伸缩缝是桥梁结构缝隙中埋设的重要构件, 实际工程中由于设计施工缺陷、管理维护不善及车辆超载加剧等情况, 使得伸缩缝发生损坏的情况较为严重, 因此迫切需要有效的方法对伸缩缝的状态进行实时监测和评估。
本项目采用桥梁梁端位移的变化规律表征桥梁伸缩缝的健康状态。 基于温度、车辆荷载以及主梁梁
端位移的长期监测数据研究主梁梁端位移与温度、车辆荷载的相关性特征, 在此基础上应用统计过程控制图方法研究“环境条件归一化”的梁端位移异常预警方法, 实现伸缩缝服役性能的在线监控与预警[23, 24]。

基本实施方案
① 主梁梁端位置设置纵向位移传感器, 同时,在主梁的跨中位置安装温度传感器和加速度传感器,用以监测主梁的温度和由于车辆荷载引起的主梁竖向加速度。
② 以10 min 为计算区间, 对传感器获取的原始数据进行处理, 计算梁端纵向位移D、温度T 和车辆荷载的代表值R。
③ 建立完好状态下纵向位移和环境条件的相关模型: 选取桥梁运营初期n 天的监测数据并采用神经网络方法建立温度T 和梁端纵向位移D 之间的关系;消除温度对纵向位移的影响, 选取参考温度为Tr, 将位移原始测试值D “归一化”至参考温度Tr, 得到消除温度影响的梁端纵向位移值D1; 建立D1 和车辆荷载代表值R的相关性模型, 然后选取车辆荷载的参考值为Rr, 将D1 “归一化”至车辆荷载的参考值Rr, 得到消除车辆荷载影响的位移值D2。
④ 将步骤③计算的位移值D2取日平均值, 记为2D , 将其输入均值控制图, 调整控制图的显著性水平, 使得上述n 个样本点全部落在控制图的上、下控制线之内。
⑤ 伸缩缝性能异常的智能诊断: 对未知状态的m天监测数据, 采用正常运营状态下的相关模型消除温度和车辆荷载的影响, 在此基础上得到m 个日平均位移值, 记为3D 。 保持步骤④确定的显著性水平不变, 将2 D 和3 D 同时输入均值控制图, 此时, 若所有n+m 个样本仍全部位于上、下控制线内, 则说明伸缩缝状态为正常, 若有样本落在了控制线以外, 则说明伸缩缝性能异常。

数据分析



图12 和13 给出了润扬大桥悬索桥梁端位移与温度、车辆荷载的相关性。分析结果表明, 运用该方法可以较好地识别出梁端位移1.0%的异常变化。

信息来源
《桥梁健康监测海量数据分析与评估——“结构健康监测”研究进展》
李爱群, 丁幼亮, 王浩, 郭彤
东南大学混凝土及预应力混凝土结构*重点实验室, 南京 210096

参考文献
[23] Deng Y, Ding Y L, Li A Q. Structural condition assessment of long-span suspension bridges using long-term monitoring data. Earthquake Eng Eng Vib, 2010, 9(1): 123–131
[24] Ding Y L, Li A Q. Assessment of bridge expansion joints using long-term displacement measurement under changing environmental conditions. Front Architect Civil Eng China, 2011, 5(3): 374–380

光纤光栅位移传感器推荐

JH-FGD-B1光纤光栅位移计

光纤光栅加速度传感器推荐

JH-FGV-A2光纤光栅加速度计