基于高密度测点应变的大跨径桥梁吊索索力识别方法与流程

1.本发明属于土木工程结构运营安全智能监测领域，特别是涉及一种基于高密度测点应变的大跨径桥梁吊索索力识别方法。


背景技术：

2.近年来，随着桥梁健康监测技术的日渐成熟，桥梁结构健康监测系统已经成为确保桥梁结构运营安全的有力工具，许多大跨径桥梁都已经安装了桥梁结构健康监测系统。然而，受限于传感器的成本和安装等条件，大多数大跨径桥梁结构健康监测系统的测点规模较小，尤其是对于大跨径桥梁的吊索结构，当前桥梁结构健康监测系统往往仅监测部分吊索索力。针对这一问题，本发明提出一种基于高密度测点应变的大跨径桥梁吊索索力识别方法，利用分布式应变和部分吊索的索力测点，实现大跨径桥梁所有吊索索力的识别。


技术实现要素：

3.本发明的目的是为了实现大跨径桥梁所有吊索索力的识别，现提出一种基于高密度测点应变的大跨径桥梁吊索索力识别方法。
4.为实现上述目的，本发明采取的技术方案如下：
5.一种基于高密度测点应变的大跨径桥梁吊索索力识别方法，该方法包括以下步骤：
6.步骤一：依托桥梁结构有限元模型获取主梁结构应变和吊索索力数据，利用去噪自编码器提取主梁结构应变特征，利用一维深度卷积神经网络获取主梁结构应变特征与吊索索力的相关关系，实现大跨径桥梁主梁结构应变-吊索索力相关模型的构建；
7.步骤二：利用分布式传感光纤获取主梁结构高密度测点应变监测数据，以步骤一建立的主梁结构应变-吊索索力相关模型为基础，实现大跨径桥梁所有实际吊索索力的估算；
8.步骤三：利用大跨径桥梁部分吊索索力传感器获取的监测数据，以b样条插值方法为基础，修正步骤二获得的大跨径桥梁所有吊索索力的估算值，实现大跨径桥梁所有吊索索力的识别。
9.本发明相对于现有技术的有益效果是：
10.本发明提出一种基于高密度测点应变的大跨径桥梁吊索索力识别方法，首先，组合应用去噪自编码器与一维深度卷积神经网络，依托桥梁结构有限元模型，构建大跨径桥梁主梁结构应变-吊索索力相关模型；其次，利用分布式传感光纤获取主梁结构高密度测点应变监测数据，实现大跨径桥梁所有实际吊索索力的估算；最后，以大跨径桥梁部分吊索索力传感器获取的监测数据为基础，利用b样条插值方法，修正大跨径桥梁所有吊索索力的估算值，实现大跨径桥梁所有吊索索力的识别。本发明利用去噪自编码器提取主梁结构应变特征，一方面实现了主梁结构应变特征的自动构造，另一方面克服了有限元模型节点与分布式光纤高密度测点不完全相符的困难，实现了有限元模型数据的有效利用。本发明还采
用了一维深度卷积神经网络获取主梁结构应变特征与吊索索力的相关关系，其中，深度卷积神经网络已在深度学习领域得到了广泛研究，在诸多实际项目中的成功应用显示深度卷积神经网络具有十分优异的性能。本发明与现有技术相比，解决了利用分布式应变和部分吊索索力测点实现大跨径桥梁所有吊索索力识别的问题。
附图说明
11.图1为本发明的基于高密度测点应变的大跨径桥梁吊索索力识别方法的流程图。
12.图2为实施例中桥梁结构关键节点和吊索编号示意图。
13.图3为实施例中桥梁结构有限元模型示意图。
14.图4为实施例中索力识别结果与吊索索力实际监测结果的误差图。
具体实施方式
15.本发明所述的大跨径桥梁为具有吊索结构的桥梁，一般中小跨径桥梁无吊索结构。
16.具体实施方式一：如图1所示，本实施方式披露了一种基于高密度测点应变的大跨径桥梁吊索索力识别方法，该方法包括以下步骤：
17.步骤一：依托桥梁结构有限元模型获取主梁结构应变和吊索索力数据，利用去噪自编码器提取主梁结构应变特征，利用一维深度卷积神经网络获取主梁结构应变特征与吊索索力的相关关系，实现大跨径桥梁主梁结构应变-吊索索力相关模型的构建；
18.步骤二：利用分布式传感光纤获取主梁结构高密度测点应变监测数据，以步骤一建立的主梁结构应变-吊索索力相关模型为基础，实现大跨径桥梁所有实际吊索索力的估算；
19.步骤三：利用大跨径桥梁部分吊索索力传感器获取的监测数据，以b样条插值方法为基础，修正步骤二获得的大跨径桥梁所有吊索索力的估算值，实现大跨径桥梁所有吊索索力的识别。
20.具体实施方式二：本实施方式是对具体实施方式一作出的进一步说明，步骤一所述的大跨径桥梁主梁结构应变-吊索索力相关模型的构建方法为：
21.步骤一一：建立大跨径桥梁结构的有限元模型，施加交通流和温度统计得到的车辆荷载和温度荷载，获取多个时刻下该模型主梁结构各个节点的应变，如下式所示，
[0022][0023]
式中，为有限元模型中第i个时刻下主梁结构第j个节点的应变值；为有限元模型中第i个时刻下主梁结构的应变向量；n为有限元模型中主梁结构的节点总数。
[0024]
步骤一二：利用去噪自编码器算法的编码过程提取主梁结构应变的特征，如下式所示，
[0025][0026]
式中，为由有限元模型第i个时刻下主梁结构的应变向量构造的特征；fq(
·
)为去噪自编码器的编码过程。
[0027]
步骤一三：利用卷积神经网络模型，构造主梁结构应变特征和有限元模型所有吊索索力的相关模型，如下式所示，
[0028][0029]
式中，为有限元模型中第i个时刻下桥梁吊索索力估算值；为有限元模型中第i个时刻下桥梁第j根吊索索力估算值；fc(
·
)为卷积神经网络模型。
[0030]
步骤一四：由公式(2)和(3)可构建桥梁主梁结构应变-吊索索力相关模型，如下式所示，
[0031][0032]
具体实施方式三：本实施方式是对具体实施方式二作出的进一步说明，步骤二所述的大跨径桥梁所有实际吊索索力的估算方法为：
[0033]
步骤二一：利用分布式传感光纤获取主梁结构高密度测点应变监测数据，如下式所示，
[0034][0035]
式中，为第i个时刻下主梁结构第j个测点的实际应变监测值；为第i个时刻下主梁结构的实测应变向量。
[0036]
步骤二二：利用步骤一建立的主梁结构应变-吊索索力相关模型，估算桥梁所有实际吊索索力，如下式所示，
[0037][0038]
式中，为第i个时刻下桥梁实际吊索索力估算值向量；为第i个时刻下桥梁第j根吊索实际索力估算值。
[0039]
具体实施方式四：本实施方式是对具体实施方式三作出的进一步说明，步骤三所述的大跨径桥梁吊索索力估算值的修正方法为：
[0040]
步骤三一：利用大跨径桥梁部分吊索上安装的索力传感器获取部分索力监测数据，如下式所示，
[0041][0042]
式中，为第i个时刻下大跨径桥梁索力传感器的监测数据；为第i个时刻下桥梁第j根安装索力传感器的吊索索力监测值。
[0043]
步骤三二：由公式(6)可得安装索力传感器的吊索的索力估算值，如下式所示，
[0044][0045]
式中，为第i个时刻下安装索力传感器的吊索的索力估算值向量；为第i个
时刻下桥梁第j根安装索力传感器的吊索索力估算值。
[0046]
步骤三三：计算安装索力传感器的吊索索力估算值与实际监测值的误差，如下式所示，
[0047][0048]
式中，为第i个时刻下安装索力传感器的吊索索力估算值与实际监测值的误差向量；为第i个时刻下桥梁第j根安装索力传感器的吊索索力估算值与实际监测值的误差。
[0049]
步骤三四：以为待拟合数据，利用b样条曲线拟合各个位置处的吊索索力估算误差，如下式所示，
[0050][0051]
式中，为第i个时刻下b样条曲线拟合得到的吊索索力估算误差向量；为b样条曲线拟合得到的第i个时刻下桥梁第j根吊索的索力估算误差。
[0052]
步骤三五：按下式计算大跨径桥梁吊索索力的修正后估算值，
[0053][0054]
式中，为第i个时刻下桥梁实际吊索索力的修正后估算值向量；为第i个时刻下桥梁第j根吊索实际索力的修正后估算值。
[0055]
实施例：
[0056]
本实施例选取实际桥梁结构作为算例，验证本发明提出的基于高密度测点应变的大跨径桥梁吊索索力识别方法的有效性。该桥梁的结构关键点和吊索编号示意如图2所示，有限元模型如图3所示。利用该桥梁主梁结构分布式应变监测数据及索力传感器监测数据，应用本发明所提方法实现所有索力的识别，索力识别结果与吊索索力实际监测结果的误差如图4所示。可以看出，吊索索力识别结果与实际索力监测值的误差较小，且变化稳定，验证了本发明所提方法的有效性。