橋梁結構的損傷檢測與識別技術探討

摘要橋梁是公路交通暢通的咽喉，其承載和通行能力是車輛順暢的重要因素。因此，如何合理評定和精確檢測舊橋的承載能力，并對舊橋使用加固、維修和補強等措施，進而尋找有效可行的方法、研究、試驗與實踐推廣提高橋梁承載等級，并逐漸引起學術界的普遍關注，相應建立了專門的國際性機構對橋梁進行研究。本文簡單的對橋梁結構的損傷檢測和識別技術進行了探討。

關鍵詞橋梁結構 損傷檢測 識別技術

中圖分類號:U443文獻標識碼:A

橋梁在長時間運作過程中，要受到各種外在因素的影響，不同程度的都會發生各種結構損傷，發生損傷的原因可能是維護不當或是車禍事故等人為因素所造成，也有可能是地震、風暴等自然災害所引起的，也有可能是橋梁結構的自然老化等原因，以上這些因素均會導致橋梁的耐久性和承載能力的降低，對交通運輸安全造成很大的影響，發生這些問題后都要進行必要的改造、維修與加固等措施，前期工作是要進行橋梁結構詳細與系統的檢測。

1 橋梁結構損傷檢測和識別的常用方法

1.1 統計分析法

損傷被看作是在系統分析的方法中系統的一種附加激勵，它能夠使系統在輸出信號時發生變化。通過測量結構的輸出信號求得附加激勵，而輸出信號中的噪聲問題就是必須要考慮到的因素之一，結構的小損傷對系統的輸出信號影響很小，常常被噪聲信號所淹沒。損傷識別技術是基于統計信息方法基礎的，能夠對結構的小損傷也能檢測到。但是，土木結構的監測數據與模型會存在著各種不確定性因素，運用統計分析法是一種可行的通用方法，可以對橋梁進行健康監測和損傷識別，再用這種方法時要考慮到傳感器的最優布置、結構失效的概率分析和對可能存在的損傷的判斷及通過給定傳感器陣列所能夠可靠識別的損傷類型等問題。

1.2 損傷指標法

橋梁結構如果發生了損傷，其質量和剛度都會相應發生變化，從而會引起相應的動力指紋發生變化。常用的動力指紋包括振型曲率、應變模態、固有頻率、模態振型、頻響函數、模態柔度矩陣、模態保證準則和坐標模態保證準則等。運用損傷指標法時首先要建立動力指紋數據庫，在建庫之前必須先考慮橋梁結構是否健康，并且還要考慮先驗預估的損傷等情況發生，通過把發生損傷時的動力指紋與其進行比較，進而識別損傷。損傷指標法也存在一些敏感性不是很高，而且與所有潛在的損傷情況相對應的數據庫比較難建立的缺點。除了上述提到的指標外，可能還有其它不同的用于識別結構損傷位置與損傷程度的指標，而單一的一種損傷識別指標可能是遠遠不夠的。

1.3 神經網絡法

上世紀80年代中后期，出現了一種以人體神經機理模擬客觀事物一種新型方法，被人們稱為人工神經網絡(Artificial Neural Network)，隨著社會的發展和進步，它也逐漸被廣大學者所研究和接受。它通過強大的非線性函數映射能力、高度的容錯性和魯棒性以及大規模并行分布處理、善于聯想、綜合和推廣是其主要內在特征。神經網絡模型形式多種多樣，模型的差異可以從不同角度對生物神經系統進行不同層次的描述和模擬。像RBF網絡、雙向聯想記憶(BAM)、感知器、Hopfield和多層映射BP網絡模型等都是具有代表性的神經網絡模型。我們通過運用這些網絡模型就可以實現模式分類、數據聚類、優化計算和函數逼近等多種功能。神經網絡的模式分類功能是神經網絡核心技術，利用它可以進行橋梁結構的損傷識別。神經網絡法的有效性取決于算法本身的可靠性和原始數據的完整性。在現實當中，對斜拉橋和懸索橋等大型結構就可以利用神經網絡法進行健康監測。

1.4 遺傳算法

遺傳算法GA(Genetic Algorithms)是上世紀60年代由Holland教授提出一類借鑒自然遺傳機制和生物自然選擇的隨機化搜索算法，其主要的優點是對其目標函數不要求可微，不要求連續，算法簡單和魯棒性強;只要求進行必要的計算就能滿足要求，借助這項算法可以進行遍及在整個解空間內的搜索，很容易得到全局的最優解，而傳統搜索方法對于解決的非線性問題和復雜問題卻表現很無力。遺傳算法GA(Genetic Algorithms)在組合優化求解、機器學習和工程領域方面都有著頗為廣泛的應用前景。

1.5 模型修正法

模型修正法是一種實現橋梁結構的損傷判別和定位的方法。我們在監測橋梁健康的過程中，將先前的模型計算結果與試驗結構的振動反應記錄進行綜合的比較，利用直接或間接所測的頻響函數、模態參數和加速度時程記錄等條件，再通過條件優化約束，不斷地修正模型中的剛度分布，最終得到橋梁結構剛度變化的信息。模型修正法也存在一些缺點:在測量信噪比高、測試模態集不完備以及測試自由度不足等情況發生時，對解的不確定和不唯一問題就很難判斷，最后只能夠通過添加約束方程來進行求解。如果同時使用固有頻率和模態振型信息時，目標方程則通常表述為殘余力攝動方程或者殘余力方程。常用的約束條件有正定性、稀疏性以及矩陣的對稱性等條件。求解方法共有矩陣優化修正法、靈敏度法和特征結構配置法三類。

2 模態分析在結構損傷診斷中的應用

模態分析已經日益成為一種實用而有效而的安全檢驗與故障診斷的方法，它是利用模態分析獲得模態參數從而進行損傷判斷。土木工程中的結構損傷診斷和機械工程故障診斷都屬于損傷診斷的范疇。模態分析是依據變化的模態頻率來判斷裂紋是否出現，更進一步判斷裂紋出現的位置。一般在橋梁工程中我們是通過變化的模態頻率來判斷混凝土中是否裂紋或空隙以及根據應變模態、位移模態、模態柔度、模態應變能和曲率模態等指標來診斷橋梁結構的損傷程度和位置。

傳統的模態試驗是先得到系統頻響函數的幅頻響應曲線，然后根據頻率激勵共振的原理來識別系統固有頻率，并且忽略掉相鄰模態影響，當激振頻率在r階固有頻率附近時有:

上升中在時，即在r階固有頻率附近，取得最大值，并依據幅頻響應曲線判斷系統固有頻率。

3 神經網絡用于橋梁檢測的應用

神經網絡用于橋梁檢測的應用應用范圍可以涉及到五個方面:(1)對非線性很高的系統進行控制或檢測的場合。(2)預測問題:原因和結果關系模糊的場合;(3)模糊識別:涉及磨合信息的場合;(4)參量組合方式很多，用傳統的分析方法求解幾乎是不可能的場合;(5)不要求非要得到最優解，重要的是快速求得與之相近的次優解場合。

在橋梁工程設計中，結構選型、結構分析和結構優化設計等要求橋梁工程師要具有相當豐富的經驗、準確的判斷力和很強的綜合決策能力，這些程序而且同時也增加了計算的工作量。在對于舊橋梁的診斷和鑒定時，存在著一些因素，它們影響著橋梁結構的破壞狀態，并且它們都具有信息不完備性、模糊性和隨機性等特點，對工程師在橋梁的損傷檢測與診斷過程中正確的分析和決策可以造成非常嚴重的影響。

神經網絡在橋梁檢測和分析過程中對于輸入的節點是沒有特別要求，但是神經網絡技術對解決橋梁工程中的損傷檢測、結構優化和結構近似分析等問題具有很好的效果，神經網絡中神經元的激活函數可以選用非線性函數，它對處理很復雜的非線性問題效率很高，而且神經網絡技術還具有自適應的能力，能通過訓練學習獲得隱含在樣本數據內的輸入、輸出間的隱性關系;神經網絡還有記憶、聯想及模式匹配等能力，通過記憶學習過程中的經驗知識，將此實測的數據與信息進行比較與模式匹配;神經網絡還有抽取和歸納的技能，可以用這項技能過濾掉噪聲，并抽取事物本身的內在性質，達到我們想要的結果。神經網絡技術一直是朝著能量函數減小的方向發展，最終目的是達到穩定平衡點，此平衡點正是我們所要得到的理想結果，求解結構優化問題極小值的過程也即是求得神經網絡系統穩定平衡點的過程。神經網絡是將通過樣本學習到的知識用來調整網絡的權值，所采用的是并行分布存儲的方法，對知識的處理也是并行存儲和分布存儲，這對于定性、定量或不確定性問題等都具有很強的自主性，能提高解決復雜的大型優化設計的效率。

4 基于撓度信息的檢測與識別

橋梁結構的損傷特征表現是裂紋的出現和擴展。我們在進行結構承載能力極限狀態設計時，應滿足R(結構的抗力)≥S(結構的作用效力)。裂紋一旦發生，橋梁結構中的特征參數，像位移、模態曲率、模態振型和應變等都將會發生不規則變化和突變。結構裂紋的發生會造成結構局部應力集中，使撓度信息在這個局部位置發生突變，所以我們必須知道懸臂梁在靜荷載作用下各節點的撓度值，以裂紋點的相對位置作為神經網絡的輸出，然后把值作為神經網絡的輸入向量，進而建立神經網絡模型，對檢測和識別裂紋具有很好的效果。構建模型的軟件采用ANSYS中的SOLID65單元，這項單元主要是為巖石和混凝土等抗壓能力遠大于抗拉能力的非均勻材料開發服務的。混凝土材料具有壓碎、開裂、蠕變和塑性變形的能力，當要考慮混凝土的開裂和壓碎時，要以實際可承受載荷通過閉合裂縫傳遞前出現混凝土壓碎現象為前提條件，應對混凝土緩慢加載。實際施工中裂縫一般出現在垂直的未開裂的方向上，我們所建立的模型具有較高的診斷精度，只要有正確的網絡輸入輸出關系，對預測結果與實際結果能夠達到很高的擬合程度。基于撓度信息的檢測與識別技術用人工神經網絡的手段對應用于橋梁結構的故障診斷是可行的，但也存在著不能實現裂紋位置的精確定位的缺陷。

5 結論

研究橋梁結構的損傷檢測也識別技術具有非常現實的意義，需要借助很多各行各業的專業知識，像材料力學、彈性力學、人工智能和有限元分析等專業知識必須了解。學科之間的交叉對促進橋梁結構的健康檢測研究起到快速發展的效果。隨著時代的進步，橋梁健康狀況檢測技術研究已經得到了快速的發展，促使橋梁結構的檢測技術與識別手段繼續成熟和成長。隨著信息化時代的到來，許多先進的監測、檢測手段和加固技術等都已經用到了橋梁基礎的施工建設上，對大型橋梁進行精確地和系統地跟蹤監測，能很好地取得真實有效的數據，為我國橋梁的健康運作打下非常堅實的基礎。

參考文獻

[1]袁萬城，崔飛，張啟偉.橋梁健康監測與狀態評估的研究現狀與發展[J].同濟大學學報，1999.27(2):184-188.

[2]高懷志，王君杰.橋梁檢測和狀態評估研究與應用[J].世界地震工程，2000.16(2).

[3]張冠華.現役鋼筋混凝土梁的彎區裂縫特征與橋梁檢測評估的試驗研究[M].大連理工大學，2003.

[4]陳根社，陳新海.遺傳算法的研究與進展[J].信息與控制，1994.23(4):215-220.