基于新奇檢測技術(shù)在橋梁結(jié)構(gòu)異常識別中的研究

陳榮金

摘 要： 為了實(shí)現(xiàn)橋梁結(jié)構(gòu)的異常狀態(tài)和位置識別，并避免橋梁模型的建立帶來的影響，提出采用基于BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)型新奇檢測技術(shù)進(jìn)行狀態(tài)識別的方法。為了驗(yàn)證該方法的可行性，首先將該方法應(yīng)用于T梁模型試驗(yàn)中開裂狀態(tài)與異常位置的識別，工程試驗(yàn)驗(yàn)證效果良好。隨后將該方法應(yīng)用于大跨度拱橋損傷位置的識別，也得到了現(xiàn)場實(shí)測數(shù)據(jù)的驗(yàn)證。

關(guān)鍵詞： 橋梁健康評估； 結(jié)構(gòu)異常診斷； 新奇測驗(yàn)技術(shù)； 開裂位置識別； 異常位置識別

中圖分類號： TN911?34； TM417 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）09?0128?05

Abstract： To identify the abnormal status and location of the bridge structure， and avoid the influence of the bridge mode?ling， the status identification method using the improved novel detection technology based on BP neural network is proposed. To verify the feasibility of the method， this method is applied to the T?beam model test to identify the cracking status and abnormal location. The effectiveness of the method was proved by engineering test. The method was applied to the damage location identification of the large?span arch bridge， and verified with field measuring data.

Keywords： bridge health assessment； structural abnormality diagnosis； novel test technology； cracking location identification； abnormal location identification

0 引 言

近年來全國多地發(fā)生橋梁坍塌事故，除去地質(zhì)災(zāi)害等非人為可控的因素外，橋梁在服役期間的健康度下降也是導(dǎo)致安全問題的一個(gè)重要因素。國內(nèi)外在橋梁結(jié)構(gòu)的異常狀態(tài)識別做了大量的研究，提出了許多切實(shí)有效的方法，但是考慮到丫髻沙大橋的特殊性，經(jīng)過了大修，橋梁結(jié)構(gòu)特性與建橋初期發(fā)生了比較大的變化，橋梁的數(shù)值模型的修正難度比較大，采用數(shù)值模型方法對橋梁結(jié)構(gòu)進(jìn)行評估可行性不大、有效性不高[1]。因此本文探討了基于BP神經(jīng)網(wǎng)絡(luò)的新奇檢測技術(shù)進(jìn)行橋梁結(jié)構(gòu)異常狀態(tài)與位置識別的方法。

1 新奇檢測技術(shù)

1.1 改進(jìn)型新奇檢測指標(biāo)與閾值設(shè)定

為了判定兩種模式是否發(fā)生了變化，需要一個(gè)指標(biāo)判別BP神經(jīng)網(wǎng)絡(luò)的輸入向量跟輸出向量的偏離大小，該指標(biāo)可由一個(gè)距離函數(shù)表示。本文采用BP神經(jīng)網(wǎng)絡(luò)的輸入向量（理論輸出目標(biāo)）和輸出向量（實(shí)際輸出目標(biāo)）差的二次范數(shù)作為新奇指標(biāo)[2]。將結(jié)構(gòu)正常狀態(tài)下的測量數(shù)據(jù)作為訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的輸入向量，同時(shí)也作為輸出向量訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，可將其余的多組正常數(shù)據(jù)作為輸入向量再一次輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，產(chǎn)生相對的輸出向量，并按照式（1）計(jì)算[3]，得到結(jié)構(gòu)狀態(tài)正常時(shí)的新奇指標(biāo)[4][λ。]

式中：[λt]為異常檢測階段得到的新奇指標(biāo)，將閾值[δλ]與[λt]進(jìn)行比較，其差異可判定異常是否發(fā)生。

結(jié)構(gòu)狀態(tài)發(fā)生變化是根據(jù)結(jié)構(gòu)正常階段和檢測階段的新奇指標(biāo)的比較來判定的，如果結(jié)構(gòu)的狀態(tài)發(fā)生了變化，則在檢測狀態(tài)的新奇指標(biāo)就會(huì)與結(jié)構(gòu)正常時(shí)的新奇指標(biāo)有很大差別。當(dāng)該差別大于判定的閾值時(shí)，便可判定結(jié)構(gòu)狀態(tài)發(fā)生了變化，同理，可以根據(jù)新奇指標(biāo)的大小來判定狀態(tài)發(fā)生變化的程度。

2 新奇檢測技術(shù)在T梁開裂試驗(yàn)中驗(yàn)證

2.1 T梁模型

本次試驗(yàn)?zāi)Ｐ瓦x取梁間距最大、受力最不利的橋面板進(jìn)行分析。本次試驗(yàn)荷載按照應(yīng)力等效原則確定，試驗(yàn)前對結(jié)構(gòu)的橫向受力進(jìn)行分析，按照設(shè)計(jì)荷載下最不利應(yīng)力幅進(jìn)行等效模型試驗(yàn)。模型選取與翼緣1[∶]1尺寸模型，鋼筋構(gòu)造與設(shè)計(jì)相同。模型板采用簡支結(jié)構(gòu)，板跨徑按翼緣最大寬度取2.535 m（26 m整體式路基T梁），板寬取1 m。結(jié)構(gòu)模型示意圖如圖1所示。

根據(jù)T梁開裂試驗(yàn)中傳感器的分布，與有限元模型分析，不同種類傳感器的作用如下：

（1） 鋼筋應(yīng)變傳感器：該傳感器預(yù)埋到T梁結(jié)構(gòu)中，能反應(yīng)結(jié)構(gòu)內(nèi)部在荷載試驗(yàn)中的受力情況，也可作為評定整個(gè)結(jié)構(gòu)是否發(fā)生變化的依據(jù)，編號從1?1至1?8共8個(gè)傳感器。

（2） 腹板應(yīng)變傳感器：該傳感器貼附在模型腹板兩側(cè)，濕接縫處與跨中處各5個(gè)，一共6組，分別記為：A1～A5，B1～B5，C1～C5，[A′1～A′5，][B′1～B′5，][C′1～C′5，]主要目的是在后期數(shù)據(jù)分析時(shí)來計(jì)算中心軸高度，在本方法中，可以把每組作為一個(gè)整體，判定在此區(qū)域內(nèi)有無狀態(tài)變化（即裂縫是否產(chǎn)生）。

（3） 底板應(yīng)變傳感器：該傳感器貼附于橋梁模型底板偏外兩側(cè)，共14個(gè)，分為兩組，分別記為D1～D7，[D′1～D′7，]其主要目的是捕捉模型底板是否產(chǎn)生裂縫，由于在加載過程中底板理論上應(yīng)該最先出現(xiàn)裂縫，所以每組可作為一個(gè)整體判定有無狀態(tài)變化，并且兩組的測試數(shù)據(jù)互為補(bǔ)充，增加了狀態(tài)判定的準(zhǔn)確性。

2.3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本的生成

由于加載過程以及測試方法的問題，樣本數(shù)量有限。以原始30組實(shí)驗(yàn)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本按照訓(xùn)練流程訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到新奇指標(biāo)的均值[λ]=49.9，新奇指標(biāo)偏大?？梢愿鶕?jù)實(shí)測數(shù)據(jù)修正該結(jié)構(gòu)有限元模型來獲得更多樣本數(shù)據(jù)，使得有限元模型的計(jì)算結(jié)果與實(shí)際傳感器測量數(shù)據(jù)接近。根據(jù)驗(yàn)證，結(jié)構(gòu)理論開裂荷載為40 kN，可以形成每個(gè)傳感器在荷載0～40 kN時(shí)結(jié)構(gòu)未發(fā)生開裂的80組數(shù)據(jù)。由此作為正常狀態(tài)時(shí)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本。根據(jù)此方法擴(kuò)大樣本量，可以增加神經(jīng)網(wǎng)絡(luò)訓(xùn)練的準(zhǔn)確性。

2.4 開裂位置識別流程與實(shí)現(xiàn)

T梁狀態(tài)評估分為狀態(tài)識別和開裂位置識別兩個(gè)階段。首先將分級加載的測量數(shù)據(jù)進(jìn)行分析處理，輸入到訓(xùn)練好的整體狀態(tài)識別網(wǎng)絡(luò)，得到檢測階段狀態(tài)識別新奇指標(biāo)。當(dāng)指標(biāo)正常時(shí)，本次識別結(jié)束，異常時(shí)，進(jìn)行異常位置識別。在異常位置識別階段，利用上面訓(xùn)練好的12個(gè)網(wǎng)絡(luò)逐級識別，確定異常區(qū)域。最后，根據(jù)區(qū)域內(nèi)傳感器變化率做出綜合診斷。

在開裂加載0～40 kN時(shí)，根據(jù)每級加載狀態(tài)，分別將5 kN，10 kN，15 kN，20 kN，25 kN，30 kN，35 kN，37 kN，39 kN，40 kN的數(shù)據(jù)依次代入網(wǎng)絡(luò)進(jìn)行判定。得到的新奇指標(biāo)與閾值如圖2所示。

由圖2可知，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)判定得知，當(dāng)加載到35 kN時(shí)結(jié)構(gòu)發(fā)生變化；經(jīng)過后期數(shù)據(jù)處理分析可知，加載到35 kN時(shí)結(jié)構(gòu)已發(fā)生了變化，神經(jīng)網(wǎng)絡(luò)判定結(jié)果與實(shí)際相符合。

當(dāng)結(jié)構(gòu)發(fā)生變化時(shí)，采用三級分區(qū)方式來定位異常區(qū)域。第一級分區(qū)如圖3所示。

由圖3可知，從5 kN開始，網(wǎng)絡(luò)ABCD，網(wǎng)絡(luò)A′B′C′D′奇異值都大于閾值。即ABCD側(cè)與A′B′C′D′側(cè)兩個(gè)區(qū)域都發(fā)生了異常。

第二分區(qū)識別時(shí)，奇異值均大于閾值，證明腹板跟底板區(qū)域都發(fā)生了異常。

然后進(jìn)入第三級分區(qū)，對腹板與底板混合區(qū)域進(jìn)行識別。第三級分區(qū)時(shí)部分區(qū)域網(wǎng)絡(luò)奇異指標(biāo)如圖4所示。

根據(jù)最終神經(jīng)網(wǎng)絡(luò)區(qū)識別可以得出，網(wǎng)絡(luò)BD345與網(wǎng)絡(luò)B′D′345出現(xiàn)異常，再根據(jù)該區(qū)域內(nèi)傳感器的變化率定位位置。表1為網(wǎng)絡(luò)BD345區(qū)域應(yīng)變傳感器變化率[φ]。

由表1可知，載荷35 kN時(shí)，應(yīng)變傳感器變化率相對30 kN變化不大，說明僅通過單一傳感器變化的方式無法判斷整體結(jié)構(gòu)是否發(fā)生變化。該方法可以降低結(jié)構(gòu)異常診斷的漏警。

隨著荷載的增加以及應(yīng)變的變化率，可以判定在傳感器B5，D4，D5處發(fā)生裂縫的可能性較大。

最終判定結(jié)果證明B5，D4，D5，[B′4，][B′5，][D′3，][D′4，][D′5]處測量值較異常，該判定結(jié)果與人工巡檢結(jié)果相同。證明該裂縫識別與定位方法可以應(yīng)用到T梁靜載試驗(yàn)中。

3 在大跨度拱橋異常診斷中的研究

根據(jù)上述實(shí)驗(yàn)結(jié)果表明，該方法可以實(shí)現(xiàn)簡易結(jié)構(gòu)中異常識別與定位，可以將該方法推廣到大型結(jié)構(gòu)的異常識別與定位中。結(jié)合丫髻沙大橋的結(jié)構(gòu)特點(diǎn)及維修加固內(nèi)容，丫髻沙大橋健康監(jiān)測內(nèi)容主要包括吊桿索力、拱肋應(yīng)力與溫度、鋼橫梁應(yīng)力、拱肋及橋面線形及大橋重點(diǎn)部位工作狀態(tài)的定期檢查等五個(gè)部分。

3.1 拱橋狀態(tài)異常識別方法

新奇檢測技術(shù)可以比較容易實(shí)現(xiàn)整體狀態(tài)評估，但是不能直接識別出損傷的位置。通過監(jiān)測數(shù)據(jù)如吊桿索力，剛橫梁應(yīng)變、拱肋應(yīng)變與溫度，可以對不同區(qū)域是否發(fā)生異常進(jìn)行識別，確定異常區(qū)域。

將狀態(tài)異常識別分成兩個(gè)階段：第一個(gè)階段是整體狀態(tài)識別；第二個(gè)階段是狀態(tài)異常位置識別。這兩個(gè)階段都使用新奇監(jiān)測技術(shù)實(shí)現(xiàn)。訓(xùn)練神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)都是監(jiān)測系統(tǒng)采集到的實(shí)際數(shù)據(jù)。損傷指標(biāo)由吊桿索力，剛橫梁應(yīng)變、拱肋應(yīng)變與溫度共同組成。

（1） 實(shí)測數(shù)據(jù)預(yù)處理

外部溫度對拱肋應(yīng)變影響明顯，隨著溫度的變化，拱肋應(yīng)變分別有正相關(guān)和負(fù)相關(guān)的變化。因此，在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)，必須考慮溫度的影響。結(jié)合實(shí)際情況，用于整體狀態(tài)異常評估的每個(gè)輸入向量由48個(gè)拱肋應(yīng)變、相對應(yīng)的24個(gè)拱肋溫度、6個(gè)吊桿索力、2個(gè)剛橫梁應(yīng)變共80個(gè)測點(diǎn)組成80維的輸入向量。

對于異常評估系統(tǒng)，保證數(shù)據(jù)的時(shí)間統(tǒng)一性是一個(gè)很重要的問題。由于對于大跨度拱橋來說，吊桿是直接受力構(gòu)件，也是荷載最敏感構(gòu)件。所以每分鐘對6個(gè)吊桿進(jìn)行極大值提取，并相應(yīng)的提取每個(gè)吊桿極大值產(chǎn)生的時(shí)間，根據(jù)極大值產(chǎn)生的時(shí)間調(diào)取該時(shí)間對應(yīng)的拱肋應(yīng)變、溫度等其他測量數(shù)據(jù)，形成6組80維的輸入向量。

為了能更好的利用數(shù)據(jù)，防止數(shù)據(jù)丟失，需要將該輸入向量進(jìn)行備份。

（2） 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

對于整體狀態(tài)異常評估和異常位置識別，都將神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)為含有“瓶頸”的四層BP神經(jīng)網(wǎng)絡(luò)。將網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)為：80?64?64?80，4層前饋BP網(wǎng)絡(luò)。第二層與第三層的傳遞函數(shù)取為tan?sig，1層跟2層以及3層跟4層之間采用線性傳遞函數(shù)purelin。通過訓(xùn)練可以得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)（整體狀態(tài)網(wǎng)絡(luò)），基于改進(jìn)型的新奇指標(biāo)，根據(jù)[δλ=λ+4σλ]，獲取[σλ=42.6]。將[σλ]與[λt]兩者進(jìn)行比較，其差異可判定異常是否發(fā)生。

用于異常位置識別的訓(xùn)練數(shù)據(jù)都是按照要求從用于整體狀態(tài)異常評估的訓(xùn)練數(shù)據(jù)中分離出來，分離時(shí)只改變向量的維數(shù)，不改變向量序列。

3.2 異常位置識別

當(dāng)整體狀態(tài)發(fā)生異常時(shí)，就要進(jìn)行異常位置識別，異常位置識別采用逐級分區(qū)識別方法，逐步實(shí)現(xiàn)異常位置識別功能。結(jié)合丫髻沙大橋的實(shí)際監(jiān)測狀況，異常位置識別采用三級分區(qū)識別。第一級分區(qū)：確定異常位置處于上游側(cè)還是下游側(cè)；第二級分區(qū)：區(qū)分異常位置出現(xiàn)在拱肋構(gòu)件上或者吊桿、剛橫梁構(gòu)件上；第三級分區(qū)：確定具體異常位置。通過三級分區(qū)，一共可以得到22個(gè)訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)，以及相對的新奇指標(biāo)。

3.3 異常位置識別流程

將狀態(tài)異常識別分成兩個(gè)階段：第一個(gè)階段是整體狀態(tài)識別；第二個(gè)階段是狀態(tài)異常位置識別。異常位置識別流程如圖5所示。

3.4 工程驗(yàn)證

丫髻沙大橋正處于運(yùn)營中時(shí)常會(huì)有超載車輛通過，當(dāng)超載車輛通過橋梁時(shí)，理論上橋梁受力會(huì)發(fā)生異常。以2014年12月2日的數(shù)據(jù)為例，用實(shí)測數(shù)據(jù)對該拱橋異常狀態(tài)識別方法進(jìn)行驗(yàn)證。在整體異常狀態(tài)識別階段，新奇指標(biāo)大于設(shè)定閾值時(shí)，就會(huì)自動(dòng)啟動(dòng)狀態(tài)異常位置識別程序。整體新奇指標(biāo)變化如圖6所示。

當(dāng)新奇指標(biāo)超過設(shè)定閾值時(shí)，開始逐步分區(qū)識別：

第一級分區(qū)：上游網(wǎng)絡(luò)的新奇指標(biāo)大于設(shè)定閾值，下游網(wǎng)絡(luò)的新奇指標(biāo)小于設(shè)定閾值，說明狀態(tài)異常出現(xiàn)在上游，下游正常。

第二級分區(qū)：目的是檢測異常發(fā)生在上游拱肋處或上游吊桿鋼橫梁處，拱肋和吊桿鋼橫梁處的新奇指標(biāo)都超過了既定閾值。說明異常在拱肋和吊桿鋼橫梁處都有發(fā)生。

第三級分區(qū)：根據(jù)第二級分區(qū)識別的結(jié)果，對上游拱肋和上游吊桿橫梁截面進(jìn)行進(jìn)一步分區(qū)。上游拱肋[D]截面與上游吊桿鋼橫梁4#，17#截面新奇指標(biāo)均大于設(shè)定閾值。

根據(jù)對健康監(jiān)測系統(tǒng)實(shí)際采集的吊桿索力數(shù)據(jù)（kN）的分析，如圖7所示，吊桿4#，17#，30#依次出現(xiàn)比較大的波動(dòng)，波動(dòng)幅度超過原荷載的10%，通過該數(shù)據(jù)分析可知，有大型超載車從丫髻沙大橋的上游側(cè)依次通過4#，17#，30#吊桿，通過調(diào)取當(dāng)時(shí)監(jiān)控錄像，確實(shí)發(fā)現(xiàn)有大型超載車出現(xiàn)。

通過后期對實(shí)測數(shù)據(jù)和監(jiān)控錄像分析的結(jié)果與該拱橋狀態(tài)識別方法識別的結(jié)構(gòu)完全吻合，之后吊桿索力恢復(fù)正常，同時(shí)狀態(tài)識別新奇指標(biāo)也恢復(fù)正常，說明這次異常沒有對橋梁造成直接的損害，橋梁整體安全，與人工巡檢結(jié)論類似。同時(shí)可以發(fā)現(xiàn)，大型超載車對橋梁結(jié)構(gòu)的受力產(chǎn)生了比較大的影響，為了保證該橋的正常使用壽命，建議監(jiān)管部門嚴(yán)格控制超載。

4 結(jié) 論

本文為完成健康評估系統(tǒng)中橋梁結(jié)構(gòu)異常狀態(tài)識別的功能以及為基于多種評價(jià)信息融合的健康安全性評估方法提供橋梁整體運(yùn)營狀態(tài)的評價(jià)依據(jù)，探討了基于BP神經(jīng)網(wǎng)絡(luò)的新奇檢測技術(shù)進(jìn)行橋梁結(jié)構(gòu)異常狀態(tài)與位置識別的方法。為了驗(yàn)證該方法在結(jié)構(gòu)異常狀態(tài)與位置識別中的可行性，首先將該方法應(yīng)用于T梁模型試驗(yàn)中開裂狀態(tài)與異常位置識別，該方法在工程試驗(yàn)中得到了可行性驗(yàn)證。然后將該方法應(yīng)用于大跨度拱橋損傷位置識別，并且用現(xiàn)場實(shí)測數(shù)據(jù)進(jìn)行了驗(yàn)證。結(jié)果表明，該方法不但可以對捕捉超載車輛對結(jié)構(gòu)整體運(yùn)營狀態(tài)產(chǎn)生的影響，而且可以對異常位置進(jìn)行較為準(zhǔn)確的識別。

參考文獻(xiàn)

[1] 孫宗光，倪一清，高贊明.基于新奇檢測技術(shù)的橋梁結(jié)構(gòu)損傷預(yù)警方法[J].公路交通科技，2007，24（10）：72?75.

[2] 溫青.斜拉橋索力健康監(jiān)測[D].湘潭：湖南科技大學(xué)，2013：47?49.

[3] 張曉昕，朱賀，劉遙路，等.基于監(jiān)測數(shù)據(jù)的拱橋吊桿疲勞壽命評估方法及應(yīng)用[J].防災(zāi)減災(zāi)工程學(xué)報(bào)，2010，30（z1）：314?317.

[4] Matlab中文論壇.Matlab神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2010：4?5.

[5] 趙玲，李愛群.基于神經(jīng)網(wǎng)絡(luò)技術(shù)的斜拉橋損傷分步識別方法[J].公路交通科技，2009，26（9）：70?75.

[6] 余波，邱洪興，王浩，等.楊浦大橋鋼箱梁疲勞應(yīng)力監(jiān)測及壽命分析[J].公路交通科技，2009，26（8）：105?109.

[7] 向桂兵.懸索橋吊索疲勞疲勞裂紋擴(kuò)展行為研究[D].長沙：長沙理工大學(xué)，2009：49?51.

[8] 王修勇，溫青，楊琪，等.基于新奇檢測技術(shù)的斜拉索狀態(tài)評估[J].公路交通科技，2011，28（9）：53?59.