基于振动能量熵的桥梁损伤识别方法与流程

本发明涉及桥梁，尤其涉及基于振动能量熵的桥梁损伤识别方法。

背景技术：

1、桥梁在建设后的使用过程中，会因为外力作用、建材老化等多种因素影响而出现损伤，为保证桥梁的正常使用，需要对桥梁的状态进行定期检测，判断损伤位置及损伤程度，以便按安全标准对其进行及时检修。

2、如果对桥梁采用单测点测试方法会出现噪声干扰影响大、稳定性差等问题，实际应用中往往采用先随机少量布点识别出可能损伤的区域，再在可能损伤的区域布点识别损伤单元与损伤程度。如果为提升识别效果直接在桥梁结构上大量的布置测点，随之而来的是测试所需的设备数量及其它测试成本的增加。另外，如果传感器数量非常多，那么得到的数据量也就非常大，如何快速处理数据并准确识别损伤位置成为主要问题。中国专利公开号cn111506870b，公开日为2023年03月31日，名称为“一种基于小波变换的时变结构损伤识别方法”公开了一种结构损伤识别方法，该方法用小波变换方法识别时变结构的瞬时频率和瞬时振型、计算瞬时振型差，可以用于桥梁的损伤识别。然而此专利提供的损伤识别方法需要对各测点响应信号分别进行小波变换，不仅需要设置大量的传感器，而且多次小波变换这类高复杂度的数据处理会影响识别效率，不能充分利用各测点数据的关联性特征，识别准确性容易受局部噪声影响。

技术实现思路

1、本发明克服了现有技术在识别桥梁损伤时需要设置大量传感器，数据处理复杂效率低，识别准确性不足等问题，提供了基于振动能量熵的桥梁损伤识别方法，将桥梁划分为多个单元并设置对应数量的测点，通过定义并计算能量密度、振动能量熵和损伤因子的方式，利用桥梁振动能量熵对损伤因子的灵敏度，先对各个测点数据进行融合，再利用融合后的数据识别桥梁损伤，实现对桥梁快速高效且准确的损伤识别。

2、为了实现上述目的，本发明采用以下方案：

3、基于振动能量熵的桥梁损伤识别方法，包括以下步骤：

4、s1：将桥梁沿桥长方向划分为等长的多个单元，在桥身均匀设置多个测点；

5、s2：在速度响应时程内的若干采样时间点分别采样获取各测点的速度响应时程向量；

6、s3：定义振动能量密度和振动能量熵及计算方式：

7、

8、h(t)＝e(t)ln(e(t))

9、其中，t为当前所取采样时间点对应的采样时刻，p为测点数量，uj为第j个测点获取的速度响应时程向量，为第j个测点的能量密度，e(t)为各测点振动能量密度和，h(t)为振动能量熵；

10、将单元抗弯刚度的相对减少值定义为单元的损伤因子，其计算方式为：

11、

12、其中，(ei)i0和(ei)i分别为损伤前后第i单元的抗弯刚度；

13、s4：根据桥梁的结构特征建立用于计算不同损伤因子对应的桥梁的理论振动能量熵的有限元模型，根据桥梁振动能量熵对于各单元损伤因子的灵敏度构建灵敏度矩阵，为各单元损伤因子设置初始值；

14、s5：以各单元损伤因子的当前值为输入用有限元模型计算出桥梁的理论振动能量熵并更新灵敏度矩阵的值；

15、s6：按采样时间顺序选取一个未选取过的采样时间点，根据此采样时间点获取到的速度响应时程向量计算出各测点振动能量密度和以及桥梁的实际振动能量熵；根据桥梁的理论振动能量熵与实际振动能量熵的差值及灵敏度矩阵建立灵敏度方程，解灵敏度方程获得各单元损伤因子的待修正值并据此修正各单元损伤因子的当前值；

16、s7：迭代进行步骤s5-s6直至各单元损伤因子的待修正值均满足收敛条件，迭代结束后输出各单元损伤因子的值作为识别结果。

17、作为优选，步骤s4中构建灵敏度矩阵使用以下方式：

18、将桥梁的振动能量熵相对于第i个单元损伤因子αi的灵敏度表示为向量形式：

19、

20、其中，m为采样时间点数量，为整个桥梁的振动能量熵相对于第i个单元损伤因子αi的灵敏度，为第k个测点的振动能量熵相对于第i个单元损伤因子αi的灵敏度；

21、分别计算并将桥梁的振动能量熵对各单元损伤因子的灵敏度组合成矩阵形式：

22、

23、其中，n为划分的单元数量，矩阵s即为所构建的灵敏度矩阵；

24、所述步骤s5中建立灵敏度方程基于以下灵敏度关系式：

25、

26、其中，δh为理论振动能量熵与实际振动能量熵的差值，δα为损伤因子的待修正值。

27、作为优选，步骤s7中所述的收敛条件为或|δαk|<t2；

28、其中，δαk为第k次迭代计算出的单元损伤因子的待修正值，为第k次修正前的单元损伤因子的当前值，t1和t2均为收敛门限值。

29、作为优选，此识别方法还包括以下步骤：

30、s8：将损伤因子数值高于阈值的单元视为损伤单元，基于损伤单元前后各三个测点的速度响应时程向量与损伤单元上具体损伤位置的映射关系建立损伤定位神经网络模型，将以往损伤识别的采样数据和检验纠正后的准确损伤位置数据打包为数据集输入到损伤定位神经网络模型进行模型训练；

31、s9：将本次识别到的损伤单元及其前后各三个测点的速度响应时程向量输入到训练后的损伤定位神经网络模型，获得已识别出的损伤单元上的准确损伤位置，在实地验证损伤位置后用正确数据再次修正损伤定位神经网络模型的识别精准度。

32、作为优选，步骤s8还包括以下步骤：

33、对于向前或向后无法取足三个测点的单元，在每个单元上单独设置三个测点，基于单元上三个测点的速度响应时程向量与单元上具体损伤位置的映射关系建立辅助定位神经网络模型，筛选以这些单元为损伤单元的采样数据和识别结果并训练损伤定位神经网络模型；

34、所述步骤s9还包括以下步骤：

35、对于本次识别到的损伤单元，若其向前或向后无法取足三个测点，将该损伤单元上单独设置的三个测点的速度响应时程向量输入到训练后的辅助定位神经网络模型，获得已识别出的损伤单元上的准确损伤位置，在实地验证损伤位置后用正确数据再次修正辅助定位神经网络模型的识别精准度。

36、作为优选，步骤s1还包括：在桥梁上运行测试用的列车，在列车前后及两节车厢之间各设置一个测点；

37、步骤s2还包括：在速度响应时程内的若干个采样时间点分别采样获取列车上各测点的速度响应时程向量；

38、步骤s4还包括：根据桥梁的结构特征及列车的运行状态特征建立用于计算不同损伤因子对应的列车的理论振动能量熵的有限元模型，根据列车振动能量熵对于各单元损伤因子的灵敏度构建列车灵敏度矩阵，为各单元创建第二损伤因子并设置初始值；

39、步骤s5还包括：以各单元第二损伤因子的当前值为输入用有限元模型计算出列车的理论振动能量熵并更新列车灵敏度矩阵的值；

40、步骤s6还包括：按采样时间顺序选取一个未选取过的列车响应数据采样时间点，根据此采样时间点获取到的速度响应时程向量计算出列车上各测点振动能量密度和以及列车的实际振动能量熵；根据列车的理论振动能量熵与实际振动能量熵的差值及列车灵敏度矩阵建立列车灵敏度方程，解列车灵敏度方程获得各单元第二损伤因子的待修正值并据此修正各单元第二损伤因子的当前值；

41、步骤s7还包括：迭代进行步骤s5-s6直至各单元第二损伤因子的待修正值均满足收敛条件，迭代结束后输出各单元第二损伤因子的值，并输出识别结果中可能损伤的单元的损伤因子可靠度，所述损伤因子可靠度计算方式为：

42、

43、其中，qx为识别出的第x个可能损伤的单元的损伤因子可靠度，αx1为基于桥梁振动能量熵求出的该单元的损伤因子，αx2为基于列车振动能量熵求出的该单元的第二损伤因子。

44、本发明至少包括以下有益效果：(1)通过定义并计算能量密度和振动能量熵，能快速准确的从采样数据中提取到需要的特征量，极大缩短了损伤识别所需时间；(2)采用融合多个测点数据进行桥梁损伤识别的方式，结合损伤位置对所有受影响测点的数据进行识别，识别准确性高，不易受局部噪声影响；(3)采用迭代收敛的方式，无需计算所有采样点数据即可得到准确的识别结果，识别效率高；(4)可以将列车响应模型与桥梁响应模型结合使用，进一步提高识别的精准性，且识别方式更灵活，能有效解决桥梁测点设置不方便及数据偏差的问题；(5)用损伤定位神经网络模型辅助桥梁响应模型可以快速获取损伤单元位置和损伤程度并准确定位损伤单元上的具体损伤位置。