移动荷载激励下基于时空信息融合技术的弯桥损伤识别

孙　珂， 张延庆

(北京工业大学 建筑工程学院，北京　100124)

移动荷载激励下基于时空信息融合技术的弯桥损伤识别

孙珂， 张延庆

(北京工业大学 建筑工程学院，北京100124)

利用移动荷载激励下获得桥梁某测点的时程响应数据，结合小波包时频分析的特点，引入频带内具有时序性的局部能量概念，并以此定义了一个单测点时的损伤指标；进一步为了提高指标的准确性及抗噪能力，提出了利用不同速度(不同周期)不同测点的时空信息融合技术来进行最终损伤判别及分析。以一弯桥为研究对象，建立有限元模型，通过瞬态分析方法进行桥梁移动荷载作用下的损伤识别模拟，利用选定测点的时程响应数据，验证该方法的可行性，并进一步进行了因素分析及抗噪能力研究。研究表明：所提出的单测点损伤指标适用于多损伤识别，损伤位置处指标数值大小与测点位置有关，测点离损伤越近，数值越大；一定范围内移动荷载速度对结果的影响不大；通过时空信息融合技术做最终损伤判别可以有效的提高损伤识别的精确度及抗噪能力。

损伤识别；弯桥；移动荷载；小波包分析；频带局部能量；时空信息融合技术

随着地形及交通互通的需要，弯梁桥的数量在近几十年越来越多。弯桥有明显的弯扭耦合作用，竖向荷载作用下弯梁的变形也更加复杂[1]。在弯梁桥服役期间，损伤是持续出现及恶化的。由于超载、自然灾害等影响，损伤可能比预期的出现的更早。局部损伤的出现可能影响弯桥整体工作性能，甚至出现突发的垮塌。作为生命线工程，对弯梁桥进行损伤检测分析是必须和持续的。

对于桥梁的损伤识别，按照数据采集方法分为基于静力测试和动态测试数据的方法。现在大多数的研究集中在基于动态测试数据的损伤识别方法上。基于动态数据的方法根据其分析方式的不同分为频域法、时域法及时频结合方法[2]。基于频域法的损伤识别方法一般是对动态采集信号通过频域方法[3](如频响函数、频域分解法等)得到结构相关模态参数(如振型、固有频率等)，通过相关数值处理实现对损伤的识别，一般限于测点数量的有限性及仪器精度和环境干扰的影响，如何利用不完备和带噪声信息进行损伤识别是关键问题[4]。为了克服上述特点，研究人员提出了时域上的识别方法，对于桥梁结构可以通过移动荷载的加载，来实现时域上的识别，刘宇飞等[5]提出基于位移时程数据得到时域平均曲率的变化来实现对简支梁局部损伤的识别。考虑小波分析在信号处理中良好的时频特征[6-7]，赵俊等[8]对时程响应曲线在小波分解后信号奇异性来直接进行了损伤分析；丁幼亮等[9]利用小波包分解提取小波包各频带(节点上)的能量，将频带之间的能量比作为结构损伤预警指标，并进行了相关的试验研究；余竹等[10]对小波包频段能量曲率识别方法进行了试验研究。同样这些方法若对桥梁结构进行损伤定位也需要沿桥跨方向布置大量的传感器，才能实现对桥梁局部损伤的定位。

以上方法集中在以弯曲变形为主的直梁结构，针对弯扭耦合的弯梁损伤识别方法很少。直梁桥可以说是弯桥的特例，本文以一弯桥为背景，更具有代表性及适用性。首先通过移动荷载加载，得到某一测点的时程响应曲线，对其进行小波包变换，并引入频带内具有时序性的局部能量概念，通过损伤处对应的时间序列内局部能量的变化提出一个损伤指标；然后考虑到噪声等因素对单一测点数据影响及弯桥受力特点，通过多测点、多移动速度加载(多周期)下的时空信息融合技术来实现对弯桥的最终损伤判断。根据研究对象的特点及噪声等影响，对相关的因素影响进行了分析。

1基于频带内时序性的局部能量损伤指标

1.1小波包分析

小波分析具有多分辨率的特点，在时域和频域都与表征信号局部信息的能力。小波变换对低频信号具有很好的频域分辨率，对于高频信号具有很好的时域分辨率。其中小波包分析作为小波分析的一种，小波包分析可以实现将信号分解为原信号在不同频段上的投影。

(1)

由于原动态信号被分解到2N个正交频带上，信号在各频带上的能量总和与原信号的能量一致。有的研究[9-11]将各频带的能量变化来作为损伤指标，此时信号总能量在各频带投影的能量：

(2)

通过式(2)求出的是节点上的能量和，此时该值不具有时序性。

1.2损伤指标的提出

如式(2)基于小波包能量谱的方法[9-11]一般都是基于整个频带的能量进行分析，且加载方式一般为通过对某一点进行激励，通过布置的大量测点来观察整个频带能量的反应来实现局部损伤定位，对于桥梁结构分布大量测点来说不易实现。

为了进一步对在役弯桥进行损伤识别，采用移动荷载激励下观察某一点的时程响应曲线，通过荷载所在损伤区间时该测点的相关信息变化来实现损伤的定位。移动荷载下获得的响应信号含有丰富的频率成分，由于桥梁结构损伤对不同频带的信号分量有不同的增强或抑制作用，与正常状态输出相比，相同频带内有差别，因而经过小波包分解后各频带内能量可包含丰富的损伤信息，并能减少不同频带之间的干扰，随着小波分解层次的增加可增大对局部损伤的敏感性[11]。同时考虑到小波包分解后观测噪声的能量被分布到各个频带上，可通过式(2)计算选择能量较大的一个或几个频带重构有效降低噪声能量。

此时，将某点的时程响应S(t)可分为P个时间序列，即测点信号被分为P个区间。引入小波包变换后各频带内具有时序性的局部能量概念[12]，用以表征信号某个频带的某个时段的能量大小，即此时该能量值为选择频段j内某段时间段(t1,t2)内局部能量，该能量对应了划分的时间序列，此时该频带内局部能量可以表示为：

(3)

式中：i表示该时间段(t1,t2)时间段序号，(t1,t2)表示该时间段对应的开始及结束时间，则M1，M2分别对应时刻(t1,t2)对应的离散点的下标。

通过移动荷载采集的是某点的全局性信息，一般通过对相应位移信号求曲率[4-5, 10]来实现对局部损伤的识别。一系列离散点对应的曲率数值可以通过二次差分来实现，针对上面的频带内时序性局部能量，这一系列数值对应的曲率为：

(4)

式中：Δt表示两个时间段序列之间的相对时间间隔。

此时，可以针对频段内时序性局部能量得到一个损伤指标：

(5)

2基于时空信息融合技术的损伤判别

上面提出的指标是通过一个测点的时程信息来实现对损伤的识别。这样比较容易受噪声，如损伤前后加载方式的不同、传感器的精度等影响[5]。因而，本文提出了通过增加空间测点及时间上多次加载，结合多传感器多周期的时空信息融合技术[14]来进行判别的方法。

根据本文研究内容定义多传感器多周期的时空信息融合为：多周期表示时间上通过多次不同速度的移动荷载加载；多传感器表示根据指标特点在空间上选取多个测点，通过时间和空间上组合来实现信息在时空上的融合。

信息融合技术提供了多种信息有机结合起来的方法。它能够对来自研究对象的不同形式的信息进行分析，从而获得对研究对象更准确的状态描述[14]。比较成熟的信息融合方法有贝叶斯法、D-S证据理论、模糊集合论方法等，这些方法都有各自的特点。孙晓丹等[15]利用贝叶斯法将整体和局部信息融合对一桁架进行损伤识别，郭惠勇等[16]对不同的融合方法进行了比较，认为D-S证据理论较另外两种有一定的优势。D-S证据理论具有比较强的理论基础，既能处理随机性所导致的不确定性，又能处理模糊性所导致的不确定性，而且不需要先验概率和条件概率密度。

本文主要基于D-S证据理论的多传感器、多测量周期(不同速度下加载)的时空信息融合方法对采集的结构动态响应数据进行特征级的融合，提高识别方法的准确度和抗噪能力。

(6)

式中：C=Aj∩Bj。

对于多个信息源的融合，可采用D-S组合规则对证据进行两两综合最后求得最后决策。

接下来结合通过本文研究内容对该方法进行说明。

假设弯桥上布置了M个传感器，分别进行了N测量周期(N种移动荷载分别加载)。此时基于时空数据融合技术的损伤判别方式，如图1所示，计算步骤如下：

(1) 定义ms,k(oi)表示第s个传感器在第k个测量周期所获得对目标识别区间oi的基本概率赋值，这时s=1,2,…,M,k=1,2,…N。由于对损伤信息的未知，对于该值为：

(7)

(2) 分别对传感器进行周期之间信息的融合。由式(6)可得，

(8)

(3) 通过上面融合后进一步对传感器之间的融合，得到最后的融合结果

(9)

式中：m(oi)表示不同时间区间段i的损伤指标通过不同移动速度多测点之间特征指标融合后累积的概率，根据该概率值可实现最终对损伤的定位。

图1　基于D-S证据理论的损伤判别Fig.1 Damage identification based on D-S evident theory

3数值试验及指标验证

本文以弯桥作为研究背景，该桥跨度L=40 m，曲率半径r=60 m，桥型为混凝土箱梁桥，箱梁顶板宽12.5 m，底板宽6.5 m，翼板宽3 m，主梁采用单箱双室截面，截面尺寸如图2所示。弯梁桥材料采用C40混凝土，弹性模量为3.25×107kN/m2。

图2　横截面(m)Fig.2 Cross section(m)

图3　模型示意图Fig.3 Schematic diagram of the model

本文采用了多测点多种移动荷载加载下的时空信息进行融合。通过减少单元刚度来模拟刚度损伤，利用瞬态分析方法，模拟移动荷载的速度选为0.5 m/s,2 m/s,5 m/s(分别定义为周期1,2,3)，沿中间轴线加载，如图3所示。考虑弯桥受力特点，测点先选取在跨中横截面上沿径向布置的测点1、测点2及测点3，然后选取了沿中心轴线布置的测点4和测点5，此时测点2也在中心轴线上，具体布置如图3所示。根据损伤程度及多损伤等因素选取考虑下面5种工况，工况1为完好状态下模型，如表1所示。

表1　损伤模拟工况

3.1单测点指标验证

3.1.1验证

为了验证本文提出的基于频带内时序性局部能量的单测点指标γ的正确性，选择工况2～4，测点选择跨中截面的测点2。

在速度2 m/s下获得测点2的位移时程数据，采集样本数为4 000，本文对于整个时间历程划分40个时间区间，则此时各个时间序列内的样本数为100。在采用小波包进行处理时，选用了db10小波，对采集的数据进行7层小波分解。通过计算分析，本文选择节点能量占总能量95%以上的第一频带重构得到输出信号。此时，位移时程数据及选择频带重构后的曲线如图4所示，其中纵坐标根据荷载位置采用归一化坐标。

图4　测点2的位移响应及重构信号Fig.4 Original and Reconstructed displacement responds

图5　不同损伤程度下的跨中测点指标曲线Fig.5 Damage index with different damage degree

从图4可知，直接观察位移时程曲线不能对弯桥进行损伤识别。这时按本文提出的方法对工况2～4的重构信号进行处理，可得到基于频带内时间序列的局部能量指标曲线，此时时间序列对应移动荷载在整个历程中所在位置，以该时间区间序列标号i为横坐标，如图5所示。

从图5可以看到，三种工况下，在第16、17个时间区间对应的数值发生突变，说明在此附近出现损伤，表明本文提出的方法可行；在损伤位置随着损伤程度的增大，该指标数值也随着增大，同时也发现，非损伤位置的波动也增大，但相对与损伤处的数值，该值相对较小，对于单损伤的影响不大。

3.1.2移动速度不同对结果的影响

为了观察不同速度时的指标数值变化及可行性。选择工况3和测点2的数据，分析在三种速度下的时程曲线及损伤指标变化，如图6所示。

图6　不同速度下的时程曲线及损伤指标Fig.6 Damage index under different load speed

从图6可以看到，不同加载速度对位移时程数据存在影响，而利用本文损伤指标对于相同位置的结构损伤都能很好的识别效果。一定速度范围内，对损伤位置指标的数值影响不大，在选取合适的参数下可以实现其损伤识别；随着速度的增大，非损伤区域的变化有波动，但整体数值变化不大。

3.1.3多损伤分析

观察多损伤时的指标可行性，加载速度选择2 m/s，选择测点2和工况5，两处损伤出现损伤，如图7所示。

图7　多损伤时损伤指标Fig.7 Damage index with multiply damage

从图7可以看到，该工况5下，在第16、17时间区间和第25、26区间对应的数值发生突变，说明在此附近出现损伤，表明对于多损伤时该方法适用；由于损伤位置与测点的距离，离测点近的损伤区间的指标较大，非损伤部位有一定的程度的波动。在进行损伤程度的判断时要注意测点与损伤区间的位置关系对指标数值的影响。

3.1.4测点选取对指标的影响

对于弯桥，当竖向的移动荷载沿着中心轴线加载时，因弯扭耦合，同时也会产生扭转效应，考虑到损伤位置不确定，选取不同位置的测点也会影响其损伤结果。主要从两个方面进行分析，如图3：首先，分析同一截面不同位置布置测点得到的损伤指标，测点1、测点2及测点3；然后分析沿中间轴向不同位置布置的测点得到的损伤指标，测点4、测点2及测点5。选择加载速度2 m/s和损伤工况3。如图8，9给出了空间上不同测点的损伤指标结果。

图8　横向测点布置损伤指标比较Fig.8 Indexes of sensors in the same section

由图8可知，由于弯桥的受力特性，造成内外测点变形的不同，同时影响指标的数值大小，对损伤位置定位没有影响，但会影响损伤指标的数值；在非损伤位置的波动也受横向测点的选择影响，内侧的测点3的波动较小。

图9　纵向布置测点损伤指标比较Fig.9 Indexes of sensors in the axial

由图9可以看到，选取的布置在中心轴线上测点的结果比较，测点的损伤定位没有影响，但在损伤附近时损伤处的指标数值最大，但随着测点远离损伤位置，损伤位置的数值变小，而非损伤部位对其影响也同样减弱。

3.2基于时空信息融合技术的损伤判别

考虑到非损伤位置单测点损伤指标数值的波动，及测量过程中噪声(如测量精度、误差等引起)的影响。本文提出了利用多测点、多次移动荷载加载(多周期)的时空信息融合技术来进行最终的损伤判别。

3.2.1验证及对比

本节选择工况3及工况5来分析单损伤及多损伤时判别结果，选择了测点2、测点3及测点5在三种速度下的信息，利用图1给出的流程处理这些信息。为了不同信息组合下对损伤结果的影响，分别给出了工况3时不同组合的判别结果：测点2的三个周期间信息融合结果、周期2时三个测点融合及三个周期三个测点信息融合，如图10。注：其他组合有同样的规律，未一一列出。

图10　单损伤信息融合结果比较Fig.10 Results of information fusion with single damage

从图10可以看到，除了损伤区间及其附近出现变化，其他位置的变化可以忽略不计，与图5单测点时的结果比较可以有效的减弱非损伤位置数值的波动对损伤结果的影响；而不同组合的信息融合结果之间的比较，可以发现当时空融合(三周期三测点信息融合)时，只有在损伤区间16及临近的区间17出现变化，而另外两种组合在区间15～18都出现变化，且在两端区间也出现了一定的数值，即随着融合信息的增多可以有效减少非损伤区间的影响。

为了观察多损伤时测点的选择及组合的判别结果，分别给出了工况5时不同组合的判别结果：测点5的三个周期间信息融合结果、周期2中三个测点融合及三个周期三个测点信息融合，如图11。

图11　多损伤时空信息融合结果Fig.11 Results of information fusion with multiply damages

图11同样可以看到两处损伤区间内的变化明显，与图7比较，其他地方的影响也是忽略不计的，即本文提出的方法也适用于多损伤识别；不同组合的信息融合结果也与单损伤时的结果相同，随着融合信息的增多可以有效减少非损伤区间的影响。

此时可以发现虽然两处损伤程度一样，但两者的结果不同，从图3可知测点5在损伤区间(26,27) m附近，当利用测点5不同周期的信息融合时两者差异更明显，在区间16处的结果比区间26处的结果小的多，而同一周期不同测点信息融合后结果相差不大。结合3.1.4节的分析可以知道测点在其附近，增大了该处的概率累加。因此，对于损伤位置及数量未知时，建议选择对称位置布置测点，可以有效的减少损伤的漏判。

3.2.2抗噪能力分析

考虑到移动荷载加载下，动力响应测试数据的噪声、测量精度及其他不确定因素的影响，本文提出的损伤判别方法的抗噪能力需要进一步考察，通过在检测数据中引入高斯白噪声来模拟这些不确定，模拟噪声水平10%时，考虑到篇幅，只给出工况3和工况5采用三周期三测点(测点1、2及3)的信息融合结果m(oi)和单测点时(测点2，车速2 m/s)的损伤指标基本概率m2,2(oi)比较，如图12、13所示。

图12　噪声影响下单损伤指标及时空信息融合结果Fig.12 Results of index and fusion with single damage under noise

图13　噪声影响下多损伤指标及时空信息融合结果Fig.13 Results of index and fusion with multiply damages under noise

从图12可以看到，当存在10%水平的噪声时，单测点时按式(7)求得的指标基本概率m2,2(oi)已经不能对损伤进行准确的定位，此时在区间22处出现最大值，影响到结果的判别，而此时基于三周期三测点时空信息融合后的结果仍然可以很好的对损伤进行判别，此时区间20有波动但此时不影响判别结果。

从图13可以看到，对于多损伤的工况，单测点时m2,2(oi)也受到噪声影响，而通过时空信息融合结果仍能对两处损伤进行识别，由于选择的三个测点比较靠近损伤区间(16,17)m，此处累积概率较高。

结合前面的推导过程，在小波包分解过程后，噪声能量平均的分配在每个节点上，随着分解层数增多，噪声影响也减少，而噪声对于考虑频段内具有时序性的局部能量仍会影响单测点损伤指标的结果，这时可以通过多周期多测点的时空信息融合技术，可以很大程度去除不规则噪声对结果的影响，而在损伤处的结果突显出来，说明本文提出的方法能很好的抗噪能力，随着信息的增多判别结果也越精确。

4结论

本文采用小波包分析，利用频带内具有时序性的局部能量定义了一个基于单测点时程响应的损伤指标，并进一步引入时空信息融合技术，对多测点多加载速度下的信息进行特征级的信息融合，提高损伤判别的准确性及抗噪能力。以一弯桥为研究背景，分析不同因素对结果的影响，对于梁式桥的更具有一般性，主要得到以下结论：

(1) 利用良好的时频性的小波包分析，得到的频带内具有时序性的局部能量损伤指标可实现局部损伤识别，并随着损伤的加大，指标数值也发生变化，即可定性的判断损伤程度。

(2) 利用该损伤指标可以灵活布置测点，理想条件下基于单测点时程数据得到的指标适用于多损伤的识别；该单测点的指标，测点离损伤位置越近指标数值越大，且对于弯桥时，内外测点的指标结果也出现变化；一定加载速度下该指标的数值影响不大。

(3) 考虑到单测点非损伤位置的影响，引入多周期多测点的时空信息融合技术，可以有效的提高判别结果。在考虑噪声影响时，单测点指标的识别结果准确性受到明显影响，而利用时空信息融合技术可有效的提高抗噪能力，较准确的判断出损伤位置。

(4) 本文以弯桥为研究对象，适用范围较广，对于直梁桥也同样有效。

(5) 本文利用通用有限元软件建立模型来分析论证本方法的可行性。在实际工程，由于移动荷载激励受环境等因素的影响是非平稳激励，还需考虑特征指标的波动性及随机性等。

[ 1 ] 黄新艺，陈彦江，李岩，等. 曲率半径对曲线箱梁桥车辆荷载作用下冲击效应的影响[J]. 振动与冲击,2010,29(1): 38-42.

HUANG Xin-yi, CHEN Yan-jiang, LI Yan, et al. Influence of curvature radius on impact effects of a box-girder curved bridge under moving vehicle loads[J]. Journal of Vibration and Shock, 2010,29(1): 38-42.

[ 2 ] 闫桂荣，段忠东，欧进萍. 基于结构振动信息的损伤识别研究综述[J]. 地震工程与工程振动,2007,27(3):95-103.

YAN Gui-rong, DUAN Zhong-dong, OU Jin-ping. Review on structural damage detection based on vibration data [J]. Journal of Earthquake Engineer and Engineering Vibration, 2007, 27(3): 95-103.

[ 3 ] 续秀忠，华宏星，陈兆能. 基于环境激励的模态参数辨识方法综述[J]. 振动与冲击,2002,21(3): 3-7.

XU Xiu-zhong, HUA Hong-xing, CHEN Zhao-neng. Review of modal identification method based on ambient exc[J]. Journal of Vibration and Shock,2002,21(3): 3-7.

[ 4 ] 李德葆，陆秋海，秦权. 承弯结构的曲率模态分析[J]. 清华大学学报:自然科学版, 2002,42(2): 224-227.

LI De-bao, LU Qiu-hai, QIN Quan. Curvature modal analysis for bending structures [J]. Journal of Tsinghua University:Science and Technology, 2002, 42(2): 224-227.

[ 5 ] 刘宇飞，辛克贵. 移动荷载激励下基于平均曲率模态的简支梁局部损伤识别[J]. 工程力学, 2013,30(7): 205-211.

LIU Yu-fei, XIN Ke-gui. Local damage detection of simply supported beam on the excitation of moving load based on average curvature modal[J]. Engineering Mechanics, 2013，30(7)：205-211.

[ 6 ] Bayissa W L, Haritos N, Thelandersson S. Vibration-based structural damage identification using wavelet transform[J]. Mechanical Systems and Signal Processing,2008, 22(5): 1194-1215.

[ 7 ] Hera A, Hou Z. Application of wavelet approach for ASCE structural health monitoring benchmark studies[J]. Journal of Engineering Mechanics,2004, 130(1): 96-104.

[ 8 ] 赵俊，张伟伟，马宏伟. 移动载荷作用下简支梁的动态响应及裂纹损伤识别研究[J]. 振动与冲击,2011,60(6): 97-103.

ZHAO Jun, ZHANG Wei-wei, MA Hong-wei. Dynamic response and crack detection of simply supported beam under moving loads [J]. Journal of Vibration and Shock, 2011, 30(6): 97-103.

[ 9 ] 丁幼亮，李爱群，缪长青，等. 基于小波包能量谱的大跨桥梁结构损伤预警指标[J]. 中国公路学报,2006(5):34-40.

DING You-liang, LI Ai-qun, MIAO Chang-qing, et al. Structural damage alarming indices for long-span bridges based on wavelet packet energy spectrum[J]. China Journal of Highway and Transport, 2006(5): 34-40.

[10] 余竹，夏禾，Goicolea J M，等. 基于小波包能量曲率差法的桥梁损伤识别试验研究[J]. 振动与冲击,2013,30(5): 20-25.

YU Zhu, XIA He,Goicolea J M, et al. Experimental study on bridge damage identification based on wavelet packet energy curvature difference method[J]. Journal of Vibration and Shock, 2013,30(5):20-25.

[11] 丁幼亮，李爱群，缪长青. 基于小波包能量谱的结构损伤预警方法研究[J]. 工程力学,2006, 23(8): 42-48.

DING You-liang, LI Ai-qun, MIAO Chang-qing, et al. Investigation on the structural damage alarming method based on wavelet packet energy spectrum[J]. Engineering Mechanics,2006,23(8): 42-48.

[12] 王奉涛，马孝江，邹岩崑，等. 基于小波包分解的频带局部能量特征提取方法[J]. 农业机械学报,2004(5):177-180.

WANG Feng-tao, MA Xiao-jiang, ZOU Yan-kun, et al. Local power feature extraction method of frequency bands based on wavelet packet decomposition[J]. Transactions of the Chinese Society for Agricultural Machinery, 2004(5): 177-180.

[13] Ratcliffe C P. Damage detection using a modified Laplacian operator on mode shape data[J]. Journal of Sound and Vibration,1997, 204(3): 505-517.

[14] 李茹，李弼程，李斗. D-S证据理论在时-空信息融合中的应用[J]. 计算机工程与应用,2005(13): 174-176.

LI Ru, LI Bi-cheng, LI Dou. The temporal-spatial fusion based on the improved Dempster-Shafter technique[J].Computer Engineering and Applications, 2005(13): 174-176.

[15] 孙晓丹，欧进萍，侯钢领，等. 基于Bayesian估计的整体和局部信息融合的损伤识别[J]. 工程力学,2012(6):234-240.

SUN Xiao-dan, OU Jin-ping, HOU Gang-ling, et al. Damage identification based on Bayesian fusion of global and local information[J].Engineering Mechanics, 2012(6):234-240.

[16] 郭惠勇，张陵，蒋健. 不同信息融合方法在结构损伤识别上的应用和分析[J]. 工程力学, 2006(1): 28-32.

GUO Hui-yong, ZHANG Ling, JIANG Jian. Application and analysis of different information fusion methods for structural damage detection[J]. Engineering Mechanics,2006(1):28-32.

Damage identification for a curved bridge based on temporal-spatial information fusion technology under moving loads

SUN Ke, ZHANG Yan-qing

(College of Architecture and Civil Engineering, Beijing University of Technology, Beijing 100124, China)

According to the characteristics of wavelet packet time-frequency analysis, the concept of local energy with time sequence within a frequency band was introduced to propose a damage index to be used to detect the damage with the time-history response data of a single point of a curved bridge under moving load. In order to improve the index’s correctness and its anti-noise ability, the temporal-spatial information fusion technology using the information of different measured points under different moving loads was developed to make the final damage detection. Taking a curved bridge as the study object, the finite element model was established to verify the feasibility of the proposed method. Then the factor analysis and the anti-noise ability of the method were studied. The results showed that the damage index of single point is applicable to detect multiple damages; the index value at the damage location is associated with the location of the measured; the results of damage detection change little with variation of moving load speed in a certain range; with the temporal-spatial information fusion technology to do the final damage identification, the accuracy and anti-noise ability of the damage identification can be effectively improved.

damage identification; curved bridge; moving load; wavelet packet analysis; local energy of frequency band; temporal-spatial information fusion

10.13465/j.cnki.jvs.2016.11.021

国家自然科学基金面上项目(51378034)；北京市自然科学基金面上项目(8122007)

2015-03-19修改稿收到日期：2015-05-08

孙珂 男，博士生，1987年生

张延庆 男，博士，教授，博士生导师，1958年生

TU323.3；U446

A