伸縮縫是橋梁結構縫隙中埋設的重要構件, 實際工程中由于設計施工缺陷、管理維護不善及車輛超載加劇等情況, 使得伸縮縫發生損壞的情況較為嚴重, 因此迫切需要有效的方法對伸縮縫的狀態進行實時監測和評估。
本項目采用橋梁梁端位移的變化規律表征橋梁伸縮縫的健康狀態。 基于溫度、車輛荷載以及主梁梁
端位移的長期監測數據研究主梁梁端位移與溫度、車輛荷載的相關性特征, 在此基礎上應用統計過程控制圖方法研究“環境條件歸一化”的梁端位移異常預警方法, 實現伸縮縫服役性能的在線監控與預警[23, 24]。

基本實施方案
① 主梁梁端位置設置縱向位移傳感器, 同時,在主梁的跨中位置安裝溫度傳感器和加速度傳感器,用以監測主梁的溫度和由于車輛荷載引起的主梁豎向加速度。
② 以10 min 為計算區間, 對傳感器獲取的原始數據進行處理, 計算梁端縱向位移D、溫度T 和車輛荷載的代表值R。
③ 建立完好狀態下縱向位移和環境條件的相關模型: 選取橋梁運營初期n 天的監測數據并采用神經網絡方法建立溫度T 和梁端縱向位移D 之間的關系;消除溫度對縱向位移的影響, 選取參考溫度為Tr, 將位移原始測試值D “歸一化”至參考溫度Tr, 得到消除溫度影響的梁端縱向位移值D1; 建立D1 和車輛荷載代表值R的相關性模型, 然后選取車輛荷載的參考值為Rr, 將D1 “歸一化”至車輛荷載的參考值Rr, 得到消除車輛荷載影響的位移值D2。
④ 將步驟③計算的位移值D2取日平均值, 記為2D , 將其輸入均值控制圖, 調整控制圖的顯著性水平, 使得上述n 個樣本點全部落在控制圖的上、下控制線之內。
⑤ 伸縮縫性能異常的智能診斷: 對未知狀態的m天監測數據, 采用正常運營狀態下的相關模型消除溫度和車輛荷載的影響, 在此基礎上得到m 個日平均位移值, 記為3D 。 保持步驟④確定的顯著性水平不變, 將2 D 和3 D 同時輸入均值控制圖, 此時, 若所有n+m 個樣本仍全部位于上、下控制線內, 則說明伸縮縫狀態為正常, 若有樣本落在了控制線以外, 則說明伸縮縫性能異常。

數據分析



圖12 和13 給出了潤揚大橋懸索橋梁端位移與溫度、車輛荷載的相關性。分析結果表明, 運用該方法可以較好地識別出梁端位移1.0%的異常變化。

信息來源
《橋梁健康監測海量數據分析與評估——“結構健康監測”研究進展》
李愛群, 丁幼亮, 王浩, 郭彤
東南大學混凝土及預應力混凝土結構*重點實驗室, 南京 210096

參考文獻
[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

光纖光柵位移傳感器推薦

JH-FGD-B1光纖光柵位移計

光纖光柵加速度傳感器推薦

JH-FGV-A2光纖光柵加速度計