箱梁桥上移动车辆的车轴轴重识别试验_张青青.pdf

ISSN 1006 7167CN 31 1707/TESEACH AND EXPLOATION IN LABOATOY第 42 卷 第 2 期Vol42 No22023 年 2 月Feb 2023DOI:10 19927/j cnki syyt 2023 02 016箱梁桥上移动车辆的车轴轴重识别试验张青青，赵银安，龚羚羚，袁书成(四川农业大学 土木工程学院，成都 611830)摘要:针对现有桥梁上移动车辆荷载识别试验研究中车轴轴重识别精度不高的问题，设计了用长标距光纤光栅传感器监测桥梁横向应变的方法来识别车轴轴重的箱梁桥试验。该试验通过分析长标距传感原理和箱梁的力学模型，推导了箱梁的横向应变计算式;结合等效荷载概念确定桥梁上不同位置处的车轴荷载与监测单元横向应变间的关系;利用进桥端应变响应的波峰和波谷信息计算的轴重比和校准的车辆荷载对移动车辆的多个车轴轴重进行有效识别。试验结果表明:利用箱梁桥横向应变识别的车轴轴重最大误差为 5.14%，识别的车辆荷载最大误差为2.08%，证实了横向应变对于识别车轴轴重的有效性，也提高了移动车辆荷载信息识别的精度，为有效预警超载车辆提供了有力保障。关键词:车轴轴重识别;箱梁桥试验;长标距光纤光栅传感;横向应变中图分类号:TU 317文献标志码:A文章编号:1006 7167(2023)02 0074 04Experimental Axle Load Identification of Moving Vehicleon Box Girder BridgeZHANG Qingqing，ZHAO Yin an，GONG Lingling，YUAN Shucheng(School of Civil Engineering，Sichuan Agricultural University，Chengdu 611830，China)Abstract:In order to solve the problem that axle weight identification accuracy is not high in the experimental researchof moving vehicle load identification on existing bridges，a method is proposed to identify axle load We take the boxgirder bridge experiment as an example and monitor the transverse strain of the bridge by using the long-gauge fiber braggrating sensor The long-gauge sensing principle and the mechanical model of box girder are firstly analyzed to derive thetransverse strain formula of box girder，and then the relationship between axle load at different positions on the bridgeand transverse strain of monitoring unit is determined according to the concept of equivalent load Finally，multiple axleloads of moving vehicles are identified effectively by using the calculated axle weight ratio from the peak and trough ofstrain response at the bridge entrance The experimental results show that the maximum error of axle load identified byusing transverse strain of box girder bridge is 5.14%，and the maximum error of vehicle load estimated is 2.08%，which confirms the effectiveness of transverse strain in identifying the axle load，improves the accuracy of moving vehicleload identification，and provides a strong guarantee for effective warning of overloaded vehiclesKey words:axle weight identification;box girder bridge experiment;long-gauge fiber brag grating sensing;transverse strain收稿日期:2022-06-07基金项目:国家自然科学青年基金项目(51908386);四川省 2021-2023 年高等教育人才培养质量和教学改革项目(JG2021-472)作者简介:张青青(1986 )，女，河南焦作人，博士，讲师，主要从事结构健康监测方面的教学与研究工作。Tel:[phone];E-mail:q q zhang sicau edu cn通信作者:袁书成(1989 )，男，重庆开州人，博士，讲师，主要从事动力灾变条件下结构力学行为的教学与研究工作。Tel:[phone];E-mail:worldspace163 com0引言超载车辆运输不仅诱发大量交通事故，增大结构维护成本，甚至严重破坏桥梁基础设施。据不完全统计，从 2000 年至今的十多年间，由非地震因素导致的第 2 期张青青，等:箱梁桥上移动车辆的车轴轴重识别试验我国桥梁垮塌事故多达 100 余起。其中，由于车辆超载引发的垮塌事故近 30 起1。桥梁基础设施病害的不断上升、交通事故频发，势必严重影响高速公路的通行能力。随着人们对桥梁移动荷载识别问题的日益重视，移动车辆参数识别方法研究得以快速发展。为了识别桥梁上的移动荷载，经典的时域法和频时域法被首先提出用于估计桥梁上的移动力，Law 等2 在此基础上将正则化方法引入到移动力识别中;李忠献等3 利用样条最小二乘算法逼近桥梁应变响应去识别简支梁和多跨连续梁上的移动荷载;余岭等4 利用车致桥梁的弯矩响应在时域内去识别移动车辆荷载;王蕾等5 将移动荷载的识别转化为荷载形函数拟合系数进行识别;王宁波等6 利用影响线拟合桥梁不同截面动应变响应的方法去识别车辆各轴重;张福俭等7 通过拉索振动监测提出了斜拉桥上车辆荷载识别的方法;Bao等8 受压缩感知(CS)理论启发，将稀疏 l1 优化技术用于求解桥梁上移动的重型车辆荷载分布;陈震等9 为了改进时域法识别移动荷载时的缺陷，提出了基于分段多项式阶段奇异值分解方法;为了提高求解精度，Zhou 等10 结合实测加速度和应变信号重构动位移响应去识别移动荷载;Zhong 等11 基于解析模型和冗余字典的交通荷载监测稀疏正则化将移动荷载作为静态和时变分量的组合进行求解;考虑荷载横向分布对移动荷载识别的影响，Yang 等12 提出了一种基于应变影响线的荷载识别方法。另外，还有一些研究在致力于同步识别桥梁结构性能和车辆参数13-14，以及智能算法的引入15 等方面。尽管这些移动车辆参数识别方法取得了一定的进展，但大部分仍面临车轴轴重识别精度低的问题，无法获取可靠的移动车辆荷载信息为有效预警超载车辆提供有力保障。本文以常见的箱梁桥为研究对象，利用适用于大型土木工程结构，能够关联宏、微观信息的长标距光纤光栅(Long-Gauge Fiber Bragg Grating，LGFBG)传感技术对箱梁的横向应变展开监测，通过探讨 LGFBG 传感技术的横向应变监测原理，建立箱梁桥上移动车辆车轴轴重识别方法，以期能够有效获取移动车辆的荷载信息。1箱梁桥的横向应变监测箱梁是桥梁结构中最常见的截面类型，因此本文以单箱单室的桥梁结构为研究对象，利用 LGFBG 传感技术开展对箱梁横向应变的监测，如图 1 所示。图 1(a)所示为安装在箱梁截面上的 LGFBG 传感器，其能够精确地输出动态/静态结构应变响应。测量长标距应变与结构的转角相关，如图 1(b)所示，它可以揭示整体(转角测量)和局部(应变测量)的结构信息。一个单元长标距应变:=(vi vj)(1)=H/L式中:i、j 分别为某一单元的两端;为监测单元截面中性轴与单元长度的比值;L 为标距长度;H 为传感器到梁截面中性轴的距离;vi和 vj分别是在某一时刻单元两端的转角自由度。为分析箱梁底部的横向应变，对箱梁的横向力学模型进行了简化并假定:该混凝土箱形梁截面不可被压缩;组成混凝土箱形梁的顶板、底板和腹板在自身平面内变形后仍为平面，即满足平截面假定;翘曲剪应力和翘曲正应力沿箱梁壁厚是均匀分布的，即忽略厚度对翘曲应力的影响。(a)箱梁横向应变监测(b)LGFBG 传感技术(c)箱梁力学简化模型图 1基于长标距 FBG 的横向应变监测简化后的箱梁模型为对称结构，如图 1(c)所示，根据力矩分配法计算原理，在求解过程中取半边结构进行分析，可得箱梁底板跨中弯矩:M=l21h1c31c32(h1c31+l1c32)2P(2)式中:P 为作用于顶板的荷载;l1为箱梁两腹板中心线之间距离的 1/2;h1为顶板与底板中心线之间的距离;c1和 c2分别为箱梁顶板与底板厚度。根据平截面假定，在未损伤前箱梁的变形处于线弹性范围内。基于此，通过弯矩与应变之间的关系，由式(1)和(2)，可得箱梁底部的横向应变:=vi v()j=M=P(3)=l21h1c31c32(h1c31+l1c32)2=y/(EI)式中:、分别为箱梁底板的弯矩转换系数和应变转换系数;y 为底板横截面中性轴到底板下边缘之间的距离;E 为弹性模量;I 为截面惯性矩。57第 42 卷2基于横向应变的车轴轴重测量2.1监测单元处的等效荷载计算车辆在行驶过程中，轴重对于监测单元而言是一个移动荷载。由式(3)可知，为在监测单元处测量轴重信息，必须将作用在其他位置处的车轴荷载等效为作用在监测单元处的虚拟荷载进行识别。为此，本文根据影响线理论建立了等效荷载概念，当一单位力 P从简支梁桥上驶过时，可获得监测单元的弯矩影响线。在该影响线中，当 P 作用于监测单元时，监测单元的弯矩最大(记为 M);当 P 作用于非监测单元时，监测单元的弯矩值记为 M。根据等效荷载概念，作用在非监测单元处的 P 可以等效为作用在监测单元处的等效荷载:P=(M/M)P(4)假设一两轴车，前轴重为 P1，后轴重为 P2，轴距为d，桥梁跨度为，监测单元距桥头支座长度为 xk，且d xk，车轴 P1在桥上行驶的距离为 x。将式(4)代入到式(3)，当 x 分别为 0，xk，d 以及 d+xk时，监测单元处产生的横向应变为:1=M1=0，x=02=M2=P1，x=xk3=M3=-x-xkP1，x=d4=M4=-x-xkP1+P()2，x=d+xk(5)xk与 相比可近似忽略，由式(5)，P1和 P2的表达式为:P1=2/()P21(4 3)(6)2.2移动车辆车轴轴重测量由式(6)中 P2与 P1的比值，可得两轴车前轴与后轴的轴重比 =P2/P1=(4 3)/(2 1)。将轴重比进行推广，可得第 n 辆车第 个车轴与前轴之间的轴重比为n，1=PnPn1=n，2 n，21n，2 n，1(7)式中:n，2和 n，2 1分别为第 个车轴在进桥端产生的波峰和波谷应变值;n，2和 n，1分别为车辆前轴在进桥端产生的波峰和波谷应变值。本文引入已知车辆信息的校准车辆，通过比较校准车辆前轴通过传感单元的应变差与未知车辆前轴通过传感单元的应变差，来获得校准车辆和未知车辆前轴所对应的应变差之间的比例关系，再结合校准车辆前轴轴重便可计算出未知车辆前轴轴重，并进一步通过轴重比计算出未知车辆总重。根据式(7)，对于具有 m 个车轴的第 n 辆车，其车辆总重 n可表示为n=m=2n，1+()1?n1?1?P1(8)=40/n式中:?n1和?1分别为第 n 辆车的前轴 Pn1和校准车辆的前轴?P1所对应的应变差;为校准系数;0和 n分别为校准车辆和第 n 辆车的行驶速度。将式(7)代入到式(8)中，可得到第 n 辆车第 个车轴的轴重Pn，=nm=2n，1+()1n，1=2，3，m(9)3车轴轴重测量试验为验证箱梁桥上移动车辆车轴轴重识别的有效性与可靠性，获取桥上的移动车辆荷载，结合 LGFBG 传感器，FAZT-I4G 解调仪和车辆模型加载车开展试验箱梁桥上移动车辆的车轴轴重测量试验。3.1试验桥与现场布置本试验对象为一简支箱梁桥，结构模型材料选用有机玻璃。该有机玻璃的弹性模量为2 795 MPa，密度为 1 181.6 kg/m3。为了保证加载车辆行驶在试验桥梁上的速度，在试验模型的前后分别安装了加速段和减速段，加速段与减速段长度均为 5 m。加载的车辆模型选用角钢、弹簧和橡胶车轮焊接而成，用变频电机、变频器和细钢绞线制作成控速装置，如图 2 所示。LGFBG 传感器安装在箱梁桥进出桥端监测点处(距离支座 0.1 m)的横向位置，并利用 FAZT-I4G 光纤光栅解调仪采集各个监测点处的时程数据。图 2箱梁桥车辆轴重识别试验平台箱梁桥模型主跨长 2.44 m，宽 0.55 m，梁高 0.15m。除了在进桥端附近设置监测单元，还需要在出桥端附近设置监测单元用于识别车轴测量需要的车速和轴距信息。监测单元设置在距离两端支座各 0.1 m 处的位置。桥梁模型具体尺寸如图 3 所示。3.2测试方案测试实验加载车辆模型选用两轴小车和三轴小车2 种类型:两轴小车长 365 mm，宽 185 mm，车质量6.795 3 kg;三轴小车长 500 mm，宽 185 mm，车质量11.073 kg。本试验根据荷载质量、车辆类型和车速设67第 2 期张青青，等:箱梁桥上移动车辆的车轴轴重识别试验(a)立面图(b)横断面图图 3桥梁模型设计图(单位:mm)计了 2 种工况:采用 1 辆两轴车(前轴和后轴分别重为52.45 和57.70 N，轴间距为0.25 m)，以0.84 m/s 的速度从桥上驶过;采用 2 辆车，车 1 为两轴车(前轴和后轴分别重为 52.45 和 57.70 N，轴间距为0.25 m)，车 2 为三轴车(前轴、中轴和后轴重分别为45.44、70.46 和 79.52 N，其车前轴和中轴、中轴和后轴的轴间距分别为 0.17 和 0.2 m)，2 辆车的间距为1.2 m，均以 0.84 m/s 的速度从桥上驶过。根据 2 种工况信息，依次在实验室内的桥梁模型上进行试验，同时利用 FAZT-I4G 光纤光栅解调仪采集监测点处的时程数据。3.3试验结果与分析在桥梁模型上依次进行 2 种工况的试验，如图 4所示为 FAZT-I4G 解调仪采集的 LGFBG 传感器的应变时程曲线。(a)工况 1:1 辆两轴车桥上行驶(b)工况 2:2 辆车(:两轴车;:三轴车)桥上行驶图 42 种工况下进桥端横向应变时程曲线由图 4(a)可见，车轴荷载在时程曲线上引起的突变，将该部分突变响应信息放大后可确定每一处峰值(三角标记)以及峰值前的波谷(圆圈标记)，由此可知，该工况中的加载车辆为两轴车;由图 4(b)可见 2处响应突变，将这 2 处响应分别放大，可容易确定每一个峰值及其响应的波谷，并且可判断出该工况的加载车辆有 2 辆车，1 辆两轴车和 1 辆三轴车。由图 4 可知:每种工况中的波峰及对应的时间点，工况中所包含的车轴数可以首先被确定，结合波峰之间的时间差可计算出车辆数;通过进出桥端传感单元应变时程中波峰所应变的时间差和桥长可识别车速和轴距;根据各种工况的应变时程可识别出每个车轴所对应的应变差，通过应变差识别轴重比、车辆总总重和轴重。根据本文提出的车辆总重识别方法及式(8)，2 种工况中各个车辆的总重被识别，识别结果及误差见表1 所示。表 1车辆总重识别结果工况车辆识别值/N真实值/N误差/%1车 110857110 151 432车 111130110 151 04车 219948195 422 08由表 1 可知，采用本方法可识别各种工况的车辆总重，其中最大识别误差为 2.08%，发生在工况 2 中第 2 辆车的总重识别中，最小识别误差为 1.04%，识别的总重误差均在 5%以内，误差较小。由式(9)可计算各个车辆的车轴轴重，其计算结果及误差见表 2所示。表 2车轴轴重识别结果工况车辆识别值，Pij/N真实值，Pij0/N误差/%1车 1524552450561357702 732车 1540052452 955730577007车 2440345443 11718570461 97836179525 14由表 2 可知，采用本文车轴轴重测量方法识别的车轴轴重最大识别误差为 5.14%，发生在工况 2 中第2 辆车后轴的轴重识别中。识别的所有车轴轴重误差均在 6%以内。以上的试验结果说明本文所提的测量方法可以测量不同工况中的车辆荷载和轴重信息，且测量误差均较小，该测量方法具有较高的准确性和鲁棒性，能较好地满足实际工程中对车轴轴重的测量精度要求。4结语本文对箱梁桥的横向应变进行了监测，并结合实验室箱梁桥模型进行了不同类型加载车辆下的结构响应试验研究及各车轴轴重的测量。测试结果表明:(下转第 97 页)77第 2 期张玉林，等:基于 LII 技术的发动机缸内碳烟测量平台设计参考文献(eferences):1Maikawa C L，Zimmeman N，ais K，et al Murine precision-cutlung slices exhibit acute responses following exposure to gasolinedirect injection engine emissionsJThe Science of the TotalEnviroment，2016，568:1102-11092Larsson B M，Sehlstedt M，Grunewald J，et al oad tunnel airpollution induces bronchoalveolar inflammation in healthy subjects J European espiratory Journal，2007，29(4):699-7053Zhao F，Lai M C，Harrington D L Automotive spark-ignited direct-injection gasoline enginesJAutomotive spark-ignited direct-injection gasoline engines，1999，25(5):437-5624Grimaldi F，GervaisD，MarchalA，etalSingle-cylinderexperiments for downsizing oriented SI concept:GDI and VVLthermodynamic comparisonC 8 th International Conference onEngines for Automobile Capri:Naples，2007:0013-00245帅石金，董哲林，郑荣，等 车用汽油机颗粒物生成机理及排放特性研究进展 J 内燃机学报，2016，34(2):105-1166郑亮 用激光诱导炽光法研究燃烧过程中的碳烟生成特性:D 北京:清华大学，20147De FL，BruneauxG，ThirouardBSootvolumefractionmeasurements in a gasoline direct injection engine by combined laserinduced incandescence and laser extinction method JSAEInternational Journal of Engines，2010，3(1):163-1828刘福水，花阳，吴晗，等 掺混甲醇对汽油层流扩散火焰碳烟生成的影响 J 内燃机学报，2018，36(1):60-679唐青龙，张鹏，刘海峰，等 利用激光诱导炽光法定量测量柴油机缸内燃烧过程碳烟体积分数 J 物理化学学报，2015，31(5):980-988 10Melton L A Soot diagnostics based on laser heatingJ AppliedOptics，1984，23(13):2201-2208 11Snelling D，Smallwood G J，Liu F S，et alA calibration-independentlaser-inducedincandescencetechniqueforsootmeasurement by detecting absolute light intensityJ AppliedOptics，2005，44(31):6773-6785 12韩林沛 均质 EG 及基于排气回流的分层 EG 在 GDI 发动机部分负荷的应用研究:D 长春:吉林大学，2016 13Liu F S，Hua Y，Wu H，et al Effect of alcohol addition to gasolineon soot distribution characteristics in laminar diffusion flamesJChemical Engineering and Technology，2018，41(5):897-906 14Glder L，Snelling D，Sawchuk A Influence of hydrogenaddition to fuel on temperature field and soot formation in diffusionflamesJ Symposium(International)on Combustion，1996，26(2):2351-2358(上接第 77 页)利用 LGFBG 传感器对实验室箱梁模型的横向应变进行实时监测，并根据监测的横向应变时程数据依次确定了桥梁上的车轴数、轴距、轴重比、车辆总重和轴重等参数。在两种测试工况的试验结果中，车辆总重最大识别误差为 2.08%，车轴轴重最大识别误差为5.14%，满足实际工程中车轴重测量精度的要求，表明该方法能够有效识别箱梁桥上的移动车辆车轴轴重，更可提高车辆荷载识别的精度;箱梁桥上移动车辆的多车轴轴重识别方法利用箱梁的横向应变对车轴信息敏感，利用更注重各车轴轴重的轴重比来识别车辆荷载和轴重信息，不仅提高了测量方法的准确性，保证了方法的可靠性，还为有效预警超载车辆提供了有力保障。参考文献(eferences):1张喜刚 公路桥梁汽车荷载标准研究 M 北京:人民交通出版社，20142Law S S，Chan T H T egularization in moving force identification J Journal of Engineering Mechanics，2001，127(2):136-1483李忠献，陈锋 简支梁桥与多跨连续梁桥上移动荷载的识别与参数分析J 工程力学，2006，23(12):91-994余岭，朱军华，陈敏中，等 基于矩量法的桥梁移动车载识别试验研究 J 振动与冲击，2007，26(1):16-205王蕾，侯吉林，欧进萍 基于荷载形函数的大跨桥梁结构移动荷载识别 J 计算力学学报，2012，29(2):153-1586王宁波，任伟新 基于影响线的桥梁移动荷载识别J 振动与冲击，2013，32(3):129-1337张福俭，李惠 基于拉索振动监测的车辆荷载识别研究J土木工程与管理学报，2013，30(1):1-58Bao Y Q，Li H，Chen Z C，et al Sparse 11 optimization-basedidentification approach for the distribution of moving heavy vehicleloads on cable-stayed bridgesJ Structural Control HealthMonitoring，2016，23(1):144-1559陈震，魏文杰，余岭，等 基于 PPTSVD 的桥梁移动荷载识别 J 振动、测试与诊断，2018，38(4):727-871 10Zhou Y，Zhou S，Deng L，et alesearch on moving loadidentification based on measured acceleration and strain signalsJInternational Journal of Lifecycle Performance Engineering，2019，3(3/4):257-288 11Zhong J W，Liu H L，Yu L Sparse regularization for traffic loadmonitoring using bridge response measurementsJ Measurement，2019，131:173-182 12Yang J，Hou P，Yang C Q，et al Study on the method of movingload identification based on strain influence lineJAppliedSciences，2021，11(2):853 13Feng D M，Sun H，Feng M Q Simultaneous identification of bridgestructural parameters and vehicle loads J Computers Structures，2015，157:76-88 14Zhang L，Wu G，Li H L，et alSynchronous identification ofdamage and vehicle load on simply supported bridges based on long-gauge fiber bragg grating sensorsJ Journal of Performance ofConstructed Facilities，2020，34(1):04019097 15Wang H Q，Nagayama T，Zhao B Y，et al Identification of movingvehicle parameters using bridge responses and estimated bridgepavement roughness J Engineering Structures 2017，153:57-7079