考虑车载随机性影响的桥梁校验系数的预测方法技术

本发明专利技术涉及桥梁损伤识别技术领域，公开了一种考虑车载随机性影响的桥梁校验系数的预测方法，桥梁结构作为交通运输中的重要构成之一，需要进行定期的监测工作。但是，依然传统的检测方法，则需要对相关道路进行封闭，在检测期间不允许社会车辆上桥，极大的影响了出行的便利度，且制造了较大的交通拥堵。此外，公路车辆型号较多，轴重载重、车速变化较大，存在较强的随机特性。本发明专利技术针对桥梁结构的校验系数，采用深度学习，通过车辆过桥所得加速度响应结果，实现校验系数的精准预测，进而判断桥梁的健康状况。可考虑车辆荷载的诸多随机特性以及获得“不封闭”交通情况下的桥梁校验系数结果。交通情况下的桥梁校验系数结果。交通情况下的桥梁校验系数结果。

【技术实现步骤摘要】
考虑车载随机性影响的桥梁校验系数的预测方法


[0001]本专利技术涉及桥梁损伤识别
，具体为一种考虑车载随机性影响的桥梁校验系数的预测方法。

技术介绍

[0002]随着我国经济迅猛发展、社会日益繁荣昌盛，人民对便利交通的需求越来越高。交通是兴国之要、强国之基，为建设出以人民满意、保障有力、世界前列为总目标的交通强国，我国规划打造出一流的综合交通设施网络体系。桥梁作为交通系统的重要组成部分，也得到了大力发展。根据2021年交通运输部发表的《交通运输行业发展统计公报》显示，截止2020年末，全国公路桥梁91.28万座、6628.55万延米，相比2019年末分别增加3.45万座、565.10万延米，其中特大桥梁6444座、1162.97万延米，大桥119935座、3277.77万延米。桥梁在长期使用中，在自然环境（大气侵蚀、温度与湿度变化）和使用环境（材料与结构的疲劳效应、荷载作用与使用频率的增加）的作用下，容易产生不可逆转的损伤现象，同时随着桥梁使用时间与使用频率的增加，桥梁又会不可避免地出现老化现象。这些病害问题若不及时发现与处理，就容易引本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑车载随机性影响的桥梁校验系数的预测方法，其特征在于，包括以下步骤：步骤1：通过有限元软件Ansys建立车辆模型和桥梁模型，建立车辆模型的动力学方程，通过计算出自振频率来验证桥梁和车辆模型的准确性；步骤2：确定车辆模型的多种类型，明确其对应的参数及变异系数，获取随机参数；步骤3：采用纽马克法，根据不同类型车辆、车辆不确定性参数以及路面不平度，求出对应的车桥耦合随机振动系统响应数据；步骤4：在有限元软件中，模拟基准车型静止于桥梁跨中位置，获取得到桥梁的基准垂向位移y1；步骤5：模拟不同车型静止在桥梁中间位置，获得对应的桥梁垂向位移y
i
，进而求解得到校验系数一；步骤6：随机选取若干条车辆过桥的桥梁结构加速度响应样本作为输入数据，将对应类型汽车所计算得到的校验系数一作为输出数据；步骤7：结合实际数据在训练之前对所提出的CGAN进行超参数设置；步骤8：完成超参设置后，开展汽车过桥的现场试验，得到试验桥梁结构的校验系数二；步骤9：通过选定输入数据和输出数据将其代入CGAN中，通过目标函数对所述若干条响应样本进行运算，基于CGAN获得桥梁结构预测校验系数三；步骤10：将实际测量得到的桥梁校验系数二与通过CGAN预测得到的校验系数三进行验证对比，以确定CGAN模型的正确性；步骤11：通过CGAN，基于桥梁上传感器所得数据，实现桥梁结构校验系数的精准预测。2.根据权利要求1所述的考虑车载随机性影响的桥梁校验系数的预测方法，其特征在于，所述桥梁和车辆模型的动力学方程为：式中，M、C、K、F分别代表车桥系统的质量、阻尼、刚度矩阵和荷载向量；分别代表车桥系统的加速度、速度和位移。3.根据权利要求1所述的考虑车载随机性影响的桥梁校验系数的预测方法，其特征在于，所述CGAN神经网络算法由一个判别器和生成器组成，生成器是由白噪声生成所需数据，再由生成器生成的数据与输入在判别器中的真实数据进行判别，鉴别生成的数据是否达到要求，如果达到则输出，没有达到则继续进行博弈直至达到要求为止。4.根据权利要求3所述的考虑车载随机性影响的桥梁校验系数的预测方法，其特征在于，所述生成器与判别器各有5层的隐层，每一层隐层内部依次进行反卷积/卷积、批标准化、激活函数、防止过拟合操作；判别器定义5次卷积，以挖掘出数据隐藏的特征；输入样本经过逐层卷积操作，特征通道数逐渐增加，而每个特征的数据尺寸逐渐减小，5个卷积层的特征通道数分别为15、...

【专利技术属性】
技术研发人员：朱思宇，向天宇，易瑞，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：