论文部分内容阅读
为了评估钢桁梁桥在运营期间的安全性能,本文提出基于高斯贝叶斯网络（Gaussian Bayesian Networks,GBN）的损伤识别方法。该方法利用贝叶斯网络的拓扑特性,构建了以荷载因素、节点位移、以及结构单元最大应力为网络节点变量的GBN网络模型。基于有限元分析,获取结构在不同荷载因素组合作用下的响应数据,并以获取的结构响应数据为训练数据,实现对GBN网络模型的参数学习。将已知荷载信息及有限数量的结构单元应力测试数据作为输入,代入训练后的GBN网络中,推理剩余单元的最大应力。结合单元的应力推断结果,进一步构建基于单元峰值应力残差的损伤指标,并对钢桁梁桥在单点损伤、多点损伤、以及不同损伤程度下的损伤识别进行研究。以静荷载作用下的80m钢桁梁桥为数值算例,验证损伤识别方法的可行性和准确性;另外,以一座公铁两用钢桁梁桥为背景,基于静动载试验,建立了基准有限元模型,并开展了静、动力荷载作用下的结构损伤识别,验证方法的有效性及可靠性。本文主要研究内容如下:（1）介绍了贝叶斯网络的分类、基本构造以及贝叶斯网络的特点,并对基于极大似然估计和贝叶斯参数估计的GBN网络参数学习过程进行了推导。（2）提出了基于GBN网络的钢桁梁桥损伤识别方法,并以静力荷载作用下的80m钢桁梁桥为数值算例,验证方法的有效性。结果表明,基于GBN网络的损伤识别方法能够对钢桁梁桥的损伤单元进行定位,并通过损伤指标的计算值进一步量化构件的损伤程度。（3）对某公铁两用钢桁梁桥进行有限元模拟,并结合该桥梁的静动载试验数据,建立能够准确表征结构静动力性能的基准有限元模型。以建立的基准有限元模型为基础,通过对特定单元的刚度进行折减模拟桥梁的损伤工况,进一步利用所提出的损伤识别方法对该桥梁结构在静载作用下的损伤状态进行识别。结果表明,基于GBN网络的损伤识别方法能够准确实现静载作用下的钢桁梁桥损伤识别。（4）为进一步对移动荷载作用下的钢桁梁桥损伤识别进行研究,以公铁两用钢桁梁桥的基准有限元模型为基础,分别对该桥梁在汽车荷载和列车荷载作用下的车桥耦合振动效应进行分析,并开展了移动荷载作用下,基于GBN网络的桥梁结构损伤识别研究。结果表明,提出的损伤识别方法能够对移动荷载作用下的钢桁梁桥损伤进行有效识别,且具有较高的识别精度。