一种基于桥面车辆分布的构件极值效应短时评估方法技术

本发明专利技术涉及一种基于桥面车辆分布的构件极值效应短时评估方法，包括：收集并统计特定桥址的车流及车辆数据信息，获取桥梁结构待评估效应的影响线；将车流数据加载至待评估效应的影响线，获取极值场景样本；统计各车道重型车辆分布位置的泊松参数以及重型车辆总重的高斯混合分布参数；基于非平稳泊松分布进行重型车辆位置模拟、基于Nataf变换进行重型车辆总重模拟，得到待评估效应下的荷载模拟极端场景；利用不同效应下的荷载模拟极端场景，模拟出桥面上重型车辆的复杂空间分布。与现有技术相比，本发明专利技术针对特定桥位的车流状态，能够快速准确模拟引起桥梁各类效应产生极值的桥面重型车辆分布，进而确保桥梁构件极值效应评估的效率以及可靠性。的效率以及可靠性。的效率以及可靠性。

【技术实现步骤摘要】
一种基于桥面车辆分布的构件极值效应短时评估方法


[0001]本专利技术涉及桥梁结构性能评估
，尤其是涉及一种基于桥面车辆分布的构件极值效应短时评估方法。

技术介绍

[0002]在对桥梁结构性能进行评估时，需要知道构件的实际抗力和荷载效应，车辆荷载是评估时需要考虑的最重要因素之一，它能够反映桥梁运输载重的实际状况和发展趋势，准确合理的车辆荷载效应极值概率模型是保证对桥梁结构进行可靠性评估的重要前提。由于桥梁上车辆荷载的空间和时间具有高度的随机性，因此存在大量的加载场景，然而传统的设计规范并没有充分考虑车辆荷载的时空变异性，且规范中规定的几种传统交通荷载模型主要是针对中小跨径的桥梁开发，包括D60、美国规范、英国规范和欧洲规范等，中小跨径桥梁的车辆荷载模型可能不适合直接用于大跨径桥梁，或者至少需要根据当前的交通特征定期更新，才能应用于大跨径桥梁。同时，随着当前交通运输业的发展迅速，使得根据桥址处的车流特征对桥梁结构进行评估已经成为必要。
[0003]目前，国内外的车辆荷载模型在定量表示桥面上交通荷载的复杂空间分布方面存在缺陷，传统的特定地点车流模拟方法，仅能还原车流信息，无法结合结构特征进行场景模拟。实际上，引发最大荷载效应的桥面车辆空间分布对于评估桥梁安全性至关重要，也有助于了解桥梁在车辆荷载下的性能。此外，仅仅关注交通流模拟而忽略了可能导致极端响应值的交通场景，这使得传统模拟方法在获得较长时间段的极值效应方面效率低且计算量大。若采用遍历桥面上所有可能的车辆空间排列的方式，则会引发组合爆炸，并且很难计算每种可能的空间车辆分布模式的经验概率。以上均会导致无法快速、准确地对桥梁构件极值效应进行评估，难以保证评估结果的可靠性。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于桥面车辆分布的构件极值效应短时评估方法，能够针对复杂的桥面车辆空间分布进行快速建模、能够真实模拟极端响应事件的车辆场景，从而确保桥梁构件极值效应评估的效率以及可靠性。
[0005]本专利技术的目的可以通过以下技术方案来实现：一种基于桥面车辆分布的构件极值效应短时评估方法，包括以下步骤：
[0006]S1、收集并统计特定桥址的车流及车辆数据信息，其中车辆数据信息包括但不限于车辆总重、车长、车速以及车辆到达时间；
[0007]S2、构建桥梁结构的有限元模型，获取桥梁结构待评估效应的影响线；
[0008]S3、根据统计的车辆总重以及车长，筛选出重型车辆的车长信息，并基于此确定出桥面单元格长度；
[0009]S4、基于桥梁结构待评估效应的影响线，按照设定的时间步长，将车流数据加载至
该待评估效应的影响线，以获取极值场景样本；
[0010]S5、基于极值场景样本，分别统计各车道重型车辆分布位置的泊松参数以及各车道重型车辆总重的高斯混合分布参数；
[0011]S6、根据步骤S5统计得到的数据，分别基于非平稳泊松分布进行重型车辆位置模拟、基于Nataf变换进行重型车辆总重模拟，得到当前待评估效应下的荷载模拟极端场景；
[0012]S7、重复执行步骤S2～S6，得到不同效应下的荷载模拟极端场景，以模拟出桥面上重型车辆的复杂空间分布，并据此确定出当前桥梁的构件极值效应评估结果。
[0013]进一步地，所述步骤S1具体是收集特定桥址的WIM(Weigh in Motion，动态称重)数据，通过数据清洗操作，以统计出相应的车流及车辆数据信息。
[0014]进一步地，所述步骤S3中重型车辆具体为车辆总重在10吨以上的车辆。
[0015]进一步地，所述步骤S3中桥面单元格长度大于重型车辆车长平均值，且二者之间的差值在设定阈值范围内。
[0016]进一步地，所述步骤S4具体包括以下步骤：
[0017]S41、将WIM数据还原为设定桥梁长度的车流序列，之后加载至待评估效应的影响线，按照设定的时间步长，依次计算得到多个结构效应值，即为得到的样本；
[0018]S42、从每天的多组样本中筛选出效应值最大的一组样本，以作为极值场景样本。
[0019]进一步地，所述步骤S5具体包括以下步骤：
[0020]S51、基于极值场景样本，从各车道重型车辆数量统计信息中提取出泊松分布参数；
[0021]S52、基于极值场景样本，从各车道重型车辆总重统计信息中提取出高斯混合分布参数。
[0022]进一步地，所述步骤S51中泊松分布参数具体为：
[0023][0024]其中，Pr(
·
)为事件发生的概率，λ为单元格被重型车辆占据的平均发生概率，对于非平稳事件，λ沿车道变化。
[0025]进一步地，所述步骤S52中高斯混合分布参数具体为：
[0026][0027][0028]0≤π
k
≤1
[0029]其中，N(χ|μ
k
，∑
k
)为以μ
k
和∑
k
为均值和协方差矩阵的第k个高斯分布的PDF(probability density function，概率密度函数)，π
k
为第k个高斯分布分量的权重。
[0030]进一步地，所述步骤S6具体包括以下步骤：
[0031]S61、采用纵向非平稳泊松分布方式，应用泊松分布参数来模拟重型车辆在极值场景下的桥面位置；
[0032]S62、基于重型车辆总重的高斯混合分布，通过Nataf变换，模拟出重型车辆总重沿车道方向的相关性。
[0033]进一步地，所述步骤S61中纵向非平稳泊松分布的表达式具体为：
[0034]λ(l)＝λ0(l)
·
θ
[0035]其中，λ0(l)为被占据单元格在整条车道的平均水平，θ为沿车道占据概率的变化规律。
[0036]与现有技术相比，本专利技术具有以下优点：
[0037]一、本专利技术通过收集并统计特定桥址的车流及车辆数据信息，将车流数据加载至该待评估效应的影响线，以获取极值场景样本，再基于极值场景样本，分别统计各车道重型车辆分布位置的泊松参数以及各车道重型车辆总重的高斯混合分布参数，最后基于非平稳泊松分布进行重型车辆位置模拟、基于Nataf变换进行重型车辆总重模拟，以得到待评估效应下的荷载模拟极端场景。由此基于不同效应下的荷载模拟极端场景，模拟出桥面上重型车辆的复杂空间分布，并据此确定出当前桥梁的构件极值效应评估结果，能够快速准确地模拟出引起桥梁各类效应产生极值的桥面重型车辆分布，进而有效提升桥梁构件极值效应评估的效率及可靠性。
[0038]二、本专利技术针对重型车辆位置模拟，利用非平稳泊松过程来模拟车道上重型车辆的不均匀位置分布，并假设它们位于桥面上的单元格内，能够准确模拟出重型车辆在极值场景下的桥面位置。
[0039]三、本专利技术针对重型车辆总重模拟，采用通过高斯混合分布描述并模拟桥面重型车辆的总重，并借助Nataf变换来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于桥面车辆分布的构件极值效应短时评估方法，其特征在于，包括以下步骤：S1、收集并统计特定桥址的车流及车辆数据信息，其中车辆数据信息包括但不限于车辆总重、车长、车速以及车辆到达时间；S2、构建桥梁结构的有限元模型，获取桥梁结构待评估效应的影响线；S3、根据统计的车辆总重以及车长，筛选出重型车辆的车长信息，并基于此确定出桥面单元格长度；S4、基于桥梁结构待评估效应的影响线，按照设定的时间步长，将车流数据加载至该待评估效应的影响线，以获取极值场景样本；S5、基于极值场景样本，分别统计各车道重型车辆分布位置的泊松参数以及各车道重型车辆总重的高斯混合分布参数；S6、根据步骤S5统计得到的数据，分别基于非平稳泊松分布进行重型车辆位置模拟、基于Nataf变换进行重型车辆总重模拟，得到当前待评估效应下的荷载模拟极端场景；S7、重复执行步骤S2～S6，得到不同效应下的荷载模拟极端场景，以模拟出桥面上重型车辆的复杂空间分布，并据此确定出当前桥梁的构件极值效应评估结果。2.根据权利要求1所述的一种基于桥面车辆分布的构件极值效应短时评估方法，其特征在于，所述步骤S1具体是收集特定桥址的WIM数据，通过数据清洗操作，以统计出相应的车流及车辆数据信息。3.根据权利要求1所述的一种基于桥面车辆分布的构件极值效应短时评估方法，其特征在于，所述步骤S3中重型车辆具体为车辆总重在10吨以上的车辆。4.根据权利要求1所述的一种基于桥面车辆分布的构件极值效应短时评估方法，其特征在于，所述步骤S3中桥面单元格长度大于重型车辆车长平均值，且二者之间的差值在设定阈值范围内。5.根据权利要求2所述的一种基于桥面车辆分布的构件极值效应短时评估方法，其特征在于，所述步骤S4具体包括以下步骤：S41、将WIM数据还原为设定桥梁长度的车流序列，之后加载至待评估效应的影响线，按照设定的时间步长，依次计算得到多个结构效应值，即为得到的样本；...

【专利技术属性】
技术研发人员：阮欣，王雪静，张明阳，金泽人，魏祎，赵鑫莹，
申请(专利权)人：同济大学，
类型：发明
国别省市：