蔡 亮

(海南省交通工程檢測中心，?？?571199)

在大型復(fù)雜橋梁數(shù)量逐漸增多的情況下，相關(guān)工程人員更加關(guān)注橋梁的健康監(jiān)測工作，橋梁自身結(jié)構(gòu)穩(wěn)定性監(jiān)測也顯示出其重要作用[1]。以橋梁結(jié)構(gòu)損傷為主要監(jiān)測對象，已有研究學(xué)者提出基于彈性約束梁應(yīng)變影響線曲率的橋梁結(jié)構(gòu)損傷識別方法。通過構(gòu)建考慮彈性豎向支承與轉(zhuǎn)動支承的彈性約束梁模型，計算模型任意截面應(yīng)變影響線的解析表達(dá)式,從而實現(xiàn)橋梁結(jié)構(gòu)損傷識別[2]。該方法雖然適用于超靜定梁的結(jié)構(gòu)損傷識別，但是由于計算過于復(fù)雜，會增加識別時間。還有學(xué)者提出聯(lián)合卷積與長短記憶神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)損傷識別方法。通過對橋梁結(jié)構(gòu)健康監(jiān)測獲取的加速度振動響應(yīng)，識別多時間窗口內(nèi)傳感器拓?fù)湎嚓P(guān)性特征，構(gòu)建LSTM(long short-term memory，長短期記憶網(wǎng)絡(luò))模型并提取其時間維度特征,對橋梁結(jié)構(gòu)損傷進(jìn)行識別分類[3]。雖然該方法對海量數(shù)據(jù)的處理能力有大幅度提升，可在大量數(shù)據(jù)模擬中進(jìn)行訓(xùn)練，完成橋梁損傷的虛擬化，但無法提供橋梁損傷的全面信息，對具體損傷的識別能力不夠精準(zhǔn)，從而影響識別效果。

超聲紅外熱波成像技術(shù)具有測試范圍廣、速度快等優(yōu)勢，能夠利用輻射成像的方式進(jìn)行無損識別。本研究基于超聲紅外熱波成像技術(shù)，設(shè)計一種橋梁結(jié)構(gòu)損傷識別方法，以期為橋梁的結(jié)構(gòu)損傷識別提供新的途徑，保證橋梁的運營安全。

1 橋梁結(jié)構(gòu)損傷識別方法設(shè)計

1.1 配置橋梁全結(jié)構(gòu)序列數(shù)據(jù)信息表

由于所處環(huán)境和車輛運行的情況不同，在橋梁結(jié)構(gòu)損傷識別過程中會出現(xiàn)多種影響因素，包含非客觀條件和客觀條件兩個方面。外界條件影響被歸納為非客觀條件；橋梁自身穩(wěn)定性能和材料的應(yīng)用，被歸納為客觀條件。本次對損傷識別方法的設(shè)計，主要針對非客觀條件進(jìn)行研究，以減少外部影響因素在識別中造成的誤差。

以結(jié)構(gòu)動力學(xué)數(shù)據(jù)作為敏感信號，獲取健康狀態(tài)下的橋梁結(jié)構(gòu)序列數(shù)據(jù)，構(gòu)建橋梁全結(jié)構(gòu)序列數(shù)據(jù)信息表，以此信息表作為標(biāo)準(zhǔn)數(shù)據(jù)；通過對不同時間段的橋梁狀態(tài)進(jìn)行監(jiān)測，并與信息表中標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行對比，對橋梁全結(jié)構(gòu)損傷位置進(jìn)行判斷，根據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)之間的對照，可判別橋梁是否出現(xiàn)結(jié)構(gòu)損傷。

以隨機森林匹配原理為基礎(chǔ)繪制決策樹，在加速度響應(yīng)信號不變的情況下，完成加速度響應(yīng)信號的隨機森林統(tǒng)計表配置，對運行狀態(tài)下結(jié)構(gòu)各節(jié)點中的損傷進(jìn)行分類預(yù)測，實現(xiàn)全結(jié)構(gòu)下橋梁損傷位置和長度的識別。整個過程分為兩個部分：第一部分為數(shù)據(jù)的獲取和預(yù)處理，即在橋梁不同運行階段中，收集傳感器獲取的全部數(shù)據(jù)類型，加以統(tǒng)計和有效儲存；第二部分為異常數(shù)據(jù)去除，即在初步獲取數(shù)據(jù)后對信息進(jìn)行篩選，減少加速度響應(yīng)信號中的異常數(shù)據(jù)，以減少判斷誤差[4]。

在將傳感器安置在橋梁的各個節(jié)點時，工作人員需要對照紅外熱波成像技術(shù)的拍攝特點，綜合考慮傳感器的安放位置，以便能夠直接從傳感器采集到加速度響應(yīng)信號數(shù)據(jù)。由于傳感信號會受環(huán)境干擾，在車輛和橋梁產(chǎn)生耦合振動時，提供的響應(yīng)信號往往存在誤差，也會產(chǎn)生奇異值和重復(fù)信號。為減少信號失真等問題，須對采集到的信號進(jìn)行預(yù)處理，保證數(shù)據(jù)來源的可靠性和準(zhǔn)確性。為保證信號具有較高的時間分辨性，設(shè)定信號采樣頻率為1 200 Hz，橋梁各節(jié)點處獲取加速度響應(yīng)信號的速度為1.5 m/s，在該時段內(nèi)需得到超過2 000組信號。數(shù)據(jù)經(jīng)過處理后，按照均值和方差兩個選項進(jìn)行表格繪制，在均值選項中呈現(xiàn)數(shù)據(jù)的正態(tài)分布，對具備相同方差的信號進(jìn)行隨機匹配，利用超聲紅外熱波成像技術(shù)構(gòu)建數(shù)學(xué)模型，完成具體的數(shù)據(jù)分析過程。

1.2 構(gòu)建超聲紅外熱波成像數(shù)學(xué)模型

超聲紅外熱波成像技術(shù)，是以傳熱學(xué)理論為基礎(chǔ)的一種無損探測技術(shù)，在實際應(yīng)用過程中分為兩種形式，即被測試單元移動形式和檢測單元移動形式。其主要操作方式為：將紅外熱像儀的激勵源與探測器進(jìn)行位置固定，被測物體產(chǎn)生運動的方向為被測試單元移動形式；被測件的位置固定后，激勵源和探測器產(chǎn)生運動的方向形式為檢測單元移動形式。將橋梁分為多個相對較小的構(gòu)件，可以直接采用被檢測單元移動形式進(jìn)行識別，此時利用超聲紅外熱波成像技術(shù)進(jìn)行掃描，主要原理為線性熱源等單側(cè)加熱原理，促使構(gòu)件在一定速度下進(jìn)行移動[5]。

超聲紅外熱波成像檢測，是對熱波信號提取的全過程進(jìn)行分析，通過機械振動和加熱不均的信號發(fā)射條件，選擇不同的反射成像結(jié)構(gòu)，以顯示熱流信息的具體數(shù)據(jù)結(jié)果。其中以熱傳導(dǎo)計算方式，構(gòu)建紅外熱波成像的數(shù)學(xué)模型。由于任何物體溫度超過絕對零度時，會向外界產(chǎn)生源源不斷的輻射電磁波，常態(tài)下溫度越高，產(chǎn)生的波長越短，波長在760 nm～1 mm之間的電磁波被稱為紅外輻射[6]。

以常規(guī)檢測環(huán)境為條件，建立數(shù)學(xué)識別模型，對橋梁的表面材料和成分進(jìn)行分析，保證外界變量影響條件下紅外信息的順利轉(zhuǎn)化。將紅外熱波檢測構(gòu)件的本體輻射作為計算基礎(chǔ)，促使數(shù)學(xué)模型中的輻射度滿足Stefan-Boltzmann定律(斯特藩-玻爾茲曼定律)，其表達(dá)式為

(1)

式中，C為橋體固體表面產(chǎn)生信號的發(fā)射率；ZX為Stefan-Boltzmann定律中的輻射度；V′為定律常數(shù)；BM為物體表面產(chǎn)生的溫度；BN為橋體所處的環(huán)境溫度。

利用線型熱源對橋梁分配構(gòu)件進(jìn)行單側(cè)加熱，使同等位置的構(gòu)件以一定速度完成移動，在熱流經(jīng)過構(gòu)件表面時，若構(gòu)件內(nèi)部存在缺陷或不連續(xù)狀態(tài)，該區(qū)域相應(yīng)表面會產(chǎn)生溫度差異，從而得到不同構(gòu)件的溫度信息數(shù)據(jù)。

在構(gòu)建好的數(shù)學(xué)模型中引入有限元修正方式，通過內(nèi)部紅外熱波成像的序列特點，完成損傷位置的定量識別[7]。超聲紅外熱波成像掃描流程如圖1所示。

圖1 超聲紅外熱波成像掃描流程

1.3 基于有限元修正計算的橋梁結(jié)構(gòu)損傷識別

在紅外熱波成像的網(wǎng)絡(luò)信息數(shù)據(jù)內(nèi)，采用有限元修正計算方式，根據(jù)自身函數(shù)關(guān)系提取圖像序列有效特征點，并設(shè)置數(shù)學(xué)模型，根據(jù)紅外熱波成像的類型進(jìn)行分類器選擇[8]。利用有限元進(jìn)行修正分類，主要是對損傷位置和類型進(jìn)行確定，并對識別出的橋梁損傷結(jié)果進(jìn)行分類。

為減少模式選擇次數(shù)，直接采用Softmax分類器進(jìn)行處理，假設(shè)在紅外熱波成像技術(shù)所拍攝的圖像中，包含一組可計算的樣本集合，表示為{(A(1),S(1)),…，(A(D),S(D))}，其中D為樣本數(shù)量，A為輸入的特征向量，S為增添類別模式后的輸入特征向量[9]。

設(shè)置向量S的取值有F個，對應(yīng)的標(biāo)簽樣本集合表示為{(AI(1)，SI(1))，…，(AI(D),SI(D))}，針對每一個特征向量A，都會產(chǎn)生一個函數(shù)的估算類別概率，表示為G(S=L|A)，且向量的元素總和為1。將標(biāo)簽化的特征向量取值范圍表示為S(H)∈{1,2,…,F}，輸出對應(yīng)數(shù)量向量的預(yù)估值，修正表達(dá)式為

(2)

式中，JK(AH)為有限元修正的假設(shè)函數(shù)，其中K為假設(shè)函數(shù)的修正參數(shù)，在歸一化處理中使預(yù)估概率的總和為1。根據(jù)概率預(yù)估結(jié)果，能夠表示出輸入特征向量的類型分類值，以此判斷在最大概率中的類型，即為輸入特征向量的所屬損傷類別。同時可將該概率值設(shè)置為識別結(jié)果的置信度，根據(jù)其數(shù)值結(jié)果判斷橋梁的多個損傷模式類型。根據(jù)橋梁實際損傷數(shù)據(jù)信息表，在配置橋梁序列數(shù)據(jù)信息表的基礎(chǔ)上，利用超聲紅外熱波成像技術(shù)構(gòu)建數(shù)學(xué)模型，計算數(shù)據(jù)有限元修正概率值并識別損傷位置，完成橋梁結(jié)構(gòu)損傷識別方法的設(shè)計。

2 試驗與分析

為驗證此次設(shè)計的識別方法具有實際應(yīng)用效果，能夠在橋梁結(jié)構(gòu)損傷中進(jìn)行精準(zhǔn)定位，采用試驗測試的方法進(jìn)行論證。試驗分為兩個部分：第一部分為有效性測試，即不同識別方法可否在橋梁受損時做出判斷并定位損傷位置。第二部分為定位準(zhǔn)確度測試，在損傷識別完成后，選擇文獻(xiàn)[2]提出的基于彈性約束梁應(yīng)變的識別方法與文獻(xiàn)[3]提出的聯(lián)合卷積與長短記憶神經(jīng)網(wǎng)絡(luò)的識別方法作為對比方法，對運用不同方法得到的損傷位置進(jìn)行評定，驗證不同識別方法對橋梁損傷的識別效果。以橋梁結(jié)構(gòu)健康狀態(tài)下的數(shù)據(jù)作為基礎(chǔ)，文獻(xiàn)[2]中的方法采用推導(dǎo)模型任意截面應(yīng)變影響線解析表達(dá)式，辨別局部損傷參數(shù)與應(yīng)變影響線的解析關(guān)系，通過應(yīng)變影響線曲率識別橋梁結(jié)構(gòu)的局部損傷。文獻(xiàn)[3]中的方法將橋梁結(jié)構(gòu)健康數(shù)據(jù)以特征圖形式輸入聯(lián)合CNN(卷積神經(jīng)網(wǎng)絡(luò))的LSTM模型，提取維度特征并對結(jié)構(gòu)損傷模式進(jìn)行識別。

以某省運行超過10年的大跨度大橋為測試對象，在其承載重量超過100萬噸時會出現(xiàn)損傷，但不會影響橋梁的正常運載，大橋識別路段示意如圖2所示。

圖2 大橋識別路段示意

由圖2可知，測試時將選定的大跨度大橋分為4個識別路段。大橋整體跨度為2 416 m，平均每路段有效長度為604 m。由于荷載的增加使橋梁鋼筋與混凝土的應(yīng)力不斷加大，在極限情況下混凝土?xí)霈F(xiàn)裂縫，而裂縫附近區(qū)段粘連作用遭受破壞，遭受破壞的區(qū)段長度即為橋梁結(jié)構(gòu)的損傷長度。綜合歷年數(shù)據(jù)分析結(jié)果可知，在大橋內(nèi)部存在損傷情況。調(diào)取劃分完成后的數(shù)據(jù)進(jìn)行整理，以2021年全年為例，分別將每個路段內(nèi)出現(xiàn)的損傷次數(shù)及最長損傷長度進(jìn)行列舉，2021年大橋結(jié)構(gòu)損傷序列數(shù)據(jù)信息如表1所示。

表1 2021年大橋結(jié)構(gòu)損傷序列數(shù)據(jù)信息

由表1可知，在本次劃分的4個路段內(nèi)均出現(xiàn)過橋梁損傷情況，其中出現(xiàn)損傷次數(shù)最多的為LP-2044 路段，為8次；最長損傷長度出現(xiàn)在 LP-2046 路段，為0.76 mm。相關(guān)數(shù)據(jù)信息基本符合本次試驗要求，并可進(jìn)行對比測試。

將紅外探測器探頭安置在構(gòu)件表面，采用超聲紅外熱波成像技術(shù)獲取橋梁構(gòu)件的溫度信息數(shù)據(jù)，分別記錄溫度變化的相應(yīng)數(shù)據(jù)，依次得到紅外熱波的成像序列，再根據(jù)加速度信號進(jìn)行紅外圖像序列處理，對比各區(qū)間構(gòu)件的特征差異，判斷橋梁內(nèi)部環(huán)境。

依據(jù)表1的數(shù)據(jù)信息構(gòu)建數(shù)學(xué)模型，采用Softmax分類器判定損傷類別，利用有限元修正概率值識別損傷位置。

由于超聲波在損傷定位過程中會出現(xiàn)衰減生熱的情況，在損傷界面的接觸間產(chǎn)生非線性過程，因此將數(shù)據(jù)導(dǎo)入非線性有限元軟件ABAQUS中進(jìn)行多輪測試模擬。試驗開始前，引入兩組文獻(xiàn)中的方法進(jìn)行對照，在試驗環(huán)境統(tǒng)一設(shè)定下進(jìn)行損傷次數(shù)統(tǒng)計測試，驗證不同方法對不同位置損傷次數(shù)的識別結(jié)果，不同方法下橋梁損傷次數(shù)識別結(jié)果如圖3所示。

(a) 本文方法

(b) 文獻(xiàn)[2]中的方法

(c) 文獻(xiàn)[3]中的方法圖3 不同方法下橋梁損傷次數(shù)識別結(jié)果

由圖3可知，在選定的3組識別方法中，以不同的識別速度進(jìn)行判斷，本文方法對劃分路段中損傷次數(shù)的統(tǒng)計結(jié)果與實際數(shù)量一致，可以完成次數(shù)準(zhǔn)確識別。而兩組對比方法在較短的識別時間內(nèi)無法完成次數(shù)識別，文獻(xiàn)[2]中的方法最少用時需要0.4 s，文獻(xiàn)[3]中的方法最少用時需要0.6 s，且識別的具體次數(shù)較實際值少。綜合測試結(jié)果可知，本文方法可以在第一時間內(nèi)完成損傷識別，在不同的發(fā)生次數(shù)下能夠做出準(zhǔn)確判斷，統(tǒng)計出具體數(shù)據(jù)結(jié)果，具有實際應(yīng)用效果。

為進(jìn)一步驗證本文方法能夠提高識別的準(zhǔn)確度，搭建MATLAB測試平臺，將3組方法再次進(jìn)行連接，在識別時間不少于0.6 s的前提下，對3組方法進(jìn)行損傷長度的識別測試。以出現(xiàn)最長損傷長度的LP-2046路段為例，該路段損傷位置為橋臺。在多輪測試下驗證不同方法的準(zhǔn)確程度，不同方法下?lián)p傷長度識別結(jié)果如表2所示。

表2 不同方法下?lián)p傷長度識別結(jié)果 (mm)

由表2可知，不同方法對橋梁損傷長度的識別結(jié)果不一致，在本文方法的應(yīng)用下，該路段的損傷長度識別結(jié)果與實際數(shù)據(jù)中最長損傷長度(0.76 mm)的數(shù)據(jù)基本一致，誤差不超過0.02 mm。對比文獻(xiàn)中的兩組方法，文獻(xiàn)[2]中的方法在多次識別中產(chǎn)生的結(jié)果均低于實際損傷值，誤差為0.41～0.45 mm，該方法在應(yīng)用過程中易造成損傷報告延遲的情況產(chǎn)生，會推遲橋梁的維護(hù)時間。文獻(xiàn)[3]中的方法在多次識別中產(chǎn)生的結(jié)果均高于實際損傷值，誤差為0.08～0.12 mm，若其位置判斷準(zhǔn)確則不會對橋梁的維護(hù)產(chǎn)生影響，若在位置判斷失誤的情況下則會增加橋梁的維修次數(shù)，提升維修成本的同時耗費工程資源。

綜合試驗結(jié)果，此次設(shè)計的識別方法融入了超聲紅外熱波成像技術(shù)，能夠在橋梁出現(xiàn)損傷時通過溫度變化進(jìn)行定位，準(zhǔn)確識別出損傷的長度和次數(shù)，從而改善原有方法準(zhǔn)確度較低的問題，具有實際應(yīng)用效果。

3 結(jié)語

在分析超聲紅外熱波成像技術(shù)的基礎(chǔ)上，重新設(shè)計橋梁的結(jié)構(gòu)損傷識別方法。由試驗結(jié)果可知，設(shè)計方法在運用過程中，只需0.1 s即可完成數(shù)據(jù)統(tǒng)計，能夠?qū)蛄旱膿p傷次數(shù)和程度進(jìn)行精準(zhǔn)確定，與實際數(shù)據(jù)值一致，具有實際應(yīng)用效果。但在研究過程中只選擇了一組橋梁進(jìn)行驗證，所得結(jié)果具有一定偏差性，研究存在不足。后續(xù)研究會針對不足進(jìn)行改良，為橋梁結(jié)構(gòu)的損傷識別提供更科學(xué)的理論數(shù)據(jù)，保障橋梁的穩(wěn)定運載效果。