專利名稱：運營狀態下大跨橋梁鋼箱梁損傷預警方法
技術領域：
本發明是一種應用于運營狀態下大跨橋梁鋼箱梁的損傷預警方法，涉及橋梁工程的無損檢測領域。
背景技術：
現代大跨橋梁大多采用鋼箱梁作為主梁承擔車輛荷載的直接作用，例如南京長江二橋、潤揚長江大橋和蘇通長江大橋等。鋼箱梁是大跨橋梁中非常重要的結構構件，其狀態安全與否關系到整個橋梁結構的安全運營。然而，鋼箱梁的橋面板直接承受交通荷載較易發生疲勞開裂。目前，鋼箱梁疲勞開裂的事故在國內外的大跨橋梁中均己出現。我國1997 年建成通車的廣東虎門大橋從2003年開始鋼箱梁的橋面板就出現了疲勞裂紋。因此需要對鋼箱梁的損傷狀態進行監測和評估，以便盡早地發現其損傷的發生。目前，鋼箱梁損傷檢測主要采用人工定期檢測的方式，這種方式存在以下的問題 (1)人工檢測主觀性較強，并且缺乏歷史數據的積累，難以對鋼箱梁的損傷狀態做出定量地判斷；(2)實時性較差，不能及時地發現鋼箱梁損傷的發生，有可能影響到橋梁結構和行車的安全；(3)由于需要長期定期的指派維護工人進行現場查看，總體費用較高。因此，針對上述人工檢測的缺點，迫切需要發展一種方法對大跨橋梁鋼箱梁的狀態進行實時地損傷監測和預警。橋梁結構健康監測技術的發展為實現上述目的提供了契機[1]，工程建設過程中可以在鋼箱梁上敷設加速度傳感器，通過加速度傳感器識別的鋼箱梁振動頻率變化可以較好地反映鋼箱梁是否發生損傷。這種基于振動頻率測試的結構損傷預警方法在理論研究和工程應用等方面都取得了快速的發展[2]。但是，對于實際運營狀態下的大跨橋梁鋼箱梁而言，鋼箱梁實測振動頻率受到溫度、風和車輛荷載的影響，會在一個較寬的范圍內波動，這種波動將有可能會淹沒或掩蓋鋼箱梁因損傷所造成的振動頻率的真正改變，從而對結構損傷預警產生不利的影響。因此，有必要消除運營因素對鋼箱梁振動頻率的影響。文獻[3]根據潤揚大橋懸索橋鋼箱梁豎彎振型的振動頻率和溫度的季節相關性模型消除了溫度對振動頻率的影響，并將其應用于鋼箱梁損傷預警。然而，該方法只能以天為單位對鋼箱梁振動頻率的日平均值進行損傷預警分析，損傷預警的實時性較差，不能對鋼箱梁的損傷發生做出及時預警，并且該方法簡單地采用多項式回歸模型用于消除溫度對振動頻率的影響，同時沒有考慮車輛荷載和風對鋼箱梁振動頻率的影響，因此該方法損傷預警精度有限，只能識別出結構損傷造成的振動頻率 0. 2%的異常變化。因此有必要在全面考慮溫度、風、車輛荷載各種影響因素對鋼箱梁振動頻率的影響基礎上，提出一種鋼箱梁運營狀態下的結構損傷預警方法，滿足鋼箱梁損傷預警的實時性和準確性要求。
發明內容
技術問題本發明針對現有大跨橋梁鋼箱梁損傷監測技術的不足，提出了一種運營狀態下大跨橋梁鋼箱梁損傷預警方法，重點解決鋼箱梁損傷預警的實時性和準確性。
技術方案為解決上述技術問題，本發明提供了一種運營狀態下大跨橋梁鋼箱梁損傷預警方法，該方法包括如下步驟步驟1 鋼箱梁傳感器的設置在鋼箱梁跨中位置安裝豎向加速度傳感器、溫度傳感器和風速儀，分別用以監測車輛荷載引起的鋼箱梁豎向加速度、鋼箱梁的溫度和鋼箱梁所在區域的風速；步驟2 監測數據的處理以10分鐘為計算區間，對傳感器獲取的原始數據進行處理，分別計算鋼箱梁的振動頻率f、溫度τ、風速W和車輛荷載的代表值R ；所述車輛荷載的代表值R是以10分鐘為區間計算鋼箱梁豎向加速度的均方根，以此作為這一時間段內的車輛荷載的強度代表值；步驟3 完好狀態下鋼箱梁振動頻率和運營因素的數學相關模型步驟3a:選取橋梁施工建成后η天的監測數據來建立相關模型，則監測樣本總量為m = 144Χη，η為自然數，以天為單位計算振動頻率f、溫度τ的日平均值Td和振動頻率日平均值fD步驟北采用反向傳播神經網絡建立溫度日平均值Td和振動頻率日平均值fD的相關性模型，反向傳播網絡模型的隱層數和隱層單元由隨機爬山法確定，步驟3c 消除溫度對振動頻率的影響，選取參考溫度為 ；，將振動頻率原始測試值 f歸一化至參考溫度 ；，得到消除溫度影響的振動頻率值f1;步驟3d 采用反向傳播神經網絡建立和風速W、車輛荷載代表值R的相關性模型；然后選取風速的參考值為W”車輛荷載的參考值為艮，將步驟c中得到的fl進一步“歸一化”至風速的參考值I、車輛荷載的參考值艮，得到消除風速和車輛荷載影響的振動頻率
值f2;步驟4 控制圖顯著性水平的確定將步驟3計算出的振動頻率值f2輸入均值控制圖，調整控制圖的顯著性水平，使得上述η天總計m個樣本點全部落在控制圖的上、下控制線之內；步驟5:鋼箱梁損傷預警對未知狀態的1天監測數據，采用鋼箱梁完好狀態的相關模型分別消除溫度、風速和車輛荷載的影響，在此基礎上得到s個振動頻率值，s = 144X1，1是天數，記為f3 ；保持步驟4確定的顯著性不變，將消除風速和車輛荷載影響的振動頻率值f2和s個振動頻率值4同時輸入均值控制圖，此時，若所有m+s個樣本仍全部位于上、下控制線內，則說明鋼箱梁狀態為正常，若有樣本落在了控制線以外，則說明鋼箱梁狀態異常，作出鋼箱梁發生損傷的預警。有益效果針對運營狀態下大跨橋梁鋼箱梁損傷預警的實時性和準確性要求，本發明綜合采用現場監測、統計建模、均值控制圖等手段提出了運營狀態下的鋼箱梁損傷預警方法，具有以下有益效果(1)本發明所需安裝的傳感器數量較少，僅需要溫度傳感器、風速儀和加速度傳感器。同時，本發明采用的方法簡單易行，可以在計算機中較為方便地編程實現，方便實際工程的應用。(2)本發明全面考慮了運營狀態下影響鋼箱梁振動頻率變化的各種因素，根據溫度對鋼箱梁振動頻率的慢變影響特征和風速、車輛對鋼箱梁振動頻率的快變影響特征分步消除了溫度、風速和車輛荷載對鋼箱梁頻率實測值的影響，有效提高了鋼箱梁損傷預警的精度。(3)本發明能夠在短時間內對鋼箱梁損傷狀態做出預警，方法的實現過程中無需人工干預，減少了人力勞動的支出，具有廣闊的工程應用前景。
圖1為潤揚大橋懸索橋鋼箱梁的振動頻率一天的實測曲線；圖2為鋼箱梁振動頻率日平均值fD和溫度日平均值Td的相關性散點圖；圖3為鋼箱梁的振動頻率值與風速W的相關性散點圖；圖4為鋼箱梁的振動頻率值與車輛荷載代表值R的相關性散點圖；圖5為鋼箱梁振動頻率的實測值和消除環境影響后的歸一化值；圖6為鋼箱梁正常狀態下的振動頻率均值控制圖，圖中的UCL表示上控制線，LCL 表示下控制線，CL為控制圖的中線；圖7為鋼箱梁損傷狀態下的振動頻率均值控制圖，圖中的UCL表示上控制線，LCL 表示下控制線，CL為控制圖的中線。
具體實施例方式
下面將參照附圖對本發明進行說明。本發明的基本思想是通過在大跨橋梁鋼箱梁上安裝加速度傳感器用以識別鋼箱梁的振動頻率，當鋼箱梁發生損傷時，鋼箱梁的振動頻率就會發生異常變化，從而實現對鋼箱梁的損傷預警。但是，如背景技術中所述，在橋梁的運營狀況下，溫度、風和車輛荷載的作用將會引起鋼箱梁的振動頻率在一個較寬的范圍內波動，這種波動將淹沒或掩蓋鋼箱梁因損傷所造成的振動頻率變化。附圖1給出了潤揚大橋懸索橋鋼箱梁的五階對稱豎彎振型的振動頻率一天實測曲線。可以看出，溫度對鋼箱梁振動頻率的影響是長期性的慢變特征，而風和車輛荷載對振動頻率的影響呈現瞬時的快變特征。因此，應根據溫度、風速和車輛荷載對溫度影響的不同特征建立相應的相關性模型用以消除運營因素對鋼箱梁振動頻率的影響。本發明的方法是根據溫度對鋼箱梁振動頻率的慢變影響特征和風速、車輛對鋼箱梁振動頻率的快變影響特征分步建立健康狀態下鋼箱梁振動頻率與鋼箱梁溫度、風速和豎向加速度的相關性模型，基于上述相關性模型消除鋼箱梁溫度、風速和豎向加速度對振動頻率的影響，得到能夠真正反映鋼箱梁健康狀態的振動頻率，并采用均值控制圖的方法識別由鋼箱梁損傷所引起的振動頻率異常變化。本發明提出的運營狀態下大跨橋梁鋼箱梁損傷預警方法為1. 一種運營狀態下大跨橋梁鋼箱梁損傷預警方法，其特征在于該損傷預警方法為1)鋼箱梁傳感器的設置橋梁施工建設時，在鋼箱梁跨中位置安裝一個豎向加速度傳感器、一個溫度傳感器和一個風速儀，分別用以監測車輛荷載引起的鋼箱梁豎向加速度、鋼箱梁的溫度和鋼箱梁所在區域的風速；
2)監測數據的處理以10-min為計算區間，對傳感器獲取的原始數據進行處理，分別計算鋼箱梁的振動頻率f、溫度τ、風速W和車輛荷載的代表值R ；所述車輛荷載的代表值R是以 ο-min為區間計算鋼箱梁豎向加速度的均方根，以此作為這一時間段內的車輛荷載的強度代表值；3)完好狀態下鋼箱梁振動頻率和運營因素的數學相關模型a)選取橋梁施工建成后η天的監測數據來建立相關模型，則監測樣本總量為m = 144Xn，以天為單位計算振動頻率f、溫度T的日平均值Td和振動頻率日平均值fD，b)采用反向傳播神經網絡建立溫度日平均值Td和振動頻率日平均值fD的相關性模型，反向傳播網絡模型的隱層數和隱層單元由隨機爬山法確定，反向傳播神經網絡以及隨機爬山法的具體過程參閱文獻W]，c)消除溫度對振動頻率的影響，選取參考溫度為 ；，將振動頻率原始測試值f “歸一化”至參考溫度 ；，得到消除溫度影響的振動頻率值f1;d)與步驟b)類似，采用反向傳播神經網絡建立和風速W、車輛荷載代表值R的相關性模型。然后與步驟c)類似，選取風速的參考值為I、車輛荷載的參考值為艮，將步驟 c)中得到的進一步“歸一化”至風速的參考值I、車輛荷載的參考值艮，得到消除風速和車輛荷載影響的振動頻率值f2 ；4)控制圖顯著性水平的確定將步驟幻計算出的振動頻率值f2輸入均值控制圖，調整控制圖的顯著性水平，使得上述η天總計m個樣本點全部落在控制圖的上、下控制線之內；5)鋼箱梁損傷預警對未知狀態的1天監測數據，采用鋼箱梁完好狀態的相關模型分別消除溫度、風速和車輛荷載的影響，在此基礎上得到s(s = 144X1)個振動頻率值，記為f3。保持步驟4) 確定的顯著性不變，將4和&同時輸入均值控制圖，此時，若所有m+s個樣本仍全部位于上、下控制線內，則說明鋼箱梁狀態為正常，若有樣本落在了控制線以外，則說明鋼箱梁狀態異常，可作出鋼箱梁發生損傷的預警。(1)在鋼箱梁傳感器的設置過程中，傳感器的布置數量、位置及參數的設置可視橋的類型、跨徑、橋面寬度以及橋址的環境等具體情況而定，通常在鋼箱梁的跨中位置安裝一個豎向加速度傳感器、一個溫度傳感器和一個風速儀，即可滿足本發明的需要。(2)將原始監測數據作如下處理鋼箱梁溫度傳感器和風速儀的數據以10-min為區間計算其平均值，以此作為這一時間區段內的鋼箱梁溫度代表值T和風速代表值W ；以 10-min為區間計算鋼箱梁豎向加速度的均方根，以此作為這一時間段內的車輛荷載的強度代表值R ；以10-min為區間根據鋼箱梁的豎向加速度響應識別鋼箱梁豎彎振型的振動頻率 f，以此作為這一時間區段內的鋼箱梁振動頻率代表值。振動頻率的識別方法可以采用頻域峰值法。頻域峰值法是目前應用廣泛的成熟的橋梁振動頻率識別技術，關于頻域峰值法計算的具體流程不在本發明所涉及范圍。(3)選擇橋梁施工完成后η天的監測數據來建立相關模型，這是因為這段時間內的鋼箱梁可認為處于完好的狀態，以f、T、W和R分別表示鋼箱梁振動頻率、溫度、風速和車輛荷載代表值，樣本總數為m = 144Xn。(4)以天為單位計算振動頻率f、溫度T的日平均值fD和TD，采用反向傳播神經網絡建立溫度日平均值Td和振動頻率日平均值fD的相關性模型。反向傳播網絡模型的隱層數和隱層單元由隨機爬山法確定。反向傳播神經網絡是目前應用廣泛的成熟的神經網絡技術，關于隨機爬山法等反向傳播神經網絡計算中的具體過程不在本發明所涉及范圍。(5)選取參考溫度為！；，將其輸入神經網絡模型，得到振動頻率的參考值為fr，同時將溫度原始測試值T也輸入神經網絡模型，得到振動頻率的計算值ft，于是可計算消除溫度影響的振動頻率值fi fi = f"(ft"fr)(1)(6)建立消除了溫度影響的振動頻率值和風速W、車輛荷載代表值R的反向傳播神經網絡模型。選取風速的參考值為Wp車輛荷載的參考值為艮，將其輸入神經網絡模型， 得到振動頻率的參考值f ，將風速W和車輛荷載代表值R也輸入神經網絡模型，得到振動頻率的計算值ftt，可計算消除了風速和車輛荷載影響的振動頻率值f2 f2 = f1-(ftt"frr)(2)(7)將消除了溫度、風速和車輛荷載影響的振動頻率值&輸入均值控制圖，調整控制圖的顯著性水平，使得上述η天總計m個樣本點全部落在上、下控制線(UCL、LCL)之內。(8)對未知狀態的1天監測數據，首先將其處理為10-min為計算區間的代表值， 然后采用鋼箱梁完好狀態下的相關模型消除溫度、風速和車輛荷載的影響，計算出s (s = 144X1)個振動頻率值f3。保持控制圖的顯著性水平與完好狀態下的一致，將f2和f3同時輸入均值控制圖，此時，若所有m+s個樣本仍全部位于上、下控制線內，則說明鋼箱梁狀態為正常，若有樣本落在了控制線以外，則說明鋼箱梁狀態異常，可作出鋼箱梁發生損傷的預
Sfc目。下面以潤揚大橋南汊懸索橋為例，說明本發明的具體實施過程選取2006年一月到十月230天的監測數據來建立鋼箱梁振動頻率和溫度、風速以及車輛荷載的相關性，傳感器選用的是鋼箱梁跨中位置的溫度傳感器、風速儀和豎向加速度傳感器，以10-min為時距，根據鋼箱梁的豎向加速度響應識別鋼箱梁豎彎振型的振動頻率f(本實施例中給出了鋼箱梁五階對稱豎彎振型的分析結果)，同時計算了溫度T、風速W 和車輛荷載的代表值R，共144X230 = 33120個樣本。首先計算230天的鋼箱梁溫度日平均值Td和振動頻率日平均值fD，并建立fD和Td 的相關性模型，圖2給出了鋼箱梁的振動頻率日平均值fD和溫度日平均值Td的相關性散點圖，從圖中可以看出，鋼箱梁振動頻率和溫度之間存在較強的相關性，并總體表現出“溫度高頻率低、溫度低頻率高”的特征。采用反向傳播神經網絡建立振動頻率和溫度的相關性模型，神經網絡模型的輸入端是溫度，輸出層單元是鋼箱梁的振動頻率。訓練神經網絡模型時采用溫度日平均值Td作為輸入端，振動頻率日平均值fD作為輸出端。網絡的隱層數和隱層單元由隨機爬山法確定，本實施例最終采用的網絡結構為單隱層且具有8個隱層單元。選取參考溫度 ；為20°C，將參考溫度值輸入神經網絡模型，得到振動頻率的參考值為f；，同時將溫度原始測試值T也輸入神經網絡模型，得到振動頻率的計算值ft，得到消除溫度影響的振動頻率值f”圖3和圖4分別給出了鋼箱梁的振動頻率值與風速W和車輛荷載代表值R的相關性散點圖，從圖中可以看出數據點的分布較分散，但是仍然可以看到隨著車輛荷載的增強，鋼箱梁振動頻率有減小趨勢；同時隨著風速的增強，鋼箱梁振動頻率有增大趨勢。同樣，采用反向傳播神經網絡建立振動頻率和風速、車輛荷載代表值的相關性模型，神經網絡模型的輸入端是風速和車輛荷載代表值，輸出層單元是鋼箱梁的振動頻率。訓練神經網絡模型時采用風速W和車輛荷載代表值R作為輸入端，振動頻率作為輸出端。網絡的隱層數和隱層單元由隨機爬山法確定，本實施例最終采用的網絡結構為單隱層且具有10個隱層單元。選取參考風速I為5m/s2和參考車輛荷載代表值艮為lcm/s2，將參考風速值和參考車輛荷載代表值輸入神經網絡模型，得到振動頻率的參考值f ，將風速W和車輛荷載代表值R也輸入神經網絡模型，得到振動頻率的計算值ftt，可計算消除了風速和車輛荷載影響的振動頻率值f2。本實施例中溫度參考值 ；取為20°C，風速參考值I取為5m/s2，車輛荷載的參考值為艮取為lcm/s2，但是需要說明，溫度、風速和車輛荷載代表值的“參考值”選取沒有規定值。這是因為本發明中所提出的消除運營因素的影響，并不是消除運營因素對振動頻率的“絕對”影響，而是消除運營因素的“相對”影響，只要在鋼箱梁完好狀態和未知狀態中選取一致的運營因素“參考值”，就可以實現對鋼箱梁損傷狀態的判別。再取另外10天監測數據作為鋼箱梁狀態未知時的數據，采用本發明的方法得到 144X10 = 1440個鋼箱梁振動頻率樣本，記為f3。圖5給出了鋼箱梁振動頻率的實測值和消除環境影響后的歸一化值。圖中實線表示鋼箱梁振動頻率的實測值，虛線的前33120個樣本即表示f2，后1440個樣本則表示f3，從圖中可以看出振動頻率的歸一化值曲線變化都很平穩，且幅度很小，這說明本發明的方法有效地去除了運營因素對鋼箱梁振動頻率的影響。將f2和f3同時輸入均值控制圖，圖6給出了鋼箱梁正常狀態下的振動頻率均值控制圖。圖中前33120個數據表述鋼箱梁完好狀態，即f2 ；后1440個數據表示鋼箱梁未知狀態，即f3。通過調整控制圖的顯著性水平使前33120個樣本正好位于上下控制線之內，同時，可以發現，后1440個樣本同樣也位于控制線之內，這說明此時鋼箱梁處于健康狀態。為了檢驗本發明對鋼箱梁進行損傷預警的效果，將上述另取的10天的10-min振動頻率值施加一定的變化，以此來模擬鋼箱梁損傷對振動頻率的影響fm=f-i(3)式中，f為后10天的10-min頻率實測值；fm為鋼箱梁損傷狀態下后10天的10-min 頻率模擬值；ε表示損傷水平，這里取為0. 05% ;/為健康狀態下鋼箱梁前230天的振動頻率實測值的平均值。再將fm按照本發明的方法計算得到1440個鋼箱梁振動頻率樣本，記為f' 3。然后將f2和f ‘ 3也同時輸入均值控制圖，保持控制圖的顯著性水平不變，圖7給出了鋼箱梁模擬損傷狀態下的振動頻率均值控制圖，從圖中可以看出當鋼箱梁損傷引起頻率發生0. 05% 的變化時，后1440個樣本明顯地趨近下控制線，且有部分樣本已超出控制范圍，此時，可以判定鋼箱梁發生損傷。同時與文獻[3]比較可知，文獻[3]方法能夠識別鋼箱梁振動頻率 0.2%的異常變化，而本發明能夠識別出鋼箱梁振動頻率0. 05%的異常變化，本發明的損傷預警效果顯著提高。同時，本發明的損傷預警時間間隔為lOmin，相比文獻[3] —天的損傷預警時間間隔，本發明的損傷預警實時性也顯著提高。參考文獻[1]李愛群，繆長青，李兆霞.潤揚長江公路大橋結構健康監測系統研究[J].東南大學學報(自然科學版)，2003，33 (5) =544-548.[2]Salawu 0 S. Detection of structural damage through changes in frequency :a review[J]. Engineering Structures，1997，19(9) :718-723.[3]孫君，李愛群，丁幼亮等.潤揚大橋懸索橋模態頻率-溫度的季節相關性研究及其應用[J]工程力學，2009，洸(9) :50-55[4]董長虹.神經網絡與應用.北京國防工業出版社，2005。
權利要求
1. 一種運營狀態下大跨橋梁鋼箱梁損傷預警方法，其特征在于該方法包括如下步驟步驟1 鋼箱梁傳感器的設置在鋼箱梁跨中位置安裝豎向加速度傳感器、溫度傳感器和風速儀，分別用以監測車輛荷載引起的鋼箱梁豎向加速度、鋼箱梁的溫度和鋼箱梁所在區域的風速； 步驟2:監測數據的處理以10分鐘為計算區間，對傳感器獲取的原始數據進行處理，分別計算鋼箱梁的振動頻率f、溫度T、風速W和車輛荷載的代表值R ；所述車輛荷載的代表值R是以10分鐘為區間計算鋼箱梁豎向加速度的均方根，以此作為這一時間段內的車輛荷載的強度代表值； 步驟3 完好狀態下鋼箱梁振動頻率和運營因素的數學相關模型 步驟3a 選取橋梁施工建成后η天的監測數據來建立相關模型，則監測樣本總量為 m=144Xn, η為自然數，以天為單位計算振動頻率f、溫度T的日平均值Td和振動頻率日平均值fD，步驟北采用反向傳播神經網絡建立溫度日平均值Td和振動頻率日平均值fD的相關性模型，反向傳播網絡模型的隱層數和隱層單元由隨機爬山法確定，步驟3c 消除溫度對振動頻率的影響，選取參考溫度為 ；，將振動頻率原始測試值f歸一化至參考溫度 ；，得到消除溫度影響的振動頻率值f1;步驟3d 采用反向傳播神經網絡建立和風速W、車輛荷載代表值R的相關性模型；然后選取風速的參考值為W”車輛荷載的參考值為艮，將步驟c中得到的fl進一步“歸一化” 至風速的參考值I、車輛荷載的參考值艮，得到消除風速和車輛荷載影響的振動頻率值f2 ； 步驟4 控制圖顯著性水平的確定將步驟3計算出的振動頻率值f2輸入均值控制圖，調整控制圖的顯著性水平，使得上述η天總計m個樣本點全部落在控制圖的上、下控制線之內； 步驟5 鋼箱梁損傷預警對未知狀態的1天監測數據，采用鋼箱梁完好狀態的相關模型分別消除溫度、風速和車輛荷載的影響，在此基礎上得到s個振動頻率值，s=144Xl, 1是天數，記為f3 ；保持步驟 4確定的顯著性不變，將消除風速和車輛荷載影響的振動頻率值f2和s個振動頻率值f3同時輸入均值控制圖，此時，若所有m+s個樣本仍全部位于上、下控制線內，則說明鋼箱梁狀態為正常，若有樣本落在了控制線以外，則說明鋼箱梁狀態異常，作出鋼箱梁發生損傷的預警。
全文摘要
本發明涉及一種運營狀態下大跨橋梁鋼箱梁損傷預警方法，該方法包括如下步驟步驟1鋼箱梁傳感器的設置在鋼箱梁跨中位置安裝豎向加速度傳感器、溫度傳感器和風速儀，分別用以監測車輛荷載引起的鋼箱梁豎向加速度、鋼箱梁的溫度和鋼箱梁所在區域的風速；步驟2監測數據的處理；步驟3完好狀態下鋼箱梁振動頻率和運營因素的數學相關模型；步驟4控制圖顯著性水平的確定；步驟5鋼箱梁損傷預警。本發明全面考慮了運營狀態下影響鋼箱梁振動頻率變化的各種因素，有效提高了鋼箱梁損傷預警的實時性和準確性，必將得到廣泛應用和推廣。
文檔編號G01N29/12GK102565194SQ20121002805
公開日2012年7月11日 申請日期2012年2月9日 優先權日2012年2月9日
發明者丁幼亮, 宋永生, 李愛群, 鄧揚 申請人:東南大學