茅建校 龐振浩 王浩 王飛球

摘要 基于貝葉斯推理提出了一種可實(shí)現(xiàn)誤差模式選擇的橋梁車輛荷載識(shí)別方法。該方法通過(guò)靜力影響線構(gòu)建車輛荷載與實(shí)測(cè)響應(yīng)的關(guān)系表達(dá)式，并建立修正曲面以消除動(dòng)力效應(yīng)造成的識(shí)別誤差。引入與結(jié)構(gòu)響應(yīng)大小和車速相關(guān)的五種誤差模式。根據(jù)假設(shè)的先驗(yàn)分布推導(dǎo)車輛軸重參數(shù)的后驗(yàn)分布，以獲得車輛荷載的最優(yōu)估計(jì)值和置信區(qū)間，并計(jì)算各誤差模式的后驗(yàn)概率。分別采用簡(jiǎn)支梁數(shù)值算例和某連續(xù)梁橋動(dòng)載試驗(yàn)，對(duì)該方法在不同車速工況下的識(shí)別精度和可靠性進(jìn)行了驗(yàn)證。結(jié)果表明，修正曲面可以有效消除車輛動(dòng)力沖擊的影響，提高了荷載識(shí)別精度；荷載識(shí)別結(jié)果以置信區(qū)間形式呈現(xiàn)，可量化荷載識(shí)別結(jié)果的不確定性；貝葉斯方法能夠識(shí)別出最佳誤差模式，進(jìn)一步提升了荷載識(shí)別的魯棒性。

關(guān)鍵詞 車輛荷載識(shí)別; 貝葉斯推理; 不確定性量化; 模式選擇; 動(dòng)力響應(yīng)消除

引 言

運(yùn)營(yíng)條件下的橋梁車輛荷載識(shí)別對(duì)于交通軸載調(diào)查、橋梁維護(hù)管理、超載治理和橋梁耐久性與安全性評(píng)價(jià)等具有重要意義。近年來(lái)，隨著中國(guó)交通貨運(yùn)量呈現(xiàn)爆發(fā)式的增長(zhǎng)，重車和超重車已逐漸成為最重要的運(yùn)輸工具之一［1］。動(dòng)態(tài)稱重（Weigh?in?Motion， WIM）技術(shù)可以在不中斷交通的情況下獲得車輛的軸重、軸距以及車速等信息。然而，WIM技術(shù)須將稱重傳感器安裝在路表面，存在安裝復(fù)雜、成本較高和易損壞等缺點(diǎn)，且荷載識(shí)別精度受路面剛度與不平整度的影響較大［2?3］。與傳統(tǒng)的動(dòng)態(tài)稱重技術(shù)比較，橋梁動(dòng)態(tài)稱重（Bridge?WIM，B?WIM）技術(shù)具有成本低、精度高、耐久性好等優(yōu)點(diǎn)。

B?WIM技術(shù)是通過(guò)測(cè)量橋梁在車輛作用下的結(jié)構(gòu)響應(yīng)，求解獲得車輛軸重等信息的技術(shù)［4?5］。目前，B?WIM方法可分為靜力法［6?7］和動(dòng)力法［8?10］兩大類。Moses算法［6］ 是經(jīng)典的靜力法之一，它的核心思想是最小化實(shí)測(cè)橋梁響應(yīng)與利用影響線概念計(jì)算的響應(yīng)之間的差異來(lái)識(shí)別車輛軸重。然而，由于實(shí)測(cè)響應(yīng)為動(dòng)力響應(yīng)，利用靜力影響線得到的理論響應(yīng)為靜力響應(yīng)，導(dǎo)致該算法存在一定的誤差。動(dòng)力法采用橋梁結(jié)構(gòu)動(dòng)力響應(yīng)時(shí)程進(jìn)行車輛荷載識(shí)別，從動(dòng)力角度對(duì)荷載和響應(yīng)的關(guān)系進(jìn)行建模，理論上具有較高的精度，但動(dòng)力法依賴于精確的橋梁有限元建模和分析，計(jì)算效率低，不易在現(xiàn)代商業(yè)B?WIM系統(tǒng)中應(yīng)用［11］。另一方面，靜力法易于實(shí)現(xiàn)，只要對(duì)實(shí)測(cè)響應(yīng)進(jìn)行誤差處理或其信噪比足夠高，靜力法可獲得較高的精度。影響線是Moses算法的重要參數(shù)，耿少波等［12］ 針對(duì)橋梁結(jié)構(gòu)影響線的標(biāo)定方法進(jìn)行說(shuō)明與求解，并推導(dǎo)車輛荷載計(jì)算的通用矩陣表達(dá)式，為B?WIM系統(tǒng)開(kāi)發(fā)提供了理論支持。王寧波等［13］ 通過(guò)梯度法對(duì)Moses算法得到的初始荷載識(shí)別值進(jìn)行局部?jī)?yōu)化，進(jìn)一步提高了荷載識(shí)別精度。Tikhonov正則化技術(shù)［14］ 是解決響應(yīng)誤差問(wèn)題的一種思路，主要通過(guò)在原最小化公式中添加附加罰項(xiàng)來(lái)實(shí)現(xiàn)消除動(dòng)力的影響。Liu等［15］ 借鑒交替迭代法和正則化技術(shù)，提出一種基于半凸函數(shù)的移動(dòng)荷載識(shí)別方法，通過(guò)迭代得到恒力分量和時(shí)變力分量，與L2正則化和移動(dòng)平均Tikhonov正則化相比，該方法可以進(jìn)一步提高移動(dòng)荷載識(shí)別精度。Pan等［16］ 提出一種基于稀疏自估計(jì)傳感器網(wǎng)絡(luò)的橋梁車輛荷載識(shí)別方法，該方法考慮每個(gè)傳感器的信號(hào)特征、噪聲能量和信噪比，以傳感器的加權(quán)殘差來(lái)定義代價(jià)函數(shù)，改進(jìn)了L2范數(shù)正則化模型。張梓航等［17］ 提出了一種基于雙稀疏字典和稀疏K?SVD字典學(xué)習(xí)算法的動(dòng)態(tài)荷載識(shí)別方法。張龍威等［18］ 提出了橋梁動(dòng)態(tài)稱重迭代算法，該算法通過(guò)Moses算法和實(shí)測(cè)影響線算法之間的反復(fù)迭代實(shí)現(xiàn)。隨著橋梁跨徑增大、橋面行駛車輛數(shù)增多，基于Moses算法荷載識(shí)別方法的精度和穩(wěn)定性呈逐步下降的趨勢(shì)［19?20］，因此目前B?WIM技術(shù)大多針對(duì)中小跨徑橋梁并且只考慮單輛車過(guò)橋的工況。

從參數(shù)識(shí)別的角度來(lái)看，車輛荷載識(shí)別值是最優(yōu)值或估計(jì)值，具有不確定性。然而，現(xiàn)有的B?WIM算法較少根據(jù)車輛軸重的概率分布來(lái)考慮其不確定性［21］ 。針對(duì)車輛荷載的不確定性，Yoshida等［22］ 將貝葉斯理論應(yīng)用于軸重識(shí)別，從概率分布角度實(shí)現(xiàn)了不確定性分析，同時(shí)也表明了觀測(cè)誤差建模的重要性；Yu等［21］ 提出了一種基于生成對(duì)抗網(wǎng)絡(luò)（GAN）的車輛軸重概率估計(jì)方法；此外，Yang［23］ 提出了一種基于非概率理論的面向不確定性的正則化荷載識(shí)別方法，但這些研究?jī)H僅限于參數(shù)識(shí)別層面，而缺乏對(duì)誤差模式選擇的研究。從數(shù)據(jù)采集的角度看，不同類型的樣本數(shù)據(jù)的誤差模式可能不同，誤差模式選擇不當(dāng)可能會(huì)導(dǎo)致參數(shù)識(shí)別精度下降［24］ 。然而，誤差模式的優(yōu)選尚未被相關(guān)文獻(xiàn)報(bào)道。

本文提出了一種基于貝葉斯推理的橋梁車輛荷載識(shí)別方法。該方法主要包括置信區(qū)間估計(jì)、模式選擇和動(dòng)力響應(yīng)消除，通過(guò)修正曲面實(shí)現(xiàn)了動(dòng)力響應(yīng)的消除，通過(guò)貝葉斯推理對(duì)誤差模式進(jìn)行了優(yōu)化選擇，從而提高了荷載識(shí)別的精度，并對(duì)荷載估計(jì)值的不確定性進(jìn)行量化。最后，通過(guò)數(shù)值算例和某連續(xù)梁橋動(dòng)載試驗(yàn)對(duì)該方法的可靠性進(jìn)行了驗(yàn)證，以期為橋梁的長(zhǎng)期運(yùn)營(yíng)和維護(hù)管理提供科學(xué)依據(jù)。

1 基于貝葉斯推理的橋梁車輛荷載識(shí)別方法

1.1 荷載與響應(yīng)的關(guān)系

假設(shè)一輛K軸車輛行駛通過(guò)窄橋（不考慮橫向效應(yīng)），對(duì)車輛的位置數(shù)據(jù)和響應(yīng)數(shù)據(jù)進(jìn)行采樣，構(gòu)建荷載與響應(yīng)的關(guān)系表達(dá)式如下：

式中? ?Ri為第i次采樣的理論響應(yīng)；K為車輛的車軸數(shù)目；Ak為第k個(gè)車軸的軸重（前軸為第1個(gè)車軸）；I（x）為位置x處的影響系數(shù)［25］ ；xik為在第i次采樣中第k個(gè)車軸的位置。

整理N次采樣的數(shù)據(jù)，荷載與響應(yīng)的關(guān)系式以矩陣的形式表示為：

式中? ? R∈RN×1為理論響應(yīng)向量，R=[R1 R2 R3 … RN]T；A∈RK×1為軸重荷載向量，即待求未知數(shù)向量，A=[A1 A2 A3 … AK]T；I ∈RN×K為影響系數(shù)矩陣，矩陣的第i行第k列元素表示在第i次采樣中第k個(gè)車軸對(duì)應(yīng)位置處的影響系數(shù)，即

考慮到實(shí)測(cè)響應(yīng)相對(duì)于靜力響應(yīng)存在誤差，對(duì)荷載與響應(yīng)的關(guān)系式引入誤差項(xiàng)，表達(dá)式如下：

式中? ? R?∈RN×1為實(shí)測(cè)響應(yīng)向量；ε ～ N（0， Σ0）代表實(shí)測(cè)響應(yīng)存在的誤差，即第i次實(shí)測(cè)響應(yīng)的誤差εi相互獨(dú)立且服從零均值，方差為σ 2i的高斯分布。

參考Mu等［26］ 的研究成果，并且考慮到σ 2i可能與實(shí)測(cè)響應(yīng)R?i和速度大小Vi相關(guān)，本文針對(duì)方差σ 2i設(shè)定5種誤差模式，表達(dá)式如下 ：

式中? ? Vi為第i次采樣中車輛行駛的速度，單位為m/s；λ為誤差參數(shù)，可對(duì)與響應(yīng)大小R?i和速度大小Vi相關(guān)的誤差進(jìn)行調(diào)整和控制。

基于上述線性回歸模型，以M 表示該數(shù)學(xué)模型；D表示樣本數(shù)據(jù)，即影響系數(shù)矩陣I 和響應(yīng)向量R?；θ=[ATσ 20λ]T表示不確定的參數(shù)；p（D|θ，Cj）表示數(shù)據(jù)的似然函數(shù)，它反映待求參數(shù)θ和數(shù)學(xué)模型Cj 對(duì)數(shù)據(jù)D的擬合程度，似然函數(shù)為多維高斯分布，表達(dá)式為：

1.2 貝葉斯推理

1.2.1 先驗(yàn)分布

假設(shè)未知參數(shù)θ的先驗(yàn)分布是互相獨(dú)立的，則：

式中 C1～C5代表誤差模式Type1～5。

假設(shè)軸重荷載向量A的先驗(yàn)分布為服從均值μA（數(shù)值算例中，車輛為二軸普通小轎車，一般前軸重量是后軸的一半，總重量位于1.2～1.6 t之間，故取μA=[0.45? ? 0.9]T。動(dòng)載試驗(yàn)算例中，車輛為滿載的三軸大型載重貨車。參考GB 1589—2016《汽車、掛車及汽車列車外廓尺寸、軸荷及質(zhì)量限值》［27］ ，單軸重量不超過(guò)11.5 t，因此在動(dòng)載算例中取μA=[10 10 10]T）和協(xié)方差矩陣ΣA（協(xié)方差代表了軸重的先驗(yàn)分布的離散程度，數(shù)值算例取ΣA=diag[1? 1]，動(dòng)載試驗(yàn)算例取ΣA=diag[1? 1? 1]）的高斯分布：

誤差方差σ 20服從具有形狀參數(shù)α0和尺度參數(shù) β0的逆伽馬分布（α0和 β0決定了σ 20的離散程度，結(jié)合實(shí)測(cè)響應(yīng)可能出現(xiàn)的誤差ε，取α0=1， β0=1），表達(dá)式如下：

誤差參數(shù)λ服從均值為0，標(biāo)準(zhǔn)差為σλ（由式（5）可知，λ不宜過(guò)大，取σλ為0.1）的正態(tài)分布：

1.2.2 后驗(yàn)分布

根據(jù)貝葉斯定理，未知參數(shù)θ的后驗(yàn)分布［28］ 為 ：

Mu等［26］和Muto［29］對(duì)后驗(yàn)分布的最優(yōu)值進(jìn)行了相關(guān)推導(dǎo)，具體如下：

對(duì)于誤差模式Type1，不確定參數(shù)θ=[ ATσ 20]T。通過(guò)最大化p（θ|D，Cj），可得到參數(shù)A和σ 20的最優(yōu)值如下：

最優(yōu)值A(chǔ)?（σ 20）和 σ? 20（A）是互相耦合的，通過(guò)迭代可得到其條件最優(yōu)值。從A的極大似然解（ITI ）?1IT R?開(kāi)始，交替使用式（12）和（13），直到迭代穩(wěn)定或誤差小于預(yù)先設(shè)定的閾值。

目標(biāo)函數(shù)J（θ）定義為p（θ|D，Cj）的負(fù)對(duì)數(shù)，表達(dá)式如下：

式中? ? Wk和Xk分別為“高斯?勒讓德”積分的積分系數(shù)和積分節(jié)點(diǎn)。為了盡可能提高數(shù)值積分精度，本文采用了40個(gè)求積節(jié)點(diǎn)。

1.4 修正曲面

為研究橋梁動(dòng)力因素對(duì)靜力響應(yīng)的影響，本文給出修正曲面的定義：一輛車以勻速Vi的速度行駛通過(guò)窄橋，前軸位于位置xi處時(shí)的動(dòng)力響應(yīng)為Rdi，對(duì)應(yīng)的靜力響應(yīng)為Rsi，稱Rsi/Rdi為修正系數(shù)ζi，則一個(gè)修正點(diǎn)為（xi， Vi， ζi）；將各修正點(diǎn)連成一個(gè)曲面，稱該曲面為修正曲面。本文通過(guò)有限元模擬的方法獲得動(dòng)力響應(yīng)Rdi（時(shí)程分析）和靜力響應(yīng)Rsi，結(jié)果表明軸距相同、軸重不同但軸重成比例的車輛對(duì)應(yīng)的修正曲面是相同的，利用下式可對(duì)實(shí)測(cè)響應(yīng)的動(dòng)力部分進(jìn)行消除，得到靜力響應(yīng)Ri：

通常情況下，車輛剛駛?cè)霕蛄簳r(shí)的動(dòng)力響應(yīng)Rdi很微小，導(dǎo)致響應(yīng)的修正系數(shù)ζi往往較大，故計(jì)算全橋范圍內(nèi)的修正曲面是不必要的。在簡(jiǎn)支梁數(shù)值算例中，二軸車（軸距2.5 m，前后軸的軸重比例為1∶2）通過(guò)計(jì)算跨徑為30 m的簡(jiǎn)支梁橋，對(duì)跨中位移進(jìn)行時(shí)程分析和靜力分析，得到5～25 m范圍內(nèi)的修正曲面如圖 1所示。在動(dòng)載試驗(yàn)算例中，三軸加載車輛（軸距分別為3.5 m和1.35 m，前后軸的軸重的比例為10∶12∶13）行駛通過(guò)某連續(xù)梁橋梁（3 m×32.7 m），得到50～65 m范圍內(nèi)的修正曲面如圖 2所示。

2 數(shù)值算例

2.1 算例設(shè)計(jì)

2.1.1 簡(jiǎn)支梁結(jié)構(gòu)和加載車輛

簡(jiǎn)支梁跨徑為30 m，采用等截面的形式，截面抗彎剛度EI為1.0×109? N·m2，質(zhì)量密度為1020 kg/m3。加載車輛為二軸普通小轎車，軸距2.5 m，前軸軸重A1為0.5 t，后軸軸重A2為1 t。

在本研究中，二軸車輛以80 km/h勻速通過(guò)簡(jiǎn)支梁，以簡(jiǎn)支梁跨中位移響應(yīng)的時(shí)程分析數(shù)據(jù)作為樣本數(shù)據(jù)。

2.1.2 工況設(shè)計(jì)

為研究不同的誤差模式的合理性和修正曲面消除動(dòng)力響應(yīng)的效果，本文設(shè)計(jì)兩個(gè)工況對(duì)此進(jìn)行探索。具體的工況設(shè)計(jì)如下：

工況①：響應(yīng)數(shù)據(jù)R?為時(shí)程分析的動(dòng)力響應(yīng)，不加以動(dòng)力消除；

工況②：響應(yīng)數(shù)據(jù)R?為用修正曲面消除動(dòng)力后的的“靜力”響應(yīng)。

2.2 計(jì)算結(jié)果

對(duì)車輛行駛通過(guò)橋梁時(shí)簡(jiǎn)支梁跨中豎向位移進(jìn)行時(shí)程分析，得到其動(dòng)力響應(yīng)；計(jì)算橋梁的靜力影響線，可獲得相應(yīng)的靜力響應(yīng)；利用修正曲面對(duì)動(dòng)力響應(yīng)進(jìn)行動(dòng)力消除，得到修正后的動(dòng)力響應(yīng)，如圖3所示。結(jié)果表明，動(dòng)力荷載和靜力荷載存在較大的差異；動(dòng)力消除后的響應(yīng)和靜力響應(yīng)較為吻合，表明修正曲面消除動(dòng)力的效果較好。

本文1.2.2中的推導(dǎo)表明，軸重荷載向量A、誤差方差基本值σ 20和誤差參數(shù)λ的最優(yōu)值是互相耦合的，可通過(guò)迭代求解。圖4（a）～（e）和圖 5（a）～（e）分別給出了工況①和工況②下的5種誤差模式的參數(shù)最優(yōu)值的迭代求解過(guò)程，收斂閾值設(shè)置為1.0×10-10。結(jié)果表明，不同誤差模式下的耦合參數(shù)均能在200次迭代內(nèi)滿足收斂閾值。其中，Type5需要的迭代次數(shù)最多。

對(duì)于工況①（如圖 6所示），響應(yīng)數(shù)據(jù)R?直接采用動(dòng)力響應(yīng)，由于動(dòng)力響應(yīng)與靜力響應(yīng)存在較大的誤差，橋梁車輛荷載估計(jì)值與真值不能吻合；95%置信區(qū)間寬度較大，后驗(yàn)分布曲線“矮而胖”，表明不確定性較大；各誤差模式中，模式Type5較合理，但各模式概率相差不大。對(duì)于工況②（如圖7所示），響應(yīng)數(shù)據(jù)R?為修正后的動(dòng)力響應(yīng)，各誤差模式下的荷載估計(jì)概率分布峰值和荷載真值能夠較好地吻合，能夠?qū)囕v荷載進(jìn)行有效的識(shí)別；95%置信區(qū)間寬度較工況①小，表明不確定性較小，荷載識(shí)別精度得到提高；各誤差模式中，模式Type5較合理，模式概率較Type1～4大，后驗(yàn)分布曲線“高而瘦”，不確定性較小。詳細(xì)荷載識(shí)別算例結(jié)果數(shù)據(jù)如表 1所示。

3 實(shí)橋驗(yàn)證

3.1 橋梁結(jié)構(gòu)和加載車輛

某三跨連續(xù)梁計(jì)算跨徑為3×32.7 m，主梁采用等截面小懸臂單箱三室斜腹板箱梁，標(biāo)準(zhǔn)底板寬度11.4 m，翼緣板懸臂1.0 m，外挑翼緣厚度20～35 cm，1/2標(biāo)準(zhǔn)截面如圖 8（a）所示。

加載車輛為滿載的三軸大型載重汽車，軸距1和軸距2分別為3.5 m和1.35 m，前軸A1為10 t，后軸A2重13 t，后軸A3重12 t，總重35 t，如圖 8（b）所示。動(dòng)態(tài)撓度測(cè)點(diǎn)的位置為第二跨跨中截面的中心處，采用接觸式頂桿位移計(jì)，采樣頻率為200 Hz，如圖 9（a）所示?，F(xiàn)場(chǎng)跑車試驗(yàn)采用東華軟件分析系統(tǒng)對(duì)動(dòng)態(tài)位移數(shù)據(jù)進(jìn)行采集，加載車輛沿著道路中線行駛，如圖 9（b）所示。

在本研究中，車輛以10，20，30 km/h勻速通過(guò)該連續(xù)梁，采集第二跨的跨中撓度的時(shí)程響應(yīng)數(shù)據(jù)作為樣本數(shù)據(jù)，如圖10所示。

3.2 計(jì)算結(jié)果

本研究對(duì)某連續(xù)梁橋進(jìn)行荷載試驗(yàn)，獲得橋梁結(jié)構(gòu)在車輛速度為10，20，30 km/h速度下的跨中撓度響應(yīng)曲線。車輛速度為10 km/h下的響應(yīng)受到動(dòng)力因素的影響相對(duì)較小，可視為靜力響應(yīng)。通過(guò)最小二乘法［31］ ，可獲得橋梁結(jié)構(gòu)的位移影響線，如圖11所示。對(duì)動(dòng)力響應(yīng)進(jìn)行修正分為兩個(gè)環(huán)節(jié)，首先采用平滑樣條算法［32］ 將動(dòng)力響應(yīng)曲線的局部誤差消除，然后利用修正曲面對(duì)動(dòng)力響應(yīng)進(jìn)行整體上的動(dòng)力消除，得到修正后的動(dòng)力響應(yīng)，如圖12所示。結(jié)果表明，動(dòng)力荷載和靜力荷載存在較大的差異；動(dòng)力消除后的響應(yīng)更接近靜力響應(yīng)。

通過(guò)類似“數(shù)值算例”中的迭代求解，可得耦合參數(shù)的最優(yōu)值。計(jì)算結(jié)果表明，車輛速度為20 km/h的工況下5種誤差模式收斂需要的迭代次數(shù)分別是10，12，15，11和115次；車輛速度為30 km/h的迭代次數(shù)分別是11，12，17，11和183次。由此可見(jiàn)，在設(shè)置收斂閾值為1.0×10-10的條件下，參數(shù)均能在200次迭代內(nèi)滿足收斂閾值，實(shí)現(xiàn)收斂。

圖13和14分別給出了速度為20 km/h和30 km/h下5種誤差模式對(duì)應(yīng)的車輛荷載概率分布圖，詳細(xì)荷載識(shí)別算例結(jié)果如表 2所示。從車輛速度的角度來(lái)看，不同車輛速度下的橋梁車輛荷載估計(jì)結(jié)果差異不大。從不同的誤差模式的角度來(lái)看，Type1～4的車輛荷載估計(jì)值與真值（A1=10 t，A2=12 t，A3=13 t）不能吻合；95%置信區(qū)間寬度較大，平均寬度為3.62，表明不確定性較大。Type5能夠?qū)囕v荷載進(jìn)行精確識(shí)別，估計(jì)值和真值吻合良好；95%置信區(qū)間寬度較小，平均寬度為3.3，不確定性較小。從模式概率的角度來(lái)看，Type1～4對(duì)應(yīng)的概率均較小，而Type5的概率接近100%。總體而言，誤差模式Type5能較好地消除動(dòng)力沖擊的影響，準(zhǔn)確地識(shí)別出各種速度下的橋梁車輛荷載，不確定性較小，可靠度高。

4 結(jié) 論

（1） 修正曲面可以有效地消除車輛動(dòng)力沖擊的影響，動(dòng)力響應(yīng)修正前后的荷載識(shí)別效果有較大差異， 修正曲面有效地提高了車輛荷載識(shí)別精度。

（2） 提出的方法能對(duì)車輛荷載識(shí)別結(jié)果以95%置信區(qū)間形式呈現(xiàn)，從而實(shí)現(xiàn)荷載識(shí)別不確定性量化，動(dòng)力響應(yīng)修正能有效地減少荷載識(shí)別的不確定性。

（3） 貝葉斯方法能夠識(shí)別出最佳誤差模式，并以概率的形式進(jìn)行合理性評(píng)估，提高了荷載識(shí)別的魯棒性和可靠性。在本研究的各算例中，Type5（σ 2i=σ 20λVi）相對(duì)于其他誤差模式更為合理。

（4） 更優(yōu)的誤差模式假設(shè)有待后續(xù)研究進(jìn)一步發(fā)現(xiàn)和探索。

參考文獻(xiàn)

1馮海月， 伊廷華， 陳斌. 采用廣義Pareto分布進(jìn)行車輛荷載效應(yīng)極值估計(jì)的研究［J］. 振動(dòng)與沖擊， 2015， 34（15）： 7-11.

Feng Haiyue， Yi Tinghua， Chen Bin. Extreme estimation for vehicle load effect based on generalized Pareto distribution［J］. Journal of Vibration and Shock， 2015， 34（15）： 7-11.

2OBrien E J， Znidaric A， Dempsey A T. Comparison of two independently developed bridge weigh?in?motion systems［J］. International Journal of Heavy Vehicle Systems， 1999， 6（1-4）： 147-161.

3Jacob B， Beaumelle V F L. Improving truck safety： potential of weigh?in?motion technology［J］. IATSS Research， 2010， 34（1）： 9-15.

4李小年， 陳艾榮， 馬如進(jìn). 橋梁動(dòng)態(tài)稱重研究綜述［J］. 土木工程學(xué)報(bào)， 2013， 46（3）： 79-85.

Li Xiaonian， Chen Airong， Ma Rujin. Review of bridge weigh?in?motion［J］. China Civil Engineering Journal， 2013， 46（3）： 79-85.

5任偉新， 左小晗， 王寧波， 等. 非路面式橋梁動(dòng)態(tài)稱重研究綜述［J］. 中國(guó)公路學(xué)報(bào)， 2014， 27（7）： 45-53.

Ren Weixin， Zuo Xiaohan， Wang Ningbo， et al. Review of non?pavement bridge weigh?in?motion［J］. China Journal of Highway and Transport， 2014， 27（7）： 45-53.

6Moses F. Weigh?in?motion system using instrumented bridges［J］. Journal of Transportation Engineering， ASCE， 1979， 105（3）： 233-249.

7Ojio T， Yamada K. Bridge weigh?in?motion systems using stringers of plate girder bridges［C］. Proceedings of the 3rd International WIM Conference， 2002： 209-218.

8OConnor C， Chan T H. Dynamic wheel loads from bridge strains［J］. Journal of Structural Engineering， ASCE， 1988， 114（8）： 1703-1723.

9李忠獻(xiàn)， 陳鋒. 基于梁格法的橋梁移動(dòng)荷載識(shí)別［J］. 土木工程學(xué)報(bào)， 2006， 39（12）： 83-87.

Li Zhongxian， Chen Feng. Identification of moving loads on bridges using a grillage model［J］. China Civil Engineering Journal， 2006， 39（12）： 83-87.

10余嶺， 陳鴻天， 羅紹湘. 用時(shí)域法和頻時(shí)域法識(shí)別橋面移動(dòng)車載［J］. 工程力學(xué)， 2001， 18（5）： 100-107.

Yu Ling， Chen Hongtian， Luo Shaoxiang. Identification of moving vehicle loads on bridges using time domain method and frequency?time domain method［J］. Engineering Mechanics， 2001， 18（5）： 100-107.

11Yu Y， Cai C S， Deng L. State?of?the?art review on bridge weigh?in?motion technology［J］. Advances in Structural Engineering， 2016， 19（9）： 1514-1530.

12耿少波， 石雪飛， 阮欣. 基于橋梁結(jié)構(gòu)的動(dòng)態(tài)稱重系統(tǒng)算法研究［J］. 石家莊鐵道大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2011， 24（4）： 40-44.

Geng Shaobo， Shi Xuefei， Ruan Xin. Algorithm analysis of bridge weigh?in?motion system based on bridge response［J］. Journal of Shijiazhuang Tiedao University （Natural Science）， 2011， 24（4）： 40-44.

13王寧波， 任偉新， 萬(wàn)華平. 基于動(dòng)應(yīng)變的橋梁動(dòng)態(tài)稱重及其優(yōu)化算法［J］. 振動(dòng)與沖擊， 2013， 32（4）： 116-120.

Wang Ningbo， Ren Weixin， Wan Huaping. Bridge weigh?in?motion and its optimization algorithm based on dynamic strain［J］. Journal of Vibration and Shock， 2013， 32（4）： 116-120.

14Tikhonov A N， Arsenin V Y. Solutions of Ill?Posed Problems ［M］. New York： V H Winston and Sons， 1977.

15Liu H， Luo Z， Yu L. A semi?convex function for both constant and time?varying moving force identification ［J］. Mechanical Systems and Signal Processing， 2021， 146： 107062.

16Pan C， Liu H， Yu L. A sparse self?estimated sensor?network for reconstructing moving vehicle forces［J］. Smart Materials and Structure， 2019， 28（8）： 085009.

17張梓航， 賀文宇， 任偉新. 基于雙稀疏字典的動(dòng)態(tài)荷載識(shí)別方法［C］. 第29屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集（第II冊(cè)）， 2020： 333-337.

Zhang Zihang， He Wenyu， Ren Weixin. Dynamic load identification based on sparse dictionary［C］. Proceedings of the 29th National Conference on Structural Engineering （Volume II）， 2020： 333-337.

18張龍威， 汪建群， 陳寧， 等. 橋梁動(dòng)態(tài)稱重迭代算法的理論與試驗(yàn)研究［J］. 振動(dòng)與沖擊， 2021， 40（6）： 171-176.

Zhang Longwei， Wang Jianqun， Chen Ning， et al. Theoretical and experimental study on a bridge weigh?in?motion iterative algorithm［J］. Journal of Vibration and Shock， 2021， 40（6）： 171-176.

19鄧露， 李樹(shù)征， 淡丹輝， 等. 橋梁動(dòng)態(tài)稱重技術(shù)在中小跨徑混凝土梁橋上的適用性研究［J］. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2020， 47（3）： 89-96.

Deng Lu， Li Shuzheng， Dan Danhui， et al. Study on applicability of bridge weigh?in?motion technology in short- to medium?span concrete girder bridges［J］. Journal of Hunan University（Natural Sciences）， 2020， 47（3）： 89-96.

20宮亞峰， 宋加祥， 譚國(guó)金，等. 多車橋梁動(dòng)態(tài)稱重算法［J］. 吉林大學(xué)學(xué)報(bào)（工學(xué)版）， 2021， 51（2）： 583-596.

Gong Yafeng， Song Jiaxiang， Tan Guojin， et al. Multi?vehicle bridge weigh?in?motion algorithm［J］. Journal of Jilin University （Engineering and Technology Edition）， 2021， 51（2）： 583-596.

21Yu Y， Cai C S， Liu Y. Probabilistic vehicle weight estimation using physics?constrained generative adversarial network［J］. Computer?Aided Civil and Infrastructure Engineering， 2021， 36（6）： 781-799.

22Yoshida I， Sekiya H， Mustafa S. Bayesian bridge weigh?in?motion and uncertainty estimation［J］. ASCE?ASME Journal of Risk and Uncertainty in Engineering Systems， Part A： Civil Engineering， 2021， 7（1）： 04021001.

23Yang C. A novel uncertainty?oriented regularization method for load identification［J］. Mechanical Systems and Signal Processing， 2021， 158： 107774.

24Yuen K V. Recent developments of Bayesian model class selection and applications in civil engineering［J］. Structural Safety， 2010， 32（5）： 338-346.

25龍馭球， 包世華， 匡文起. 結(jié)構(gòu)力學(xué)教程（Ⅰ）［M］. 北京： 高等教育出版社， 2000.

Long Yuqiu， Bao Shihua， Kuang Wenqi. Course of Structural Mechanics（Ⅰ）［M］. Beijing： Higher Education Press， 2000.

26Mu H Q， Xu R R， Yuen K V. Seismic attenuation relationship with homogeneous and heterogeneous prediction?error variance models ［J］. Earthquake Engineering and Engineering Vibration， 2014， 13（1）： 1-11.

27中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局， 中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). 汽車、掛車及汽車列車外廓尺寸、軸荷及質(zhì)量限值：GB 1589—2016［S］. 北京： 中國(guó)標(biāo)準(zhǔn)出版社， 2016.

General Administration of Quality Supervision， Inspection and Quarantine of the People's Republic of China， Standardization Law of the People's Republic of China. Limits of dimensions， axle load and masses for motor vehicles， trailers and combination vehicles： GB 1589—2016［S］. Beijing： Standards Press of China， 2016.

28Beck J L， Katafygiotis L S. Updating models and their uncertainties I： Bayesian statistical framework［J］. Journal of Engineering Mechanics， 1998， 124（4）： 455-461.

29Muto M. Application of stochastic simulation methods to system identification［D］. Pasadana： California Institute of Technology， 2007.

30Yuen K V. Bayesian Methods for Structural Dynamics and Civil Engineering［M］. New York： Wiley， 2010.

31OBrien E J， Quilligan M J， Karoumi R. Calculating an influence line from direct measurements［J］. Proceedings of the Institution of Civil Engineers， 2006， 159（1）： 31-34.

32Wang Y D. Smoothing Splines Methods and Applications［M］. Boca Raton： CRC Press， 2011 .

Research on Bayesian method for identifying the vehicle loads on the bridge

MAO Jian?xiao 1 ?PANG Zhen?hao 1WANG Hao 1 ?WANG Fei?qiu 2

1. Key Laboratory of Concrete and Prestressed Concrete Structure of Ministry of Education， Southeast University， Nanjing 211189， China；

2. Jiangsu Engineering Co.， Ltd. of China Railway 24th Bureau Group， Nanjing 210038， China

Abstract A novel method is proposed for identifying vehicle loads on bridges and selecting the error pattern based on Bayesian inference. Initially， the expression of the relationship between the vehicle loads and the measured responses is constructed using the static influence line. The modified coefficient surface is then established to eliminate the identification error caused by the dynamic effects. Afterwards， five error modes related to the structural responses and vehicle speed are introduced. According to the assumed prior distribution， the posterior distribution of vehicle axle loads is derived. On that basis， the optimal estimated value and confidence interval of vehicle loads can be obtained. Furthermore， the posterior probability of each error mode is calculated. Finally， the identification accuracy and reliability of the proposed method for scenarios under different vehicle speeds are validated by the numerical example of simply supported beam and the dynamic load test of a continuous beam bridge. The results show that the modified coefficient surface can effectively eliminate the vehicle dynamic impact and improve the accuracy of vehicle load identification. The result of vehicle load identification is presented in the form of confidence interval to quantify the uncertainty. Bayesian method can identify the optimal error pattern， which further improves the robustness of load identification.

Keywords vehicle load identification; Bayesian inference; uncertainty quantification; pattern selection; dynamic response elimination