基于車致振動響應的鐵路橋梁損傷識別方法研究.pdf

1、處于復雜環(huán)境中的鐵路橋梁結構尺寸大、剛度大且承受的活載大，這使得結構的損傷狀態(tài)中存在著與荷載的相關性?，F(xiàn)有損傷識別方法未考慮這種相關性，所以將這些方法應用到鐵路橋梁結構損傷識別中時，存在很多局限性。為此，結合研究小樣本情況下機器學習規(guī)律的統(tǒng)計學習理論，對列車荷載作用下橋梁結構的損傷識別進行專門研究，并完成了以下幾個方面的工作：
　　 ⑴針對與列車荷載相關的損傷，提出了鐵路橋梁結構損傷識別的子區(qū)域法：首先通過結構易損性分析，確定結

2、構易損部位；再根據(jù)易損部位的損傷狀態(tài)，從列車在橋梁上行駛的時間區(qū)域中選擇出若干子區(qū)域；然后在每個子區(qū)域內，假定所研究的易損部位的損傷狀態(tài)保持不變，進行損傷識別研究。
　　 ⑵針對結構損傷程度與荷載的相關性，采用5步策略分析每個子區(qū)域內的損傷識別：損傷預警、損傷等級劃分、損傷位置識別、損傷程度識別和損傷精確識別。
　　 ⑶由于結構完好狀態(tài)和損傷狀態(tài)之間有較大的區(qū)別，所以將損傷預警看作統(tǒng)計學中的模式識別問題；以加速度時程數(shù)據(jù)

3、構建損傷指標，優(yōu)化樣本庫，然后利用統(tǒng)計學習理論中支持向量機分類算法建立損傷預警模型。將所提方法應用到一個三跨連續(xù)梁數(shù)值模型，結果表明：當測試數(shù)據(jù)對應的列車模型與訓練樣本對應的相接近時，損傷預警識別模型具有較好的區(qū)分能力和一定的抗噪聲能力。
　　 ⑷由于不同損傷等級的結構狀態(tài)之間存在較大的差別，可將損傷等級劃分看成模式識別問題，利用統(tǒng)計學習理論的支持向量機分類算法，判斷測試結構處于較差、差的和危險3個等級中的哪一個等級。針對一個三

4、跨連續(xù)梁，建立損傷等級劃分模型，并利用不同的測試數(shù)據(jù)檢驗該模型，結果表明：所提出的方法能夠將待測的結構狀態(tài)劃分到正確的等級中。
　　 ⑸針對損傷位置識別的特點，提出了損傷位置識別的分層法：首先識別出損傷所在的區(qū)間，然后識別所在的子區(qū)間；再將每一層中的位置識別看成一個統(tǒng)計學中的模式識別問題，利用統(tǒng)計學習理論中的支持向量機分類算法建立損傷位置識別模型；然后針對該模型，構建適合的位置識別指標，優(yōu)化樣本庫。最后使用三跨連續(xù)梁數(shù)值模型檢驗

5、所提出的方法，結果表明：該方法能夠較準確地識別出損傷發(fā)生的位置，而且有一定的抗噪聲能力。
　　 ⑹由于損傷程度是連續(xù)變化的，可將損傷程度識別問題看成統(tǒng)計學中的回歸估計問題，以加速度時程數(shù)據(jù)所構建的指標作為自變量，以損傷程度作為因變量，利用統(tǒng)計學習理論中的支持向量機回歸算法進行求解。三跨連續(xù)梁橋的數(shù)值試驗結果表明：該方法能夠較準確地識別出損傷所在子區(qū)間的整體損傷程度，但結果具有一定離散性。
　　 ⑺針對損傷精確識別的特點，