橋梁感知數據的輕量化偵測與分析方法研究

陳以榮

［上海市政工程設計研究總院（集團）有限公司，上海市 200092］

0 引 言

隨著我國基礎設施建設日趨完善，對現(xiàn)有橋梁等結構的運營狀態(tài)進行實時感知，并建立橋梁智能感知云平臺統(tǒng)一管理，不僅可為眾多橋梁結構的安全運營提供保障，還能為橋梁維護方案的制定提供依據。而隨著平臺運營時間的增長，積累的海量數據將給平臺運營帶來沉重壓力。對數據進行合理分析以及輕量化處理以便更好的展示，是現(xiàn)今迫切需要解決的問題。

劉澤佳等[1]針對珠江黃埔大橋北汊斜拉橋穩(wěn)定運營階段采集到的溫度和應變數據進行特征分析，獲取了溫度和應變數據的基本特征，通過對監(jiān)測數據進行傅里葉變換和小波變化分析，發(fā)現(xiàn)該橋溫度與應變之間存在明顯的正相關關系，為橋梁感知數據挖掘提供了參考。由于采用傳感器獲得結構運營數據，常出現(xiàn)因高水平噪聲而難以處理的問題，Zhang等[2]提出了一種基于支持向量回歸增量學習算法的數據處理方法，該方法在處理受干擾感知樹時表現(xiàn)出較高的準確性和魯棒性。在數據挖掘方面，李雪蓮[3]以東海大橋為背景，通過各種類型的傳感器獲得了該橋周邊的大氣溫度、結構溫度和跨中撓度數據，并進行了分析，結果表明結構溫度、大氣溫度以及橋梁跨中撓度與大氣溫度具有明顯的時間滯后效應。

常用的數據挖掘方法有分類、聚類、時序分析等方法。由于橋梁感知平臺持續(xù)運營，每天均要產生大量數據，數據獲取之后可能并沒有得到太多應用，通過基于模型的聚類算法可較好地運用于工程項目中。在基于模型的聚類算法數據輕量化分析方面，孫文瑞[4]通過基于Kohonen 神經網絡算法的數據挖掘方法，對海量感知數據進行分析計算，為橋梁后期評估以及預警提供了基礎數據。謝維信等[5]回顧了模糊聚類算法的研究進展，闡述了工程實際運用中基于目標函數的聚類方法，由于具有設計簡單、解決問題范圍廣，且最終可歸結為優(yōu)化問題等優(yōu)點而得到了廣泛運用。

以上算法的分析步驟較多，對計算硬件的要求也較高，不便于廣泛應用。本文通過對數據進行輕量化分析處理，以減輕橋梁智能感知云平臺的負擔，獲得了較好的數據保存和展示方案。

1 項目簡介

已建某內河航道大跨度連續(xù)剛構橋，設計車速為50~60 km/h，設計荷載為汽車 - 超20 級，掛車 -120。抗震設防標準按地震基本烈度7 度設防。該連續(xù)剛構橋主橋為3 跨預應力混凝土連續(xù)剛構橋，跨徑布置50 m+80 m+50 m，中墩為雙柱薄壁墩；引橋為跨徑20 m 小箱梁結構。橋梁現(xiàn)狀情況如圖1 所示。該橋除主通航孔等重點橋跨采用連續(xù)剛構結構外，其余橋跨采用小跨徑小箱梁、板梁結構。該橋日常運營的主要荷載為車輛荷載，上部結構撓度和關鍵部位應變是運維階段重點關注的指標。

該連續(xù)剛構橋為上下行分幅設計，重車以右側車道行駛為主。主橋為單箱單室箱梁結構，通常在重車荷載作用下，右側腹板為荷載橫向分布的承擔主體。

圖1 橋梁現(xiàn)狀照片

2 傳感器布設情況

該連續(xù)剛構橋的柱墩為雙薄壁式橋墩，墩頂主梁在主跨和邊跨側兩端的彎矩和應力分布不同，主跨主梁亦存在負彎矩向正彎矩的過渡，應力分布復雜。對上部結構主跨，選取跨中、雙1/4 跨、雙根部共5 個關鍵界面；對邊跨，選取跨中、根部共4 個關鍵界面。系統(tǒng)傳感器總體布置圖見圖2。關鍵截面處布設的傳感器類型為光纖光柵式傳感器，光纖光柵傳感器通常通過度量反射光的峰值波長漂移量，來實現(xiàn)對溫度、應力等物理量實時變化的監(jiān)測。

圖2 系統(tǒng)傳感器總體布置圖（單位：m）

分別選取典型位置主橋中跨跨中梁底位置的應變實測數據以及主橋處溫度1 周實測數據（見圖3）。由圖3 可知，主橋中跨跨中應變指標總體呈現(xiàn)周期性變化，且變化趨勢與溫度變化趨勢接近，但稍有滯后，這與混凝土結構整體傳熱以及相關變形速率有關。

3 數據處理與分析

對結構運維指標實施高頻度動態(tài)采集的同時，從平臺能力層面考慮數據傳輸、云平臺訪問能力等要素，力求在獲得工程所需頻度的同時，不至于造成過高的數據傳輸成本。因此，計算算法的選用也主要遵循輕量、實用等原則。此外，為不造成數據過度冗余，在運行先期設定1 Hz 的全系統(tǒng)采集頻率。

圖3 典型位置溫度與應變實測數據圖

采集得到的數據具有較大的波動，數據分析時關系到數據變化趨勢、數據波動顯著值大小以及發(fā)生的時間。為獲得數據變化趨勢曲線，采用滑動平均方法對傳感器采集的原始數據進行更新。滑動平均方法相較于其他動態(tài)測試數據處理方法具有算法簡便、計算量小、可采用傳遞形式來計算、可節(jié)約儲存空間、快速且便于實時處理非平穩(wěn)數據等優(yōu)點，因此該算法基本滿足數據輕量化處理原則。

根據滑動平均的計算原理，結合平臺數據特點，定義計算式（1）對各個傳感器采集的數據進行計算。

式中：dm為進行滑動平均計算后的數據值；d（j）為原始采樣數據值；Δs 為每次計算平均值時的采樣點數。

由于城市高速公路中的混凝土箱式梁橋采用封閉式管理，車輛特別是重型車輛經過橋梁時，結構將產生不同程度的應變，為獲得由車輛造成的應變值大小，需要計算得到應變傳感器采集得到的波動情況，重點關注由于重型車輛造成的顯著波動值及其發(fā)生的時間。

采用滑動平均方法得到數據趨勢之后，根據原始數據即可計算得到數據的純波動響應情況Re，計算方法為：

根據數據純波動響應情況，通過算法設置閾值來過濾掉細小的波動，即可得到顯著響應波動值。此外，根據顯著波動產生的時間進行計次，可得到全天24 h 內不同時段內的顯著波動產生次數，用以分析橋梁運營峰值的時間。選取前述1 周的應變數據進行分析，得到的數據分析結果如圖4 所示。

圖4 數據分析結果

由圖4 可知，在對原始數據圖3（a）進行滑動平均處理之后，可得到數據的變化趨勢值（見圖4（a））；除去趨勢數據，即可得到數據的波動值（見圖4（b））；對應運營指標過濾掉微小波動后保留顯著波動值以及對應時刻，即得到顯著波動圖（見圖4（c））；將趨勢值疊加顯著波動值，即得到圖4（d）的趨勢疊加波動值圖；對各時段內產生的顯著波動次數進行計次，即得到圖4（e）的顯著波動計次圖。

4 結 語

（1）數據趨勢值在夜間達到峰值狀態(tài)，且主跨跨中等一些關鍵位置的應變響應波動次數總數呈現(xiàn)周期性變化，在白天7 點~18 點范圍內，各時段內的顯著響應次數較小，而在夜間各時段內的顯著響應次數明顯增大，這與夜間重載交通通行數量多有關。

（2）對比應變與溫度變化趨勢圖可知，應變與溫度變化趨勢接近，但應變變化相比溫度變化約有2 h左右的滯后，這與混凝土結構整體傳熱以及相關變形速率有關。