摘要
结构健康监测系统（SHMS）可为评估大跨度桥梁运营状态、制定科学合理的维护管理决策提供重要数据来源。现阶段，由于监测数据异常率高、自动分析手段尚未成熟等问题，桥梁监测数据与运营状态评估之间仍难以有效衔接。因此，本文以世界首座千米级斜拉桥——苏通大桥为工程背景，结合该桥SHMS记录的长期监测数据，紧紧围绕桥梁自动监测和海量数据分析两个研究热点，开展大跨度斜拉桥动力性能演变规律及其运营状态评估研究。主要研究内容包括：（1）基于GANs和AE的桥梁监测数据异常诊断方法研究。采用格拉姆角场将监测时间序列数据转换成灰度图像，据此对生成对抗网络（GANs）和自编码器（AE）两个非监督深度人工神经网络进行训练，并结合测试数据集的预测误差验证所得神经网络的训练效果。根据训练集和测试集样本研究数据异常诊断的最优指标，并融合累积求和函数建立监测数据异常诊断方法。最后，采用苏通大桥SHMS记录的长期监测数据验证了该方法的有效性。研究结果表明，与传统的监督学习方法相比，本方法可在无数据标签的情况下对样本数据进行学习，从而简化训练数据集的学习方式，有效提升数据异常诊断的效率。（2）基于主成分和聚类分析的大跨度斜拉桥模态参数自动识别方法研究。首先，基于主成分分析分离模态验证准则向量中的噪声成分，借助 k 均值聚类剔除稳定图中的虚假模态。然后，采用层次聚类方法分离不同阶模态，据此研究层次树截断簇数和最终获取有效模态数量的关系，从而提出面向层次聚类的最优层数确定准则。在上述工作基础上，建立大跨度斜拉桥模态参数自动识别方法，采用缩尺模型试验和苏通大桥SHMS数据验证该方法的有效性。研究结果表明，该方法可实现大跨度桥梁模态参数的自动精准识别，对低频密集模态的分离效果较好，且可有效降低模态阻尼比识别的离散性。（3）大跨度斜拉桥模态参数追踪及环境作用效应研究。基于高斯混合模型研究大跨度桥梁模态参数基准列表的自动确定和更新方法，并结合数值模拟和苏通大桥SHMS数据开展验证研究。然后，结合（2）中模态参数自动识别方法，建立大跨度桥梁模态参数自动追踪方法，采用苏通大桥SHMS的长期监测数据验证该方法的有效性，从而进一步研究长期运营过程中大桥模态参数与实测环境因素（包括温度和风速等）的关系。研究结果表明，该方法可实现大跨度斜拉桥模态参数的长期自动追踪，所建立的模态频率与环境因素的作用模型可为桥梁有限元模型校准和运营状态评估等奠定研究基础。（4）台风作用下大跨度斜拉桥动力特性演变规律研究。利用苏通大桥 SHMS 记录的三次台风期间（“海葵”、“达维”和“布拉万”）数据，首先分析了大桥主梁静/动力响应（加速度和位移）与环境因素（风速、温度）的关系。然后，对台风期间大桥主梁的模态参数进行了识别及追踪，并据此研究了大桥模态参数和风速、温度、振幅（位移和加速度）等因素的关系。研究结果表明，大桥主梁低阶频率受风速的影响均较为显著，高阶频率则受温度的控制，前三阶竖弯模态阻尼比与风速相关性显著，而与位移和加速度振幅的相关性较弱，结论可为类似桥梁的抗风性能评价及减振控制等提供科学依据。（5）基于长期应变数据的大跨度斜拉桥疲劳可靠度评估。利用苏通大桥 SHMS 记录的长期应变数据，在分离动、静态应变分量的基础上，分析主梁测点动应变响应的主要作用因素。然后，采用雨流计数法计算各测点的应力幅和循环次数，采用对数正态分布对实测应力幅分布进行拟合，据此估计等效应力幅和应力循环次数，并采用S-N方法评估主梁关键U型肋处三类典型焊接细节的疲劳可靠度。研究结果表明，由车轮荷载引起的顶板局部变形是导致主梁焊接细节疲劳损伤的主要原因，横隔板的弧形开孔有利于提升U型肋与横隔板间焊接细节的疲劳可靠度，结论可为钢箱梁的抗疲劳设计、加工和维护管理等提供参考。（6）基于监测数据的台风期大跨度斜拉桥行车安全性评估。在推导风荷载激励下桥面行驶车辆动力方程的基础上，将实测桥面响应以及风荷载作用于车辆模型，从而实现桥面车辆动力响应的快速获取。采用简支梁桥数值模拟手段验证该方法的有效性，分析不同多项式插值手段对车辆响应估计结果的影响。结合苏通大桥SHMS记录的“海葵”台风期间数据开展桥面行车安全性评估。研究结果表明，该方法可以准确地估计桥面行驶车辆的动力响应，可为强/台风期间大跨度桥梁行车安全评估提供有效分析手段；风荷载以及桥面侧向、扭转振动是影响行车安全性的主要原因，降低行驶速度是保障车辆安全的有效手段。
NETL