結(jié)合地震易損性分析的橋梁地震損傷識(shí)別

單德山， 周筱航， 楊景超， 李 喬

(西南交通大學(xué) 土木工程學(xué)院，成都 610031)

結(jié)合地震易損性分析的橋梁地震損傷識(shí)別

單德山， 周筱航， 楊景超， 李 喬

(西南交通大學(xué) 土木工程學(xué)院，成都 610031)

目前在使用模式識(shí)別理論進(jìn)行復(fù)雜橋梁地震損傷識(shí)別時(shí)仍存在許多困難，如損傷模式不易確定、損傷指標(biāo)難以提取和無法構(gòu)建足夠數(shù)量損傷樣本等。針對(duì)上述問題，提出了一種基于地震易損性分析的橋梁地震損傷模式識(shí)別新方法。將地震激勵(lì)分為主震和余震兩類。使用主震對(duì)橋梁進(jìn)行地震易損性分析以確定其在地震激勵(lì)下可能發(fā)生的損傷情形，進(jìn)而確定地震損傷模式和有策略地布置傳感器。使用余震激勵(lì)已損傷橋梁獲得其動(dòng)力響應(yīng)信息，以構(gòu)建足夠數(shù)量的數(shù)據(jù)樣本。使用希爾伯特黃變換(Hilbert-Huang Transform, HHT)對(duì)結(jié)構(gòu)響應(yīng)數(shù)據(jù)進(jìn)行處理，提取對(duì)損傷敏感的指標(biāo)(Damage Index,DI)。采用模式識(shí)別理論建立DI與損傷模式之間的對(duì)應(yīng)關(guān)系，實(shí)現(xiàn)對(duì)橋梁地震損傷模式的識(shí)別。將所提方法應(yīng)用于連續(xù)剛構(gòu)橋的地震損傷識(shí)別，結(jié)果表明該方法可準(zhǔn)確識(shí)別橋梁地震損傷，且算法具有較強(qiáng)的抗噪聲干擾能力。

橋梁；地震易損性分析；地震損傷；模式識(shí)別；損傷指標(biāo)；

結(jié)構(gòu)地震損傷識(shí)別的目的是為了在震中或震后及時(shí)地對(duì)結(jié)構(gòu)損傷的位置和程度進(jìn)行識(shí)別，進(jìn)而根據(jù)損傷識(shí)別結(jié)果制定相應(yīng)的結(jié)構(gòu)修復(fù)方案[1]。傳統(tǒng)的結(jié)構(gòu)地震損傷識(shí)別方法主要建立在優(yōu)化算法基礎(chǔ)上，但此類方法存在著識(shí)別精度低、易陷入局部最小解等缺點(diǎn)[2-5]，為解決上述問題，F(xiàn)arrar等[6]提出將結(jié)構(gòu)損傷識(shí)別視為模式識(shí)別問題進(jìn)行求解。

眾多學(xué)者對(duì)基于模式識(shí)別理論的結(jié)構(gòu)地震損傷識(shí)別方法展開了研究。Andreadis等[7]以地面峰值加速度(Peak Ground Acceleration, PGA)、地面峰值速度(Peak Ground Velocity, PGV)、強(qiáng)震持時(shí)(Strong Motion Duration, SMD)、有效峰值加速度(Effective Peak Acceleration, EPA)等統(tǒng)計(jì)特征作為損傷指標(biāo)，使用模糊理論對(duì)地震波進(jìn)行分類，并依據(jù)地震波所屬模式來評(píng)估結(jié)構(gòu)在此激勵(lì)下可能發(fā)生的損傷。De Lautour等[8]用自回歸模型擬合結(jié)構(gòu)在地震激勵(lì)下的加速度響應(yīng)信號(hào)，將擬合結(jié)果作為損傷指標(biāo)對(duì)人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)進(jìn)行訓(xùn)練，成功對(duì)框架結(jié)構(gòu)的損傷進(jìn)行了識(shí)別。Dong等[9]用希爾伯特黃變換(Hilbert-Huang Transform, HHT)方法提取結(jié)構(gòu)的自振頻率，并以高階頻率的能量變化情況作為損傷指標(biāo)，結(jié)合向量自回歸模型對(duì)框架結(jié)構(gòu)的地震損傷模式進(jìn)行了識(shí)別。Vafaei等[10]用小波變換對(duì)機(jī)場(chǎng)控制塔在地震激勵(lì)下的加速度響應(yīng)信號(hào)進(jìn)行處理，根據(jù)小波變換系數(shù)的變化情況識(shí)別了控制塔3種不同的地震損傷模式。

隨著統(tǒng)計(jì)推斷理論的發(fā)展及Vapnik-Chervonenkis理論的建立，支持向量機(jī)(Support Vector Machine,SVM)作為一種新的模式識(shí)別方法逐漸被用于結(jié)構(gòu)損傷識(shí)別研究[11]。Farooq等[12]以結(jié)構(gòu)應(yīng)變值作為損傷指標(biāo)，分別使用ANN和SVM方法對(duì)板結(jié)構(gòu)的損傷進(jìn)行了識(shí)別，識(shí)別結(jié)果表明SVM比ANN具有更高的識(shí)別精度。Bao等[13]以結(jié)構(gòu)自振頻率作為損傷指標(biāo)，使用SVM對(duì)橋墩損傷進(jìn)行了識(shí)別。Mechbal等[14]根據(jù)聲波在結(jié)構(gòu)中傳導(dǎo)特性的變化，使用SVM方法識(shí)別了組合板結(jié)構(gòu)中的損傷。Ren等[15]以撓度作為損傷指標(biāo)，用SVM識(shí)別了鋼桁架結(jié)構(gòu)的損傷情況，但以撓度作為損傷指標(biāo)時(shí)算法的抗噪聲干擾能力不強(qiáng)。單德山等[16]對(duì)SVM在結(jié)構(gòu)損傷識(shí)別領(lǐng)域中的應(yīng)用情況做了詳細(xì)論述，并討論了SVM在時(shí)域及時(shí)頻域內(nèi)訓(xùn)練參數(shù)的選取問題。

目前SVM多被應(yīng)用于識(shí)別框架或板等簡(jiǎn)單結(jié)構(gòu)的損傷，在識(shí)別復(fù)雜結(jié)構(gòu)損傷時(shí)，則需要提取可準(zhǔn)確描述復(fù)雜損傷模式的特征指標(biāo)。另外，在現(xiàn)有研究中結(jié)構(gòu)的損傷模式大多由人為指定，這種方法并不適用于確定復(fù)雜結(jié)構(gòu)的地震損傷模式。橋梁結(jié)構(gòu)在地震作用下可能發(fā)生多處不同程度的損傷，其損傷模式較為復(fù)雜；同時(shí)地震為短時(shí)激勵(lì)，在地震過程中可獲取的結(jié)構(gòu)響應(yīng)信息較少。上述特性使得在應(yīng)用SVM方法識(shí)別橋梁地震損傷時(shí)存在著損傷模式不易確定、難以提取有效的損傷指標(biāo)以及無法獲取足夠數(shù)量損傷樣本等問題。

為了克服上述問題，本文在既有研究的基礎(chǔ)上[17-19]，提出了一種基于地震易損性分析的橋梁地震損傷模式識(shí)別方法，并以非規(guī)則高墩大跨連續(xù)剛構(gòu)橋?yàn)檠芯繉?duì)象，對(duì)所提方法進(jìn)行了驗(yàn)證。

1 識(shí)別理論和方法

由以往工程經(jīng)驗(yàn)可知，在地震的主震發(fā)生后，一般還將發(fā)生多次余震：汶川地震后發(fā)生余震1萬余次、蘆山地震后發(fā)生余震4 000余次。若通過余震激勵(lì)下結(jié)構(gòu)的響應(yīng)信號(hào)來獲取結(jié)構(gòu)損傷信息，則可有效解決橋梁地震損傷識(shí)別過程中難以獲得足夠數(shù)據(jù)樣本的問題，因此在本研究中考慮將地震分為主、余震兩類，使用主震誘發(fā)橋梁地震損傷，使用余震獲取橋梁損傷狀態(tài)信息。

首先，使用主震對(duì)橋梁結(jié)構(gòu)進(jìn)行地震易損性分析，根據(jù)橋梁地震易損性分析結(jié)果確定貼合實(shí)際的地震損傷模式，同時(shí)對(duì)傳感器進(jìn)行有策略的布置。然后，使用多條不同形式的余震激勵(lì)受損橋梁以獲得結(jié)構(gòu)響應(yīng)。使用HHT對(duì)橋梁的輸入、輸出信號(hào)進(jìn)行處理，提取可準(zhǔn)確描述橋梁損傷狀態(tài)的損傷指標(biāo)(Damage Index, DI)，并構(gòu)建橋梁地震損傷模式樣本庫。最后，使用SVM建立損傷指標(biāo)DI與損傷模式之間的對(duì)應(yīng)關(guān)系，對(duì)橋梁的地震損傷進(jìn)行識(shí)別。橋梁地震損傷模式識(shí)別流程如圖1所示。

圖1 地震損傷模式識(shí)別流程Fig.1 Process ofseismic damage pattern recognition

1.1 地震易損性分析

結(jié)構(gòu)地震易損性分析通過計(jì)算在一定強(qiáng)度地震作用下結(jié)構(gòu)達(dá)到或超過某一極限狀態(tài)的概率，從宏觀角度描述了地震作用強(qiáng)度與結(jié)構(gòu)發(fā)生破壞之間的概率關(guān)系[20]，歸納如式(1)所示。

FR(x)=P[D≥C|IM=x]

(1)

1.2 傳感器布置

根據(jù)橋梁地震易損性分析結(jié)果中發(fā)生地震損傷單元的最大分布范圍，確定出橋梁結(jié)構(gòu)的地震易損區(qū)域。為了使用較少的傳感器獲得可完整描述橋梁損傷狀態(tài)的結(jié)構(gòu)響應(yīng)數(shù)據(jù)，同時(shí)保護(hù)傳感器在地震過程中免受損壞，考慮將傳感器布置在橋梁易損區(qū)域的邊界處。

1.3 損傷模式及損傷樣本確定

在現(xiàn)有的結(jié)構(gòu)損傷識(shí)別研究中，損傷的模擬方法大多為人為指定結(jié)構(gòu)某處發(fā)生某種程度的損傷。在地震激勵(lì)下，橋梁發(fā)生損傷的機(jī)理極為復(fù)雜[21]，若不考慮橋梁結(jié)構(gòu)特性和地震動(dòng)特性，僅通過人為指定損傷，將導(dǎo)致地震損傷模擬結(jié)果背離工程實(shí)際。為了真實(shí)模擬橋梁在地震激勵(lì)下可能發(fā)生的損傷情形，首先對(duì)地震易損性分析結(jié)果中出現(xiàn)的損傷狀態(tài)進(jìn)行分類，即確定地震損傷模式，進(jìn)而將損傷模型歸入相應(yīng)損傷模式，確定橋梁地震損傷樣本。

隨著地震激勵(lì)強(qiáng)度的增加，實(shí)際發(fā)生損傷的易損區(qū)域也逐漸增多。在本研究中，根據(jù)橋梁各易損區(qū)域是否發(fā)生損傷確定不同的地震損傷模式，該方法有利于使用較少的損傷模式概括橋梁在地震作用下發(fā)生損傷的總體情況。將損傷模型歸入相應(yīng)損傷模式，通過彎矩-曲率比值查看損傷單元的剛度折減情況，獲得損傷樣本的損傷程度信息。

1.4 損傷指標(biāo)提取

損傷指標(biāo)的有效性直接影響損傷識(shí)別結(jié)果的準(zhǔn)確性，提取合適的損傷指標(biāo)是損傷識(shí)別研究中的關(guān)鍵問題。在本研究中，使用HHT對(duì)結(jié)構(gòu)輸入、輸出信號(hào)進(jìn)行處理，構(gòu)建對(duì)結(jié)構(gòu)局部損傷敏感的指標(biāo)DI。

HHT是一種適用于處理非平穩(wěn)、非線性數(shù)據(jù)的自適應(yīng)時(shí)頻域信號(hào)處理方法，廣泛應(yīng)用于地震動(dòng)數(shù)據(jù)處理領(lǐng)域[22-23]。信號(hào)經(jīng)HHT處理后得到Hilbert譜函數(shù)

(2)

將Hilbert譜函數(shù)對(duì)時(shí)間積分，得到描述振動(dòng)能量在頻率域內(nèi)分布情況的Hilbert邊際譜函數(shù)

h(ω)=∫H(ω,t)dt

(3)

Hilbert邊際譜函數(shù)雖包含結(jié)構(gòu)的損傷信息，但以Hilbert邊際譜函數(shù)作為損傷指標(biāo)不能有效區(qū)分結(jié)構(gòu)的損傷狀態(tài)，需對(duì)其作進(jìn)一步的變換，將地震輸入與結(jié)構(gòu)輸出的Hilbert邊際譜函數(shù)進(jìn)行比值，得到Hilbert邊際譜傳遞函數(shù)

(4)

Hilbert邊際譜傳遞函數(shù)為曲線函數(shù)，以其作為損傷指標(biāo)存在數(shù)據(jù)量過大的問題。因此，對(duì)Hilbert邊際譜傳遞函數(shù)在頻率域內(nèi)積分，將積分值定義為損傷指標(biāo)DI

DI=∫T(ω)dω

(5)

1.5 模式識(shí)別方法

在本研究中，采用SVM作為模式識(shí)別算法，其可自動(dòng)確定節(jié)點(diǎn)數(shù)目和節(jié)點(diǎn)權(quán)重，避免了過學(xué)習(xí)、欠學(xué)習(xí)和局部極小點(diǎn)等問題，是一種具有泛化性能好、全局最優(yōu)和稀疏解等優(yōu)點(diǎn)的模式識(shí)別方法[24-25]。

SVM求解不同模式的最優(yōu)分類面擬合函數(shù)如式(6)所示

(6)

2 橋梁地震損傷識(shí)別算例

為詳細(xì)論述本文所提橋梁地震損傷識(shí)別方法的實(shí)現(xiàn)過程及有效性，以非規(guī)則高墩大跨連續(xù)剛構(gòu)橋?yàn)檠芯繉?duì)象，對(duì)其進(jìn)行地震損傷模式識(shí)別。

2.1 工程概況

連續(xù)剛構(gòu)橋全長(zhǎng)650 m，橋跨布置為80 m+130 m+2 m×170 m+100 m；4個(gè)橋墩高度分別為26.9 m、123.54 m、91.63 m和80.14 m；主梁為箱型梁，材料為C50混凝土；橋墩為空心薄壁墩，材料為C40混凝土；橋臺(tái)及1#橋墩上安裝有雙向活動(dòng)支座，其余橋墩與主梁固結(jié)。連續(xù)剛構(gòu)橋總體布置情況如圖2所示。

對(duì)于非規(guī)則高墩大跨連續(xù)剛構(gòu)橋來說，地震作用下橋墩更易出現(xiàn)損傷，本文主要針對(duì)橋墩開展地震損傷識(shí)別算法研究，同時(shí)為降低分析難度，只考慮順橋向的地震激勵(lì)作用。

圖2 橋梁總體布置圖(單位：cm)Fig.2 General arrangement of the bridge(unit：cm)

2.2 地震易損性分析

使用OpenSEES建立連續(xù)剛構(gòu)橋的數(shù)值模型，采用彈性梁柱單元(Elastic Beam-Column Elements,EBCE)模擬主梁，采用非線性梁柱單元(Nonlinear Beam-Column Elements,NBCE)模擬橋墩，采用零長(zhǎng)度單元(Zero-Length Elements,ZLE)模擬雙向活動(dòng)支座。

選取加速度反應(yīng)譜波形、有效持時(shí)差異較大的實(shí)測(cè)地震動(dòng)記錄以考慮地震動(dòng)的離散性，共選出16條地震動(dòng)記錄，如表1所示。分別將16條地震波的PGA標(biāo)準(zhǔn)化到0.1～1.5g，步長(zhǎng)為0.1g，共得到240條地震波以用于地震易損性分析。

考慮到較高的鋼筋混凝土墩柱在地震作用下主要發(fā)生彎曲破壞[26]，本文以曲率作為指標(biāo)進(jìn)行墩身高度方向的參數(shù)包絡(luò)分析，得到各橋墩的曲率包絡(luò)線如圖3所示。由圖3可以看出，1#橋墩底部曲率較大，但曲率數(shù)值總體偏小，2#～4#橋墩的頂部和底部曲率較大，可知在順橋向地震動(dòng)作用下，1#墩不易損傷，2#～4#墩的頂部和底部容易發(fā)生損傷。

表1 實(shí)測(cè)地震動(dòng)記錄

為了定量描述在不同PGA地震動(dòng)作用下各橋墩發(fā)生不同程度地震損傷的可能性，引入適用于較高墩柱的基于曲率延性比的損傷程度判據(jù)，如表2所示。在表2中，φ1為墩底縱向鋼筋首次屈服時(shí)的曲率；φ2為等效屈服曲率；φ3為截面邊緣鋼筋混凝土壓應(yīng)變達(dá)到0.002或0.004的曲率(當(dāng)墩底存在縱筋搭接時(shí)取0.002，否則取0.004)；φ4為極限曲率。φ1～φ4參照Caltrans[27]提出的方法進(jìn)行計(jì)算，具體取值如表3所示。根據(jù)橋墩各截面在地震作用下達(dá)到的最大曲率值與表3中的曲率限值對(duì)比，得到橋墩在不同PGA地震作用下發(fā)生不同程度地震損傷的概率，即橋墩地震易損性曲線，如圖4所示。

表2 基于曲率的損傷程度判據(jù)

表3 橋墩臨界曲率值

圖3 橋墩曲率包絡(luò)Fig.3 Curvatureenvelope of piers

圖4 橋墩發(fā)生地震損傷概率Fig.4 Damage probability of piers

2.3 傳感器布置

通過查看地震易損性分析結(jié)果中橋墩可能出現(xiàn)地震損傷的單元的最大分布范圍，確定出各橋墩的易損區(qū)域。根據(jù)各橋墩易損區(qū)域分布情況，對(duì)傳感器進(jìn)行有策略的布置。為了使傳感器測(cè)試數(shù)據(jù)盡可能多的包含結(jié)構(gòu)損傷狀態(tài)信息，同時(shí)保證傳感器在地震過程中不被損壞，選定各橋墩易損區(qū)域邊界處作為加速度傳感器的安裝點(diǎn)位。各橋墩的易損區(qū)域分布及傳感器布置情況如圖5所示，圖中填充區(qū)域?yàn)橐讚p區(qū)域，○指向位置為加速度傳感器布置點(diǎn)位，①中數(shù)字為傳感器編號(hào)。

圖5 易損區(qū)域分布及傳感器布置(單位：cm)Fig.5 Vulnerable zone distribution and sensor arrangement(unit:cm)

2.4 損傷模式及損傷樣本確定

考慮到《建筑抗震設(shè)計(jì)規(guī)范》中規(guī)定的設(shè)計(jì)基本地震加速度值均在0.5g以下，為討論更符合工程實(shí)際的情況，本文根據(jù)地震激勵(lì)PGA在0.5g及以下時(shí)各橋墩的損傷狀態(tài)進(jìn)行損傷模式的劃分和損傷樣本的構(gòu)建。根據(jù)各橋墩的易損區(qū)域內(nèi)是否出現(xiàn)地震損傷，將橋梁地震損傷分為不同模式，損傷模式的定義方法如表4所示。通過提取剛構(gòu)橋地震易損性分析過程中易損區(qū)域內(nèi)各單元的彎矩-曲率比值，得到橋梁損傷模型各單元的剛度折減情況。按照表4定義的損傷模式對(duì)發(fā)生不同程度損傷的橋梁模型進(jìn)行歸類，進(jìn)而確定了各損傷模式對(duì)應(yīng)的剛度折減范圍，同時(shí)從各損傷模式中分別選取了1個(gè)剛度折減程度偏中的損傷模型作為待識(shí)別樣本，共計(jì)3個(gè)。確定出的各損傷模式單元?jiǎng)偠日蹨p范圍及待識(shí)別樣本的單元?jiǎng)偠日蹨p程度列于表5。

表4 損傷模式

2.5 損傷指標(biāo)提取

根據(jù)《公路橋梁抗震設(shè)計(jì)細(xì)則(JTJ/TB 02-01—2008)》中4種場(chǎng)地類型設(shè)計(jì)反應(yīng)譜的規(guī)定，采用數(shù)值方法生成PGA不大于0.05g的4種場(chǎng)地類型余震波，共計(jì)100條。使用余震波激勵(lì)已損傷橋梁模型，獲得損傷模型的結(jié)構(gòu)響應(yīng)輸出信號(hào)，按照式(1)和式(2)對(duì)橋梁結(jié)構(gòu)的輸入、輸出信號(hào)進(jìn)行處理，得到Hilbert邊際譜函數(shù)。完好模型和損傷模型的Hilbert邊際譜函數(shù)如圖6所示，可見Hilbert邊際譜函數(shù)不能有效區(qū)分結(jié)構(gòu)的不同狀態(tài)。使用式(4)對(duì)Hilbert邊際譜函數(shù)進(jìn)行處理，得到Hilbert邊際譜傳遞函數(shù)如圖7所示，可以看出Hilbert邊際譜傳遞函數(shù)能反映結(jié)構(gòu)不同的損傷狀態(tài)，但使用完整曲線作為損傷指標(biāo)存在著數(shù)據(jù)量過大的問題。為加快運(yùn)算效率，使用式(5)對(duì)Hilbert邊際譜傳遞函數(shù)在0～100 Hz的頻域內(nèi)積分，得到損傷指標(biāo)DI。圖8中給出了在4種場(chǎng)地類型余震波激勵(lì)下4#橋墩分別處于完好、輕微損傷、嚴(yán)重?fù)p傷狀態(tài)時(shí)，⑧傳感器獲取的損傷指標(biāo)DI。

表5 橋墩地震損傷程度

2.6 損傷識(shí)別

在單次余震激勵(lì)下1個(gè)加速度傳感器采集的數(shù)據(jù)可提取1個(gè)損傷指標(biāo)DI。如圖5所示，連續(xù)剛構(gòu)橋上共布置有10個(gè)加速度傳感器，單次余震激勵(lì)下則可獲得10個(gè)損傷指標(biāo)DI。分別將10個(gè)DI和相應(yīng)的損傷模式作為模式分類算法的輸入、輸出參數(shù)，形成一個(gè)樣本。

橋梁地震損傷的模式識(shí)別算法分為兩種情況進(jìn)行。過程一：檢驗(yàn)算法在余震場(chǎng)地類型未知、損傷模式已知情況下的識(shí)別能力；過程二：檢驗(yàn)算法在余震場(chǎng)地類型已知、損傷模式未知情況下的識(shí)別能力。最后，分別向過程一、過程二中添加噪聲，檢驗(yàn)算法的抗噪聲干擾能力。

圖6 Hilbert邊際譜Fig.6 Hilbert marginal spectrum

圖7 Hilbert邊際譜傳遞函數(shù)Fig.7 Hilbert marginal spectrum transfer function

圖8 損傷指標(biāo)DIFig.8 Damage index(DI)

(1)過程一：從表5定義的3種損傷模式中，隨機(jī)各選取1個(gè)損傷模型，共計(jì)3個(gè)。隨機(jī)抽取100條余震波中的80條余震波激勵(lì)損傷模型，得到240個(gè)訓(xùn)練樣本。使用余下的20條余震波激勵(lì)損傷模型，得到60個(gè)測(cè)試樣本。使用訓(xùn)練樣本及測(cè)試樣本對(duì)算法進(jìn)行檢驗(yàn)。

(2)過程二：考慮到實(shí)際橋梁工程受到的余震激勵(lì)與橋址處的場(chǎng)地類型有關(guān)，故本階段中只選取特定場(chǎng)地類型的余震波作為激勵(lì)。根據(jù)表5中所示的橋墩地震損傷程度變化范圍，分別從3類損傷模式中選取鄰近損傷程度輕微和嚴(yán)重的損傷模型各5個(gè)，共計(jì)30個(gè)損傷模型。選取20條二類場(chǎng)地余震波激勵(lì)損傷模型，得到600個(gè)訓(xùn)練樣本。使用相同的20條余震波激勵(lì)表5中的3個(gè)待識(shí)別損傷模型，得到60個(gè)測(cè)試樣本。使用訓(xùn)練樣本及測(cè)試樣本對(duì)算法進(jìn)行檢驗(yàn)。

(3)抗噪性檢驗(yàn)：向數(shù)據(jù)中分別添加5%～30%的白噪聲，重復(fù)地震損傷識(shí)別過程一及過程二。

2.7 識(shí)別結(jié)果與討論

表6中給出了在不同噪聲水平干擾下橋梁地震損傷識(shí)別兩個(gè)過程的識(shí)別結(jié)果。

表6 地震損傷模式識(shí)別結(jié)果

在過程一中，待識(shí)別的損傷樣本已參與訓(xùn)練，影響識(shí)別結(jié)果的主要因素為余震激勵(lì)場(chǎng)地類型離散性和噪聲；在過程二中，余震激勵(lì)的場(chǎng)地類型已知，影響識(shí)別結(jié)果的主要因素為待識(shí)別損傷樣本離散性和噪聲。

在無噪聲干擾情況下，兩過程均可實(shí)現(xiàn)對(duì)橋梁地震損傷模式的準(zhǔn)確識(shí)別，且過程二識(shí)別結(jié)果具有更高的正確率。在有噪聲干擾情況下，當(dāng)噪聲水平在10%以下時(shí)，兩過程的識(shí)別結(jié)果均不受噪聲影響；隨著噪聲水平的增強(qiáng)，兩過程識(shí)別結(jié)果的正確率逐漸下降，但過程二識(shí)別結(jié)果正確率在噪聲水平大于20%時(shí)才出現(xiàn)降低；當(dāng)噪聲水平進(jìn)一步增大到30%時(shí)，過程一識(shí)別結(jié)果正確率下降較為明顯，過程二識(shí)別結(jié)果仍保證了較高的正確率。另外，在兩個(gè)過程中，隨著橋梁損傷程度的增加，識(shí)別結(jié)果正確率均逐漸升高。

術(shù)后的隨訪應(yīng)該是長(zhǎng)期和終身的，一般建議是在前2年每3個(gè)月隨訪1次，每6個(gè)月隨訪2～5年，隨后每年隨訪1次。隨訪內(nèi)容應(yīng)包括經(jīng)陰道超聲檢查和CA125水平，不推薦常規(guī)行CT或MRI檢查，但當(dāng)CA125顯著升高時(shí)應(yīng)進(jìn)一步行CT檢查。如未完成生育的BOTs患者行保守手術(shù)后再復(fù)發(fā)仍可進(jìn)行保留生育功能的手術(shù)，如無生育要求，可行雙側(cè)附件切除術(shù)。若為卵巢外復(fù)發(fā)，最好行腫瘤細(xì)胞減滅術(shù)，最重要的預(yù)后因素是殘余腫瘤的存在，因此盡可能去除腫瘤組織是非常重要的。

由識(shí)別結(jié)果可以看出，本文所提出的橋梁地震損傷模式識(shí)別方法具有較高的識(shí)別正確率及抗噪聲干擾能力；且在余震場(chǎng)地類型已知，即更符合工程實(shí)際的情況下，方法的識(shí)別正確率得到顯著提高。

3 結(jié) 論

本文提出了一種基于地震易損性分析的復(fù)雜橋梁地震損傷模式識(shí)別方法，將所提方法應(yīng)用于連續(xù)剛構(gòu)橋的地震損傷識(shí)別，獲得如下主要結(jié)論：

(1)使用主震對(duì)橋梁進(jìn)行地震易損性分析，可確定貼合工程實(shí)際的橋梁地震損傷模式，同時(shí)為傳感器的優(yōu)化布置提供依據(jù)。

(2)使用余震獲取橋梁動(dòng)力響應(yīng)信息，可有效擴(kuò)充富含橋梁損傷狀態(tài)信息的數(shù)據(jù)樣本容量。

(3)基于HHT方法構(gòu)建了表達(dá)形式簡(jiǎn)潔且對(duì)橋梁地震損傷敏感的損傷指標(biāo)。

(4)數(shù)值算例結(jié)果表明，所提方法具有較高的識(shí)別精度和較強(qiáng)的抗噪聲干擾能力，且在余震場(chǎng)地類型確定時(shí)方法識(shí)別精度得到顯著提高。

[ 1 ] 單德山,李喬,付春雨,等.智能橋梁健康監(jiān)測(cè)與損傷評(píng)估[M]. 北京：人民交通出版社, 2010.

[ 2 ] FRISWELL M I, PENNY J E T, GARVEY S D. A combined genetic and eigensensitivity algorithm for the location of damage in structures[J]. Computers & Structures, 1998, 69(5): 547-556.

[ 3 ] FARRAR C R, JAUREGUI D A. Comparative study of damage identification algorithms applied to a bridge: I. Experiment[J]. Smart Materials and Structures, 1998, 7(5): 704-712.

[ 4 ] FARRAR C R, HEMEZ F M, SHUNK D D, et al. A review of structural health monitoring literature: 1996-2001[M]. Los Alamos: Los Alamos National Laboratory, 2004.

[ 5 ] FAN Wei, QIAO Pizhong. Vibration-based damage identification methods: a review and comparative study[J]. Structural Health Monitoring, 2011, 10(1): 83-111.

[ 6 ] FARRAR C R, WORDEN K. Structural health monitoring[M]. John Wiley & Sons, 2013.

[ 7 ] ANDREADIS I, TSIFTZIS I, ELENAS A. Intelligent seismic acceleration signal processing for damage classification in buildings[J]. IEEE Transactions on Instrumentation and Measurement, 2007, 56(5): 1555-1564.

[ 8 ] DE LAUTOUR O R, OMENZETTER P. Damage classification and estimation in experimental structures using time series analysis and pattern recognition[J]. Mechanical Systems and Signal Processing, 2010, 24(5): 1556-1569.

[ 9 ] DONG Yinfeng, LI Yingmin, LAI Ming. Structural damage detection using empirical-mode decomposition and vector autoregressive moving average model[J]. Soil Dynamics and Earthquake Engineering, 2010, 30(3): 133-145.

[10] VAFAEI M, ADNAN A. Seismic damage detection of tall airport traffic control towers using wavelet analysis[J]. Structure and Infrastructure Engineering, 2014, 10(1): 106-127.

[11] VAPNIK V N. Statistical learning theory[M]. New York: Wiley, 1998.

[12] FAROOQ M, ZHENG H, NAGABHUSHANA A, et al. Damage detection and identification in smart structures using SVM and ANN[C]∥ Smart Structures and Materials+ Nondestructive Evaluation and Health Monitoring, International Society for Optics and Photonics. [S.l.]:SPIE, 2012.

[13] BAO Yaojin, SONG Chenjin, WANG Wensi, et al. Damage detection of bridge structure based on SVM[J]. Mathematical Problems in Engineering, 2013(6):1-7.

[14] MECHBALN, URIBE J S, REBILLAT M. A probabilistic multi-class classifier for structural health monitoring[J]. Mechanical Systems and Signal Processing, 2015, 60: 106-123.

[15] REN Jianying, SU Mubiao, ZENG Qingyuan. Damage identification of railway simply supported steel truss bridge based on support vector machine[J]. Journal of Applied Sciences, 2013, 13(17): 3589-3593.

[16] 單德山, 付春雨, 李喬. 橋梁結(jié)構(gòu)損傷診斷的統(tǒng)計(jì)學(xué)習(xí)理論[M]. 北京：科學(xué)出版社, 2014.

[17] 黃振興. 震后橋梁結(jié)構(gòu)時(shí)頻域損傷診斷研究[D].成都：西南交通大學(xué),2012.

[18] 楊景超. 基于HHT和SVM的震后橋梁結(jié)構(gòu)損傷診斷研究[D].成都：西南交通大學(xué),2014.

[19] 張少雄. 高墩橋梁地震易損性分析研究[D].成都：西南交通大學(xué),2014.

[20] 吳巧云,朱宏平,樊劍. 基于性能的鋼筋混凝土框架結(jié)構(gòu)地震易損性分析[J]. 工程力學(xué),2012,29(9):117-124. WU Qiaoyun, ZHU Hongping, FAN Jian. Performance-based seismic fragility analysis of RC frame structures[J]. Engineering Mechanics, 2012, 29(9):117-124.

[21] 徐艷,段昕智,李建中.強(qiáng)震作用下斜拉橋縱橋向非線性地震反應(yīng)分析[J].華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2012, 40(6): 132-138. XU Yan, DUAN Xinzhi, LI Jianzhong. Analysis of nonlinear seismic response of cable-stayed bridge subjected to longitudinal strong ground motions[J]. Journal of South China University of Technology(Natural Science), 2012, 40(6): 132-138.

[22] HUANG N E, CHERN C C, HUANG K, et al. A new spectral representation of earthquake data: Hilbert spectral analysis of station TCU129, Chi-Chi, Taiwan, 21 September 1999[J]. Bulletin of the Seismological Society of America, 2001, 91(5): 1310-1338.

[23] LOH C H, WU T C, HUANG N E. Application of the empirical mode decomposition-Hilbert spectrum method to identify near-fault ground-motion characteristics and structural responses[J]. Bulletin of the Seismological Society of America, 2001, 91(5): 1339-1357.

[24] CHERKASSKY V, MA Y. Practical selection of SVM parameters and noise estimation for SVM regression[J]. Neural Networks, 2004, 17(1): 113-126.

[25] VAPNIK V. The nature of statistical learning theory[M]. Springe: Springer Science & Business Media, 2000.

[26] HWANG H, JERNIGAN J B, LIN Y W. Evaluation of seismic damage to memphis bridges and highway systems[J]. Journal of Bridge Engineering, 2000, 5(4): 322-330.

[27] CALTRANS. Seismic design criteria version 1.2[M]. California: California Department of Transportation, 2001.

Bridge seismic damage identification based on seismic fragility analysis

SHAN Deshan, ZHOU Xiaohang, YANG Jingchao, LI Qiao

(School of Civil Engineering, Southwest Jiaotong University, Chengdu 610031, China)

There are still many difficulties in applying the pattern recognition theory to complex bridge seismic damage identification, for example, it is not easy to determine damage patterns, and difficult to extract the damage index, and even it is a big challenge to obtain sufficient damage samples. To counter the mentioned problems, a novel bridge seismic damage pattern recognition method based on seismic fragility analysis was proposed. First, seismic excitations were classified into main-shocks and after-shocks. Main-shocks were used to carry out the bridge seismic fragility analysis in order to obtain the potential damage of the bridge, and as a consequent the layout of the sensors and the patterns of seismic damage were determined strategically. After-shocks were used to excite the damaged bridges to obtain their structural responses, and hence the sufficient data samples were acquired. Then, Hilbert-Huang Transform (HHT) was adopted to deal with the structural response data to extract the Damage Index (DI), which was sensitive to structural damage. Finally, the pattern recognition theory was applied to map the relationships between DI and the damage patterns, and the bridge seismic damage identification was achieved. The proposed method was adopted to identify the seismic damage of a continuous rigid frame girder bridge. The results show that the method can identify the bridge seismic damage patterns precisely and the noise immunity of the method is favorable.

bridge; seismic fragility analysis; seismic damage; pattern recognition; damage index

國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(2013CB036300)；國家重點(diǎn)研發(fā)計(jì)劃(2016YFC0802202)；國家自然科學(xué)基金(51678489)

2016-07-29 修改稿收到日期： 2016-11-11

單德山 男，博士，教授，1969年生

周筱航 男，博士生，1989年生

U446

A

10.13465/j.cnki.jvs.2017.16.030