基于運營性能的高速鐵路大跨度橋梁健康管理探討

劉曉光

（1.中國鐵道科學研究院集團有限公司鐵道建筑研究所，北京 100081；2.高速鐵路軌道技術國家重點實驗室，北京 100081）

截至2019年底，我國高速鐵路里程已達3.5萬km，由于受大河、深山峽谷、地質不良段等影響，線路基礎設施多采用以橋代路。我國已開通運營的35條代表性高速鐵路線路，橋梁約占線路總長的54%，最高達到91%，其中標準梁橋占全部橋梁長度的98%以上，而當橋梁跨越天塹時，則采用拱式或索支撐等特殊大跨度橋梁形式。如我國已運營斜拉橋最大主跨為630 m，在建的滬通長江大橋主跨已達1 092 m，在建的五峰山長江大橋為世界首座高速鐵路懸索橋，主跨同為1 092 m。這些橋梁雖然數量不多，但都是線路中的重點工程，其結構狀態對于高速鐵路運營安全至關重要。與常用跨度和公路橋梁相比，大跨度鐵路橋梁結構更為復雜，且橋上多采用有砟軌道，而高速列車具有行駛速度快、平穩性要求高等特點，對軌道平順性、橋梁變形、行車舒適性等運營性能提出了更高的要求［1］。

隨著高速鐵路橋梁服役時間的增長，在外部列車荷載、風、溫度等因素共同作用下，其結構性能將逐步退化，如何對橋梁進行高效、高質的管養以保證高速鐵路橋梁的安全運營就顯得尤為重要。目前，我國對高速鐵路大跨橋梁的管養主要依據鐵運〔2011〕131號《高速鐵路橋隧建筑物修理規則》（試行）［2］等相關規范，進行日常的檢查與定期的檢定試驗，部分大跨度橋梁安裝了健康監測系統，同時基于模糊理論、層次分析法等提出了一系列橋梁狀態評估與健康管理方法［3-6］。但上述方法主要考慮橋梁結構自身的承載能力、疲勞、外觀狀態等問題，未能從橋區高速鐵路運營性能的角度進行健康管理。

橋梁作為高速鐵路線路基礎設施的重要組成部分，其最終目的是為高速列車運行提供高平順、高穩定和高耐久性的軌道結構支承，其管養理念也應由維護結構安全向保證運營性能轉變。鑒于此，本文在保證橋梁結構狀態安全的前提下，充分考慮高速鐵路橋梁運營性能，探討高速鐵路大跨度橋梁健康管理技術。

1 研究現狀

高速鐵路上絕大多數大跨度特殊結構橋梁按線路里程劃入所在路局集團有限公司高速鐵路線橋工務段下屬車間，與所轄里程內的其他橋梁統一進行維護與管理，管養單位很少針對某座或某幾座大跨度特殊結構橋梁專門安排車間進行管理。雖然極少數特大橋梁專門成立車間，從事檢查維護工作，但依然存在檢修人員和作業時間偏少的問題。以某工區為例，配備10人，既負責管內特大橋梁正橋、北引橋及北合建段的橋梁檢查、養護和維修，又負責管內區段18座橋梁、14座涵洞及2座隧道的檢修。此外，每周一到周四24：00到凌晨04：00為天窗工作時間，扣除上下橋及行走路程時間和準備時間，實際有效作業時間僅為140 min左右。鑒于此，設備管理單位對特殊結構橋梁的日常檢查主要集中于每年的季度檢、春檢和秋檢，檢查數據主要以Excel、照片形式存儲，數據格式由設備管理單位自己定義。存在結構病害名稱不統一、病害定義不明確、病害描述過于繁雜、缺乏規范化等諸多問題，周期性檢查數據很難與專項檢查或聯調聯試/檢定試驗等數據統籌分析，導致管養數據信息化程度低而難以準確評估設備狀態。

除了日常檢查以外，還主要通過健康監測的方法掌握高速鐵路大跨度橋梁的使用狀態。美國于20世紀80年代，率先在多座橋梁上布設傳感器，測試數據主要用于驗證設計假定、監測施工質量和及時評定橋梁結構狀態。20世紀末，我國逐漸開始對大型橋梁進行健康監測，如香港青馬大橋，其上安裝了800多個永久性傳感器，對橋梁的荷載、振動、環境等因素進行監測。武漢天興洲公鐵兩用長江大橋的健康監測系統主要包含橋址環境監測、結構響應監測、行車安全監測等［7-8］。但是，當前橋梁結構監測系統側重于結構狀態監測，對監測數據分析不足或難以進行有效分析，使得既有監測系統難以用于準確評估橋梁健康狀態和指導高速鐵路橋梁的養護與維修。與管養結合不緊密甚至沒有直接聯系［9-11］，無法回答“何時維護、維護什么、怎么維護”的問題。

2 總體思路

傳統橋梁管養目的是保證橋梁結構安全，但高速鐵路橋梁結構安全是否意味著高速鐵路橋梁運營性能安全？以某座橋梁監測數據為例進行分析，見圖1。通過對一段時間的監測數據進行分析，其應力遠小于安全限值，且經過6年運營，橋梁結構整體動力響應變化不大，表明橋梁結構當期處于安全狀態。對該橋通車前的軌道狀態進行檢測，結果發現在主橋梁端位置軌距變化偏大，軌道質量指數（Track Quality Index，TQI）也偏大。該橋運營幾年后梁端區域出現活動鋼枕、混凝土軌枕歪斜，尖軌爬行量較大、軌道幾何狀態不易保持等病害，這些都會影響高速鐵路運營安全。可見，結構安全并不等同于運營安全。

圖1 某橋梁監測數據分析

圖2 基于運營性能的橋梁健康管理總體思路

因此，對于高速鐵路大跨度橋梁，從保證運營性能的角度出發，針對當前橋梁管養的不足，提出基于運營性能的高速鐵路大跨橋梁健康管理總體思路，包含運營性能智能檢監測和健康管理2部分，如圖2所示。其中，運營性能智能檢監測體系中包括運營性能指標體系（橋梁和軌道服役狀態指標）、智能檢監測技術（智能人工巡檢、無損檢測和健康監測）、性能評價與狀態預測（數據挖掘、性能演化研究與服役狀態預測）等關鍵技術；健康管理是在對橋梁運營性能開展定量評價的基礎上，綜合對橋梁狀況進行評估，搭建融合運營性能評價、病害知識庫和養修作業指導書等的故障預測與健康管理（Prognostic and Health Management，PHM）平臺，以指導高速鐵路大跨橋梁養護維修。

3 關鍵技術

3.1 橋區軌道狀態保持

高速鐵路大跨度橋梁一般采用正交異性整體鋼橋面板，并在其上鋪設有砟軌道［12-13］。隨著運營時間推移，軌道結構在高速列車荷載反復作用下，會出現垂向、橫向、軌距變形等軌道不平順［14-15］，如超出限值會影響行車安全。因此，橋區軌道狀態是影響高速鐵路大跨橋梁運營性能的重要因素。

我國自主研發了功能完備的高速綜合檢測列車，可對包括橋區線路在內的所有軌道狀態進行高速周期性巡檢（圖3），實現了軌距、高低、軌向、水平、三角坑、超高、曲率等軌道幾何參數，以及車體橫向加速度和垂向加速度等車體響應參數的快速檢測，進而計算出TQI值、軌距變化率等反映軌道狀態的特征指標。根據軌道動態不平順管理標準分為經常保養、舒適度、臨時補修和限速四級，以指導線路養修。

圖3 軌道檢測示意

在此基礎上，針對橋區有砟軌道特點，研究提出了指導道床維修的道床搗固指數，采用搗固指數可精確反映搗固期間軌道幾何狀態變化趨勢。根據搗固指數，結合數據挖掘方法，建立了基于灰度理論的搗固指數預測模型，為橋區有砟道床維修進一步提供依據。

3.2 橋梁整體狀態識別

基于長期監測數據，建立了橋梁整體損傷識別方法，對橋梁整體狀態進行實時評估，分別引入ARMA模型、神經網絡法及三分之一倍頻程譜對監測數據進行時域和頻域分析，從3個角度提出橋梁整體損傷預警指標，從而通過已有健康監測系統對橋梁結構整體狀態實時預警。

采用ARMA模型對加速度數據進行時域分解，分析了ARMA模型中表示結構固有特性的AR系數對于損傷的敏感性，提出了基于AR系數的損傷預警指標，建立了損傷預警方法，可識別ARMA模型的微小變化，以此反映結構固有特性的改變。

結構的損傷往往會引起其固有屬性的改變，如自振頻率、阻尼比等。研究表明，橋梁結構自振頻率與溫度、列車荷載等因素有極其復雜的相關性。采用BP神經網絡建立了多元相關模型，采用多樣本假設檢驗可有效識別模態頻率的變化，以此建立了基于模態頻率的橋梁整體損傷預警方法。

在相同列車荷載通過時，橋梁結構響應其頻譜特征應基本一致。通過三分之一倍頻程譜對加速度數據進行頻域變換處理，構建頻域上的特征向量，以相關系數、余弦相似度和歐式距離作為指標，觀測特征向量的相似性，判斷響應一致測點采集數據是否發生變化，對橋梁整體狀態損傷預警。

3.3 關鍵部位健康管理

統計表明，我國高速鐵路大跨度橋梁運營時間最長已接近10年，總體服役狀態良好，橋梁主體結構尚未發現較大病害，但支座、梁端伸縮裝置等關鍵部位病害易發，且日常檢查難以發現。要實現高速鐵路橋梁運營性能的健康管理，需實時掌握這些關鍵部位的結構狀態，并結合劣化規律進行故障預判和預防維修。

3.3.1 梁端伸縮裝置與鋼軌伸縮調節器

高速鐵路大跨度橋梁的梁端設置伸縮裝置與鋼軌伸縮調節器用于保證鋼軌在主、引橋梁縫處的可靠過渡和支承，同時適應溫度、列車活載等作用下的伸縮。該裝置除需要適應梁縫部位的伸縮、平動位移和轉角，也應具有良好的強度和剛度，以保證高速列車安全、平穩通過梁端區域。

梁端往復變位以及多部件連接使得該裝置成為高速鐵路大跨度橋梁的病害易發部位，整體可分為功能性病害（如連桿折斷、鋼枕歪斜、尖軌過大爬行等）以及外觀性病害（如掉漆、銹蝕等）2大類。針對功能性病害，采用位移、應變等傳感器進行監測；針對外觀性病害，采用視頻圖像識別進行監測。建立了梁端伸縮裝置有限元模型，見圖4。通過對實測數據與有限元模型分析，得到梁端縱向伸縮位移與環境溫度的關系，根據梁端兩側鋼軌橫向偏移量評定列車通過的安全性，通過伸縮裝置的應力變幅來評估其疲勞可靠性，建立梁端伸縮裝置的評定方法與周期性保養標準，梁端伸縮裝置評估體系見圖5。

圖4 梁端伸縮裝置有限元模型

圖5 梁端伸縮裝置評估體系

3.3.2 支座

高速鐵路大跨度橋梁荷載大，采用的大噸位支座結構復雜，病害時有發生。目前，鐵運〔2011〕131號《高速鐵路橋隧建筑物修理規則》（試行）［3］主要針對支座外觀病害、變位等損傷情況進行檢查，而對于支座磨耗、支承、轉動性能等難以評估。

圖6 1 d內溫度對橋梁球型支座位移的影響

基于長期監測數據，分析了1 d內溫度對支座位移的影響，見圖6。提出了基于累積位移的支座耐久性預測與評估方法，即剔除溫度和白噪聲的影響，計算列車荷載作用下支座日（或周、月、年）累積位移，采用線性擬合方法建立累積位移序列隨監測天數變化模型，再由最小二乘法獲得模型的增長斜率。通過增長斜率可預測該支座發生損傷的風險，斜率越大，表示該支座損傷風險越大。某橋支座一周的累積位移變化規律見圖7，可見，累積位移呈線性增長，斜率保持不變，表明該橋支座狀態良好。

圖7 某橋支座一周的累積位移變化規律

4 橋梁故障預測與健康管理系統

PHM是一種全面故障檢測、隔離、預測及健康管理的技術。PHM不僅代表了技術的轉變，更是維護策略和概念上的轉變：即從傳統基于傳感器的診斷向基于智能系統預測的轉變，為在準確的時間對準確的部位進行準確而主動維護的模式升級提供了基礎。本文以建筑信息化模型（Building Information Modeling，BIM）為載體，承載橋梁健康監測、軌道幾何狀態監測、關鍵部件監測、人工巡檢、綜合檢測車等運營相關數據，關聯設計、施工及竣工驗收的關鍵信息，集成基礎管理、可視化管理、檔案資料管理、在線監測、橋梁巡檢、診斷與預測、養護與維修、系統管理等內容于一體，通過專用算法庫，探索高速鐵路大跨橋梁的狀態診斷和預測分析，指導大跨度橋梁的養護維修。

4.1 BIM技術應用

BIM是一種先進的技術手段和管理理念，本質是工程項目的全生命周期管理，具有可視化、完備性、協同性、關聯性等特點，在大跨度橋梁健康管理應用中具有顯著優勢。

4.1.1 BIM標準應用和擴展

鐵路BIM聯盟陸續發布了13項BIM標準，主要應用在設計和施工階段。盡管運維BIM模型與設計、施工有很大區別，但應遵循通用的技術標準。

橋梁運維對象一般是構件，因此，BIM標準應用中主要參考了《鐵路工程信息模型分類和編碼標準》（1.0版）［16］中的53表，將橋梁結構劃分為4大結構部位，即上部結構、下部結構、支座和附屬設施。

為了確定最小運維單元，在4大結構部位劃分基礎上，可按線分法進行符合結構實際特征的劃分，如上部結構劃分為主桁、橋面系、聯結系等，主桁又可進一步劃分為上弦桿、下弦桿等，直至最小構件種類。為確保BIM模型單元的易讀性和唯一性，必須對橋梁構件進行編號，編號規則中應包含結構部位、部件、構件，孔跨、桁別、流水號等因素。

對53表的分類擴展不僅滿足了橋梁模型組織結構的分解，而且每一類構件賦予了唯一的IFD編碼。BIM模型是橋梁全生命周期信息的載體，以IFD編碼為主導，能夠實現同類構件多種知識元素的邏輯關聯，示例見圖8。

圖8 基于構件編碼實現綜合信息關聯示例

通過構建基于構件庫、病害庫、檢查庫和維修庫為基礎的知識庫體系，為基于BIM模型進行大橋檢查作業、病害標準化描述、維修作業、應急處置、驗收管理等提供了基礎。基于IFD的病害關聯見圖9。

圖9 基于IFD的病害關聯

4.1.2 信息集成

屬性信息按時間階段可分為設計信息、施工信息和運維信息，按表現形式可分為結構化數據和非結構化數據。為全面掌控橋梁結構狀態，有必要基于運維BIM模型集成不同種類信息。

BIM模型以HSF（HOOPS Stream File）格式存儲，設計信息主要以結構化數據方式存儲，通過模型ID查看模型自帶屬性信息；施工和運維數據多以非結構化數據為主，主要通過文件方式存儲，基于構件編碼與BIM模型關聯，最終實現多源異構數據信息與BIM模型的集成關聯，見圖10。

圖10 多源異構數據信息與BIM模型的集成關聯

大橋BIM模型病害修復位置及前后對比如圖11所示。

圖11 大橋BIM模型病害修復位置及前后對比

4.2PHM系統

4.2.1 整體功能架構

基于BIM的大跨度橋梁運維管理系統依托客戶端（C/S）、廣域網（B/S）、移動互聯網（M/S）3S網絡架構，PHM系統整體功能架構見圖12。

圖12 PHM系統整體功能架構

三端功能各有側重：C/S通過加載大場景精細化BIM模型，進行全橋BIM綜合展示、病害展示、故障診斷與預測分析；B/S端包括基礎管理，在線監測，智能巡檢，診斷預測和養護維修；M/S主要是智能化的人工巡檢，涉及巡檢流程管理及模型信息的瀏覽、查看。

PHM系統面向三端實現了模型、數據、業務的互聯互通，固化了大橋檢修工作的閉環管理流程，促使了檢養修模式、運維管理模式的升級。

4.2.2 智能人工巡檢

當巡檢對象出現病害時，在手持終端中選擇對應構件BIM模型，不僅實現病害位置的可視化定位，而且系統將自動提示對應所屬病害的標準描述，結合拍照、錄像和語音功能，方便檢查人員的全方位描述、準確記錄與快速查看。

智能人工巡檢中嵌入了橋梁狀態分層、分級評估方法，基于病害特征對橋梁狀況進行定量分析評估，分層、分級評估流程見圖13。首先對結構單元進行評分，再逐級向上依次對橋梁4大結構部位、各孔跨、主橋進行4個層次的狀態評分，給出相應的狀態區間及健康代碼，不同健康代碼反映不同的橋梁狀態，進而為橋梁養護維修決策提供參考。

圖13 橋梁狀態分層、分級評估流程

PHM系統將BIM技術與管養工作相結合，實現計劃、檢查、養修、驗收等工作的可視化管理和痕跡留存，規范了相應崗位職責，實現管養工作的標準化、規范化和流程化；基于BIM實現設計、施工和運維的信息共享和信息交互，有利于直觀、全面掌控高速鐵路大跨橋梁服役狀態，為科學管理、安全運營提供輔助決策。

5 結論

1）在《高速鐵路橋隧建筑物修理規則》（試行）的總體原則和框架下，以既能確保橋梁結構狀態安全，又能滿足高速鐵路運營性能需求為目的，提出了基于運營性能的高速鐵路大跨度橋梁健康管理目標。

2）建立了橋區軌道狀態檢測與評估方法、搭建了橋梁整體狀態和病害易發部位的監測評估體系。研發了智能巡檢系統，實現了人工巡檢的智能化與標準化，并建立了基于人工檢查數據的橋梁分層分級評估方法。

3）研發了大跨度橋梁故障預測與健康管理系統（PHM），引入BIM模型，實現了多源數據的集成與管理，探索了高速鐵路大跨橋梁的狀態診斷和預測分析。

甬舟鐵路跨海大橋、川藏鐵路大跨度橋正處于前期設計階段，后續針對外海和復雜艱險山區環境，需進一步深化研究相關智能檢監測技術、運營性能演化規律和養修輔助決策系統，為高速鐵路大跨度橋梁運營安全、舒適提供技術保障。