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

技术特征：
1.一种基于高密度测点应变的大跨径桥梁吊索索力识别方法，其特征在于，该方法包括以下步骤：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；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；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。2.根据权利要求1所述的基于高密度测点应变的大跨径桥梁吊索索力识别方法，其特征在于，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：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，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；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，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，即主梁结构应变特征；f
q
(
·
)为去噪自编码器的编码过程；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，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；f
c
(
·
)为卷积神经网络模型；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，3.根据权利要求2所述的基于高密度测点应变的大跨径桥梁吊索索力识别方法，其特征在于，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：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，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；
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，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。4.根据权利要求3所述的基于高密度测点应变的大跨径桥梁吊索索力识别方法，其特征在于，步骤三所述的大跨径桥梁吊索索力估算值的修正方法为：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，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；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，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；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，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；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，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；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，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。

技术总结
基于高密度测点应变的大跨径桥梁吊索索力识别方法，属于土木工程结构运营安全智能监测领域。组合应用去噪自编码器与一维深度卷积神经网络，以桥梁结构有限元模型为基础，构建大跨径桥梁主梁结构应变-吊索索力相关模型；在此基础上，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，估算大跨径桥梁所有实际吊索索力；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。桥梁所有吊索索力识别的问题。桥梁所有吊索索力识别的问题。


技术研发人员：刘洋 闫啸坤 常亮 李元涛 程为 韩令奇
受保护的技术使用者：中铁建大桥工程局集团第四工程有限公司 国能运输技术研究院有限责任公司
技术研发日：2022.04.11
技术公布日：2022/7/12