一种桥梁伸缩缝损伤的监测方法与流程

1.本发明涉及桥梁监测技术领域，具体涉及一种桥梁伸缩缝损伤的监测方法。


背景技术：

2.桥梁伸缩缝是桥梁结构中必不可少的部件，在其使用过程中，由于车辆的循环荷载，温度作用以及自身的反复伸缩的作用下，会造成其发生疲劳损伤并且影响桥梁的正常使用。许多学者统计，伸缩缝的使用寿命一般多为十几年，寿命比桥梁使用寿命短的很多。
3.目前桥梁伸缩缝的损伤识别方法主要是人工检测，该方法的主要缺点有：1. 误差较大，损伤识别的成功取决于检测人员的判断；2. 实时性差，只能定期进行检查，不能实时识别损伤；3. 损伤识别影响交通。因此，需要利用先进的传感技术收集数据，科学地对数据进行分析，并确定一种在线监测的方法，进而提高伸缩缝损伤检测的准确性和效率。


技术实现要素：

4.本发明的目的在于：针对桥梁伸缩缝实时监测的不足，提出了一种桥梁伸缩缝损伤的监测方法，以提高桥梁的安全性。
5.本发明公开了一种桥梁伸缩缝损伤的监测方法，包括以下步骤：s1.在桥梁伸缩缝纵向布设传感器，获取传感器的振动信号，对振动信号进行预处理；s2.对预处理后的振动信号进行希尔伯特黄变换得到希尔伯特边际谱，并计算希尔伯特边际谱能量，通过希尔伯特边际谱能量建立能量指标；s3.计算车辆冲击时固定距离内的所有传感器的能量指标，将每个传感器的能量指标收集并定义为特征向量，将特征向量按时间顺序排列，并以此建立数据集，通过特征向量计算不同时间段的灰色关联度；s4.若灰色关联度持续低于最低值则发生损伤，若灰色关联度不低于最低值则更新数据集并持续监测。
6.进一步地，在s1中，所述传感器均匀布设在桥梁伸缩缝的各个部位，用于获取桥梁伸缩缝的各部位的冲击振动信号，所述预处理为去噪处理。
7.进一步地，所述s2的具体步骤为：s201：利用经验模态分解将预处理后的振动信号分解为多个本征模态函数分量和残差，，使得每个本征模态函数分量将满足希尔伯特变换的条件，预处理后的振动信号经验模态分解的公式为：的条件，预处理后的振动信号经验模态分解的公式为：为时间，为分解得到的本征模态函数的个数；s202：将每个本征模态函数分量进行希尔伯特变换，公式为：
其中p代表柯西主值，表示时间积分变量，表示对应的希尔伯特谱，表示时间，表示圆周率值； s203：根据希尔伯特谱，计算解析信号，得到本征模态函数的瞬时幅值和瞬时相位，公式为：值和瞬时相位，公式为：值和瞬时相位，公式为：其中和分别表示第层本征模态函数的瞬时幅值和瞬时相位，表示虚数符号，为时间；s204：根据第层本征模态函数的瞬时相位计算第层本征模态函数的瞬时频率，公式为：s205：将每个本征模态函数分量的希尔伯特谱汇总，计算原始信号的希尔伯特谱，公式为：s206：在时域内对进行积分得到希尔伯特边际谱，公式为：其中表示希尔伯特边际谱，表示数据总长度；s207：对希尔伯特边际谱幅值做归一化处理；s208：通过归一化的希尔伯特边际谱获得希尔伯特边际谱能量，公式为：其中，为希尔伯特边际谱中的有效频率范围。
8.进一步地，所述s3中，将桥梁伸缩缝布置的传感器分为多组，每一组有m个沿着桥梁伸缩缝纵向布置的传感器，该组对应的区域单独成为一个监测区域，按照传感器的布置顺序，收集一次冲击时m个传感器的能量指标di，将m个di设置为一个特征向量，在无损状态下冲击所获得的该区域内的每个传感器的首个能量指标di被用来作为一个特征向量，并设置为参考数列，将预设冲击振动次数所获得的特征向量设置为比较数列，
，表示预设冲击振动次数，按时间顺序排列，计算灰色关联度，计算能量指标di公式为：量指标di公式为：为无损状态首次冲击所获得的希尔伯特边际谱能量，为对应冲击时所获得的希尔伯特边际谱能量；m个传感器的能量指标di被用来作为一个特征向量，并通过特征向量设置一个参考数列和个比较数列：计算参考数列和个比较数列之间的灰色关联度系数，计算公式为：其中和的参考数列，为比较数列，为分辨系数，其中表示参考数列与第个比较数列之间的灰色关联系数，表示样本个数；计算灰色关联度，公式为：。
9.进一步地，当所述参考数列与最后一次冲击振动获得的比较数列的灰色关联度低于第一次冲击振动获得的比较数列与其他比较数列的灰色关联度最低值时，将最后一次冲击振动获得的比较数列替换为新的冲击荷载作用下的比较数列，若连续的参考数列与最后一次冲击振动获得的比较数列的灰色关联度低于最低值的灰色关联度，则进行损伤报警；若连续的参考数列中有一次不低于最低值则定为无损，丢弃疑似损伤数据，继续更新数据集。
10.进一步地,所述更新数据集具体为：将第一次冲击振动获得的比较数列更新为参考数列，将第二次冲击振动获得的比较数列更新为第一次冲击振动获得的比较数列，将第三次冲击振动获得的比较数列更新为第二次冲击振动获得的比较数列，以此类推，直至将新的冲击冲击荷载作用下的能量指标更新为最后一次冲击振动所获得的比较数列：第一次冲击振动获得的数据集：第二次冲击振动获得的数据集：第n次冲击振动获得的数据集：其中第左端矩阵为参考数列，右端矩阵为比较数列数据集。
11.与现有技术相比，本发明的有益效果是：本发明为桥梁伸缩缝的损伤提供了一种监测的办法，该方法可以对不同温度作用和伸缩条件下的桥梁伸缩缝的损伤进行监测，提高了损伤识别的实时性和监测的有效性。同时节约了人力损伤识别的成本，保证了桥梁通车顺畅，提高了桥梁使用的安全性。此外，希尔伯特黄变换对信号分析的强大功能，桥梁伸
缩缝在使用过程中往往会受到温度等环境作用的影响，也常常会处于伸缩的状态，这些影响为伸缩缝外界作用的影响，本发明将多个传感器关联到一起，当受到外界作用影响的时候，因为每个传感器都受到几乎一样的影响，每个传感器在受到冲击时所计算的损伤指标都会按比例改变，这样的影响对关联度的改变并不大。但是当某一处损伤时，个别的传感器的损伤指标与其他传感器明显不同，有损无损之间的关联度会发生巨大改变，提高了损伤识别的精确性，具有极好的鲁棒性，适用于实际工程。
附图说明
12.图1为本发明所提供的一种桥梁伸缩缝损伤的监测方法的流程图。
13.图2为本发明实施例所使用的桥梁伸缩缝示意图。
14.图3为本发明实施例所使用的桥梁伸缩缝点位和损伤位置示意图。
具体实施方式
15.下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
16.如图1所示，本发明公开了一种桥梁伸缩缝损伤的监测方法，包括以下步骤：步骤1.在桥梁伸缩缝纵向布设传感器，获取传感器的振动信号，对振动信号进行预处理。
17.如图2和图3所示的桥梁截段示例，包括中梁1、边梁2、钢筋3和混凝土4，伸缩箱5位于伸缩缝内部。损伤位置6位于中梁中部。将加速度传感器均匀布置在伸缩缝的各个部位，依次为通道z1、通道z2、通道z3、通道z4和通道z5，从而获取桥梁伸缩缝的各部位的冲击振动信号，并利用小波阈值去噪进行去噪处理。
18.步骤2.对预处理后的振动信号进行希尔伯特黄变换得到希尔伯特边际谱，并计算希尔伯特边际谱能量，通过希尔伯特边际谱能量建立能量指标，具体步骤如下：步骤201：利用经验模态分解将预处理后的振动信号分解为多个本征模态函数分量和残差，使得每个本征模态函数分量将满足希尔伯特变换的条件，预处理后的振动信号经验模态分解的公式为：预处理后的振动信号经验模态分解的公式为：为时间，为分解得到的本征模态函数的个数。
19.本征模态函数(imf)，应满足以下两个条件：（1）在整个数据中，极值数（即极大值和极小值）和过零数必须相等或最多相差一个；（2）在任何点，由局部最大值定义的包络和由局部最小值定义的包络的平均值为零。
20.步骤202：将每个本征模态函数分量，进行希尔伯特变换，公式为：
其中代表柯西主值，表示时间积分变量，表示对应的希尔伯特谱，表示时间，表示圆周率值；步骤203：根据，计算解析信号，公式为：其中和分别表示第层本征模态函数的瞬时幅值和瞬时相位，表示虚数符号，为时间；，；步骤204：根据瞬时相位，计算瞬时频率，公式为：步骤205：根据以上公式，将每个本征模态函数分量的希尔伯特谱汇总，计算原始信号的希尔伯特谱，公式为：步骤206：在时域内对进行积分得到希尔伯特边际谱，公式为：其中表示希尔伯特边际谱，表示数据总长度。
21.步骤207：对希尔伯特边际谱幅值做归一化处理；由于不同力度的激励所计算的希尔伯特边际谱的幅值有所差别，做归一化处理让每次激励的最高幅值都一样，适应不同车重的激励。
22.步骤208：通过归一化的希尔伯特边际谱获得能量，公式为：其中，为希尔伯特边际谱中的有效频率范围。
23.步骤3. 计算车辆冲击时固定距离内的所有传感器的能量指标，将每个传感器的能量指标收集并定义为特征向量，，其中为传感器布设位置顺序，在无损状态下冲击所获得的首个特征向量设置为参考数列，将预设冲击振动次数所获得的特征向量设置为比较数列，在本实施例中，桥梁伸缩缝布置的传感器分为一组，该组长为1.5m，有5个沿着模数式伸缩缝的中梁纵向布置的传感器。预设冲击振动次数为十次，将十次冲击振动所获得的特征向量设置为十个比较数列：、、、、、、、、、，按时间顺序排列，通过特征向量计算不同时间段的灰色关联度。将
参考数列和比较数列的集定义为数据集。
24.计算能量指标公式为：公式为：为无损状态首次冲击所获得的希尔伯特边际谱能量，为对应冲击时所获得的希尔伯特边际谱能量。将能量指标按布置位置收集获得特征向量，将设置为参考数列，至按时间顺序设置为比较数列，，所获数据集如表1所示。
25.灰色关联度系数的计算公式为：其中为的参考数列，为比较数列，为分辨系数取0.5，其中表示参考数列与第个比较数列之间的灰色关联系数，表示样本个数；表1中为参考数列，至按时间顺序排列，为比较数列，，计算参考数列与各比较数列之间的灰色关联度系数，利用灰色关联度系数计算参考数列与各比较数列之间的灰色关联度，公式为：。
26.则第一次冲击作用下灰色关联度为表2所示：为表2所示：为发生损伤时的比较数列。与的灰色关联度为0.61216，低于最低值 0.80405，因此需要计算后三次冲击作用下的灰色关联度。
27.步骤4.若灰色关联度持续低于最低值则发生损伤，若灰色关联度不低于最低值则更新数据集并持续监测。
28.若与的灰色关联度低于与其他比较数列的灰色关联度最低值，则将替换为新的冲击荷载作用下的比较数列，若连续四次与的灰色关联度低于
最低值的灰色关联度，则进行损伤报警。
29.因第一次出现与的灰色关联度低于最低值的情况，因此继续计算第二次冲击作用下的灰色关联度，参考数列和比较数列如表3所示：其中比较数列替换为第二次冲击作用下的特征向量，则第二次冲击作用下灰色关联度为表4 所示：所示：为发生损伤时的比较数列。与的灰色关联度为 0.61402，低于最低值 0.78506，因此继续计算第三次冲击作用下的灰色关联度。参考数列和比较数列如表5所示：其中比较数列替换为第三次冲击作用下的特征向量，则第三次冲击作用下灰色关联度为表6 所示：所示：为发生损伤时的比较数列。与的灰色关联度为0.62137，低于最低
值 0.7781，因此继续计算第四次冲击作用下的灰色关联度。第四次冲击作用下的参考数列和比较数列如表7所示：其中比较数列替换为第四次冲击作用下的特征向量，则第四次冲击作用下灰色关联度为表8 所示：所示：为发生损伤时的比较数列。与的灰色关联度为 0.61624，低于最低值 0.79291。由于连续四次与的灰色关联度低于与其他比较数列的灰色关联度最低值，因此可以判断为结构发生损伤。
30.若后续四次监测的与的灰色关联度有一组大于最低值，则定义为未发生损伤，从而丢弃疑似损伤数据，更新数据集。即若三次监测的与的灰色关联度前两组小于最低值，但是第三次监测的与的灰色关联度大于最低值，则定义为无损，并丢弃前两组数据集的。以第三次监测无损的为基础，持续更新数据集，即将比较数列变成参考数列，变成，变成，以此类推，将新的冲击荷载作用下的比较数列变成，并持续监测。若没有疑似损伤数据则更新数据集，即将比较数列变成参考数列，变成，变成，以此类推，将新的冲击荷载作用下的比较数列变成，并持续监测。
31.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。