馮江蘇　黃海賓

摘要 提出了一種監(jiān)測數(shù)據(jù)驅動的大跨橋梁支座服役性能概率預警方法。首先，基于正常服役狀態(tài)下獲取的長期監(jiān)測數(shù)據(jù)，對橋梁的結構溫度場及其支座位移的聯(lián)合概率密度進行建模；其次，利用該模型對未知服役狀態(tài)下的溫致支座位移的條件概率密度進行預測；最后，根據(jù)退化支座軸承縱向位移退化規(guī)律模擬相應支座的縱向位移，以達到對支座性能劣化預警的目的。通過某大跨斜拉橋為期12個月的連續(xù)監(jiān)測數(shù)據(jù)研究分析馬氏平方距離指標和歐氏平方距離指標對本文所提方法的有效性進行驗證，結果表明：所提方法能有效建立結構溫度場和支座位移的聯(lián)合概率密度模型，且能準確對支座退化性能有效預警；馬氏平方距離指標法優(yōu)于歐氏平方距離指標。

關 鍵 詞 大跨橋梁；支座；服役狀態(tài)；性能劣化；概率預警；長期監(jiān)測數(shù)據(jù)

中圖分類號 U447? ? ?文獻標志碼 A

Performance early warning method for probabilistic modeling of thermal displacement of bridge bearing

FENG Jiangsu HUANG Haibin

（1.Infrastructure Branch of the Third Company of the Second Construction Bureau of China， Beijing 100049， China; 2.School of Civil Engineering and Transportation， Hebei University of Technology， Tianjin 300401， China; 3.Hebei Civil Engineering Technology Research Center， Hebei University of Technology， Tianjin 300401， China）

Abstract A probabilistic warning method for service performance of long-span bridge bearingss driven by monitoring data is proposed in this paper. Firstly， based on the long-term monitoring data obtained in normal service， the joint probability density of the structural temperature field and the bearings displacement of the bridge are modeled. Secondly， the model is used to predict the conditional probability density of the temperature-induced bearings displacement under unknown service conditions. Finally， the longitudinal displacement of the corresponding bearing is simulated according to the degradation law of the longitudinal displacement of the degraded bearing to achieve the purpose of warning the deterioration of the bearing performance. The validity of the proposed method has been verified by analyzing the mahalanobis square distance index and Euclidean square distance index from the continuous monitoring data of a long-span cable-stayed bridge for 12 months. The results show that the proposed method can effectively establish structure temperature field and the displacement of the joint probability density model， and can accurately for bearing performance degradation effective early warning; Markov square distance control chart is superior to Euclidean square distance control chart. Mahalanobis square distance index method is better than Euclidean square distance index.

Key words long-span bridge; bearings; service status; performance degradation; probability early warning; long-term monitoring data

0 引言

支座是連接橋梁上下部構件、傳遞荷載、調節(jié)變形以及確保橋體在活載、溫變、砼收縮和徐變等因素下能自由變形的重要構件[1]。其工作原理是將橋梁上部結構自重、車輛行人等荷載傳遞至橋梁下部的墩臺和地基，橋梁地基的非均勻沉降造成結構受力分布改變，受力分布狀態(tài)通過支座作用于橋梁上部。支座屬于橋梁重要構件，且易損難修。例如：京滬高速公路江蘇新沂河大橋板式橡膠支座僅通車約1 a，就有75%的支座出現(xiàn)損壞；2020年通車的107國道新北河大橋，僅使用3 a，大部分支座便出現(xiàn)損壞。橋梁支座的損傷或者破壞會直接引起橋梁上部構件與下部構件的受力偏差或失衡，進而引發(fā)其它構件的損壞，縮減橋梁的壽命，直接對橋梁結構的整體安全性構成威脅。因此，實時掌握支座的服役狀態(tài)并其性能劣化進行及時的預警顯得尤為關鍵。由于橋梁支座安裝位置隱蔽，人工檢測方法無法準確判斷其損傷及破壞程度[2]，所以橋梁健康監(jiān)測發(fā)揮著至關重要的作用。橋梁健康監(jiān)測不僅具有目標針對性強、精度高、時效性好的優(yōu)點，還避免人工檢測的盲區(qū)局限性，同時對橋梁支座的受力測量存在明顯優(yōu)勢。

本文依托某雙跨連拱橋健康監(jiān)測系統(tǒng)長期采集的結構溫度和支座縱位移監(jiān)測數(shù)據(jù)，通過分析橋梁結構溫度與支座位移之間的相關性，提出利用正常服役狀態(tài)下的監(jiān)測數(shù)據(jù)建立橋梁結構溫度場和支座位移的聯(lián)合概率密度模型，在此基礎上預測未知狀態(tài)下的溫致支座位移的條件概率密度，并定義預警指標對其服役狀態(tài)進行評估預警。最后，將基于本文所提方法的2種誤差控制圖（即馬氏平方距離和歐氏平方距離）進行分析對比，以進一步驗證所提方法的有效性。

1 背景橋梁及其監(jiān)測系統(tǒng)簡介

背景橋梁為國內某六跨連續(xù)鋼桁梁拱橋，其跨徑布置為108 m+192 m+336 m+336 m+192 m+108 m。由于該研究主要利用結構的支座縱位移及結構溫度數(shù)據(jù)，因此僅給出支座位移和結構溫度傳感器的監(jiān)測布置，如圖1a）所示。該大橋上共使用7組支座，其中6個縱向活動支座，1個固定支座。為采集每個活動支座的位移，故在每個墩臺上的上下游位置布置了2個支座縱向位移計。圖1b）為1-1斷面的的溫度傳感器布置圖，圖1c）為2-2斷面的溫度傳感器布置圖，綜合圖1b）和圖1c）可知所用溫度數(shù)據(jù)的光柵溫度傳感器的基本布置情況，即分別布置在結構的上弦桿，拱肋弦桿和下弦桿。位移計和溫度計的采樣頻率均為1 Hz。

2 監(jiān)測數(shù)據(jù)預處理與初步分析

通過橋梁健康監(jiān)測系統(tǒng)對主梁溫度場和縱向位移進行連續(xù)監(jiān)測和采集，可以及時掌握橋梁的縱向膨脹性能。結構溫度場和支座縱向位移之間的關系可以表示溫度場對縱向位移的影響。通過對所有結構溫度場測點的監(jiān)測數(shù)據(jù)進行1 h平均處理，可獲得14個樣本容量為7 560的1 h平均溫度序列，如圖2所示?；炷两Y構溫度的變化介于-4 ～53 ℃之間。所選溫度數(shù)據(jù)包含了該橋全年的最高溫度和最低溫度，即能夠包含結構年溫度變化的所有信息。

通過分別對1號、2號、3號支座靜位移數(shù)據(jù)進行1 h平均處理，可獲得3個樣本容量為7 560的1 h平均位移序列，如圖3所示。支座位移的變化情況基本一致，其中：1號支座1 h平均位移的變化范圍在-133～164 mm之間；2號支座1 h平均位移的變化范圍在-112～106 mm之間；3號支座1 h平均位移的變化范圍在-78～85 mm之間。根據(jù)圖2和圖3可以發(fā)現(xiàn)：圖中曲線的變化情況一致，故支座溫度與位移具有線性相關性。

3 溫致支座位移的概率預測

在橋梁的初始運營階段，其支座處于正常服役狀態(tài)。通過在該階段獲取的結構溫度場和支座位移的連續(xù)監(jiān)測數(shù)據(jù)，可建立代表支座正常服役狀態(tài)的溫度和位移聯(lián)合概率密度模型，進而對后續(xù)未知服役狀態(tài)下的溫致支座位移進行條件概率密度預測。為此，將監(jiān)測數(shù)據(jù)的前6 230個樣本作為訓練數(shù)據(jù)集，用于建立代表支座正常服役狀態(tài)的聯(lián)合概率密度模型；將后1 330個樣本作為測試數(shù)據(jù)集，用于驗證溫致支座位移的概率預測效果。

3.1 溫度位移的聯(lián)合概率密度建模

3.2 溫致位移的條件概率密度預測

3.3 支座服役性能的異常預警

4 結論

為有效評估大跨橋梁支座的服役狀態(tài)，本文提出了一種概率預警方法，通過某鋼桁梁拱橋的長期檢測數(shù)據(jù)對其有效性進行了驗證，并將2種誤差控制圖進行了比較。

1）通過GMM，可有效建立非高斯分布的橋梁結構溫度場和支座位移監(jiān)測數(shù)據(jù)的聯(lián)合概率密度模型；

2）基于所建聯(lián)合概率密度模型，可對溫致支座位移的條件概率密度進行準確預測，進而有助于實現(xiàn)后續(xù)的支座性能劣化預警；

3）2種誤差控制圖均能對支座早期性能劣化進行預警，但隨著支座性能劣化程度的加劇，馬氏平方距離指標法的預警效果更為顯著。

參考文獻：

[1]? ? 王高新，丁幼亮，劉華，等. 基于支座動位移監(jiān)測的高鐵橋梁支座磨損狀態(tài)安全評估[J]. 中國鐵道科學，2019，40（1）：39-46.

[2]? ? 梁宗保，柴潔，納守勇，等. 基于深度學習的橋梁健康監(jiān)測數(shù)據(jù)有效性分析[J]. 重慶交通大學學報（自然科學版），2021，40（3）：78-83.

[3]? ? LI A Q，DING Y L，WANG H，et al. Analysis and assessment of bridge health monitoring mass data—progress in research/development of “Structural Health Monitoring”[J]. Science China Technological Sciences，2012，55（8）：2212-2224.

[4]? ? KULLAA J. Distinguishing between sensor fault，structural damage，and environmental or operational effects in structural health monitoring[J]. Mechanical Systems and Signal Processing，2011，25（8）：2976-2989.

[5]? ? NI Y Q，WANG Y W，ZHANG C. A Bayesian approach for condition assessment and damage alarm of bridge expansion joints using long-term structural health monitoring data[J]. Engineering Structures，2020，212：110520.

[6]? ? COMANDUCCI G，MAGALH?ES F，UBERTINI F，et al. On vibration-based damage detection by multivariate statistical techniques：application to a long-span arch bridge[J]. Structural Health Monitoring，2016，15（5）：505-524.

[7]? ? 周志華. 機器學習[M]. 北京：清華大學出版社，2016.

[8]? ? BISHOP Christopher M. Pattern Recognition and Machine Learning[M]. New York：Springer，2006.

[9]? ? WANG G X，DING Y L，SONG Y S，et al. Detection and location of the degraded bearings based on monitoring the longitudinal expansion performance of the main girder of the Dashengguan Yangtze bridge[J]. Journal of Performance of Constructed Facilities，2016，30（4）：04015074.

[10]? JOE QIN S. Statistical process monitoring：basics and beyond[J]. Journal of Chemometrics，2003，17（8/9）：480-502.

[11]? 王高新. 大跨鐵路鋼桁拱橋結構服役狀態(tài)監(jiān)測與安全評價方法研究[D]. 南京：東南大學，2017.