黄天应

摘要：与传统静载试验相比，基于振动测试的桥梁承载力评估方法优势明显，因此得到国内外学术界与工程界的高度关注。该方法在大数据条件下的结构损伤识别和复杂结构的有限元模型修正方面仍存在技术瓶颈，缺乏适用于中小桥梁的承载力评估实用公式。上述缺陷的解决，将为交通系统中健康监测系统的建立奠定理论与技术基础。

Abstract： The bridge assessment methods using the vibration test has more advantages than the static test， and gains high attention of scholars and engineers. Till now， there are some technology bottlenecks in the defection of structural damage under big data condition and modifying the finite element model of complex structure. And the practical formulas to evaluate the bearing capacity of the small and middle-sized bridges are absent. The resolution of these defects will play an important role on developing the safety monitoring system in traffic engineering.

关键词：振动测试;承载力;评估方法;研究现状

Key words： vibration measurement;bearing capacity;assessment method;research status

中图分类号：TU45                                        文献标识码：A                                  文章编号：1006-4311（2020）32-0245-02

0  引言

目前我国公路桥梁总数超过80万座，铁路桥梁总数超过20万座，已成为世界第一桥梁大国。近十年来，全球超过一半的大跨度桥梁都出现在中国，“最长、最高、最大、最快”这样的纪录，不断被写进世界桥梁史，它们不仅让天堑变成通途，更让“中国桥”成为展示中国形象的新品牌。与此同时，我国交通路网中步入维修期的在役桥梁日渐增多，由于受到长期环境侵蚀、动荷载疲劳效應与结构自身材料老化的影响，在役桥梁不可避免地出现各类损伤和缺陷，从而造成结构安全性与稳定性下降，耐久性降低。带病超负荷工作状态的危桥，对公众生命财产安全构成极大威胁，如2013年7月9日四川省江油市青莲镇盘江大桥垮塌造成5 人死亡7 人失踪，2015年6 月19日粤赣高速公路河源境内匝道桥梁坍塌造成 1人死亡4人受伤。准确快速地评估既有桥梁结构的承载能力，是摆在桥梁工程领域的研究者和工程师们面前的紧迫任务。在役桥梁承载力评估方法中，与传统静载试验相比，振动测试法更加简便、快捷和高效，且无需封闭交通，因此受到国内外学者和高度关注和桥梁工程师的广泛应用。

基于振动测试的桥梁承载力评估方法的基本思路为：选择合理的修正参数，利用振动测试识别出的动力特性，如频率、振型等修正有限元模型，最后通过结构分析计算评定桥梁的实际使用性能和承载力。为保证评估结论的可靠性，该方法在具体实施时需要妥善解决三个关键问题。首先，在役桥梁结构不可能搬到实验室里进行精确的加载和测试，振动测试必须在正常交通条件下运行。在这种情况下，环境条件、结构参数和测试本身的不确定性结合到一起可能导致测试的数据具有随机性、模糊性、不可预知性的特点，从而影响到结构的损伤识别。其次，通过模型修正建立准确的有限元模型是结构承载力评估的基础，而桥梁结构一般尺寸较大，有限元模型的单元和不确定参数较多，传统有限元模型修正方法的优化过程需要重复分析整体结构模型，效率低，优化结果欠佳。最后，因为在役桥梁结构评估过程涉及不确定因素众多，所以综合评估方法、基于专家系统的评估方法和基于设计规范的评估方法在评估在役桥梁结构时采用确定性思维并不完全合理。国内外学者针对这些问题开展了大量的研究工作，本文对截止目前取得的研究成果进行总结，并对未来的发展进行展望。

1  结构损伤识别方法研究现状与存在的问题

结构损伤会造成结构物理参数的改变，进而引起结构动力参数的变化，因此只需要对桥梁结构损伤前后的动力参数进行对比分析，就可以实现桥梁结构损伤辨识和程度、位置识别。基于动力参数的桥梁损伤识别指标主要包括固有频率及其变化、振型及保证准则、曲率模态和模态应变能等，其中结构模态振型数据被公认为最为可靠。但大型复杂结构的模态振型数据首先往往难以全部获取，然后模态参数识别需要对原始信号进行信息提炼，信息提炼过程可能会导致部分反映结构损伤的有效信息丢失，两种因素的叠加效应导致桥梁结构的损伤识别变得困难。

基于此，国内外学者直接从信号本身出发，利用支持向量机、云计算、神经网络、遗传算法、小波分析和粒子群算法等智能方法[1]进行桥梁结构的损伤识别，然而现今的无线传感器技术收集的动力响应数据往往是海量的，需要引入大数据分析技术才能有效处理。为解决此局限，外因输入自回归模式和自回归模式识别等方法被引入损伤识别[2]，但是这类方法针对直接的测试序列如加速度响应还是比较的困难。于是，利用各种符号数据分析从海量数据中提取数据内在信息这一种全新的数据分析思路被引入桥梁结构的状态分析，并取得了一定的效果[3]，然而此类方法的适用范围还需要进一步的研究。由此可见，基于时间序列和统计模式识别技术的结构损伤识别方法在应用上仍然尚未成熟，有待在更多的工程实践中进行检验和改进。