[发明专利]一种基于温度驱动的桥梁梁端位移异常检测方法

说明书

本发明公开了一种基于温度驱动的桥梁梁端位移异常检测方法，其特征在于，包括：对梁端位移数据信号进行功率谱分析和分解，利用小波变换提取温度位移分量获得桥梁梁端位移分量的温度响应、准静态响应和动态响应；根据太阳辐射条件将桥梁梁端温度与位移的日常监测数据进行位移模式分解，获得桥梁梁端温度位移关系；桥梁梁端温度位移关系进行桥梁梁端位移与温度之间贝叶斯回归模型建立，获得桥梁梁端温度与位移之间的线性相关系数；通过计算桥梁梁端温度与位移之间的线性相关系数和周平均检出率判断是否需要对桥梁进行检查和维修；能够提升桥梁运营过程中出现异常状态的检出率与检测精度。

技术领域

本发明属于桥梁异常检测技术领域，更具体地，涉及一种基于温度驱动的桥梁梁端位移异常检测方法。

背景技术

为了实时收集桥梁数据，桥梁上安装结构健康监测(SHM)系统，以监测环境因素、外部荷载、结构响应和结构变化。大跨径桥梁在日常运营过程中会面临风险和威胁，例如结构退化故障、船舶/桥梁碰撞、车辆超载等，无疑会对桥梁及其关键构件的寿命造成严重影响，甚至危害人身安全。为确保桥梁的运营和结构安全，基于收集的SHM数据，对早期桥梁异常/损伤准确判断检测显得尤为关键。

在早期阶段，基于桥梁SHM数据的振动损伤检测方法得到了很好的研究，其中模态参数(例如，固有频率、振型、柔度矩阵和挠度形状)始终被选为检测指标。然而，由于大跨度桥梁规模大、运营环境和荷载复杂以及局部损伤，在实践中很难检测到大跨径桥梁的损伤。鉴于基于振动的损伤检测的局限性，人们开始利用静态参数进行异常检测，包括挠度、应变、旋转、位移和索力。异常检测中的两个关键步骤是定义指标和确定阈值。以往的异常检测指标主要以个别测量为主，这些测量将在很大程度上受到偶然性和不确定性的影响。对于确定阈值，它分为两类：确定性和概率性。控制图通常用于确定确定性阈值。另外，贝叶斯模型和区间估计通常用于确定概率的阈值分布。

目前，温度-位移关系(TDR)被用于识别桥梁结构异常，由此产生了许多温度驱动的异常检测方法。与TDR相关的方法得到了很好的研究。如回归模型、小波变换、盲源分离、数值模型、贝叶斯模型等。对于一些信号处理方法(如小波变换)，参数是主观确定的，导致不确定性。随着TDR的参与，温度驱动异常检测的有效性得到了提高，通过许多实际案例研究验证了这一点。

梁端位移是桥梁约束装置(如支座)的关键参数，最大梁端位移将极大地影响支座的可靠性。此外，根据以往的许多文献，位移与温度之间存在平稳的线性关系，对此，提出了许多温度驱动的异常检测或状态评估方法。然而，以往的温度驱动方法将温度回归系数视为一个常量，忽略了温度系数会随着太阳辐射条件的变化而变化的影响，导致温度-位移模型的特征提取难度很大，桥梁异常检出率普遍较低，预警精度有待进一步提高。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供一种基于温度驱动的桥梁梁端位移异常检测方法，考虑温度系数的时变性和时延效应，根据太阳辐射条件将桥梁梁端温度与位移的日常监测数据进行位移模式分解，获得桥梁梁端温度位移关系；桥梁梁端温度位移关系进行桥梁梁端位移与温度之间贝叶斯回归模型建立，获得桥梁梁端温度与位移之间的线性相关系数；通过计算桥梁梁端温度与位移之间的线性相关系数和周平均检出率判断是否需要对桥梁进行检查和维修；为了测量异常检测中的不确定性，使用贝叶斯估计确定了定义模式中温度参数的分布，根据温度系数的概率密度分布，求得桥梁异常概率指标；为了克服偶然性，重新定义了新的参数指标-周平均检测率，根据桥梁异常概率指标求得桥梁异常的周平均检测率，进一步判断是否需要对桥梁进行检查和维修，提升了桥梁运营过程中出现异常状态的检出率与检测精度。

为了实现上述目的，本发明提供一种基于温度驱动的桥梁梁端位移异常检测方法，包括如下步骤：

S1:通过结构健康监测系统监测获得桥梁梁端位移信号和温度数据，对梁端位移数据信号进行功率谱分析和分解，利用小波变换提取温度位移分量获得桥梁梁端位移分量的温度响应、准静态响应和动态响应；