桥梁结构损伤识别方法综述

桥梁结构损伤识别方法综述

作者：贾明晓连鑫

来源：《科技风》2017年第11期

摘要：我国的地貌丰富，为满足交通需求，大批跨河桥梁和高架桥应运而生，而随之到来的桥梁结构损伤问题也逐渐受到关注。在交通量大且运营压力大的今天，桥梁经常超载运营，再加之各种不可预见的自然灾害，使得桥梁结构疲劳损伤日趋严重。出现这些问题，首先要对桥梁工作状态，损伤程度和安全性进行评估，然后提出相应处理措施。经过多年的理论研究和实践，国内外学者们提出许多关于桥梁结构损伤识别的方法。本文通过对桥梁检测技术的综合叙述，阐明了桥梁检测的主要项目。从而系统梳理桥梁检测技术知识和提高桥梁损伤识别的有效性。

关键词：桥梁检测；损伤识别；识别方法

Abstract：China is rich in landscape， to meet the traffic demand， a large bridge across a river and viaduct arises at the historic moment， and then come the bridge structure damage problem also gradually attention. In today's traffic flow and operation pressure big， Bridges often overload operation， plus all sorts of unpredictable natural disaster， the bridge structure fatigue damage has become increasingly serious. In the face of these problems， first of all to work state of the bridge，the damage degree and safety assessment， and then put forward the corresponding measures. After years of theoretical research and practice， many domestic and foreign scholars put forward a variety of structural damage identification method. Based on the comprehensive description of bridge detection technology， illustrates the main bridge detection project. Furthermore， combing the knowledge of bridge detection technology and improve the effectiveness of bridge damage identification.

Keywords：bridge detection；damage identification；identifying methods

桥梁是满足交通的重要组成部分，对社会经济的发展起到关键作用。但桥梁结构在长期超载运营中肯定会出现损伤以及安全隐患[1]。想要保证桥梁的安全运营，就必须不时的对桥梁进行整体检测，而最有效的方法就是研究结构的损伤识别[2]。桥梁检测能准确地检查诊断出桥梁内部的各种损伤[3] （如裂纹、磨耗和钢筋锈蚀等），对裂缝及其他损伤的发展趋势进行评估，从而能更好的保护桥梁结构。

一、传统的结构损伤识别方法

近半个世纪以来，许多国内外学者经过大量的研究开发了多种损伤检测方法[4]。主要有半损检测和无损检测两种。由于需要修复的桥梁一般在役，用于桥梁结构检测的主要是无损伤

的识别方法，无损伤的识别方法包括结构局部识别方法和结构整体识别方法。而结构损伤识别方法根据是否反演又分为模型修正法和动力指纹法。此外，自计算机技术发展以来人工神经元网络法也逐渐应用于结构损伤识别的领域。因而，结构损伤识别方法主要有模型修正法、动力指纹法和人工神经网络法。

（一）模型修正法

做试验检验时通常先建立模型，然而，有时会发现所建模型存在系统偏差，这时我们就需要对模型进行修正，以保证模型的等效性。大致分为以下步骤，首先建立有限元模型并模拟损伤，此时该模型必会发生变化，输出结构刚度。然后通过实验测得实际数据并进行反演。最后比较两者的数据，不一样时进行修正，一样时则认为该模型输出的结构参数可以进行损伤识别。此方法应做实验有静载试验对应静态有模型法；动测试验对应动态有模型法。

1.静态有模型法

（二）人工神经网络法

人工神经网络是利用很多神经元相互连接组成的，类似于人类大脑的一些特征。损伤识别通常需要对大量非线性问题进行处理。人工神经网络法处理信息有两个过程，一是学习，就是桥梁运营中输入大量数据样本；二是计算，就是对数据样本进行非线性插值。在这些过程中把损伤识别的反问题简化为两个正向求解问题，所以，人工神经网络法优势在于对反向问题的求解。

由于人工神经网络有很强大的非线性求解能力，而广泛于结构健康监测。但是对于大型结构监测的数据繁多，从而增加识别难度。此时可以分项工作，减少任务量。

（三）动力指纹法

结构是由质量、刚度等结构参数所组成的系统，如果结构发生损伤，那么这些动力学参数就会发生变化，从而使得结构系统的模态参数和频响函数发生变化。动力指纹就是反应结构动力特性的参数，一般包括频率、振型、频响函数（Frequency Response Function， FRF）、曲率模态、刚度矩阵和柔度矩阵等。

动力指纹可通过有限元分析获得，其结果从实验数据出发测的结论也较为客观准确。但是需要较多测点，且实验数据容易受噪声等干扰源影响，使具体损伤位置很难准确无误地找出，这一点可以从试验设备的精确度和试验环境进行改进，可以多做几组梁以便对比观察。虽然动力指纹能识别损伤位置，但是在识别损伤程度时就显得有些不足，并且对多损伤位置识别也不可靠[6]。