摘要 撓度作為橋梁結(jié)構(gòu)響應(yīng)中的一個最重要參數(shù)，是反映橋梁結(jié)構(gòu)性能的主要表征之一，通過橋梁撓度測量數(shù)據(jù)能有效地發(fā)現(xiàn)橋梁結(jié)構(gòu)中的異常問題。傳統(tǒng)的撓度測量方法往往需要在橋梁上直接布置傳感器或者有標記的靶標，進行接觸式或者半接觸式測量使用成本高昂。文章利用數(shù)字圖像相關(guān)（Digital Image Correlation， DIC）技術(shù)對橋梁撓度進行無接觸測量，利用高精度相機搭建了橋梁撓度實時測量系統(tǒng)，并分析對比了測量所得數(shù)據(jù)模態(tài)信息和應(yīng)變數(shù)據(jù)的相關(guān)性，驗證了測量數(shù)據(jù)的可靠性，為其性能評估提供可靠的數(shù)據(jù)支撐。

關(guān)鍵詞 橋梁工程；撓度測量；數(shù)字圖像相關(guān)

中圖分類號 U446 文獻標識碼 A 文章編號 2096-8949（2023）15-0018-03

0 引言

隨著橋梁使用年限的增加、交通流量的增大，在溫度和荷載的作用下，梁板會在其軸線的垂線方向發(fā)生變形，此變形是橋梁結(jié)構(gòu)性能的重要表征之一。隨著運營時間的增長，橋梁承載能力不斷下降，當達到一定程度時，就會引起橋梁撓度變形增大，導(dǎo)致橋梁損壞甚至垮塌事故，威脅人民生命財產(chǎn)安全[1]。目前常用的橋梁撓度測量方法有傾角儀、連通管法、GNSS、測量機器人、激光圖像測量法、地面微波干涉雷達等[2]。這些方法均具有一定的局限性。傾角傳感器對儀器瞬態(tài)反應(yīng)和零漂等性能要求高，通過梁體轉(zhuǎn)角變化推導(dǎo)撓度變化，當轉(zhuǎn)角過大時無法準確計算撓度。連通管的方法受限于量程和液體的時滯性，無法測量動態(tài)撓度和縱坡較大的橋梁。GNSS 傳感器精度較差，不適用變形較小的小跨徑橋梁和剛度較大的梁橋。測量機器人成本昂貴，無法多測點測量。激光圖像測量、地面微波雷達也有成本問題。直接使用位移計、千分表測量雖然精度高，但對場地要求比較高，跨江跨河或者深谷橋梁難以測量[3]。Busca 等[4] 采用單相機實現(xiàn)了鐵路橋多點位移測量，該研究需要使用人工標記點對橋梁進行標記，測量精度達到0.1 像素，在無標記狀態(tài)下受梁板自身外觀相似性干擾較大。TIAN L 等[5] 使用led 標記物研制了視頻撓度計，可以遠距離測量橋梁的撓度。程繼坤[6] 利用雙目立體視覺的方式對豎向位移測量進行了測試。涂偉[2] 等通過識別有標記靶標光斑邊緣擬合橢圓光斑中點測量了橋梁撓度。對比起傳統(tǒng)的測量方式，基于光學(xué)圖像識別的撓度測量方法成本低、環(huán)境干擾小、適用面廣，尤其是無靶標測量，橋梁跨中無需安裝供電設(shè)備后期維護成本低，更易推廣。該文通過數(shù)字圖像相關(guān)技術(shù)識別出一座橋梁撓度變化情況，并結(jié)合應(yīng)變和加速度傳感器測量數(shù)據(jù)進行分析，對比橋梁模態(tài)信息和應(yīng)變相關(guān)性驗證測量的準確性，為橋梁性能評估提供數(shù)據(jù)支撐。

1 橋梁撓度測量計算方法

1.1 區(qū)域（ROI）選取

基于數(shù)字圖像相關(guān)的橋梁撓度測量方法在橋梁側(cè)面架設(shè)相機，采集車輛通行條件下橋梁跨中圖像和橋梁墩柱頂部圖像，根據(jù)幾何關(guān)系建立像素和真實空間的映射關(guān)系，計算出橋梁跨中梁板ROI 區(qū)域和墩頂ROI 區(qū)域圖像像素變化情況，利用墩頂豎向位移不動性，對兩區(qū)域像素變化數(shù)據(jù)作差從而排除環(huán)境干擾，獲取橋梁跨中梁板監(jiān)測期間變形情況。測量布置如圖1 所示。

感興趣區(qū)域（ROI）是指在整幅圖像中針對研究重點位置劃分的一個特定區(qū)域。區(qū)域里面包含提取信息，需要對該區(qū)域進行重點分析研究。在橋梁撓度視頻中需要選取梁板上一定特征的區(qū)域進行分析，由于梁體不同的表面對光線的吸收、衰減和反射不同，在數(shù)字圖像上會有一定區(qū)別，該文人工選擇灰度圖像中特征差異較大的圖像提取紋理特征信息，進行搜索和匹配，快速精確定位不同圖像間監(jiān)測區(qū)域位置，獲取橋梁像素位移。

2.1 測量結(jié)果

在4K 分辨率下使用105 mm 長焦鏡頭共計錄制了27 min 視頻，經(jīng)過計算共計采集約80 000 個數(shù)據(jù)，由于數(shù)據(jù)量較大，截取部分過車明顯的時刻分析。當車輛通過時，橋面先形成短暫的上撓變形，然后發(fā)生下?lián)献冃危髶隙戎饾u減小，恢復(fù)到正常后繼續(xù)向上發(fā)生上撓變形，變形最低點在整個變形過程中的最中心，整個變形持續(xù)時間約1.5～2.5 s。由于該橋梁為四孔一聯(lián)簡支轉(zhuǎn)連續(xù)的小箱梁結(jié)構(gòu)，監(jiān)測孔為該聯(lián)第2 孔，車輛駛?cè)氲谝豢缀?，第一孔產(chǎn)生負彎矩，相應(yīng)監(jiān)測孔（第二孔）跨中產(chǎn)生負彎矩導(dǎo)致監(jiān)測孔發(fā)生上撓變形，當車輛經(jīng)過監(jiān)測孔時會在監(jiān)測孔產(chǎn)生正彎矩，梁體下?lián)希偝龊笥捎诹后w上部連續(xù)跨中變?yōu)樨搹澗匕l(fā)生上撓變形，變形與橋梁結(jié)構(gòu)受力特點一致。該橋位于高速公路上，臨近隧道口，限速為90 km/h，監(jiān)測孔跨度為35 m，按60～90 km/h 車速可估計出過車通過監(jiān)測跨時間約為1.5～2.1 s，與測量規(guī)律一致。當車輛比較重時，撓度變形較大，觀測期間最大變形為2.5 mm（如圖4 所示），車輛較輕時候撓度變化較小（如圖5 所示），由于噪聲影響的原因，小于1 mm 的橋梁撓度變形被淹沒在噪聲中，無法識別，該變形換算為像素為0.2 px。

2.2 相關(guān)性分析

對比過車時候的應(yīng)變數(shù)據(jù)可以看出二者變形特點基本一致（如圖6 所示），呈負相關(guān)，直接進行相關(guān)性擬合，二者間的相關(guān)性較強，相關(guān)系數(shù)約0.79，由于撓度數(shù)據(jù)中包含較多的白噪聲，需要對撓度測量數(shù)據(jù)進行進一步降噪處理。

2.3 基頻分析

將監(jiān)測期撓度數(shù)據(jù)轉(zhuǎn)換為加速度后進行頻譜分析，從圖7～8 可以看出橋梁基頻約為3.269 Hz，其他高階頻率無法分辨，通過加速度傳感器實測數(shù)據(jù)一階頻率為3.271 Hz，二階頻率為4.016 Hz，二者相差較小，通過數(shù)字圖像相關(guān)的方式可以較準確識地別出橋梁的基頻。

3 結(jié)論

橋梁撓度測量是研究橋梁性能變化規(guī)律的關(guān)鍵內(nèi)容，精準的橋梁撓度數(shù)據(jù)可以用來揭示橋梁性能變化的時變規(guī)律，評估結(jié)構(gòu)安全性。該文提出了基于數(shù)值圖像相關(guān)的橋梁撓度測量方法，利用單反相機和橋梁本身的特征區(qū)域準確識別橋梁的變形，測量結(jié)果與應(yīng)變具有較強的相關(guān)性，也能準確地識別出橋梁的基頻特征。測量數(shù)據(jù)噪聲較大，當橋梁撓度變化引起的像素位置變化大于0.2 像素時可得到明顯的過車響應(yīng)。該方法可以推廣到撓度實時測量中，通過增加相機焦距提升圖像處理速率獲取更準確及時的數(shù)據(jù)，為橋梁性能評估提供高質(zhì)量的數(shù)據(jù)支撐。

參考文獻

[1]Li H， Ou J P. Structural Health Monitoring：From Sensing Technology Stepping to HealthDiagnosis[J]. Procedia Engineering， 2011（1）： 753-760.

[2] 涂偉， 李清泉， 高文武， 等. 基于機器視覺的橋梁撓度實時精密測量方法[J]. 測繪地理信息， 2020（6）： 80-87.

[3] 邵新星， 黃金珂， 員方， 等. 基于視覺的橋梁撓度測量方法與研究進展[J].實驗力學(xué)， 2021（1）： 29-42.

[4] Busca G， Cigada A， Mazzoleni P， et al.Vibration Monitoring of Multiple BridgePoints by Means of a Unique Vision-Based Measuring System[J]. ExperimentalMechanics， 2014（2）： 255-271.

[5]Tian L， Pan B. Remote bridge deflectionmeasurement using an advanced videodeflectometer and actively illuminatedLED targets[J]. Sensors， 2016（9）： 1344.

[6] 程繼坤. 基于雙目立體視覺的橋梁撓度測量方法研究[D]. 沈陽：沈陽航空航天大學(xué)， 2017.

[7]Zhang Z. A Flexible New Technique for Camera Calibration[J]. IEEE Transactionson Pattern Analysis and Machine Intelligence， 2000（11）： 1330-1334.