CN110704801A - 桥梁集群结构运营安全智能监测与快速检测成套技术 - Google Patents

Abstract

本发明属于桥梁结构运营安全监测与检测领域，特别涉及一种桥梁集群结构运营安全智能监测与快速检测成套技术，本发明主要包括四项内容：一、基于高测点密度传感装备的桥梁集群监测系统搭建技术；二、基于温度‑损伤剥离的桥梁结构损伤诊断方法；三、基于挠度影响面的桥梁结构安全快速检测技术；四、基于挠度影响面的桥梁集群结构损伤诊断方法。其中前两项内容属于桥梁智能监测技术，运用于集群内具备监测系统的桥梁结构运营安全诊断；后两项内容属于桥梁快速检测技术，运用于集群内不具备监测系统的桥梁结构安全诊断。本发明将桥梁结构运营安全监测与快速检测技术相结合，所提成套技术适用于桥梁集群内全部桥梁结构运营安全诊断。

Description

桥梁集群结构运营安全智能监测与快速检测成套技术

技术领域

本发明属于桥梁结构运营安全监测与检测领域，特别涉及一种桥梁集群结构运营安全智能监测与快速检测成套技术。

背景技术

桥梁集群是指：由区域路网或城市环线内多座桥梁所构成的桥梁群体。与单座大型桥梁不同，集群数据既涵盖有监测系统桥梁的监测信息又包含无监测系统桥梁的检测信息，数据类别多；集群内非相似桥梁结构需逐一进行针对性数据处理，工作量大；集群内相似桥梁之间数据具有关联性，可挖掘性强。因此，如何有效利用集群数据特征，实现全部桥梁的损伤诊断是健康监测领域颇具挑战性的难题。

此外，利用监测与检测技术保障桥梁集群结构运营安全仍面临如下问题：其一，现有桥梁结构健康监测主要采用点式传感器技术，此类传感器的测点布设在空间上不连续，很难组网，存在结构关键部位漏测的可能；其二，运营桥梁往往受到环境温差变化、材料老化及载荷作用等多种因素的耦合作用，环境因素对桥梁结构响应监测数据的影响不可忽略，而且这种影响往往掩盖桥梁结构损伤导致的监测数据变化；其三，现有桥梁结构检测技术往往需要长时间封闭交通、试验工序复杂及试验检测成本高。针对上述问题，一方面，需要将具备大范围、长距离、长持时的分布式传感技术与传统点式传感技术相结合，共同构建桥梁集群结构运营安全监测系统；另一方面，急需快速加载、快速采集结构响应的桥梁集群结构检测技术，在短时间封闭交通的情况下，实现桥梁集群结构损伤的快速检测与诊断。

发明内容

本发明的目的是为实现桥梁集群内全部桥梁结构的损伤诊断，现提出一种桥梁集群结构运营安全智能监测与快速检测成套技术。

本发明桥梁集群结构运营安全智能监测与快速检测成套技术包括以下内容：

内容一：基于高测点密度传感装备的桥梁集群监测系统搭建，监测系统搭建在桥梁集群内部分桥梁上，监测系统搭建包括基于高测点密度传感装备的感知单元的布设、高测点密度数据采集与传输模块的集成、桥梁集群结构安全诊断与预警子系统的搭建、桥梁集群结构高测点密度中心数据库子系统的搭建、桥梁集群结构安全监测系统远程管理用户子系统的构建；

其中：

基于高测点密度传感装备的感知单元包括点式电信号力学传感器、分布式布里渊光纤传感器、桥梁动态称重系统；点式电信号力学传感器主要布设于桥梁上部结构的最不利受力断面及关键受力断面；分布式布里渊光纤传感器沿桥梁上部结构及下部结构通长布设，并形成光信号传输回路；桥梁动态称重系统布置于桥头；

高测点密度数据采集与传输模块中的点式电信号力学传感器数据的采集与传输采用放射状子网络形式将数据采集于电信号采集系统，并将监测点信号转换为标准以太网及无线网络数字信号，远程传输至服务器；高测点密度数据采集、传输模块中的分布式光纤传感数据的采集与传输通过采用光纤信号解调仪进行回路式采集，可同时采集多个光纤监测回路，并将光信号布里渊频移数据远程传输至服务器；

桥梁集群结构安全诊断与预警子系统包括监测数据的预处理、模态分析、结构损伤诊断、多等级实时预警机制、结构安全评定；

桥梁集群结构高测点密度中心数据库子系统包括结构参数数据库、在线监测数据数据库、离线处理数据数据库，完成桥梁全寿命期所有监/检测静态、动态的资料、信息、数据的归档、查询、存储、管理和调用；

桥梁集群结构安全监测系统远程管理用户子系统连接数据库接口，将桥梁结构全寿命期各种监/检测静态、动态的资料、信息、数据按用户要求分类分级按授权向不同用户展示，并且按授权接受不同用户对系统的控制与输入，实现远程系统管理、数据分析与评定及数据查询与统计功能；

内容二：在内容一搭建的桥梁集群监测系统的基础上，对集群内具有监测系统的桥梁进行基于温度-损伤剥离的桥梁结构损伤诊断；

内容三：对桥梁集群内无监测系统的桥梁结构进行桥梁准静载试验，布置挠度测试仪，获取挠度影响线，将这些影响线共同构成测试断面在准静力荷载作用下的影响面；

内容四：利用内容三检测所获取的挠度影响线对集群内不具有监测系统的桥梁进行基于挠度影响面的桥梁集群结构损伤诊断。

进一步的，所述内容一中，点式电信号力学传感器包括点式应变传感器、挠度传感器、振动加速度传感器、索力传感器、风速仪、环境温湿度传感器中一种或几种。

进一步的，所述内容一中，分布式布里渊光纤传感器采用基于差分脉冲对技术，最高测点密度达2cm间隔一个测点，最长监测距离达120km。

进一步的，所述内容一中，监测数据的预处理包括去噪、滤波、去趋势、FFT变换；模态分析包括模态参数识别、模型修正。

进一步的，所述内容二具体包括以下步骤：

S21：获取桥梁结构应变监测数据集合矩阵X，若该监测系统中有n个应变传感器监测点，每个监测点的采样点数为m，则结构应变监测数据矩阵

的定义如下，

X＝[X₁,X₂,…,X_i,…,X_n]_m×n,i∈(1,2,…,n) (1)

S22：构造结构应变监测数据协方差矩阵X^TX，记作矩阵A；对构造矩阵A进行奇异值分解，可得到如下式的矩阵分解结果，

A＝US_nV^T (2)

式中，U为矩阵A的左奇异向量矩阵；V为矩阵A的右奇异向量矩阵；V^T为矩阵V的转置；S_n为矩阵A的奇异值按递减顺序构成的对角阵，其定义如下式所示，

S_n＝diag(δ₁,δ₂,…,δ_i,…,δ_n),i∈(1,2,…,n) (3)

S23：将上述奇异值按照由大到小进行排列，并将代表测试噪声的较小奇异值采用0值进行替代，选取前r个非零奇异值及其对应的左右奇异值矩阵，对矩阵A进行重构，进而得到削弱噪声干扰的重构矩阵

式中，S′_n为重构矩阵A′的奇异值；S_r为重构矩阵A′的奇异值降秩后构成的对角阵；

S24：计算重构的结构应变监测数据集合X′，有效提高原始结构应变监测数据的信噪比；

X′＝(X^T)^-*A′ (5)

式中，(X^T)^-*为对矩阵X^T求伪逆，

S25：对去噪后的应变监测数据进行中心化处理，即采用如下公式计算，

式中，

为第i个监测点削弱噪声干扰后的应变监测数据列向量X′_i的均值向量；

为第i个监测点的环境温度监测数据列向量T_i的均值向量；X′_c,i为中心化后的应变监测数据列向量；T_c,i为中心化后的环境温度数据列向量；

S26：利用中心化处理后的监测数据采用下式构造矩阵R，

R＝[ωT_c,i X′_c,i]_m×2 (8)

式中，ω为构造矩阵R的权重值，ω的数值需要取相对大值，使得ωT_c,i的方差远远大于X′_c,i的方差，从而在PCA分解时的主轴方向代表环境温度荷载，次轴方向代表结构应变响应；

S27：构造矩阵R的协方差矩阵C，对协方差矩阵C进行特征值分解，

C＝PΛP^T (9)

特征向量矩阵P同时也是构造矩阵R的投影向量矩阵，利用该矩阵，构造矩阵R的第j个分量为Y_j，

Y_j＝RP_j (10)

式中，P_j为特征向量矩阵P的第j个列向量；Y_j为构造矩阵R的第j个主成分。列向量Y₁是构造矩阵R的第一主成分，该主成分表示扩大了ω倍的环境温度监测数据，Y₁与Y₂相互正交，Y₂表示去除了环境温度趋势的应变响应监测数据交通荷载趋势项；对于新建桥梁而言，结构应变监测数据Y₂包含有两部分，即交通荷载非稳定状态下与交通荷载稳定状态下的应变监测数据；

S28：对矩阵

进行PCA投影，得投影后矩阵为Y，

Y＝[Y₁ Y₂]＝[y₁,y₂,…,y_p,…,y_m]^T,p∈(1,2,…,m) (11)

式中，y_p为投影矩阵Y的第p个向量。定义K-mean聚类分析算法中的中心点集为Ω＝[c₁ c₂]^T，中心点向量c₁，

式中，N₁为第1类别Ω₁的样本个数；N₂为第2类别Ω₂的样本个数；同理可确定中心点向量c₂；

S29：采用优化求解的方式，对矩阵Y中的每个元素进行聚类划分，以第1类别划分为例，构建如下优化目标函数，

式中，dist(y_p,c₁)为矩阵Y的第p个元素y_p到中心点向量c₁的欧式距离；

S210：利用质心选择方法求解目标函数式，分别得到第1类别Ω₁和第2类别Ω₂；对两个类别中每个元素对应的监测时间进行比较，即可判别时间序列靠前的类别为非稳态数据，时间序列靠后的类别为稳态数据基准模型，

式中，

为X′_i的稳态监测数据；

为X′_i的第φ个元素，φ∈(m-N₂+1,…,m)；

在此基础上，将桥梁结构断面g个应变监测点进行集合，可得到任意φ时刻的稳态数据集合

S211：以桥梁结构某一断面为单位，利用该断面g个结构应变的监测数据进行损伤诊断，在φ时刻下，可定义基于稳态数据基准模型的损伤诊断因子γ_φ，同理可得到待诊断状态下的损伤诊断因子γ_d，

式中，C_G稳态数据集合

的协方差矩阵，

为的均值向量，其为矩阵

的第φ个行向量；进而可得到基于稳态数据基准模型的损伤诊断因子向量γ_φ，

S212：由步骤S211所得γ_φ定义结构损伤诊断阈值η，

η＝β×γ_φ，0.95 (19)

式中，β为保证系数，该数值根据具体桥梁结构的监测数据而定，通常可取1.2；γ_φ，0.95为结构损伤诊断因子向量γ_φ取95％置信概率的中位数；

S213：在分别得到参考状态的损伤诊断阈值与待诊断状态下的损伤诊断因子之后，可得桥梁结构损伤判别因子，

式中，Z_d桥梁结构损伤判别因子，取值为1时，桥梁结构损伤记为1；取值为0时桥梁结构健康。

进一步的，所述内容三包括以下步骤：

S31：计算桥梁准静载试验荷载效率λ，使其介于0.85～1.05之间

式中，S_a为试验荷载作用下，某一加载试验工况对应的加载控制截面内力或位移的最大计算效应值；S为控制荷载作用下，对应S_a计算的同一加载控制截面内力或位移的最不利效应计算值。

S32：加载车重及数量的确定：加载车辆采用三轴载重汽车，首先参考采用步骤S31计算加载效率下的试验荷载确定加载车重及数量；在此基础上，通过评估桥梁的实际技术状况，将该参考重量调整到最终试验荷载。

S33：加载车速的确定：对于不同的桥梁结构，根据其基频大小选取加载车的速度；为确保加载车的激励频率低于桥梁结构基频，控制加载车辆的速度在5km/h～10km/h范围内。

S34：桥梁准静载试验前详细记录加载车辆的车重、轴重、轴距及轮重，并规划跑车路线。

S35：布置挠度测试仪，每一片主梁沿纵向上设置三个测试断面，测试断面的测点横向布置充分反映桥梁横向挠度分布特征，整体式截面的测点横向布置不少于3个，多梁式截面的测点横向布置逐片梁布置。

S36：接触式或非接触式挠度测试仪安装完毕后，进行系统调试，进行不少于15分钟的稳定观测。

S37：在封闭交通条件下，将试验加载车以恒定速度沿桥梁纵向缓慢通过，保持相同的车速沿同一加载车道进行多次重复试验，获得试验挠度影响线；将这些挠度影响线共同构成测试断面在准静力荷载作用下的影响面。

进一步的，步骤S35中，挠度测试仪为接触式挠度测试仪或非接触式挠度测试仪；上述采用接触式挠度测试仪时，根据现场条件确定接触式挠度测试仪与桥梁的连接方式，保证接触式挠度测试仪与桥梁结构紧密连接，并同时进行电缆线长度的控制，避免因电缆线电阻过大而干扰信号精度；当采用非接触式挠度测试仪时，进行非接触式挠度测试仪支架牢固、可靠的检查工作。

进一步的，所述内容四包括以下步骤：

S41：对一座桥梁进行一次挠度影响线采集试验，则由所有数据可组成m×n的矩阵Y，表达式如下，

式中，m为每一条影响线的测点数量；n为传感器的数量。

S42：针对桥梁某一确定横断面，计算两个位移影响线之间的夹角，从中任取两个列向量和计算两个向量的夹角β_i

式中，ω_j为矩阵Y中任意一个列向量，j∈(1,2,…,n)；ω_k为矩阵Y中任意一个列向量，k∈(1,2,…,n)；||·||为向量范数。将β_i进行组装，可以得到矩阵β，

β＝sort([β₁,β₂,…,β_i,…,β_s]) (24)

式中，sort(·)为按从小到大的有序排列；s为夹角β_i的个数。

S43：将向量β按照Hankel矩阵的形式进行排列，进而构造H矩阵

式中，p为Hankel矩阵的行数；q为Hankel矩阵的列数(p＜q)。构成向量β的元素个数s与Hankel矩阵的参数p,q存在下列关系

s＝p+q-1 (26)

S44：在桥梁健康状况下，取一次的试验数据做为基准状态，则在基准状态下，由向量β构成的Hankel矩阵H_r，计算H_r的零空间矩阵N_r

N_r＝column(null(H_r)) (27)

式中，null(·)为取向量的零空间的任一列；column(·)为矩阵任意一列。

S45：另取M次试验结果，记第c次试验中，由向量β构成的Hankel矩阵H_c，以N_r作为对参考状态的比较，每次试验均乘以参考状态下H_r的右零空间N_r，得到残差向量α_c

α_c＝H_cN_r,(α_c∈R^p×1,c∈(1,2,…,M)) (28)

S46：取步骤S45中残差的范数作为第c次试验的结构损伤诊断因子

在桥梁结构参考状态下，统计多次(假设为K次试验)不同试验残差向量α_c的均值，

S47：利用马氏距离，建立基于零空间的桥梁结构损伤诊断因子γ′_c

式中，Θ为残差向量α_c的协方差矩阵

S48：在参考状态下，计算桥梁结构损伤诊断阈值λ′

λ′＝[γ′₁,γ′₂,…,γ′_c,…,γ′_K]_0.95 (33)

式中，[·]_0.95为结构损伤诊断因子向量{γ′₁,γ′₂,…,γ′_c,…,γ′_K}的95％置信概率值。

S49：在待诊断状态下，对于第d次桥梁加载试验的残差向量α_d，计算得到结构损伤诊断因子，

S410：通比较γ′_d与λ′数值的大小，判断桥梁是否产生结构损伤。

本发明的有益效果为：

本发明的桥梁集群结构运营安全智能监测与快速检测成套技术，对集群内部分桥梁搭建监测系统，从而对集群内有监测系统桥梁进行智能监测，并且在智能监测方面，利用具备大范围、长距离、长持时的高测点密度光纤传感技术与传统点式传感技术相结合，克服了测点布设在空间上不连续，存在漏测的缺点，实现了桥梁结构最高测点密度达到2cm，最长监测距离达到120km。同时，在搭建的监测系统的基础上，采用基于温度-损伤剥离的桥梁结构损伤诊断方法，有效的减弱噪声对桥梁结构应变监测数据的影响，成功提取桥梁结构应变监测数据中的交通荷载趋势项，以此为基础，通过K-mean聚类分析准确地将监测数据分为稳态和非稳态两个类别。相较于传统方法，所提损伤诊断因子对损伤更灵敏，可有效诊断桥梁结构损伤，且对桥梁结构健康状态不产生误判。

对集群内无监测系统的桥梁采用快速检测的方法，在快速检测方面，通过提出的基于挠度影响面的集群内无监测系统桥梁结构快速检测技术，解决了常规的桥梁结构损伤检测方法需要长时间封闭交通的问题，在短时间封闭交通的情况下实现桥梁集群结构加载响应信息的采集与分析。所提的基于挠度影响面的桥梁集群结构损伤诊断方法具有良好的鲁棒性，与传统方法相比，具有更好的抗噪能力。

本发明利用智能监测与快速检测相结合的成套技术实现了桥梁集群内全部桥梁的损伤诊断。

附图说明

图1为本发明框架图。

图2为本发明内容三实施方式示意图。

图3为本发明算例一中选取桥梁集群监测系统中的两座三跨预应力连续箱梁桥应变传感器布置图。

图4为本发明算例一中#8测点结构温度监测数据中心化处理结果。

图5为本发明算例一中#8测点去噪后的结构应变监测数据中心化处理结果。

图6为本发明算例一中#8测点去除环境温度影响的结构应变监测数据。

图7为本发明算例一中#8测点监测数据聚类分析结果。

图8为本发明算例一中#6-#10监测点以未通车前监测数据为参考数据通过本发明算法的损伤诊断结果。

图9为本发明算例一中#6-#10监测点以未通车前监测数据为参考数据通过原始数据的损伤诊断结果。

图10为本发明算例一中#6-#10监测点以稳态数据为参考数据通过本发明所提算法的损伤诊断结果。

图11为本发明算例二中混凝土简支梁有限元数值模型示意图。

图12为本发明算例二中损伤诊断结果图。

具体实施方式

本发明针对如何实现集群内全部桥梁结构运营安全智能监测与快速检测的问题，提出了桥梁集群结构运营安全智能监测与快速检测成套技术。本发明将桥梁智能监测技术与快速检测技术相结合。首先，提出了基于高测点密度传感装备的桥梁集群监测系统搭建技术，克服了传统点式传感系统的不足。然后在此基础上提出了基于温度-损伤剥离的桥梁结构损伤诊断方法，利用矩阵奇异值分解与重构技术，完成了桥梁结构应变监测数据的去噪，并进一步提取应变监测数据交通荷载趋势项，实现桥梁集群结构内有监测系统桥梁的损伤诊断，有效消除了运营环境变化对数据基准模型的影响。同时，提出基于挠度影响面的集群内无监测系统桥梁结构快速检测技术，弥补了常规的桥梁结构损伤检测方法需要长时间封闭交通的缺陷。最后，利用矩阵零空间理论，提出基于挠度影响面的桥梁集群结构损伤诊断方法，具有良好的鲁棒性及抗噪能力。最终实现集群内全部桥梁结构的损伤诊断。

本发明桥梁集群结构运营安全智能监测与快速检测成套技术包括以下内容，如附图1所示：

主要包括两大部分，一是针对桥梁集群内可以建立监测系统的桥梁进行监测系统的搭建及结构的损伤诊断；二是针对桥梁集群内无监测系统的桥梁进行检测试验及结构的损伤诊断。

第一大部分针对桥梁集群内可以建立监测系统的桥梁结构进行损伤诊断，包括以下两方面内容：

内容一：基于高测点密度传感装备的桥梁集群监测系统搭建技术；

内容二：基于温度-损伤剥离的桥梁结构损伤诊断方法。

第二大部分针对桥梁集群内无监测系统的桥梁结构进行损伤诊断，包括以下两方面内容：

内容三：基于挠度影响面的桥梁结构安全快速检测技术；

内容四：基于挠度影响面的桥梁集群结构损伤诊断方法。

下面通过实施例详细介绍：

对于第一大部分，首先搭建高测点密度传感装备的桥梁集群监测系统，具体包括以下步骤：

S1：基于高测点密度传感装备的桥梁集群监测系统搭建

一个桥梁集群中可能有数十座甚至几十座桥梁，如果将所有桥梁都装上监测系统将是一笔巨大的成本，因此，本发明考虑实际和成本因素，只在部分桥梁上搭建监测系统，本发明监测系统装在桥梁集群中的关键桥梁中，比如比较高的桥梁、跨公路桥、跨铁路桥、跨河桥等等，普通的桥梁也可部分安装。

本发明桥梁集群监测系统搭建包括：基于高测点密度传感装备的感知单元的布设、高测点密度数据采集与传输模块的集成、桥梁集群结构安全诊断与预警子系统的搭建、桥梁集群结构高测点密度中心数据库子系统的搭建、桥梁集群结构安全监测系统远程管理用户子系统的构建。

其中，基于高测点密度传感装备的感知单元主要包括点式电信号力学传感器、分布式布里渊光纤传感器以及桥梁动态称重系统。

上述点式电信号力学传感器主要布设于桥梁上部结构的最不利受力断面及关键受力断面，点式电信号力学传感器包括但不限于点式应变传感器、挠度传感器、振动加速度传感器、索力传感器、风速仪、环境温湿度传感器等。

上述分布式布里渊光纤传感器沿桥梁上部结构及下部结构通长布设，并形成光信号传输回路，分布式布里渊光纤传感器采用基于差分脉冲对技术(DPP-BOTDA)，最高测点密度可达2cm间隔一个测点，最长监测距离可达120km。

上述桥梁动态称重系统布置于桥头。

其中，高测点密度数据采集与传输模块中的点式电信号力学传感器数据的采集与传输采用放射状子网络形式将数据采集于电信号采集系统，并将监测点信号转换为标准以太网及无线网络数字信号，远程传输至服务器；高测点密度数据采集、传输模块中的分布式光纤传感数据的采集与传输是通过采用光纤信号解调仪进行回路式采集，可同时采集多个光纤监测回路，并将光信号布里渊频移数据远程传输至服务器。

其中，桥梁集群结构安全诊断与预警子系统主要包括但不限于监测数据的预处理(去噪、滤波、去趋势、FFT变换等)、模态分析(模态参数识别、模型修正等)、结构损伤诊断、多等级实时预警机制、结构安全评定。

其中，桥梁集群结构高测点密度中心数据库子系统完成桥梁全寿命期所有监(检)测静态、动态的资料、信息、数据的归档、查询、存储、管理和调用。主要包括结构参数数据库、在线监测数据数据库、离线处理数据数据库。

其中，桥梁集群结构安全监测系统远程管理用户子系统连接数据库接口，将桥梁结构全寿命期各种监(检)测静态、动态的资料、信息、数据按用户要求分类分级按授权向不同用户展示，并且按授权接受不同用户对系统的控制与输入。实现远程系统管理、数据分析与评定及数据查询与统计等功能。

S2：基于温度-损伤剥离的桥梁结构损伤诊断

在上述搭建好的监测系统的基础上，利用监测系统获取的监测数据，对桥梁集群内搭建监测系统的桥梁进行基于温度-损伤剥离的桥梁结构损伤诊断，具体包括以下步骤：

S21：获取桥梁结构应变监测数据集合矩阵X，若该监测系统中有n个应变传感器监测点，每个监测点的采样点数为m，则结构应变监测数据矩阵

的定义如下，

X＝[X₁,X₂,…,X_i,…,X_n]_m×n,i∈(1,2,…,n) (1)

S22：构造结构应变监测数据协方差矩阵X^TX，记作矩阵A。对构造矩阵A进行奇异值分解，可得到如下式的矩阵分解结果，

A＝US_nV^T (2)

式中，U为矩阵A的左奇异向量矩阵；V为矩阵A的右奇异向量矩阵；V^T为矩阵V的转置；S_n为矩阵A的奇异值按递减顺序构成的对角阵，其定义如下式所示，

S_n＝diag(δ₁,δ₂,…,δ_i,…,δ_n),i∈(1,2,…,n) (3)

S23：将上述奇异值按照由大到小进行排列，并将代表测试噪声的较小奇异值采用0值进行替代，选取前r个非零奇异值及其对应的左右奇异值矩阵，对矩阵A进行重构，进而得到削弱噪声干扰的重构矩阵

式中，S′_n为重构矩阵A′的奇异值；S_r为重构矩阵A′的奇异值降秩后构成的对角阵。

S24：计算重构的结构应变监测数据集合X′，有效提高原始结构应变监测数据的信噪比。

X′＝(X^T)^-*A′ (5)

式中，(X^T)^-*为对矩阵X^T求伪逆，

S25：对去噪后的应变监测数据进行中心化处理，即采用如下公式计算，

式中，

为第i个监测点削弱噪声干扰后的应变监测数据列向量X′_i的均值向量；

为第i个监测点的环境温度监测数据列向量T_i的均值向量；X′_c,i为中心化后的应变监测数据列向量；T_c,i为中心化后的环境温度数据列向量。

S26：利用中心化处理后的监测数据采用下式构造矩阵R，

R＝[ωT_c,i X′_c,i]_m×2 (8)

式中，ω为构造矩阵R的权重值，ω的数值需要取相对大值，使得ωT_c,i的方差远远大于X′_c,i的方差，从而在PCA分解时的主轴方向代表环境温度荷载，次轴方向代表结构应变响应。

S27：构造矩阵R的协方差矩阵C，对协方差矩阵C进行特征值分解，

C＝PΛP^T (9)

特征向量矩阵P同时也是构造矩阵R的投影向量矩阵，利用该矩阵，构造矩阵R的第j个分量为Y_j，

Y_j＝RP_j (10)

式中，P_j为特征向量矩阵P的第j个列向量；Y_j为构造矩阵R的第j个主成分。列向量Y₁是构造矩阵R的第一主成分，该主成分表示扩大了ω倍的环境温度监测数据，Y₁与Y₂相互正交，Y₂表示去除了环境温度趋势的应变响应监测数据交通荷载趋势项。对于新建桥梁而言，结构应变监测数据Y₂包含有两部分，即交通荷载非稳定状态下与交通荷载稳定状态下的应变监测数据。

S28：对矩阵

进行PCA投影，得投影后矩阵为Y，

Y＝[Y₁ Y₂]＝[y₁,y₂,…,y_p,…,y_m]^T,p∈(1,2,…,m) (11)

式中，y_p为投影矩阵Y的第p个向量。定义K-mean聚类分析算法中的中心点集为Ω＝[c₁ c₂]^T，中心点向量c₁，

式中，N₁为第1类别Ω₁的样本个数；N₂为第2类别Ω₂的样本个数。同理可确定中心点向量c₂。

S29：采用优化求解的方式，对矩阵Y中的每个元素进行聚类划分，以第1类别划分为例，构建如下优化目标函数，

式中，dist(y_p,c₁)为矩阵Y的第p个元素y_p到中心点向量c₁的欧式距离。

S210：利用质心选择方法求解目标函数式，分别得到第1类别Ω₁和第2类别Ω₂。对两个类别中每个元素对应的监测时间进行比较，即可判别时间序列靠前的类别为非稳态数据，时间序列靠后的类别为稳态数据基准模型，

式中，

为X′_i的稳态监测数据；

为X′_i的第φ个元素，φ∈(m-N₂+1,…,m)。

在此基础上，将桥梁结构断面g个应变监测点进行集合，可得到任意φ时刻的稳态数据集合

S211：以桥梁结构某一断面为单位，利用该断面g个结构应变的监测数据进行损伤诊断，在φ时刻下，可定义基于稳态数据基准模型的损伤诊断因子γ_φ，同理可得到待诊断状态下的损伤诊断因子γ_d，

式中，C_G稳态数据集合

的协方差矩阵，

为

的均值向量，其为矩阵

的第φ个行向量。进而可得到基于稳态数据基准模型的损伤诊断因子向量γ_φ，

S212：由步骤S211所得γ_φ定义结构损伤诊断阈值η，

η＝β·γ_φ，0.95 (19)

式中，β为保证系数，该数值根据具体桥梁结构的监测数据而定，通常可取1.2；γ_φ，0.95为结构损伤诊断因子向量γ_φ取95％置信概率的中位数。

S213：在分别得到参考状态的损伤诊断阈值与待诊断状态下的损伤诊断因子之后，可得桥梁结构损伤判别因子，

式中，Z_d桥梁结构损伤判别因子，取值为1时，桥梁结构损伤记为1；取值为0时桥梁结构健康。

下面介绍针对桥梁集群内无监测系统的桥梁结构进行损伤诊断，其中的基于挠度影响面的集群内无监测系统桥梁结构快速检测技术，即内容三的具体步骤包括：

S31：计算桥梁准静载试验荷载效率λ，使其介于0.85～1.05之间

式中，S_a为试验荷载作用下，某一加载试验工况对应的加载控制截面内力或位移的最大计算效应值；S为控制荷载作用下，对应S_a计算的同一加载控制截面内力或位移的最不利效应计算值。

S32：加载车重及数量的确定：加载车辆采用三轴载重汽车，首先参考采用步骤S31计算加载效率下的试验荷载确定加载车重及数量；在此基础上，通过评估桥梁的实际技术状况，将该参考重量调整到最终试验荷载。

S33：加载车速的确定：对于不同的桥梁结构，根据其基频大小选取加载车的速度；为确保加载车的激励频率低于桥梁结构基频，控制加载车辆的速度在5km/h～10km/h范围内。

S34：桥梁准静载试验前详细记录加载车辆的车重、轴重、轴距及轮重，并规划跑车路线。

S35：布置接触式或非接触式挠度测试仪，每一片主梁沿纵向上设置三个测试断面，测试断面的测点横向布置应充分反映桥梁横向挠度分布特征，整体式截面的测点横向布置不宜少于3个，多梁式(分离式)截面的测点横向布置宜逐片梁布置，用于测量桥梁结构竖向挠度。

上述采用接触式挠度测试仪时，根据现场条件确定接触式挠度测试仪与桥梁的连接方式，保证接触式挠度测试仪与桥梁结构紧密连接，并同时进行电缆线长度的控制，避免因电缆线电阻过大而干扰信号精度；当采用非接触式挠度测试仪时，进行非接触式挠度测试仪支架牢固、可靠的检查工作。

S36：接触式或非接触式挠度测试仪安装完毕后，进行系统调试，进行不少于15分钟的稳定观测。

S37：在封闭交通条件下，将试验加载车以恒定速度沿桥梁纵向缓慢通过。保持相同的车速沿同一加载车道进行多次重复试验，以获得可靠的试验挠度影响线。

对于实际的桥梁，考虑到荷载的横向分布，桥梁上部结构的每个测试断面存在多条挠度影响线。测试断面由若干片梁组成，每片梁测试得到一条影响线，将这些影响线共同构成测试断面在准静力荷载作用下的影响面。

利用上述检测所获取的挠度影响线进行损伤诊断，内容四中基于挠度影响面的桥梁集群结构损伤诊断的具体步骤为：

S41：对一座桥梁进行一次挠度影响线采集试验，则由所有数据可组成m×n的矩阵Y，表达式如下，

式中，m为每一条影响线的测点数量；n为传感器的数量。

S42：针对桥梁某一确定横断面，计算两个位移影响线之间的夹角，从中任取两个列向量和计算两个向量的夹角β_i

式中，ω_j为矩阵Y中任意一个列向量，j∈(1,2,…,n)；ω_k为矩阵Y中任意一个列向量，k∈(1,2,…,n)；||·||为向量范数。将β_i进行组装，可以得到矩阵β，

β＝sort([β₁,β₂,…,β_i,…,β_s]) (24)

式中，sort(·)为按从小到大的有序排列；s为夹角β_i的个数。

S43：将向量β按照Hankel矩阵的形式进行排列，进而构造H矩阵

式中，p为Hankel矩阵的行数；q为Hankel矩阵的列数(p＜q)。构成向量β的元素个数s与Hankel矩阵的参数p,q存在下列关系

s＝p+q-1 (26)

S44：在桥梁健康状况下，取一次的试验数据做为基准状态，则在基准状态下，由向量β构成的Hankel矩阵H_r，计算H_r的零空间矩阵N_r

N_r＝column(null(H_r)) (27)

式中，null(·)为取向量的零空间的任一列；column(·)为矩阵任意一列。

S45：另取M次试验结果，记第c次试验中，由向量β构成的Hankel矩阵H_c，以N_r作为对参考状态的比较，每次试验均乘以参考状态下H_r的右零空间N_r，得到残差向量α_c

α_c＝H_cN_r,(α_c∈R^p×1,c∈(1,2,…,M)) (28)

S46：取步骤S45中残差的范数作为第c次试验的结构损伤诊断因子

在桥梁结构参考状态下，统计多次(假设为K次试验)不同试验残差向量α_c的均值，

S47：利用马氏距离，建立基于零空间的桥梁结构损伤诊断因子γ′_c

式中，Θ为残差向量α_c的协方差矩阵

S48：在参考状态下，计算桥梁结构损伤诊断阈值λ′

λ′＝[γ′₁,γ′₂,…,γ′_c,…,γ′_K]_0.95 (33)

式中，[·]_0.95为结构损伤诊断因子向量{γ′₁,γ′₂,…,γ′_c,…,γ′_K}的95％置信概率值。

S49：在待诊断状态下，对于第d次桥梁加载试验的残差向量α_d，计算得到结构损伤诊断因子，

S410：通比较γ′_d与λ′数值的大小，判断桥梁是否产生结构损伤。

算例一：下面选取桥梁集群监测系统中的两座三跨预应力连续箱梁桥作为算例，验证基于温度-损伤剥离的桥梁结构损伤诊断方法的有效性。

选取的#1桥梁的跨径组合为30m+30m+30m，主梁为变宽梁，其宽度在26.3m到28.3m之间变化，主梁安装有25个点式应变传感器。选取的#2桥梁的跨径组合为32m+34m+32m，主梁宽度在27.3m到36.4m之间变化，主梁安装有24个点式应变传感器。两座桥梁的横截面均采用单箱六室的结构形式，两座桥梁的点式应变传感器布置图如图3所示。

图3中监测点#1～#5、#11～#15、#21～#29、#35～#39、#45～#49位于桥梁主梁底板，监测点#6～#10、#16～#20、#30～#34、#40～#44位于桥梁主梁顶板。整桥的监测系统于2016年6月4日通过竣工验收，开始采集数据进入调试阶段。整桥的监测系统于2016年10月1日完成调试和校核工作，进入试运行阶段，应变的采样频率为每10分钟采集1次。整桥的监测系统于2017年4月1日进入正式运营阶段。

以顶板的#8监测点为例对结构温度监测数据及去噪后的结构应变监测数据分别进行中心化处理，处理后的结果见图4和图5所示。按照监测时间顺序，时间轴偏前的为近似空载状态的非稳态数据，时间轴偏后的为近似满载状态的稳态数据。

由图4和图5可知，中心化处理后的结构温度监测数据的波动范围在±30℃，中心化处理后的结构应变监测数据的波动范围在±100με。应变响应的波动大于温度数据，因此，构建矩阵R时，需要给结构温度监测数据一个权重ω使得结构温度的波动大于结构应变监测数据，使得构造矩阵R的第一主方向Y₁为结构温度数据，第二主方向Y₂为去除温度趋势的结构应变监测数据，即车辆荷载引起的应变响应。根据实际情况这里的权重ω设置为1000。计算得到的构造矩阵R的Y₂轴投影(车辆荷载作用引起的应变响应)见图6所示，构造矩阵R的第一主方向Y₁与第二主方向Y₂散点分布的K-means聚类结果见图7所示。

由图6可知，构造矩阵R的Y₂轴投影，即车辆荷载作用引起的应变响应呈现两个状态及一个趋势，2016年10月1日～2017年4月27日为第一个平稳状态，未通车前的近似空载状态；2017年4月27日～2017年10月3日车流量逐渐增加，通车后的车辆荷载增加趋势，2017年10月3日-2017年5月1日为第二个稳定状态，通车后的满载状态。说明所提取的Y₂轴投影，能够正确反应车辆荷载的作用变化。如图7所示，在构造矩阵R的第一主方向Y₁与第二主方向Y₂散点分布的K-means聚类结果中，上面部分为非稳态数据(空载状态及车流量上升阶段)，下面部分为稳态数据(满载状态)。由于非稳态数据与稳态数据的车辆荷载作用不同，沿着Y₂轴方向上面部分和下面部分明显的区分开。可以很容易的将数据分为两类，从而得到下面部分的稳态数据。图7的结果说明：本发明所提算法可以有效的将顶板数据的荷载趋势找到，并提取出稳态监测数据。

以2016年10月3日到2017年4月27日未通车前的数据作为参考状态；将通车后的桥梁结构视为损伤状态，即将2017年4月27日到2018年5月2日通车后的数据作为待诊断状态。选取顶板的#6～#10监测点的数据，利用参考状态下的结构应变监测数据建立损伤诊断因子向量，并确定损伤诊断阈值；然后，采用待诊断状态的结构应变监测数据计算损伤诊断因子向量，通过比较与阈值的大小进行损伤诊断，损伤诊断结果如图8所示。由顶板#6～#10监测点的损伤诊断因子向量可以明显判别出待诊断状态出现了异常，而且2017年10月3日～2018年5月1日的稳态数据段(通车后的满载状态)全部高出阈值，明显区别于参考数据的未通车状态。

此外，为了对比所提结果损伤诊断方法的有效性，直接采用顶板的#6～#10监测点的应变响应数据，最终的损伤诊断结果见图9所示。由此可以看出不通过本发明所提算法提取车辆荷载趋势项将判别不出待诊断状态的异常。

为了验证本发明所提算法是否会对健康状态下的桥梁做出损伤的误判。利用稳态监测数据为参考状态，即2017年10月3日～2018年5月1日间7个月的监测数据视为参考状态。采用2018年5月1日～2018年9月1日的4个月数据作为待诊断状态，用来检验所提算法的有效性。利用顶板的#6～#10监测点的应变数据，结构损伤诊断结果见图10所示。

顶板的#6～#10监测点的结构损伤诊断因子向量表明待诊断状态无异常，验证了本发明所提结构损伤诊断算法的正确性。

算例二：下面选取如图11所示混凝土简支梁有限元模型作为数值算例，验证所提基于挠度影响面的桥梁集群结构损伤诊断方法的有效性。

将有限元模型划分为60个单元，61个节点，每个单元0.5m长，全桥长30m，采用C50混凝土，混凝土弹性模量为3.497×10⁷kN/m²，截面为空心板梁抗弯惯性矩为2.395×10^-2m⁴。

采用局部范围内抗弯刚度的缩减来模拟结构可能出现的裂缝损伤或者混凝土强度降低等损伤现象，从1/10跨开始每隔3m设一个可能的损伤位置，依次模拟不同位置发生损伤的单损伤情况。结构损伤范围为损伤点左右各0.5m，结构损伤程度为5％-15％。观测点位置也是从1/10跨开始每隔3m设置一个观测点共有9个传感器，通过测试各个观测点的挠度随准静力移动荷载位置的变化曲线来进行结构损伤识别，桥梁健康状态下准静力荷载为100kN，桥梁损伤状态下准静力荷载为100kN或者50kN。

数值模拟采用Midas Civil软件共模拟405条影响线，其中100kN移动荷载下，按损伤程度划分为0％(健康)，5％，10％，15％四组，每组下又分为9种不同的损伤位置，每种损伤位置工况下采集9个不同观测点的挠度影响线，共324条影响线。其中50kN移动荷载下损伤程度为5％的数据1组，共81条影响线。100kN移动荷载下共有45种工况，每种工况下的9条挠度影响线，采用本发明所提方法计算向量夹角，构造Hankel矩阵，最后计算损伤指标，每种工况1个损伤指标，共有45个损伤指标，具体结果见图12。

由图12分析可知：一方面，当桥梁结构损伤位置相同时，随着损伤程度的增大，损伤诊断因子的数值也随之增大；另一方面，当结构损伤程度相同时，损伤诊断因子数值随着损伤位置的变化而变化，即损伤位置离支撑端越近，得到的损伤特征度量值越大。损伤发生在跨中时，简支梁中的9条影响线有4条是相同的；而当损伤位置越靠近支点处时，9条影响线的差异化越大，这说明支点处的位移影响线对损伤更敏感。此外，后两种情况的损伤指标相同，这意味着所提出的方法与桥梁结构损伤前后的荷载条件无关。通过该数值算例证明了本发明基于挠度影响面的桥梁集群结构损伤诊断方法的有效性。

本发明还可有其它多种实例，在不背离本发明精神及其实质的情况下，本领域技术人员可根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (8)

1.桥梁集群结构运营安全智能监测与快速检测成套技术，其特征在于：包括以下内容：

内容一：基于高测点密度传感装备的桥梁集群监测系统搭建，监测系统搭建在桥梁集群内部分桥梁上，监测系统搭建包括基于高测点密度传感装备的感知单元的布设、高测点密度数据采集与传输模块的集成、桥梁集群结构安全诊断与预警子系统的搭建、桥梁集群结构高测点密度中心数据库子系统的搭建、桥梁集群结构安全监测系统远程管理用户子系统的构建；

其中：

基于高测点密度传感装备的感知单元包括点式电信号力学传感器、分布式布里渊光纤传感器、桥梁动态称重系统；点式电信号力学传感器主要布设于桥梁上部结构的最不利受力断面及关键受力断面；分布式布里渊光纤传感器沿桥梁上部结构及下部结构通长布设，并形成光信号传输回路；桥梁动态称重系统布置于桥头；

高测点密度数据采集与传输模块中的点式电信号力学传感器数据的采集与传输采用放射状子网络形式将数据采集于电信号采集系统，并将监测点信号转换为标准以太网及无线网络数字信号，远程传输至服务器；高测点密度数据采集、传输模块中的分布式光纤传感数据的采集与传输通过采用光纤信号解调仪进行回路式采集，可同时采集多个光纤监测回路，并将光信号布里渊频移数据远程传输至服务器；

桥梁集群结构安全诊断与预警子系统包括监测数据的预处理、模态分析、结构损伤诊断、多等级实时预警机制、结构安全评定；

桥梁集群结构高测点密度中心数据库子系统包括结构参数数据库、在线监测数据数据库、离线处理数据数据库，完成桥梁全寿命期所有监/检测静态、动态的资料、信息、数据的归档、查询、存储、管理和调用；

桥梁集群结构安全监测系统远程管理用户子系统连接数据库接口，将桥梁结构全寿命期各种监/检测静态、动态的资料、信息、数据按用户要求分类分级按授权向不同用户展示，并且按授权接受不同用户对系统的控制与输入，实现远程系统管理、数据分析与评定及数据查询与统计功能；

内容二：在内容一搭建的桥梁集群监测系统的基础上，对集群内具有监测系统的桥梁进行基于温度-损伤剥离的桥梁结构损伤诊断；

内容三：对桥梁集群内无监测系统的桥梁结构进行桥梁准静载试验，布置挠度测试仪，获取挠度影响线，将这些影响线共同构成测试断面在准静力荷载作用下的影响面；

内容四：利用内容三检测所获取的挠度影响线对集群内不具有监测系统的桥梁进行基于挠度影响面的桥梁集群结构损伤诊断。

2.根据权利要求1所述的桥梁集群结构运营安全智能监测与快速检测成套技术，其特征在于：所述内容一中，点式电信号力学传感器包括点式应变传感器、挠度传感器、振动加速度传感器、索力传感器、风速仪、环境温湿度传感器中一种或几种。

3.根据权利要求1所述的桥梁集群结构运营安全智能监测与快速检测成套技术，其特征在于：所述内容一中，分布式布里渊光纤传感器采用基于差分脉冲对技术，最高测点密度达2cm间隔一个测点，最长监测距离达120km。

4.根据权利要求1所述的桥梁集群结构运营安全智能监测与快速检测成套技术，其特征在于：所述内容一中，监测数据的预处理包括去噪、滤波、去趋势、FFT变换；模态分析包括模态参数识别、模型修正。

5.根据权利要求1所述的桥梁集群结构运营安全智能监测与快速检测成套技术，其特征在于：所述内容二具体包括以下步骤：

S21：获取桥梁结构应变监测数据集合矩阵X，若该监测系统中有n个应变传感器监测点，每个监测点的采样点数为m，则结构应变监测数据矩阵

的定义如下，

X＝[X₁,X₂,…,X_i,…,X_n]_m×n,i∈(1,2,…,n) (1)

S22：构造结构应变监测数据协方差矩阵X^TX，记作矩阵A；对构造矩阵A进行奇异值分解，可得到如下式的矩阵分解结果，

A＝US_nV^T (2)

式中，U为矩阵A的左奇异向量矩阵；V为矩阵A的右奇异向量矩阵；V^T为矩阵V的转置；S_n为矩阵A的奇异值按递减顺序构成的对角阵，其定义如下式所示，

S_n＝diag(δ₁,δ₂,…,δ_i,…,δ_n),i∈(1,2,…,n) (3)

S23：将上述奇异值按照由大到小进行排列，并将代表测试噪声的较小奇异值采用0值进行替代，选取前r个非零奇异值及其对应的左右奇异值矩阵，对矩阵A进行重构，进而得到削弱噪声干扰的重构矩阵

式中，S′_n为重构矩阵A′的奇异值；S_r为重构矩阵A′的奇异值降秩后构成的对角阵；

S24：计算重构的结构应变监测数据集合X′，有效提高原始结构应变监测数据的信噪比；

X′＝(X^T)^-*A′ (5)

式中，(X^T)^-*为对矩阵X^T求伪逆，

S25：对去噪后的应变监测数据进行中心化处理，即采用如下公式计算，

式中，

为第i个监测点削弱噪声干扰后的应变监测数据列向量X′_i的均值向量；

为第i个监测点的环境温度监测数据列向量T_i的均值向量；X′_c,i为中心化后的应变监测数据列向量；T_c,i为中心化后的环境温度数据列向量；

S26：利用中心化处理后的监测数据采用下式构造矩阵R，

R＝[ωT_c,i X′_c,i]_m×2 (8)

式中，ω为构造矩阵R的权重值，ω的数值需要取相对大值，使得ωT_c,i的方差远远大于X′_c,i的方差，从而在PCA分解时的主轴方向代表环境温度荷载，次轴方向代表结构应变响应；

S27：构造矩阵R的协方差矩阵C，对协方差矩阵C进行特征值分解，

C＝PΛP^T (9)

特征向量矩阵P同时也是构造矩阵R的投影向量矩阵，利用该矩阵，构造矩阵R的第j个分量为Y_j，

Y_j＝RP_j (10)

式中，P_j为特征向量矩阵P的第j个列向量；Y_j为构造矩阵R的第j个主成分。列向量Y₁是构造矩阵R的第一主成分，该主成分表示扩大了ω倍的环境温度监测数据，Y₁与Y₂相互正交，Y₂表示去除了环境温度趋势的应变响应监测数据交通荷载趋势项；对于新建桥梁而言，结构应变监测数据Y₂包含有两部分，即交通荷载非稳定状态下与交通荷载稳定状态下的应变监测数据；

S28：对矩阵

进行PCA投影，得投影后矩阵为Y，

Y＝[Y₁ Y₂]＝[y₁,y₂,…,y_p,…,y_m]^T,p∈(1,2,…,m) (11)

式中，y_p为投影矩阵Y的第p个向量。定义K-mean聚类分析算法中的中心点集为Ω＝[c₁c₂]^T，中心点向量c₁，

式中，N₁为第1类别Ω₁的样本个数；N₂为第2类别Ω₂的样本个数；同理可确定中心点向量c₂；

S29：采用优化求解的方式，对矩阵Y中的每个元素进行聚类划分，以第1类别划分为例，构建如下优化目标函数，

式中，dist(y_p,c₁)为矩阵Y的第p个元素y_p到中心点向量c₁的欧式距离；

S210：利用质心选择方法求解目标函数式，分别得到第1类别Ω₁和第2类别Ω₂；对两个类别中每个元素对应的监测时间进行比较，即可判别时间序列靠前的类别为非稳态数据，时间序列靠后的类别为稳态数据基准模型，

式中，

为X′_i的稳态监测数据；

为X′_i的第φ个元素，φ∈(m-N₂+1,…,m)；

在此基础上，将桥梁结构断面g个应变监测点进行集合，可得到任意φ时刻的稳态数据集合

S211：以桥梁结构某一断面为单位，利用该断面g个结构应变的监测数据进行损伤诊断，在φ时刻下，可定义基于稳态数据基准模型的损伤诊断因子γ_φ，同理可得到待诊断状态下的损伤诊断因子γ_d，

式中，C_G稳态数据集合的协方差矩阵，

为

的均值向量，其为矩阵

的第φ个行向量；进而可得到基于稳态数据基准模型的损伤诊断因子向量γ_φ，

S212：由步骤S211所得γ_φ定义结构损伤诊断阈值η，

η＝β·γ_φ，0.95 (19)

式中，β为保证系数，该数值根据具体桥梁结构的监测数据而定，通常可取1.2；γ_φ，0.95为结构损伤诊断因子向量γ_φ取95％置信概率的中位数；

S213：在分别得到参考状态的损伤诊断阈值与待诊断状态下的损伤诊断因子之后，可得桥梁结构损伤判别因子，

式中，Z_d桥梁结构损伤判别因子，取值为1时，桥梁结构损伤记为1；取值为0时桥梁结构健康。

6.根据权利要求1所述的桥梁集群结构运营安全智能监测与快速检测成套技术，其特征在于：所述内容三包括以下步骤：

S31：计算桥梁准静载试验荷载效率λ，使其介于0.85～1.05之间

式中，S_a为试验荷载作用下，某一加载试验工况对应的加载控制截面内力或位移的最大计算效应值；S为控制荷载作用下，对应S_a计算的同一加载控制截面内力或位移的最不利效应计算值；

S32：加载车重及数量的确定：加载车辆采用三轴载重汽车，首先参考采用步骤S31计算加载效率下的试验荷载确定加载车重及数量；在此基础上，通过评估桥梁的实际技术状况，将该参考重量调整到最终试验荷载；

S33：加载车速的确定：对于不同的桥梁结构，根据其基频大小选取加载车的速度；为确保加载车的激励频率低于桥梁结构基频，控制加载车辆的速度在5km/h～10km/h范围内；

S34：桥梁准静载试验前详细记录加载车辆的车重、轴重、轴距及轮重，并规划跑车路线；

S35：布置挠度测试仪，每一片主梁沿纵向上设置三个测试断面，测试断面的测点横向布置充分反映桥梁横向挠度分布特征，整体式截面的测点横向布置不少于3个，多梁式截面的测点横向布置逐片梁布置；

S36：接触式或非接触式挠度测试仪安装完毕后，进行系统调试，进行不少于15分钟的稳定观测；

S37：在封闭交通条件下，将试验加载车以恒定速度沿桥梁纵向缓慢通过，保持相同的车速沿同一加载车道进行多次重复试验，获得试验挠度影响线；将这些挠度影响线共同构成测试断面在准静力荷载作用下的影响面。

7.根据权利要求6所述的桥梁集群结构运营安全智能监测与快速检测成套技术，其特征在于：步骤S35中，挠度测试仪为接触式挠度测试仪或非接触式挠度测试仪；上述采用接触式挠度测试仪时，根据现场条件确定接触式挠度测试仪与桥梁的连接方式，保证接触式挠度测试仪与桥梁结构紧密连接，并同时进行电缆线长度的控制，避免因电缆线电阻过大而干扰信号精度；当采用非接触式挠度测试仪时，进行非接触式挠度测试仪支架牢固、可靠的检查工作。

8.根据权利要求6所述的桥梁集群结构运营安全智能监测与快速检测成套技术，其特征在于：所述内容四包括以下步骤：

S41：对一座桥梁进行一次挠度影响线采集试验，则由所有数据可组成m×n的矩阵Y，表达式如下，

式中，m为每一条影响线的测点数量；n为传感器的数量。

S42：针对桥梁某一确定横断面，计算两个位移影响线之间的夹角，从中任取两个列向量和计算两个向量的夹角β_i

式中，ω_j为矩阵Y中任意一个列向量，j∈(1,2,…,n)；ω_k为矩阵Y中任意一个列向量，k∈(1,2,…,n)；||·||为向量范数。将β_i进行组装，可以得到矩阵β，

β＝sort([β₁,β₂,…,β_i,…,β_s]) (24)

式中，sort(·)为按从小到大的有序排列；s为夹角β_i的个数。

S43：将向量β按照Hankel矩阵的形式进行排列，进而构造H矩阵

式中，p为Hankel矩阵的行数；q为Hankel矩阵的列数(p＜q)。构成向量β的元素个数s与Hankel矩阵的参数p,q存在下列关系

s＝p+q-1 (26)

S44：在桥梁健康状况下，取一次的试验数据做为基准状态，则在基准状态下，由向量β构成的Hankel矩阵H_r，计算H_r的零空间矩阵N_r

N_r＝column(null(H_r)) (27)

式中，null(·)为取向量的零空间的任一列；column(·)为矩阵任意一列。

S45：另取M次试验结果，记第c次试验中，由向量β构成的Hankel矩阵H_c，以N_r作为对参考状态的比较，每次试验均乘以参考状态下H_r的右零空间N_r，得到残差向量α_c

α_c＝H_cN_r,(α_c∈R^p×1,c∈(1,2,…,M)) (28)

S46：取步骤S45中残差的范数作为第c次试验的结构损伤诊断因子

在桥梁结构参考状态下，统计多次(假设为K次试验)不同试验残差向量α_c的均值，

S47：利用马氏距离，建立基于零空间的桥梁结构损伤诊断因子γ′_c

式中，Θ为残差向量α_c的协方差矩阵

S48：在参考状态下，计算桥梁结构损伤诊断阈值λ′

λ′＝[γ′₁,γ′₂,…,γ′_c,…,γ′_K]_0.95 (33)

式中，[·]_0.95为结构损伤诊断因子向量{γ′₁,γ′₂,…,γ′_c,…,γ′_K}的95％置信概率值。

S49：在待诊断状态下，对于第d次桥梁加载试验的残差向量α_d，计算得到结构损伤诊断因子，

S410：通比较γ′_d与λ′数值的大小，判断桥梁是否产生结构损伤。

Images