Page 156 - 公路桥梁养护与管理
P. 156
Maintenance and Management of Highway Bridges
公路桥梁养护与管理
和特征参数改变。基于动力测试的损伤识别方法是目前损伤识别较活跃的研究方
向，通过安装在桥梁上的传感设备获取的桥梁动力指纹与完好状态的动力指纹比
较来判断结构损伤的存在，进而判断损伤的位置和程度，以及预测结构的剩余使
用寿命。近几十年，基于动力测试的损伤识别技术得到了快速发展，最早的动力
指纹是以频率变化作为指标。固有频率在模态参数测试中最容易获得，且测量精
度高。韩东颖等应用两阶频率变化比和频率平方变化比识别损伤位置，引入损伤
系数，通过推导损伤系数与频率变化的关系识别损伤程度。但固有频率反映的是
结构整体的特性，对局部损伤难以反映，无法准确识别损伤位置。对于局部损伤
而言，振型变化比频率更敏感，可以对损伤位置进行识别，但是振型容易受到噪
声的影响。后续国内外学者又提出了许多对局部损伤特征变化敏感的动力指纹。
张晋等考虑到曲率模态差的不足提出叠加曲率模态改变率指标，通过对连续梁数
值模拟计算，表明这种损伤指标能在准确确定损伤位置的同时大致反映损伤程度，
但对梁端部损伤的反映略显不足。缪炳荣等利用模态应变能变化率确定损伤位置，
利用优化算法提高了其损伤识别的量化指标分析效果，但测试过程受到环境噪声
和边界条件不确定等因素影响，损伤识别的精度和效率降低。唐盛华等提出利用
柔度矩阵曲率范数差作为损伤指标进行结构的损伤定位和损伤程度识别，进一步
提高了损伤指标的识别准确率和抗噪能力。虽然基于动力测试的桥梁损伤识别理
论研究取得了一定的成果，但是目前还难以有效地运用于工程实践，在实际应用
主要有３个方面的问题：动力指纹对环境要求高，容易受到噪声影响。局部损伤
往往对高阶模态振型敏感，但实际高阶模态振型测试非常困难，导致了误差偏差
大。确定结构的损伤位置容易，对结构的损伤程度识别很困难。
2. 基于视觉监测的桥梁状态评估
桥梁结构传统的人工检查，存在危险性大、效率低、影响通行及主观性强
等诸多问题。相比之下，基于视觉监测的评估方法有较大的优势，能够满足实时
测量和长期监测的工程需求，得到了广泛研究，逐步应用于工程实践中。在桥梁
裂缝识别中，无人机技术的发展将大大提高人工检测的效率，无人机通过搭载
高分辨率相机采集桥梁裂缝，成本低、效率高且能在不影响交通的情况下到达
桥梁待测部位对结构进行外观检测，同时也解决了人工检测的安全问题。然而
无人机等智能设备只能进行图像信息采集工作，需要再通过图像处理技术从采集
的海量信息识别出裂缝长度和宽度等参数信息。PENG 等提出了适用无人机图像
144
