一种面向损伤识别的高速铁路斜拉桥传感器优化布置方法与流程

1.本技术涉及土木工程结构检测的技术领域，尤其涉及一种面向损伤识别的高速铁路斜拉桥传感器优化布置方法。


背景技术：

2.在桥梁结构上安装健康监测系统，不仅可以对桥梁结构的健康状况进行长期连续监测和实时预警，而且可以对新型大跨桥梁的理论模型和计算假定进行检验，进一步促进桥梁结构设计方法的发展。目前，许多健康监测系统中的传感器数量众多，但目的性不强，缺乏有效的传感器优化布置方法。
3.传感器优化布置包括传感器数目的优化和位置的优化，也就是根据不同的传感器配置准则确定相应的目标函数，在待测结构的n个可能的测点中选取m个来布置传感器(m《n)，使目标函数最大或最小，从而达到传感器优化布置的目的。
4.目前，以模态参数识别为目标的传感器优化布置方法研究较多，但是以损伤识别为目标的传感器优化布置问题亟待解决。
5.在相关技术中，有学者基于结构柔度、特征向量和模态参数等指标对结构损伤的灵敏度分析，以损伤识别为目标，对振动传感器的布置进行优化。也有学者基于相关性分析，以获取全桥斜拉索荷载响应为目标，对索力传感器进行优化布置。未见一种以损伤识别为目标的斜拉索索力传感器优化布置方法，导致所得传感器优化布置方案的精确性有待提高。


技术实现要素：

6.有鉴于此，本技术提供一种面向损伤识别的高速铁路斜拉桥传感器优化布置方法，能够提高传感器优化布置方案的精确性。
7.本技术提供一种面向损伤识别的高速铁路斜拉桥传感器优化布置方法，包括：
8.获得斜拉索索力对斜拉桥主梁损伤的灵敏度矩阵；
9.根据所述灵敏度矩阵，获得损伤比较线；
10.根据预定噪声水平，获得噪声比较线；
11.由所述噪声比较线和损伤比较线，并基于遗传算法，获得传感器的目标布置方案。
12.可选地，所述“获得斜拉索索力对斜拉桥主梁损伤的灵敏度矩阵”，包括：
13.建立斜拉桥参数化的有限元模型；
14.获得健康状态下斜拉桥在恒载作用下的斜拉索索力向量f0；
15.获得损伤状态下斜拉桥在恒载作用下的斜拉索索力向量fj；
16.由所述f0、fj，获得斜拉索索力对主梁结构损伤的灵敏度矩阵。
17.可选地于，获得灵敏度矩阵”，按照以下公式实施，
18.19.其中，s
ij
表示第i根斜拉索索力对第j个主梁结构单元的灵敏度，δγ表示主梁结构发生的损伤程度。
20.可选地，获得损伤状态下斜拉桥在恒载作用下的斜拉索索力向量fj，具体为：
21.保持其它参数不变，依次令第j个主梁结构单元发生程度为γj的微小损伤，计算此时恒载作用下的斜拉索索力向量fj；
22.其中，γj表示结构第j个单元的刚度折减系数，并且和分别表示损伤前后结构第f个单元的刚度参数。
23.可选地，所述刚度参数包括抗弯刚度。
24.可选地，获得损伤比较线，按照以下公式进实施，
25.nl＝3σ(fc)；
26.其中，σ(fc)表示索力计算的标准差，nl噪声比较线。
27.可选地，获得传感器的目标布置方案，包括：
28.设定遗传算法的如下约束条件：
29.dlj》nl
30.其中，dlj表示第j个单元的损伤比较线，nl表示噪声比较线；
31.设定遗传算法的适应度函数为：
32.fitness＝min(m)；
33.其中，m表示传感器数目；
34.根据所述约束条件和适应度函数，获得目标布置方案。
35.可选地，获得噪声比较线，通过以下公式实施，
[0036][0037]
其中，dlj表示第j个单元的损伤比较线，反映在该单元发生能识别出的最小程度损伤时，各斜拉索的索力变化；表示设定的第j个单元能识别的最小损伤程度；sj表示灵敏度矩阵的第j列。
[0038]
本技术具有以下有益效果：
[0039]
(1)本技术所提供的方法以损伤识别为目标对斜拉桥索力传感器进行优化布置，从而减少传感器数量、节约传感器及设备采购成本。
[0040]
(2)本技术所提供的方法提高了高速铁路斜拉桥结构损伤识别结果的准确性：本发明所提供的方法以识别结构中的损伤为目标，对高速铁路斜拉桥中的索力传感器进行优化布置，从而提高高速铁路斜拉桥结构损伤识别结果的准确性，保证了传感器局置的精准性。
附图说明
[0041]
下面结合附图，通过对本技术的具体实施方式详细描述，将使本技术的技术方案及其它有益效果显而易见。
[0042]
图1是本技术面向损伤识别的高速铁路斜拉桥传感器优化布置方法的一实施例的流程框图；
[0043]
图2是本技术面向损伤识别的高速铁路斜拉桥传感器优化布置方法又一实施例流
程框图；
[0044]
图3是本技术实施例的裕溪河特大桥全桥立面布置示意图；
[0045]
图4是本技术实施例的传感器对称布置示意图；
[0046]
图5是本技术实施例的裕溪河特大桥箱梁编号示意图；
[0047]
图6是本技术实施例的遗传算法迭代过程；
[0048]
图7是本技术实施例的裕溪河特大桥索力传感器优化布置示意图。
具体实施方式
[0049]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0050]
在本技术的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0051]
在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
[0052]
下文的公开提供了许多不同的实施方式或例子用来实现本技术的不同结构。为了简化本技术的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本技术。此外，本技术可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本技术提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
[0053]
本技术实所涉及的面向损伤识别的高速铁路斜拉桥传感器优化布置方法中，传感器优化布置包括传感器数目的优化和位置，也就是根据不同的传感器配置准则确定相应的目标函数，在待测结构的n个可能的测点中选取m个来布置传感器(m《n)，使目标函数最大或最小，从而达到传感器优化布置的目的。
[0054]
参考图1，该方法包括：
[0055]
s1、获得斜拉索索力对斜拉桥主梁损伤的灵敏度矩阵。
[0056]
在一些具体的实施例中，所述“获得斜拉索索力对斜拉桥主梁损伤的灵敏度矩阵”，包括：
[0057]
s11、建立斜拉桥参数化的有限元模型；
[0058]
这里，有限元模型的工具包括但不限于ansys。
[0059]
本步骤中，通过折减有限元模型中结构单元的弹性模量，实现对结构损伤的模拟。
[0060]
s12、获得健康状态下斜拉桥在恒载作用下的斜拉索索力向量f0；
[0061]
s13、获得损伤状态下斜拉桥在恒载作用下的斜拉索索力向量fj；
[0062]
此处，作为示范地，所述“获得f
j”，具体为：
[0063]
保持其它参数不变，依次令第j个主梁结构单元发生程度为γj的微小损伤，计算此时恒载作用下的斜拉索索力向量fj；
[0064]
其中，γj表示结构第j个单元的刚度折减系数，并且和分别表示损伤前后结构第f个单元的刚度参数。
[0065]
上述刚度参数，可以为抗弯刚度，或者其它形式。
[0066]
s14、由所述f0、fj，获得斜拉索索力对主梁结构损伤的灵敏度矩阵。
[0067]
此处，作为示范地方式，可以基于有限差分理论，利用差商近似微商，求解灵敏度矩阵。
[0068]
具体而言，获得灵敏度矩阵，按照以下公式实施，
[0069][0070]
其中，s
ij
表示第i根斜拉索索力对第j个主梁结构单元的灵敏度，可以用微商表示，δγ表示主梁结构发生的损伤程度。
[0071]
s2、根据所述灵敏度矩阵，获得损伤比较线。
[0072]
具体而言，所述“根据所述灵敏度矩阵，获得损伤比较线”，按照以下公式进实施，
[0073]
nl＝3σ(fc)；
[0074]
其中，σ(fc)表示索力计算的标准差，nl噪声比较线。
[0075]
s3、根据预定噪声水平，获得噪声比较线。
[0076]
应当能够理解的是，传感器测量噪声，是影响斜拉桥主梁结构损伤识别效果的一个因素。
[0077]
预定噪声水平，可以根据实际传感器测量噪声水平来确定。
[0078]
作为一种示范地实例，获得噪声比较线，通过以下公式，
[0079][0080]
其中，dlj表示第j个单元的损伤比较线，反映在该单元发生能识别出的最小程度损伤时，各斜拉索的索力变化；表示设定的第j个单元能识别的最小损伤程度；sj表示灵敏度矩阵的第j列。
[0081]
s4、由所述噪声比较线和损伤比较线，并基于遗传算法，获得传感器的目标布置方案。
[0082]
本步骤的示范实现方式为，通过约束损伤比较线大于噪声比较线，并以传感器数量最小为适应度函数，利用遗传算法搜索最小的传感器数目及其布置方案。
[0083]
具体地说，s41、设定遗传算法的约束条件如下：
[0084]
dlj》nl；
[0085]
其中，dlj表示第j个单元的损伤比较线，nl表示噪声比较线；
[0086]
s42、设定遗传算法的适应度函数为：
[0087]
fitness＝min(m)；
[0088]
其中，m表示传感器数目；
[0089]
s43、根据所述约束条件和适应度函数，获得目标布置方案。
[0090]
应当熟悉的是，遗传算法的工具为matlab，或者其它常见的工具等。
[0091]
现在针对一个常见的应用场景中，来阐述本技术传感器优化布置的操作过程。应当注意的是，此常见的实施方案不可作为理解本技术所声称所要解决技术问题的必要性特征认定的依据，其仅仅是示范而已。
[0092]
本技术具体实施过程如图2所示：首先，根据设定的能识别最小损伤程度和斜拉索索力对结构损伤的灵敏度矩阵确定损伤比较线；然后，根据设定的噪声水平确定噪声比较线；最后，通过约束损伤比较线大于噪声比较线，并以传感器数量最小为适应度函数，利用遗传算法搜索最小的传感器数目及其布置方案。
[0093]
以图3所示商丘至合肥至杭州铁路裕溪河特大桥为例，对传感器优化布置过程进行说明。该桥采用(60+120+324+120+60)m双塔钢箱桁梁斜拉桥方案，为双线客运专线，采用无砟轨道，设计时速350km/h。主梁为钢箱桁结构，主塔为钢筋混凝土结构，斜拉索为空间双索面。
[0094]
裕溪河特大桥采用双塔三跨式斜拉桥，结构沿跨中对称。对于此类结构，健康监测系统中的传感器通常会沿跨中和线路中心线对称布置。因此，本发明中的索力传感器采用对称布置方案，如图4所示。编号为
①
、
③
的传感器位置与编号为
②
、
④
的传感器位置沿跨中对称，编号为
①
、
②
的传感器位置与编号为
③
、
④
的传感器位置沿线路中心线对称。
[0095]
考虑箱梁发生损伤情况下，对斜拉索索力传感器进行优化布置。将裕溪河大桥主梁箱梁按照节间划分为57个梁段，对每个梁段单独进行编号，自商丘至杭州方向依次编号为1～57，如图5所示。
[0096]
首先，将箱梁的每一个梁段看作一个损伤位置，求斜拉索索力对箱梁损伤的灵敏度矩阵。运用大型通用有限元软件ansys建立桥梁参数化有限元模型，计算健康状态下斜拉桥在恒载作用下的斜拉索索力向量f0；保持其它参数不变，利用matlab调用ansys，依次令第j个箱梁单元发生1％刚度折减，计算此时恒载作用下的斜拉索索力向量fj；基于有限差分理论，可以得到斜拉索索力对箱梁损伤的灵敏度矩阵。
[0097]
然后，基于斜拉索索力对箱梁损伤的灵敏度分析，以识别大桥桁架结构中的损伤为目标，对裕溪河特大桥索力传感器的数目和位置进行优化分析。设定每个箱梁单元的可识别最小损伤程度为10％，可以得到损伤比较线；取索力计算标准差为1000n，可以得到噪声比较线；进而可以确定遗传算法的约束条件。
[0098]
最后，使用matlab遗传算法工具箱进行优化求解，迭代过程如图6所示。从图中可以看出，随着迭代次数的增加，适应度函数有明显的下降趋势，并且在迭代20次之后适应度函数趋于稳定。得到的索力传感器最小数目为16(4
×
4＝16)个，分别布置在第1、7、21和26组斜拉索上，如图7所示。
[0099]
以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。

技术特征：
1.一种面向损伤识别的高速铁路斜拉桥传感器优化布置方法，其特征在于，包括：获得斜拉索索力对斜拉桥主梁损伤的灵敏度矩阵；根据所述灵敏度矩阵，获得损伤比较线；根据预定噪声水平，获得噪声比较线；由所述噪声比较线和损伤比较线，并基于遗传算法，获得传感器的目标布置方案。2.根据权利要求1所述方法，其特征在于，所述“获得斜拉索索力对斜拉桥主梁损伤的灵敏度矩阵”，包括：建立斜拉桥参数化的有限元模型；获得健康状态下斜拉桥在恒载作用下的斜拉索索力向量f0；获得损伤状态下斜拉桥在恒载作用下的斜拉索索力向量f
j
；由所述f0、f
j
，获得斜拉索索力对主梁结构损伤的灵敏度矩阵。3.根据权利要求2所述方法，其特征在于，获得灵敏度矩阵，按照以下公式实施，其中，s
ij
表示第i根斜拉索索力对第j个主梁结构单元的灵敏度，δγ表示主梁结构发生的损伤程度。4.根据权利要求2所述方法，其特征在于，获得损伤状态下斜拉桥在恒载作用下的斜拉索索力向量f
j
，具体为：保持其它参数不变，依次令第j个主梁结构单元发生程度为γ
j
的微小损伤，计算此时恒载作用下的斜拉索索力向量f
j
；其中，γ
j
表示结构第j个单元的刚度折减系数，并且表示结构第j个单元的刚度折减系数，并且和分别表示损伤前后结构第f个单元的刚度参数。5.根据权利要求4所述方法，其特征在于，所述刚度参数包括抗弯刚度。6.根据权利要求1所述方法，其特征在于，获得损伤比较线，按照以下公式进实施，nl＝3σ(f
c
)；其中，σ(f
c
)表示索力计算的标准差，nl噪声比较线。7.根据权利要求1所述方法，其特征在于，获得目标布置方案，包括：设定遗传算法的如下约束条件：dl
j
>nl；其中，dl
j
表示第j个单元的损伤比较线，nl表示噪声比较线；设定遗传算法的适应度函数为：fitness＝min(m)；其中，m表示传感器数目；根据所述约束条件和适应度函数，获得目标布置方案。8.根据权利要求1所述方法，其特征在于，获得噪声比较线，通过以下公式实施，其中，dl
j
表示第j个单元的损伤比较线，反映在该单元发生能识别出的最小程度损伤时，各斜拉索的索力变化；表示设定的第j个单元能识别的最小损伤程度；s
j
表示灵敏度矩
阵的第j列。

技术总结
本申请公开了面向损伤识别的高速铁路斜拉桥传感器优化布置方法。该方法包括：获得斜拉索索力对斜拉桥主梁损伤的灵敏度矩阵；根据灵敏度矩阵，获得损伤比较线；根据预定噪声水平，获得噪声比较线；由噪声比较线和损伤比较线，并基于遗传算法，获得传感器的目标布置方案。本申请所提供的方法提高了高速铁路斜拉桥结构损伤识别结果的准确性：本发明所提供的方法以识别结构中的损伤为目标，对高速铁路斜拉桥中的索力传感器进行优化布置，从而提高高速铁路斜拉桥结构损伤识别结果的准确性，保证了传感器布置的精准性。不仅如此，以损伤识别为目标对斜拉桥索力传感器进行优化布置，从而减少传感器数量、节约传感器及设备采购成本。节约传感器及设备采购成本。节约传感器及设备采购成本。


技术研发人员：于虹 余兴胜 闫俊锋 文望青 严爱国 瞿国钊 周柳雯妮 沈哲亮 崔旸 夏昕 吴孟畅 秦卓一 张哲远
受保护的技术使用者：中国铁建股份有限公司
技术研发日：2023.03.17
技术公布日：2023/7/7