基于ANFIS的桥梁水下结构状态评估系统开发研究

徐建勇，潘骁宇，李 尚，陈 阳

(1.浙江省交通规划设计研究院， 杭州 310000； 2.浙江交通职业技术学院， 杭州 311112)



基于ANFIS的桥梁水下结构状态评估系统开发研究

徐建勇1，潘骁宇2，李 尚1，陈 阳1

(1.浙江省交通规划设计研究院， 杭州 310000； 2.浙江交通职业技术学院， 杭州 311112)

以桥梁水下钢筋混凝土结构为对象，以结构使用环境和现行桥梁承载能力及耐久性评估标准为基础，建立结构状态评估指标体系，确定评估指标的分级标准，并开发基于自适应神经-模糊推理算法的桥梁水下结构状态评估系统。根据模拟教师数据对该系统各项性能的验证结果，证明其具有良好的学习能力，且实际应用也表明其具有较好的应用效果。

桥梁水下混凝土结构；状态评估；自适应神经-模糊推理系统；神经网络；模糊推理

水下结构作为桥梁的基础部分，其状态对桥梁的使用安全性和结构耐久性有十分重要的影响。随着早期建设的桥梁逐渐进入老龄化，水下结构的病害也正在显现[1-4]，基础冲刷、地基变形、冲蚀、露筋、裂缝以及混凝土老化等病害对桥梁的服役安全性造成极大威胁。

为了规范在役桥梁的使用安全性评估方法，我国CJJ 99—2003《城市桥梁养护技术规范》[5]、JTG/T H21—2011《公路桥梁技术状况评定标准》[6]等基于层次分析法规定了桥梁结构状态的评估方法[7]。这些规范和标准是把桥梁整体划分为桥面系、上部结构及下部结构3个子系统，在分别对上述3个子系统结构状态进行评价的基础上，用加权累计方法将其结构状态反映到桥梁整体中。但是，现行规范关于下部结构子系统的评价方法中，除了基础冲刷外，对水环境的其他不利影响缺乏考虑，忽略了水的物理作用及化学腐蚀的影响。工程实例表明，水下结构特别是位于沿海桥梁干湿交替区的结构，水环境对结构耐久性有不可忽视的影响。

水下结构耐久性受多种因素的影响，层次分析法是分析复杂系统结构状态的一种常用方法[8]。在层次分析法中，权重设定是综合反映专家意见的经验参数，其值的大小反映了病害类型对构件结构状态的影响程度。因此，权重的合理性直接关系到层次分析评价结果的可靠性。由于专家经验受到其经历和主观认识的影响，具有较大的离散性，且随着认识的提高，专家经验也处于不断积累、不断更新的过程中，故合理的评估系统不但需要反映多数专家的意见，同时也应具有经验更新的能力。而在人工智能理论基础上发展起来的层次分析法可以弥补上述不足，使评估系统具有自学习能力。

本文以开发具有自学习功能的水下混凝土结构状态评估系统为目的，基于层次分析法建立水下结构状态评估系统，并利用自适应神经-模糊推理系统(ANFIS)开发具有自学习功能的层次分析法评估系统，且验证了层次分析法评估系统的学习性能和实际应用效果。

1 水下结构病害分类及结构状态评价指标

1.1 水下结构病害类型及其影响

长期位于水下或者干湿交替区的混凝土结构其典型病害主要包括6个大类，即表面缺陷、裂缝、钢筋锈蚀、结构变形、基础冲刷及材料性能退化。

上述病害中，水下结构的表面缺陷包括层离、剥落、麻面、冲蚀、溶蚀、冻融破坏等，均属于水下结构的常见病害，对结构安全性影响较小，但会导致混凝土保护层失效从而对结构耐久性带来不可忽视的影响。

裂缝是混凝土结构的典型病害。引起结构开裂的原因较多，但根据裂缝发生的原因可分为受力裂缝和非受力裂缝2大类：受力裂缝同时影响结构承载能力和耐久性；非受力裂缝主要影响结构耐久性，如裂缝引起水渗入而导致钢筋锈蚀。

混凝土结构的承载能力很大程度上依赖于钢筋的强度。钢筋锈蚀导致钢筋有效面积减小、屈服强度和极限强度降低、变形能力下降，另外钢筋锈胀还会导致混凝土表面开裂、层离，钢筋与混凝土之间的粘结失效。因此，钢筋锈蚀将直接导致结构承载能力降低。

对于下部结构变形而言，小变形引起的结构几何形态变化对桥梁传力体系一般不会产生显著影响，但是支点相对变形会引起超静定结构内力，这对桥梁的安全性有不可忽视的影响。

基础冲刷是桥梁水下结构独有的病害形式。冲刷会改变桩基的外露长度并掏空基础周围的土，从而改变水下基础受力状态并引起结构变形，对桥梁结构的安全有较大危害。

混凝土材料性能退化是影响结构承载能力和耐久性的重要因素。桥梁水下结构中，材料性能退化主要表现为混凝土强度下降、碳化、氯离子渗入等形式。

1.2 评价指标

为了对病害严重程度及产生病害的原因进行定量分析，本文对水下结构的各种病害程度以及环境作用建立了对应的评价指标，并参考JTG/T J21—2011《公路桥梁承载能力检测评定规程》[9]、GB 50476—2008《混凝土结构耐久性设计规范》[10]等国家现行标准，提出每个参数指标的检测及等级评估方法。

现以“混凝土强度”指标为例，对水下结构混凝土强度测试方法及评价标准予以介绍。对于评估系统中的其他指标，均采用类似方法并参照有关规范来确定，指标影响程度用1～5等级进行评定。

水下结构的混凝土强度以干湿交替区为测区，根据混凝土强度检测方法，分别参照JGJ/T 23—2011《回弹法检测混凝土抗压强度技术规程》[11]、CECS 02：2005《超声回弹综合法检测混凝土抗压强度技术规程》[12]和CECS 03: 2011《钻芯法检测混凝土强度技术规程》[13]选用回弹法、超声回弹综合法及取芯法来检测混凝土强度。另外，根据承重构件或其主要受力部位的实测强度推定值和测区平均换算强度，按式(1)推定强度匀质系数和平均强度匀质系数，并按照表1对其强度状态作出等级评定。

(1)

式中：Kbt为推定强度匀质系数；Rit为混凝土实测强度推定值；R为混凝土极限强度设计值；Kbm为平均强度匀质系数；Rim为测区混凝土平均换算强度值。

表1 混凝土强度指标评定标准

2 基于ANFIS的桥梁水下结构性能评估系统

2.1 模糊理论与人工神经网络

由于水下结构病害的描述具有模糊性、不确定性的特点，本文采用模糊理论对水下结构状态进行评估。模糊理论出现在20世纪60年代，其是用以分析复杂事物之间不确定关系的一种数学模型，在结构性能状态评估时具有良好的适用性。模糊模型一般由输入变量、输出变量、模糊规则组成。模糊规则即if-then规则，是模糊理论处理输入变量和输出变量的基本规则，其表达形式为：Ifm是A且(或)n是Btheny是C且(或)z是D。

模糊推理是采用模糊逻辑由给定的输入到输出的映射过程，推理过程如图1所示。一个模糊模型由输入变量、输出变量、模糊规则组成，首先将输入变量模糊化为由隶属度函数表示的参数，然后运用模糊算子和蕴含算子分别将输入变量的隶属度函数套用每一条模糊规则得到对应的隶属度和模糊集，并通过模糊合成得到全部模糊规则的综合模糊集，最后采用归一化算法将综合模糊集反模糊化为确定的数值。

图1 模糊推理过程

另一方面，人工智能算法可实现推理系统的自学习功能，其特别适用于基于专家经验的结构评价系统，在桥梁结构中的应用已受到国内外学者的关注[14-15]。人工神经网络是20世纪80年代大规模兴起的一种人工智能算法，其模拟人脑神经元网络对信号的处理过程，通过将大量神经元节点连接形成网络，达到自主运算的目的。人工神经网络具有自适应、自学习的功能，被广泛应用于实际工程中。

自适应神经-模糊推理系统(ANFIS)是一种引入了模糊推理机制的人工神经网络模型，其既可以考虑输入参数的不确定性，又能借助神经网络的自适应、自学习的能力完成大量重复性运算，目前已有不少学者将ANFIS理论运用于桥梁耐久性评估，收到了良好效果[16]。因此，本文借鉴上述研究思路，将ANFIS引入桥梁水下结构的性能检测评估中，并建立了基于ANFIS的评估系统，以实现智能化的桥梁水下结构性能评估。

2.2 桥梁水下结构评估指标体系

在基于ANFIS的桥梁水下结构性能评估系统中，各项评估指标间层次关系的确立非常关键。本文将影响水下结构承载能力和耐久性的各项因素根据因果关系进行分层归纳，建立了桥梁水下结构性能评估体系。该体系的层次关系如图2所示。另外，本文借鉴层次分析法的思路，以水下结构评估的2个方面(承载能力评估和耐久性评估)作为目标层，将水下结构性能指标概括为3大类，分别以环境条件、材料性能和结构病害作为水下结构评估系统的第1层，并对第1层的3个指标进行细分，共得到包含75个评估指标、划分层次为5层的一个评估系统基于水下结构评估的层次性特点，本文建立了由多个单级ANFIS系统串并联而成的多级ANFIS系统。系统的构成与水下结构性能指标体系的层次结构如图3所示。从图3可以看出，“环境条件-水环境-水质”这一子系统的末端，由2个输入变量“泥沙含量”、“水质的化学成分”和1个输出变量“水质”构成了单级ANFIS，而“水质”又作为其中一个输入项目与“水流速度”“冻融程度”共同构成前一层次的ANFIS，从而致使所有指标不断向前推进，最终构成整个“水下结构性能指标”的ANFIS模型。

此外，为了提高水下混凝土结构病害评估系统的适用性，本文借助于面向对象的可视化编程语言MATLAB 7.12开发了友好的人机交互界面，实现了结构从现场检测到评估的完整体系。

2.3 桥梁水下结构性能评估的实现与评估系统可靠性验证

利用本文建立的ANFIS评估系统，只需输入底层指标的评定等级，就可实现水下结构性能的评定。评估前，可选择评定构件的承载能力或耐久性，导入不同的教师数据对系统进行训练，使系统获得相应的评定方法。实际工程运用时，这些教师数据来源于专家对同类结构的评定意见。

为了验证评估系统的学习性能，现通过一例予以说明。由于缺乏大量完整的水下结构现场检测数据，故本文采用Monte-Carlo法随机生成大量输入数据，并根据常权综合法的评价思路获得每组输入数据对应的输出数据，这些输入数据和输出数据构成了评估系统的教师数据。

教师数据数量对评估系统误差的影响表现为教师数据的数量越大，评估系统的误差越小，评估结果越准确[17]；当数量达到200以后，误差趋于稳定。因此，本文提供200组随机数据作为教师数据，通过训练，得到评估系统的评估结果与理论结果，如表2所示。

图2 水下结构性能评估系统

图3 子系统“水下结构性能指标-环境条件-水环境”的ANFIS模型层次

项目第1层指标环境条件材料性能结构病害目标层指标结构承载能力评估指标理论值0.62950.63800.48360.5745系统评估值0.63720.63820.48050.5751相对误差/%1.220.030.640.10

由表2数据可知，训练后评估系统的输出值与理论值的最大相对误差约为1.22%，表明系统学习性能良好，可作为水下结构性能评估的可靠工具。

3 工程实例

温州市瓯江三桥全长2 048 m，主桥上部结构采用3跨中承式拱，跨径为40 m+98 m+40 m。主桥下部结构主墩墩身采用钢筋混凝土箱形结构，哑铃形承台，基础为1.8 m的钻孔灌注桩；边墩采用三柱式桥墩，下接1.8 m的钻孔灌注桩；主桥主墩上下游共设置4个防撞墩。

引桥上部结构采用30 m和25 m后张法预应力混凝土T梁；下部结构主要采用柱式墩台身、钻孔桩基础，少量采用重力式台身、扩大基础。

瓯江三桥设计荷载等级为汽车-20级，挂车-100。桥址处为感潮河段，落差流速大于涨流速，最大流速可达3.0 m/s。

2011年6月，北京九通衢道桥工程技术有限公司对瓯江三桥进行了水中墩桩基础检测，以全面了解水中墩桩基础各部件的工作状态。检测结果表明，13根桩基础的立柱产生了钢筋锈蚀和混凝土胀裂现象，部分立柱与系梁连接部位出现冲刷淘空和蜂窝现象，18根桩基础的桩身混凝土破损显露钢筋，11根桩基础的桩身混凝土破损面积相对较大且外露钢筋锈蚀严重，主桥和引桥所处河床冲刷下切严重。因此，根据JTG H11—2004《公路桥涵养护规范》[18]的评定标准，瓯江三桥桩基础的技术状况及分类为4度(差)。

为验证桥梁水下结构性能评估系统在实际工程中的适用情况，本文根据检测单位提供的瓯江三桥桥梁桩基专项检测报告，将影响结构性能评定的28个底层指标进行等级评定，各指标的评定等级按照“好”“较好”“中等”“较差”“差”5个等级依次递减。检测数据如表3所示。

采用桥梁水下混凝土结构评估系统对瓯江三桥的下部结构技术状况进行评定，瓯江三桥下部结构承载能力评估指标得分为47.00分。根据JTG H11—2004的评定标准，该桥梁下部结构技术状况得分属于4类，与北京九通衢道桥工程技术有限公司给出的实桥检测结果一致，表明桥梁水下混凝土结构评估系统在实际工程中的适用性良好。

4 结束语

水下结构是桥梁的重要传力部位，对其进行性能评估是桥梁检测中的重要环节。然而长期以来，由于缺乏专门的规范和系统的评估方法，桥梁水下结构的病害及使用安全性和耐久性难以得到准确评定。本文针对桥梁水下结构的病害，根据病害成因和特点，采用层次分析法建立了影响水下结构性能各因素的指标体系，并确定了各指标的检测和分级方法。另外，为提高桥梁水下结构的性能检测与评估效率，本文基于ANFIS开发了桥梁水下结构性能评估系统，通过生成教师数据对该系统的自学习性能进行了验证，并通过工程实例对其适用性也进行了验证。验证结果表明该系统具有良好的可靠性和实用性。

表3 瓯江三桥检测数据

[1] 杨华舒，王 洪，李 明.水工混凝土建筑物的表层病害与整体老化[J].水力发电，2001(2)：57-60.

[2] 孙 晖.在役结构水下桩基础的检测方法与工程实例[J].中国水运(下半月)，2012，12(3): 226-229.

[3] 黄 斌.沿海地区桥梁桩基混凝土耐久性研究[J].福建建材，2009(2)：26-28.

[4] 陈 亮.桥梁水下结构病害分级评定标准研究[J].浙江交通职业技术学院学报，2014，15(3): 10-15.

[5] 中国建筑工业研究院.城市桥梁养护技术规范：CJJ 99—2003[S].北京：中国建筑工业出版社，2003.

[6] 交通运输部公路科学研究院.公路桥梁技术状况评定标准：JTG/T H21—2011[S].北京：人民交通出版社，2011.

[7] 卓秋林，王晓东，李 武.桥梁养护规范的分析与比较[J].公路交通科技(应用技术版)，2009(4)： 56-58.

[8] 张永清，冯忠居.用层次分析法评价桥梁的安全性[J].西安公路交通大学学报，2001，21(3)：52-56.

[9] 交通运输部公路科学研究院.公路桥梁承载能力检测评定规程：JTG/T J21—2011[S].北京：人民交通出版社，2011.

[10]中国建筑工业研究院.混凝土结构耐久性设计规范：GB 50476—2008[S].北京：中国建筑工业出版社，2009.

[11]陕西省建筑科学研究院.回弹法检测混凝土抗压强度技术规程：JGJ/T 23—2011[S].北京：中国建筑工业出版社，2011.

[12]中国工程建设标准化协会.超声回弹综合法检测混凝土抗压强度技术规程：CECS02：2005[S].北京：中国建筑工业出版社，2005.

[13]中国工程建设标准化协会.钻芯法检测混凝土强度技术规程：CECS03: 2011[S].北京：中国建筑工业出版社，2011.

[14]薛飞宇，郝海霞.人工神经网络在桥梁结构等级评估中的应用[J].公路与汽运，2004(3)：71-73.

[15]韩大建，杨炳尧，颜全胜.用人工神经网络方法评估桥梁缺损状况[J].华南理工大学学报(自然科学版)，2004，32(9)：72-75.

[16]李季隆，许雷挺，刘 琳，等. 城市桥梁结构状态评估系统开发[J].公路交通科技(应用技术版), 2013(12): 60-64.

[17]魏 迪，谢 旭，张治成，等.自适应神经-模糊推理系统在桥梁状态评估中的应用[J].浙江大学学报(工学版)，2008，42(11)：2015-2022.

[18]陕西省公路局.公路桥涵养护规范：JTG H11—2004[S].北京：人民交通出版社，2004.

Study on Development of ANFIS Based Underwater Structure Status Evaluation System for Bridges

XU Jianyong1, PAN Xiaoyu2, LI Shang1, CHEN Yang1

This paper targets at underwater steel reinforced concrete structure of bridge. Based on structure using environment and current bridge load ability and durability evaluation standard, we set up structure status evaluation indices system to determine gradation standard of evaluation indices, and develop underwater bridge structure status evaluation system based on adaptive neuro-fuzzy inference algorithm. According to verification results for all performance of this system by simulated teacher data, it is proven that this system has well study ability and the practical application has proved that it has relatively good applicable results.

Underwater bridge concrete structure; status evaluation; adaptive neuro-fuzzy inference system; neuro network; fuzzy inference

10.13607/j.cnki.gljt.2016.05.018

浙江省交通运输厅科技计划项目(2012H11)

2016-06-14

徐建勇(1964-)，男，浙江省杭州市人，本科，高工。

1009-6477(2016)05-0073-06

U443.2

A