车载激励下基于自适应滤波方法的桥梁结构在线监测与损伤识别研究

The on-line health monitoring and local damage identification of bridges are becoming more important in maintaining the security of service bridges. For large civil structures such as long-span bridges, the passing vehicles are more suitable as excitation sources than impulsive or sinusoidal loads and the corresponding detection method will not influence the normal bridge operation. Based on extended Kalman filtering method, the on-line health monitoring and damage detection methods are studied using operating vehicle load with the diagnosis strategy combining the parameters detection of whole structure and damage identification of substructure in this research application. The research will concludes the following contents. The extended Kalman filtering method considering the bridge model with reduced degree of freedoms is established according to the analysis of bridge-vehicle coupled vibration, and the constraints of the sparsest generalized coordinates are introduced into the Kalman recursive algorithm. In order to adapt time-varying features of the bridge-vehicle coupled system, the adaptive adjusting technique is used to update the recursive algorithm and the noise covariance of the process and the measurement adaptively. While the dynamical responses of whole bridge are reconstructed and the parameters of structure are updated according to the time domain signal of limited measuring points, the detected parameters will indicate the location of the possible damages and substructural boundary conditions will be obtained through the responses of whole bridge, and then the local damage identification of bridge will be achieved according to the responses of local measuring points by refining the possible damage types and updating parameters of substructure. The achievement of this research application can provide an effective technique for evaluate the safety of the service bridges.

在线监测桥梁结构状态、识别局部损伤对于保障在役桥梁安全性意义重大。由于以行驶车辆作为激励源特别适于桥梁结构的激振，且具有不中断交通等优点，因此本申请项目将以扩展卡尔曼滤波方法为基础，采取整体结构参数监测与局部子结构损伤识别相结合的策略，研究车载激励下桥梁结构的在线监测与损伤识别问题。主要研究内容为：针对车桥耦合系统参数识别问题建立缩减自由度形式的扩展卡尔曼滤波算法；引入桥梁结构广义坐标稀疏性的约束条件改善卡尔曼递推算法收敛性；为适应车桥耦合系统响应及噪声的时变特性，采用自适应技术自动调整递推算法及状态预测和测量方程中的误差协方差矩阵；分析测点数目、布置等因素对参数识别精度的影响；利用有限测点的时程信号重构桥梁整体运动状态及修正结构参数，判断局部损伤的可能性，并构建相应的子结构边界条件，利用子结构测点的时程响应完成桥梁结构损伤识别。本申请项目研究成果可为桥梁结构安全状况评估提供有效技术。

在线监测桥梁结构状态、识别局部损伤对于保障在役桥梁安全性意义重大。以行驶车辆作为激励源特别适于桥梁结构的激振，且具有不中断交通等优点，但目前与车激响应密切相关的参数反演与损伤识别研究，如反问题不适定性处理、实时识别算法等，却始终缺乏深入研究。本课题旨在通过对车载激励下桥梁结构损伤识别的理论与试验研究，建立适于桥梁结构实时监测的递推型识别算法，分析缓解损伤识别反问题不适定性的方法，揭示车辆、桥梁模型等参数对结构损伤识别诊断的影响，完善现有桥梁结构的健康检测与安全监控理论。.本课题采用理论分析、模型试验、数值模拟相结合的研究方法，主要取得了以下研究成果：（1）基于模态坐标变换，提出了压缩自由度形式的扩展卡尔曼滤波类损伤识别方法，并将高斯响应面等代理模型引入到识别算法的递推过程中，有效提高了识别算法的计算效率与精度；（2）研究了不同类型正则化方法对于结构损伤诊断的影响，揭示了不同正则化过程与结构损伤先验信息的关系，并根据不同正则化过程的特点，提出了在卡尔曼滤波类算法框架中的嵌入方法，显著提高了损伤识别算法的识别精度与鲁棒性；（3）基于移动车辆与桥梁结构的耦合振动模型，提出了基于卡尔曼滤波的递推型损伤识别方法，通过结构时程响应的实测值不断修正待识别变量，从而实现了桥梁结构的损伤诊断；同时，还针对移动荷载和桥梁结构损伤均未知的情况，提出了相应的识别方法，算法收敛性好且对移动速度、桥型等参数不敏感；（4）针对有限测量设备情况，提出了基于联邦滤波的信息融合方法，实现了在测量设备不足情况下，通过多次测量信息完成结构损伤的准确识别；并在此基础上提出了传感器故障自动诊断与排除的实现方法。本课题研究成果有助于提高桥梁结构损伤定位及定量评估的准确性与可靠性，为保障桥梁结构的安全性、适用性与耐久性提供了理论方法和试验依据。

内容获取失败，请点击重试