【52监测网】第178期 中小跨径桥梁网级评估方法
52监测网专家报告分享-第178期 《中小跨径桥梁网级评估方法》 夏烨/副教授 同济大学桥梁工程系 目录 一、研究背景 二、数据集成与规整 三、桥梁网级评估方法 四、结论 内容介绍 一、研究背景 桥梁现状-国内 桥梁现状-美国 国家政策导向与迫切需求 技术需求 主要研究内容 研究总体思路 网级评估:基于工程经验和数据挖掘,融合多源异构数据,利用机器学习方法,建立考虑维修行为的区域结构退化模式,为网级桥梁预防养护决策提供科学支撑,形成区域网级桥梁的评估决策体系。 二、数据集成与规整 • 区域桥梁特征信息提取与处理 ➢ 基于工程经验和数据挖掘,选取具有代表性的且与区域桥梁退化模式相关的数据特征,如桥梁检测、监测、交通流等,并根据网级评估模型需要对数据进行预处理。 • 区域路网中小跨径桥梁交通荷载时空信息的获取 ➢ 构建车辆时空信息检测神经网络模型,并实现多车辆目标的追踪,以获得行驶在区域桥梁上的交通荷载时空信息(速度、轨迹等)。 • 建立区域桥梁多源信息数据库 ➢ 融合已提取的多源异构数据,提出结构化数据库的提取融合方法,确定区域桥梁技术状况相关的数据组织及存取形式,最终建立区域桥梁结构技术状况多源信息库。 检测报告提取、区域桥梁信息集成、多源数据集成方法 桥梁多源文本数据提取方法、维修行为定位与量化 旧规范数据转换、网级评估退化模型 中小跨径桥梁多车荷载识别与提取技术 ➢ 计算机视觉研究用计算机代替人眼从图像中对目标进行识别、跟踪和测量; ➢ BWIM所需要的车辆信息(车辆轴数、车辆位置)本质上是视觉信息。在交通监控视频大规模普及的背景下,非常适合用计算机视觉技术对桥上车辆进行探测和定位,进而用于BWIM。 ➢ 使用成熟的基于深度卷积神经网络的目标检测方法YOLO V3/V4,方法完全开源。 区域桥梁信息集成与特征分析、数据清洗与完备数据库 三、桥梁网级评估方法 网级评估与预测 • 网级评估退化模型建立 ➢ 利用机器学习方法,深度挖掘区域桥梁结构技术状况多源信息库中与结构状态相关的数据,建立考虑维修行为的区域结构退化模式,并将其用于预测区域桥梁群性能演化的网级评估模型。 • 基于评估模型的网级桥梁性能预测 ➢ 基于区域内桥梁数据建立的网级评估模型,对区域桥梁群性能状况进行预测。 • 基于网级评估预测的桥梁群管养决策 ➢ 利用区域桥梁群性能演化的网级评估模型,为中小跨径桥梁群预防性养护决策提供科学支撑,形成区域中小跨径桥梁的评估决策体系。 退化模型分类、网级评估与预测流程 网级评估退化模型、基于深度神经网络的桥梁特征及退化建模 预防性养护决策体系 ➢ 管养决策评价方法 采用强化学习技术、优化方法,在建立的可交互区域桥梁模型中模拟区域桥梁的退化行为,并引入维修行为及其代价,让深度学习模型反复试验自主学习得到优化策略集合,针对不同的限定条件,即可得到最终优化的区域桥梁全寿命期内的管养方案。 ➢ 管养决策优化 综合基于维护模型、退化模型、消费模型和中小跨径桥梁多源数据库,对区域中小跨径桥梁在不同管养方案下的结构特性进行演绎。采用多目标遗传算法为不同的管养目标寻求最优管理方案,将不同类型的管养方案从经济性、保养效果等方面进行综合评价,为决策者提供最佳方案。 基于NSGA-Ⅱ的区域桥梁多目标管养策略优化 四、结论 小结:1.界定中小跨径桥梁网级评估的技术边界,本质上是用粗糙的数据实现对区域桥梁的宏观评估及预测。 2.结构-部件-构件(群),网级评估的数据规整需达到构件级。 3.网级评估中的分析参数复杂,一般不可也不需要一概而论,为获得比较准确结果比较重要的是交通量,构件维修信息,其次是桥梁类型,桥长等。 4.桥梁群退化模型的质量取决于规整数据,是状态评估及预测的重要基础,关键点在于:转换旧规范下桥梁技术状况评分,定位并量化桥梁历史维修行为对结构性能的影响。 5.基于千余座区域桥梁十余年数据可形成可用的退化模型,不同区域模型差异化明显。 工作展望:1.提升针对残错数据的容错能力,进而提升退化模型的准确性; 2.考虑监测信息与检测信息融合后进行综合评估的可能性; 《中小跨径桥梁网级评估方法》 夏烨/副教授 同济大学桥梁工程系 注:本内容仅供个人研学交流,版权归原作者所有 |
2019-12-05
2021-07-07
2021-06-29
2021-09-06
2021-09-07
请发表评论