桥梁结构性能检测与评估研究

《桥梁结构性能检测与评估研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、桥梁结构性能检测与评估研究冯建亚桥梁是公路、铁路的关键组成部分，直接关系着通行能力和服务水平。近年来，随着我国工业化进程的加快，特大型工业设备运输、特种重型车辆的运行以及高速铁路建设进程加快，都给现有桥梁的安全使用造成威胁。按几年前的旧规范规定的荷载等级设计建造的桥梁，由于公路交通量的不断增加和铁路运行速度提升，加之前述重型车辆的频繁出现，更是造成这些既有桥梁负载力雪上加霜。另外，桥梁由于运营使用多年，加之近年来桥梁遭受特大自然灾害频繁，如因地震洪水等而受到严重损坏，主要部位出现缺陷，只有全面掌握了桥梁的安全状况，才能对症下药

2、，延长桥梁的使用寿命。检测是维修的前提，更重要的是检测可以尽早发现桥梁的安全隐患，避免造成巨大的、不可挽回的损失。同时也可以完善桥梁的资料，为以后的设计和评估加固提供依据。1桥梁检测方法1.1静态检测方法静载试验就是按照预定的试验目的与试验方案，将静止的荷载作用于桥梁上的指定位置，观测桥梁结构的静力位移、静力应变、裂缝、沉降等参量的试验项目，然后根据有关规范和规程的指标，判断桥梁结构的承载能力以及在荷载作用下的工作性能。在桥梁静载试验中要测量控制截面静应变和静位移。确定良好的加载方案加以量测。根据静态应变值，推算结构控制截面的

3、应力分布、杆件的实际内力与次应力。裂缝的出现和扩展情况、支座位移、索力位移情况等。在静位移测量时，要测量竖向静态位移量(梁的挠度)、水平静态位移量(梁活动端位移及墩顶位移等)。由实测到的应变和位移可以推算出有关的内力(如轴力和弯矩)值和挠度值等。将它们与理论计算值进行对比，以此作为判定桥梁结构工作状态的一个重要指标。1.2动态检测方法桥梁结构的动载试验是利用某种激振方法（自振法、强迫振动法、脉动法等）激起桥梁结构的振动，测定桥梁结构的固有频率、阻尼比、振型动力冲击系数、动力响应（加速度、动挠度）等参量的试验项目，从而宏观地判断

4、桥梁结构的整体刚度与运营性能。其试验的目的在于测定结构的动力特性。测定结构在动荷载作用下的强迫振动的响应。这些性能是判断桥梁运营状况和承载能力的重要标志之一。2现有桥梁的评估方法我国现在采用的依旧是1988年颁布的《公路旧桥承载力鉴定方法》(试行)和1999年颁布的《铁路桥涵设计基本规范>的设计计算思路.首先对被检定的桥梁结构进行检查(搜集资料、现状检查、材质与地基的检验等)，然后结合现场调查的结构各部分尺寸及材料强度，运用桥梁结构计算理论求得承载力。最后考虑桥梁损坏程度、材料老化程度、桥面行驶条件实际交通情况、桥梁建造使用期

5、限等因素，经过广泛的调查研究确定出各项对应的系数，从而折算出桥梁安全承载力。这种计算充分挖掘现有桥梁的承载潜力，而对现有桥梁结构的特点及结构损伤造成其受力行为的影响考虑不足。3基于人工神经网络的桥梁结构状况评估人工神经网络(ArtificialNeuralNetworks，ANN)，一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统

6、的基于逻辑符号的人工智能在处理直觉非结构化息方面的缺陷，具有自适应、自组织和实时学习的特点。神经网络法用于桥梁结构损伤识别的基本思想是：由于结构的损伤必然导致结构参数(刚度、阻尼和内部荷载)的改变。利用数值求解法(如有限元法、能量法)或实测方法，获取结构中所需物理量(如频率、振型等)作为训练样本的输入参数，以结构的缺陷作为输出参数，利用神经网络具有很强的自组织、自学习和自适应能力的特点，通过一定数量的训练样本让网络学习。神经网络记住这些知识，实现从输入参数(如结构频率向量等)到输出参数(如结构损伤位置、程度等)之间的非线性映射

7、，从而可以求得反问题的解，也就可以知道桥梁结构的损伤情况。现在常用于损伤诊断的网络模型有BP网络模型、对偶传播神经网络、径向基函数(RBF)神经网络和模糊神经网络等。4基于动载试验的桥梁结构状况评估基于振动模态分析技术，国内外目前在桥梁检测的试验与研究中取得的进展主要表现在：1）通过强迫振动试验，能够分析模态参数对结构局部变化的反应；2）在车重车速路面及支承对桥梁模态参数的影响方面有深入的认识及理论上的依据，证明了用环境振动法进行桥梁自动检测的可能性；3）对适用于桥梁监测的结构状态敏感参数积累了理论认识和试验基础；4）在一定程

8、度上能够利用测试的数据进行计算模型的修正；5）开发了各种基于频率振型振型曲率应变振型等改变量的损伤检测和定位技术，在处理方法上探寻了MAC法、COMAC法、柔度矩阵法、矩阵摄动修正法、非线性迭代法以及神经元网络法等。这些方法各具有特色，在局部的范围内都取得了积极的效果。但这些