桥梁冲刷预估与监测措施

王会利, 叶 浩, 付 裕

(大连理工大学 a. 土木工程学院, b. 土木建筑设计研究院有限公司, 辽宁 大连 116024)

1 桥梁冲刷情况的预估

研究发现,桥梁的冲刷是与河道的几何形状、水流的动态特征、桥梁墩台的几何形状等一系列因素相关的.通过一定量的可靠信息可以对桥梁的受冲刷情况进行预估,并以此为依据对桥梁进行防护.国内外的研究人员对于桥梁的冲刷问题都进行了深入的研究,提出了许多方案[1].

1.1 运用经验公式进行预测

运用计算流体力学,研究人员建立起了许多经验公式,用来进行局部冲刷深度的估计.大多数经验公式是建立在实地采集的数据和实验室试验的基础上的,利用相关的公式和模型,模拟出桥墩周围水流对其的冲刷特性.研究人员通过对河床泥沙输送的计算,来预测河床成分和高程,从而达到对桥梁冲刷预测的目的[2].

为了提高预测精度,美国交通部水利工程第18号通告(U.S.Department of Transportation’s Hydraulic Engineering Circular No. 18)中建立了回归方程来预测桥梁的冲刷情况,简称HEC-18[3-4],方程如下:

式中,ds为冲刷深度;y为上游的水深;K1,K2,K3为校正因子;b为桥梁宽度;F为弗劳德数.

1.2 利用神经网络原理进行预测

利用神经网络原理(artificial neural networks)达到对桥梁冲刷的预测.由于桥墩周围的水流机制较为复杂,很难用经验模型进行准确的预测,而且复杂的实际情况使实验室难以做到较为准确的模拟.利用人工神经网络原理进行预测的一个非常明显的优势就是无需建立起桥墩冲刷与各要素之间某种特定的物理关系.由于在确定冲刷深度与要素之间的关系时有较为自由的空间,经过“训练”的人工神经网络系统可以完成对冲刷更为准确的预测[5-6].

验证方面,Zounemat-Kermani等在2009年运用这种方法对桥梁的冲刷情况进行预测,发现这种方法相比以前的方法能够更为准确地预测桥梁的冲刷情况.Bateni等在2007年运用神经网络系统作为自我调适的模糊神经推理系统,并利用大量的实验数据去估计随时间变化的冲刷平衡问题.他们发现使用反向传播算法的神经网络系统有更好的预测效果.这一点和Lee等在2007年的实验结果吻合[7].

1.3 基于遗传算法的桥梁冲刷预测

实验证明,在预测最大冲刷深度方面,基于遗传算法的桥梁冲刷预测(genetic programming)比人工神经网络系统更为准确[8].桥梁局部冲刷的深度主要是受一些变量影响的,这些变量包括沉积物的特征以及桥墩的形状等.下面公式说明桥墩的冲刷深度是独立的几个参数的函数.

ds=f(v,y,d50,σ,b,l,g).

式中,v为流速(m/s);y为水深(m);d50为河床质平均粒径(m);σ为河床粒径的标准差;b为桥墩宽度(m);l为桥墩长度(m);g为重力加速度(m/s2).

经过对比后发现,基于遗传算法的方法比包括神经网络系统(ANN)、HEC在内的各种方法都能更为精确地预测冲刷深度,如图1所示[9].

图1 HEC、GP、ANN预测精度对比Fig.1 Comparison of the prediction accuracy of HEC, GP and ANN

1.4 桥梁冲刷建模

桥梁冲刷建模主要包括数值模型和实验模型两种.由于冲刷问题的复杂性,研究人员建立起了一些数值模型和实验模型.Fukuoka等在1994年建立起了一种3D数值模拟模型,用以研究桥墩周围的局部冲刷问题.研究表明,成熟的数值模型能够极其精确地与大型水工建筑的冲刷实验结果吻合.Richardson and Panchang运用一种完全的3D水力模型去模拟一个圆柱形桥墩的冲刷坑内的水流运动,把结果与Melville and Raudkivi在1977年的实验观察结果进行对比后发现,无论是定量还是定性方面都取得了令人满意的结果.数值模型的结果也被用来和经验公式进行对比,Young等运用独立的三维有限元模型来研究清水中的桥墩冲刷深度.在他们的研究中,他们的预测和有限元的结果能很好地吻合.他们进行对比后发现HEC-18的预测结果过高估计了22%.南卡罗来纳大学的Kassem等建立了一种流体力学模型“FLURNT”,用来模拟实地的数据,也获得了令人满意的结果,而且他们也验证了HEC-18的确存在过高估计的问题[7].

实验室模型的优势在于,它们不仅仅帮助人们对于桥墩冲刷相关的变量和参数有更好的了解,并且可以帮助人们选择和优化一些防冲刷的构筑措施.至今,研究人员建立了很多的实验模型.例如,为了研究尼罗河上Imbaba大桥的冲刷坑问题,开罗的研究人员建立了一个1∶60的仿真流动河床模型,他们实施了一系列实验去测试圆形桥墩下游的冲刷问题.研究发现,下游桥墩的冲刷坑是相邻桥墩尾流漩涡交叉处的冲突速度场造成的,而汇流又加速了这种冲刷.这个结果促使一种预测桥墩最大冲刷深度的经验公式的诞生.Umbrell等在1998年研究清水桥下在不考虑局部效应的收缩冲刷时,建立了一个实验室模型,他们研究了来流速度、下桥面的压力流速以及沉积物大小等问题.Sheppard 和 William等也运用实验室模型进行局部冲刷深度的模拟[7].

2 桥梁冲刷监测

尽管实验室模拟为人们验证冲刷理论以及更为深刻地理解复杂的冲刷过程有很大的帮助,但是,由于在实验室中的简化和假定,这种实验室结果并不能直接用于实地设计的指导.对桥梁的冲刷情况进行监测,可以掌握桥梁的冲刷情况.针对桥墩局部冲刷深度的监测手段主要有:光纤布拉格光栅传感器、声呐冲刷监测系统、雷达测深法、时域反射计等.

2.1 光纤布拉格光栅传感器监测

随着光电学和光纤通信技术的发展,光纤传感器被越来越多地应用到结构健康检测的工程实际之中,其中使用频率最高的一种即是光纤布拉格光栅传感器(fiber Bragg grating简称FBG).该传感器能感知应变和温度的变化,并由此改变自身反射光波波长,当光束传播到光纤布拉格光栅时,光纤就会反射一种特定波长的光波,通过对变化的反射波长的采集即可实现对待测物理量的监测[10-11].

Yung-Bin Lin等对两种模型进行了实验室研究,如图2所示.第一种模型,三个传感器被安装在悬臂形式的单纤维上;第二种模型,传感器被安装在固定于桥墩或桥台上的钢板上.经验证,这两种传感器在洪水期间依然有效,而且这种传感器可以测量水位、冲刷深度、沉积物高度等一系列问题.实验结果表明,采用光栅传感器在桥梁冲刷实时监控领域中有进一步应用的潜力[12].

2.2 声呐监测

超声波拥有良好的传播性能,具有非常好的方向性,可以在声阻抗不同的两种介质的界面上发生反射.如图3所示,此系统将超声探头置于护筒内部并上下移动,探头发射的超声波在冲刷深度范围内可以在冲刷坑壁处反射,从而确定冲刷坑壁的位置.通过波形可以判断冲刷深度所在位置,通过探头移动距离即可得到冲刷深度[13].

图2 FBG的两种不同模型Fig.2 Two models of FBG

图3 声呐监测冲刷原理Fig.3 The principle of sonar monitoring scour

建于1866年的Mezzana Corti大桥,是连接意大利米兰和热那亚之间的一座铁路桥,此桥在冲刷监测中采用了声呐系统以及sedimetri监测系统,sedimetri系统在1996年发生洪水时受到了极大的破坏.研究人员在1996年的洪水之后,决定在监测中只采用声呐监测,因为声呐系统可以适当调节,免受洪水携带的漂浮物冲击[14].

图4 Mezzana Corti大桥Fig.4 Mezzana Corti bridge

2.3 雷达监测

雷达是利用电磁波探测目标的电子设备.发射电磁波对目标进行照射并接收其回波,由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息.因此可以将雷达运用于桥梁冲刷的监测中.其工作原理如图5所示,被发出的信号向下传播,由于不同的底层有不同的信号接收性能,通过信号的吸收和反射情况,可判断河床的形状[15].在河流与沉积层之间的接口,一部分雷达信号将会被反射到上层表面,其余的信号将在底层材料处折射,直到它到达另一个接口.接收天线接收到的雷达信号将用于监测接口的表面状态,整个监测过程中,接收装置都以恒定的速度传播[16].

图5 雷达监测冲刷原理Fig.5 The principle of radar monitoring scour

南卡罗来纳州的美国地质调查局自从1996年以来,一直在利用实地收集来的历史冲刷数据进行清水中桥台冲刷、桥墩冲刷以及水流收缩的包络曲线建立工作.对历史活性河床的监测,由于冲刷坑会被河床沉积物回填,因此一般的方法探测较为困难,为了解决这一难题,研究人员运用探地雷达.2005年以来,美国地质调查局已经运用这种方法收集了南卡罗来纳州许多大桥的相关数据[17].

2.4 时域反射系统

时域反射系统(Time Domain Reflectometry 简称 TDR)用于桥梁冲刷的监测.该系统的原理是操作装置通过传输线以一定的速度发出一个脉冲,脉冲沿着传输线进行传播直到其末端,除非中间有断口,这些断口是由于空气和水或水和沉积物的入侵造成的,这样一部分信号就会被反射回来.通过研究这些信号的返回时间,就可以计算出不连续点的位置.图6是TDR的实验装置.

图6 TDR实验装置Fig.6 Experimental setup for the TDR system

N. E.Yankielun等对TDR进行了实验室研究,他们的研究表明TDR可以准确提供输沙和桥梁冲刷数据,并对严重冲刷情况予以预警.即便是高能水流状态下,这种仪器也能提供实时的动态冲於数据[18].

3 结 论

桥梁冲刷往往会引起桥毁事故,本文介绍了目前国内外桥梁冲刷预估与监测措施,这些措施无需在水中建造构筑物,能有效地对桥梁冲刷进行预警,具有十分重要的工程意义.

参考文献:

[ 1 ]Barkdoll B D, Melville B W, Ettema R. A Review of Bridge Abutment Scour Countermeasures[C]∥World Environmental and Water Resources Congress, 2006:1-9.

[ 2 ]Zhu Z, Liu Z. CFD Prediction of Local Scour Hole around Bridge Piers[J]. Journal of Central South University, 2012,19:273-281.

[ 3 ]Richardson E V, Davis S R, Lagasse P F. Comprehensive Scour Analysis at Highway Bridges HEC-18[C]∥Scour and Erosion. International Conference on Scour and Erosion (ICSE-5) 2010, San Francisco, 2010:1092-1101.

[ 4 ]Federal Highway Administration. Evaluating Scour at Bridges[R].5thed. Washington D C: US Department of Transportation, 1993.

[ 5 ]Choi S U, Cheong S. Prediction of Local Scour around Bridge Piers Using Artificial Neural Networks[J]. Journal of the American Water Resources Association, 2006,42(2),487-494.

[ 6 ]刘文伟,李琳,张洪剑,等. 基于神经网络的复杂过程系统模型辨识[J]. 沈阳大学学报, 2009,21(2):102-104.

(Liu Wenwei, Li Lin, Zhang Hongjian , et al. Model Identification of Complex Process Systems Based on Neural Networks[J]. Journal of Shenyang University, 2009,21(2):102-104.)

[ 7 ]Deng Lu, Cai C S. Bridge Scour: Prediction, Modeling, Monitoring, and Countermeasures-Review[J]. Practice Periodical on Structural Design and Construction, 2010,15(2):125-134.

[ 8 ]刘威,吴春利,王静. 单亲遗传算法在桥梁传感器优化布设中的应用[J]. 中外公路, 2012,32(1):195-198.

(Liu Wei, Wu Chunli, Wang Jing. Single Genetic Algorithm in Optimal Sensor Placement of Bridge[J]. Journal of China & Foreign Highway, 2012,32(1):195-198.)

[ 9 ]Azamathulla H M, Ghani A A, Zakaria N A, et al. Genetic Programming to Predict Bridge Pier Scour[J]. Journal of Hydraulic Engineering, 2010,136(3):165-169.

[10]Manzoni S, Crotti G, Cigada A, et al. Monitoring Bridge Scour by Bragg Grating Array[C]∥Scour and Erosion International Conference on Scour and Erosion (ICSE-5) 2010, San Francisco, 2010:941-948.

[11]Lin Y B, Chang K C, Lai J S, et al. Application of Optical Fiber Sensor on Local Scour Monitoring[C]∥Proceeding of: Sensors, 2004. Proceedings of IEEE, Vol. 2, Vienna, 2004:832-835.

[12]Lin Y B, Chen J C, Chang K C, et al. Real-Time Monitoring of Local Scour by Using Fiber Bragg Grating Sensors[J]. Smart Materials and Structures, 2005,14(4):664-670.

[13]Fisher M, Chowdhury M. N, Khan AA. An Evaluation of Scour Measurement Devices[J]. Flow Measurement and Instrumentation, 2013,33:55-67.

[14]De Falco F, Mele R. The Monitoring of Bridges for Scour by Sonar and Sedimentri[J]. NDT International, 2002,35(2),117-123.

[15]Webb D J, Anderson N L, Newton T, et al. Bridge Scour: Application of Ground Penetrating Radar[C]∥Proceedings of the First International Conference on the Application of Geophysical Methodologies and NDT to Transportation Facilities and Infrastructure. Federal Highway Commission and Missouri Department of Transportation, 2000.

[16]Millard S G, Bungey J H, Thomas C, et al. Assessing Bridge Pier Scour by Radar[J]. NDT International, 1998,31(4):251-258.

[17]Benedict S T, Abrahamsen T Caldwell A, et al. Collection of Historic Live-Bed Scour Data at Selected Bridges in South Carolina Using Ground-Penetrating Radar[C]∥World Environmental and Water Resources Congress, 2007:1-11.

[18]Yankielun N E, Zabilansky L. Laboratory Investigation of Time-Domain Reflectometry System for Monitoring Bridge Scour[J]. Journal of Hydraulic Engineering, 1999,125(12):1279-1284.