJJ 99-2003)为主，即采用的是基于外观检测的分层综合评估方法。上述评估方法在实际使用中，尤其对大型桥梁状态评估的运用过程中，存在一定的局限性，主要表现在以下几个方面：

(1)该方法仅以桥梁表观检测数据(桥梁定期检测)为参考，缺少桥梁养护巡检信息和桥梁健康监测数据，不能完全体现桥梁的实际工作状态。

(2)缺少一些涉及结构安全性能的重要力学参考指标：如位移、应力等；

(3)对大型索支撑桥梁的状态评估而言，伸缩缝构件的权重及评估标准尚不够明确。

(4)单一的分层综合评估法在实际桥梁评估过程中尚有某些方面需要改进，如构件的分类、权重分配以及等级的细化等。

伸缩缝作为桥梁的重要构件之一，可满足温度，车辆荷载，混凝土收缩徐变等因素下主梁的纵向变形需求，防止主梁因无法自由伸缩而产生较大的结构次内力，是桥梁安全运营的重要保证。因此，加强对大跨度桥梁伸缩缝构件的检测和监测技术研究是非常必要的。

目前，伸缩缝性能评估通常有两种方式：一种是以目检为主的人工定期检查方法，另一种是基于健康监测数据的伸缩缝性能评估方法。我国规范《公路桥梁技术状况评定标准》(JTGT H21-2011)中主要采用了人工定期检查的方法，该方法基于目检数据对伸缩缝各部件病害进行打分，从而定量描述伸缩缝破损程度。而随着桥梁健康监测系统的发展，基于健康监测数据的伸缩缝性能评估方法已得到国内外学者的广泛研究。目前相关研究主要集中在温度位移相关性与伸缩缝异常检测方面。

在温度位移相关性方面，目前主要有确定性模型与基于概率的模型。确定性模型主要建立了温度与位移之间的线性关系，并通过监测数据斜率的变化来预测伸缩缝性能退化；在评估与异常检测方面，通常可直接通过温度位移关系进行评估。以上研究对于代表温度，伸缩缝数据的选择都不尽相同，部分研究未提出定量化评价指标，与现有桥梁技术状况评定规范难以融合，不能直接用于桥梁综合评估之中。

发明内容

本发明的目的就在于为了解决上述问题而提供一种桥梁伸缩缝异常检测评估方法。

本发明通过以下技术方案来实现上述目的：

一种桥梁伸缩缝异常检测评估方法，它包括以下步骤：

步骤1：数据采集，先通过对桥梁结构进行分析和评估，确定伸缩缝测点布置位置，制定检测和监测计划；再根据桥梁结构和伸缩缝构件的特点，选用合适的检测和监测设备，进行设备的安装和调试；而后通过对伸缩缝进行非破坏性检测或监测，采用光纤光栅传感器对主梁纵横向位移进行监测；

步骤2：累计位移分析，对桥梁伸缩缝的的累计位移进行分析预测；

步骤3：温度-位移相关性分析，先选取代表温度，而后对桥梁伸缩缝进行温度-位移线性回归分析；

步骤4：异常检测，对监测过程中的异常数据进行监测；

步骤5：建立桥梁综合评估模型，从累计位移、温度-位移相关性、异常检测评估三个方面评估了大位移伸缩缝的服役性能，提出了定量化评价指标，并将该定量化评价指标与规范评估体系结合，融入桥梁综合评估模型之中；

步骤6：完善支座位移监测的评估体系，基于健康监测系统平台，分析支座位移的时变特性，给出健康监测系统报警阈值，完善支座位移监测的评估体系；

步骤7：综合评估模型的完善，研究健康监测数据的伸缩缝性能评估体系，融入基于多源信息融合的斜拉桥综合评估模型。

进一步的，所述步骤1中在采集数据时位移传感器安装于梁端支座处，安装时将传感器和探头分别固定在梁体和墩台上，同时在支座处需安装标尺以校核位移传感器数据。

进一步的，所述步骤1中在采集数据时位移传感器监测数据，相对于基准状态下的温度，结构升温时，主梁伸长，监测值为正，结构降温时，主梁缩短，监测值为负。

进一步的，所述步骤1中在采集数据时传感器监测数据通过光纤传至监控中心的光纤光栅解调仪上进行采集。

进一步的，所述步骤2中伸缩缝的累计位移是指伸缩缝在服役时间内所走过的行程之和，养护人员可利用该数据预测伸缩缝的剩余寿命；在监测数据中，利用后一时刻伸缩缝位移示数减去前一时刻伸缩缝位移示数，可得到该时间段内伸缩缝所走过的行程，对其进行累加，即可得到伸缩缝的累计位移行程；研究表明伸缩缝性能在运营过程中产生了变化，拟合分段直线方程，可对伸缩缝累计位移随时间变化量进行预测。

进一步的，所述步骤3中是采用有效温度作为代表温度，在选取代表温度时对于大型桥梁监测系统来说，温度传感器的数量通常较多，从而产生了大量的温度监测数据；这些数据通常存在较强的关联性，计算时应从中选择一个代表温度进行计算；

目前广泛使用的代表温度有平均温度、有效温度和主成分温度；平均温度为所有温度的算术平均，其计算式如下：

其中，T

有效温度计算中考虑了截面温度场的分布，其计算式如下：

其中，T

式中，A

主成分温度计算中利用了主成分分析法方法(PCA)；PCA是最常用的线性降维方法之一，可以寻找数据的内部联系，在尽量保证原始信息量不丢失的情况下，对原始特征进行降维；对于主成分温度计算问题，利用PCA方法可将8个传感器温度数据降维为一个代表温度，该方法本质上仍为温度测量数据的线性组合，但各项权重系数与有效温度不同；

研究表明：平均温度与有效温度计算结果在变化趋势、数值方面较为接近，也符合气温逐渐上升的实际情况，仅在局部存在细微差别；而主成分温度的变化趋势，数值均与实际情况差距较大，但其数据特征与前两者相似，图形可看作平均温度与有效温度图形沿x轴的镜像翻转；其原因在于，尽管PCA方法保留了数据的原始特征，但它的结果完全来自于数据，线性组合的系数完全由原始数据确定，而缺乏明确的物理含义，故该方法在温度取值范围，温度图像趋势上都具有较大差异；而相较于平均温度的算术平均，有效温度按照面积进行加权平均，可更好的反映截面温度特征，具有明确的物理含义，故本发明采用有效温度作为代表温度。

进一步的，所述步骤3中在对对桥梁伸缩缝进行温度-位移线性回归分析时，采用以上代表温度，基于贝叶斯线性回归方法做温度-位移线性回归分析；考虑回归方程系数的物理意义，温度-位移线性关系的斜率与结构线膨胀系数之间可实现换算，其计算公式如下：

式中，k为拟合直线斜率，α为热膨胀系数，L为主桥自由伸长长度，Δl,ΔT分别为桥长变化量与温度变化量。

进一步的，在进行异常检测时是根据贝叶斯回归结果，画出各温度下伸缩缝位移在(μ-2σ,μ+2σ)下分布区间，区域以外的点识别为异常数据；在实际评估中，以第一年数据为基准数据，可计算后续年份数据中异常数据占比，定义系数η

式中，N

本发明的有益效果在于：

1、本发明基于闵浦三桥健康监测系统采集到的伸缩缝位移数据和温度数据，进行了累计位移分析、温度-位移相关性分析、异常检测三项工作，伸缩缝的累计位移是指伸缩缝在服役时间内所走过的行程之和，养护人员可利用该数据预测伸缩缝的剩余寿命；

2、本发明伸缩缝的温度-位移相关性分析首先需进行代表温度选择，研究表明：相较于平均温度的算术平均，有效温度按照面积进行加权平均，可更好的反映截面温度特征，具有明确的物理含义，故本发明采用有效温度作为代表温度；

3、本发明伸缩缝的异常检测，首先基于贝叶斯线性回归方法做温度-位移线性回归分析，根据贝叶斯回归结果，可画出各温度下伸缩缝位移在固定范围下分布区间，区域以外的点识别为异常数据；

4、本发明本发明提出的使用贝叶斯回归方法研究伸缩缝位移和位移的相关性关系，并给出异常检测评估的方法，该方法可与规范评估体系结合，融入桥梁综合评估模型之中。

附图说明

图1为本发明提出的一种桥梁伸缩缝异常检测评估方法的流程示意图；

图2为本发明提出的一种桥梁伸缩缝异常检测评估方法中光纤光栅位移传感器测点布置图；

图3为本发明提出的一种桥梁伸缩缝异常检测评估方法中温度传感器测点布置图；

图4为本发明提出的一种桥梁伸缩缝异常检测评估方法中温度-位移线性关系图；

图5为本发明提出的一种桥梁伸缩缝异常检测评估方法中对应温度下伸缩缝位移分布图；

图6为本发明提出的一种桥梁伸缩缝异常检测评估方法中伸缩缝位移区间分布图。

具体实施方式

下面结合具体实施方式对本专利的技术方案作进一步详细地说明。

实施案例：

本发明以上海市昆阳路越江大桥监测系统数据为例，研究了基于健康监测数据的伸缩缝性能评估体系。

光纤光栅位移传感器测点布置的位置如图2所示，在梁端伸缩缝上，下游位置各布置1个纵向位移传感器，在过渡墩和塔梁结合处横向支座处各布置1个横向位移传感器，共4个纵向位移和4个横向位移测点；对于同一主梁断面，共设置8个温度传感器进行监测，测点均布置于同一截面箱梁上，下表面和顶底板。

温度传感器测点布置的位置如图3所示。对于同一主梁断面，共设置8个温度传感器进行监测，测点均布置于同一截面箱梁上，下表面和顶底板；8个传感器为单个截面不同部位的温度变化，存在较强关联性，应从中计算一个代表温度用于后续计算。

选取2021年1月14日至2022年2月28日伸缩缝监测数据进行计算，其采样频率为1Hz，采用1min数据进行计算，计算所得累计位移总量分别为30.136m，32.099m，33.382m，33.177m。

采用有效温度作为代表温度，基于贝叶斯线性回归方法做温度-位移线性回归分析，其结果如图4所示。

根据换算公式，拟合斜率换算结构线膨胀系数分别为1.259×10

以第一个传感器数据为例，当有效温度为11.235℃时，伸缩缝位移服从均值为-52.188，标准差为4.255的正态分布，如图5(1)所示，填充部分即为(μ-2σ,μ+2σ)范围；该温度下实测值-44.494mm，为图中标记点处，位于正常区间范围内，故该点为正常监测数据。

当有效温度为21.867℃时，伸缩缝位移服从均值为-32.209，标准差为4.255的正态分布，如5(2)所示，填充部分即为(μ-2σ,μ+2σ)范围；该温度下实测值-32.209mm，为图中标记点处，位于正常区间范围之外，故该点为异常监测数据。

根据该方法，可绘制各个温度下伸缩缝位移分布范围图如图6所示；填充区域为伸缩缝监测数据正常分布点，区间以外数据记为异常点；以测试集数据为例，测试集数据共计13993个，四个传感器异常点数量分别为460个，629个，447个，600个，异常数据占比分别为3.287％，4.495％，3.194％，4.288％，可认为该组数据异常点较少，所代表的伸缩缝工作性能较好。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。