【52監測網】第178期 中小跨徑橋梁網級評估方法
 52監測網專家報告分享-第178期 《中小跨徑橋梁網級評估方法》 夏燁/副教授 同濟大學橋梁工程系 目錄 一、研究背景 二、數據集成與規整 三、橋梁網級評估方法 四、結論 內容介紹 一、研究背景 橋梁現狀-國內
橋梁現狀-美國
國家政策導向與迫切需求
技術需求
主要研究內容
研究總體思路 網級評估：基于工程經驗和數據挖掘，融合多源異構數據，利用機器學習方法，建立考慮維修行為的區域結構退化模式，為網級橋梁預防養護決策提供科學支撐，形成區域網級橋梁的評估決策體系。
二、數據集成與規整 ? 區域橋梁特征信息提取與處理 ? 基于工程經驗和數據挖掘，選取具有代表性的且與區域橋梁退化模式相關的數據特征，如橋梁檢測、監測、交通流等，并根據網級評估模型需要對數據進行預處理。 ? 區域路網中小跨徑橋梁交通荷載時空信息的獲取 ? 構建車輛時空信息檢測神經網絡模型，并實現多車輛目標的追蹤，以獲得行駛在區域橋梁上的交通荷載時空信息（速度、軌跡等）。 ? 建立區域橋梁多源信息數據庫 ? 融合已提取的多源異構數據，提出結構化數據庫的提取融合方法，確定區域橋梁技術狀況相關的數據組織及存取形式，最終建立區域橋梁結構技術狀況多源信息庫。 檢測報告提取、區域橋梁信息集成、多源數據集成方法
橋梁多源文本數據提取方法、維修行為定位與量化
舊規范數據轉換、網級評估退化模型
中小跨徑橋梁多車荷載識別與提取技術
? 計算機視覺研究用計算機代替人眼從圖像中對目標進行識別、跟蹤和測量； ? BWIM所需要的車輛信息（車輛軸數、車輛位置）本質上是視覺信息。在交通監控視頻大規模普及的背景下，非常適合用計算機視覺技術對橋上車輛進行探測和定位，進而用于BWIM。 ? 使用成熟的基于深度卷積神經網絡的目標檢測方法YOLO V3/V4，方法完全開源。
區域橋梁信息集成與特征分析、數據清洗與完備數據庫
三、橋梁網級評估方法 網級評估與預測 ? 網級評估退化模型建立 ? 利用機器學習方法，深度挖掘區域橋梁結構技術狀況多源信息庫中與結構狀態相關的數據，建立考慮維修行為的區域結構退化模式，并將其用于預測區域橋梁群性能演化的網級評估模型。 ? 基于評估模型的網級橋梁性能預測 ? 基于區域內橋梁數據建立的網級評估模型，對區域橋梁群性能狀況進行預測。 ? 基于網級評估預測的橋梁群管養決策 ? 利用區域橋梁群性能演化的網級評估模型，為中小跨徑橋梁群預防性養護決策提供科學支撐，形成區域中小跨徑橋梁的評估決策體系。 退化模型分類、網級評估與預測流程
網級評估退化模型、基于深度神經網絡的橋梁特征及退化建模
預防性養護決策體系 ? 管養決策評價方法 采用強化學習技術、優化方法，在建立的可交互區域橋梁模型中模擬區域橋梁的退化行為，并引入維修行為及其代價，讓深度學習模型反復試驗自主學習得到優化策略集合，針對不同的限定條件，即可得到最終優化的區域橋梁全壽命期內的管養方案。
? 管養決策優化 綜合基于維護模型、退化模型、消費模型和中小跨徑橋梁多源數據庫，對區域中小跨徑橋梁在不同管養方案下的結構特性進行演繹。采用多目標遺傳算法為不同的管養目標尋求最優管理方案，將不同類型的管養方案從經濟性、保養效果等方面進行綜合評價，為決策者提供最佳方案。
基于NSGA-Ⅱ的區域橋梁多目標管養策略優化
四、結論 小結：1.界定中小跨徑橋梁網級評估的技術邊界，本質上是用粗糙的數據實現對區域橋梁的宏觀評估及預測。 2.結構-部件-構件（群），網級評估的數據規整需達到構件級。 3.網級評估中的分析參數復雜，一般不可也不需要一概而論，為獲得比較準確結果比較重要的是交通量，構件維修信息，其次是橋梁類型，橋長等。 4.橋梁群退化模型的質量取決于規整數據，是狀態評估及預測的重要基礎，關鍵點在于：轉換舊規范下橋梁技術狀況評分，定位并量化橋梁歷史維修行為對結構性能的影響。 5.基于千余座區域橋梁十余年數據可形成可用的退化模型，不同區域模型差異化明顯。 工作展望：1.提升針對殘錯數據的容錯能力，進而提升退化模型的準確性； 2.考慮監測信息與檢測信息融合后進行綜合評估的可能性；
《中小跨徑橋梁網級評估方法》 夏燁/副教授 同濟大學橋梁工程系 注：本內容僅供個人研學交流，版權歸原作者所有 |
2019-12-05
2021-07-07
2021-06-29
2021-09-06
2021-09-07
Powered by Discuz! X3.2@ 2001-2013 Comsenz Inc. 京ICP備16000992號-2 
京公網安備 11010802022300號
請發表評論