桥梁健康诊断技术在工程实践中还没有得到广泛应用。原因之一是通过现场测试和数据分析得到的结构特征有限(仅模态参数等),还不能直接支持桥梁维护与管理决策。当利用结构识别结果修正有限元模型时,又可能出现多个模型都可能与试验数据匹配良好的情况(即非唯一最优问题)。针对这些问题,申请人提议开发一种新型健康诊断方法,以切实推进监测与诊断技术在工程实践中的应用。该方法以概率统计为基础,利用多个有限元模型,而非单一最优模型,来进行结构反应预测和风险分析。它交叉融合了随机抽样、振动测试、信号处理、数据挖掘、贝叶斯理论和有限元建模等多学科技术,尝试从根源上解决结构识别中的非唯一最优问题。其不但能定量预测结构反应,还能输出所预测值的概率分布与可信区间,从而可利用结构识别结果进行后续的风险分析。结构模型实验和大型桥梁现场试验数据将用来验证和完善所提议方法,并推广其在大型桥梁工程中的应用。
Multi-models;Structural identification;Bayesian theory;Stochastic sampling;Risk assessment
桥梁健康诊断技术在工程实践中还没有得到广泛应用。原因之一是通过现场测试和数据分析得到的结构特征有限(仅模态参数等),还不能直接支持桥梁维护与管理决策。当利用结构识别结果修正有限元模型时,又可能出现多个模型都可能与试验数据匹配良好的情况(即非唯一最优问题)。针对该问题申请人成功开发了一种新型健康诊断方法,即多模型方法框架体系。该方法包括了桥梁现场测试、数据分析和挖掘、多有限元模型的建立、结构性能评估等多学科交叉的知识。我们又进行了实验模型与桥梁实测检验首先进行了实验室6m简支梁实验验证所开发的结构识别方法,然后进行了兴隆大桥的测试和验证工作,最后又基于国际结构控制协会(IASC)与美国土木工程师协会(ASCE)工作组合作制定的一个基准结构试验平台,进行了多模型框架体系和各项关键技术的验证工作。在整个项目的实施过程中,发表了14篇高水平的SCI论文并参加了多次学术会议分享学术观点和成果。