桥梁结构损伤识别指标比选及损伤程度识别方法研究

• 作 者: 滕亮
• 出 处: 吉林大学
• 发表日期: 2014年期
• 关键词: 桥梁结构 损伤识别 指标比选 损伤程度识别

桥梁结构最重要的交通基础设施结构形式，在道路建设中广泛应用。桥梁灾害事故的发生导致巨大的人员伤亡及经济损失，造成了恶劣的社会影响。灾害事故的发生表明桥梁结构在不可见的内在损伤作用下，如果不及时进行检测、维修或加固，容易导致垮塌事故的发生。因此，对桥梁结构进行及时科学的损伤检测和评估，及时了解结构损伤状况，对于保证结构安全运营，避免灾害事故发生意义深远。本文以广泛使用的简支梁桥和连续梁桥为研究对象，开展了基于结构动力特性损伤识别指标的优选工作；在此基础上，提出了相应的损伤程度识别方法。主要工作如下：（1）基于动力特性损伤识别理论基础，对比分析了频率、振型、模态曲率、模态柔度、均布荷载面曲率等指标在损伤位置识别方面的敏感性。识别结果表明，模态曲率差、模态柔度差曲率以及均匀荷载面曲率差等指标能够实现有效的损伤定位。（2）对模态柔度差曲率、模态曲率差、均匀荷载面曲率差的抗噪声能力进行分析，结果表明模态柔度差曲率具有较强的抗噪声干扰能力，可以作为结构损伤识别的优选指标，并将该指标应用于连续梁桥的损伤识别中。（3）以简支梁桥和连续梁桥为研究对象，选取模态柔度差指标作为遗传优化神经网络的输入参数，验证了方法在单位置及多位置损伤识别方面的有效性。结果表明：对于简支梁桥，遗传算法优化神经网络对于单位置损伤识别的最大相对误差为2.67%，对于多位置损伤识别的最大相对误差为6.83%；对于连续梁桥，遗传算法优化神经网络对于单位置损伤识别的最大相对误差为3.83%，对于多位置损伤识别的最大相对误差为8.14%。（4）以BP神经网络的对比分析表明，遗传优化神经网络对于简支梁桥单位置损伤识别的最大误差为2.67%，而BP神经网络的最大识别误差为4%，遗传优化神经网络的计算精度要优于BP网络。