基于COM GIS的桥梁健康监测数据分析.pdf

基于 COM GIS 的桥梁健康监测数据分析 魏 鑫292023 No.41 概述随着我国经济发展的需要，桥梁建设飞速发展，保障桥梁的安全运营成为了桥梁管理部门关注的首要问题，因此对在建及已建成的桥梁布设健康监测系统具有重要意义。但对于中小跨径的已建桥梁考虑到监测规模小及资金投入少等问题，健康监测系统在设计时应遵循“因地而异、因桥而异、经济合理”的原则，应对其长期监测过程中的大量数据进行进一步的分析和挖掘，以在传感器布设较少的情况下尽可能多的获取桥梁的健康状态信息。COM GIS 的基本思想是把 GIS 的各大功能模块划分为控件，用户可根据实际需要灵活的选择所需控件，各个组件以类似于“搭积木”的方法实现与自身最紧密相关的系统功能，具有开发便捷、易于维护等优势，极大的降低了经济负担。本文采用基于 SuperMap 共相式内核开发的组件式 GIS 开发平台 SuperMap iObjects9D 搭建监测场景，阐述平台预设功能并对桥梁实测数据进行分析研究。2 系统组成及软件功能设计2.1 系统总体架构健康监测系统主要分为外场采集和内场处理，具体包含以下几部分1：（1）传感器系统为硬件系统，一般多采用TCP/IP 或 RS485 两类接口。在关键截面，敏感点布置各种传感器、网关、太阳能电池、信号发射器等设备以采集各项数据，并上传数据到指定数据库，用户可以远程控制软件实现部分参数的调整及数据的调用2。（2）数据采集与传输系统包括硬件与软件两部分，是联系传感器子系统及数据处理与控制子系统的桥梁。硬件部分包括传输电缆/光缆、（A/D）卡、采集仪等。软件功能主要是集成和管理数据并以局域网或者互联网传输数据，将被传感器变换、放大后的基于 COM GIS 的桥梁健康监测数据分析魏 鑫（广东省铁路规划设计研究院有限公司 广州 510000）【摘 要】挠度是桥梁健康监测中的重要指标之一，为了保障大桥的安全运营，根据项目实际监测状况设立有效的预警指标。以某高架桥监测项目为依托，利用组件式开发平台 SuperMap iObjects 9D,搭建二三维一体化的监测场景，阐述平台设计的相关技术和特点，并对全年的挠度和温度监测数据进行了分析，建立了考虑各温度作用及时间影响下的多元线性回归模型。实践表明，该模型可将温度作用影响的挠度值从总挠度中分离出来，为挠度预警阈值的设置提供了简单有效的依据。【关键词】高架桥 健康监测 多元回归模型 挠度Analysis of bridge health monitoring data based on COM GISWEI Xin(Guangdong Provincial Railway Planning And Design Institute Co.,Ltd,Guangzhou 510000）Abstract：Deflection is one of the important indicators in bridge health monitoring.In order to ensure the safe operation of the bridge,effective early warning indicators are set up according to the actual monitoring conditions of the project.Relying on a viaduct monitoring project,using the component-based development platform SuperMap iObjects 9D,a two-dimensional and three-dimensional integrated monitoring scene is built,the relevant technology and characteristics of the platform design are described,and the annual deflection and temperature monitoring data are analyzed,and a multiple linear regression model considering the effects of temperature and time is established.The practice shows that the model can separate the deflection value affected by temperature from the total deflection,and provide a simple and effective basis for setting the deflection warning threshold.Key words：Viaduct;Health monitoring;Multiple regression model;Deflection铁道勘测与设计 RAILWAY SURVEY AND DESIGN 2023（4）30信号，直接以模拟量或者经过模数转换后以数据量的方式进行记录。（3）数据处理与控制子系统的功能是将各种监测数据进行分析、处理、生成对结构健康监测有指导意义并直观的信息，如报表、图文等。对于产生的大量的并发不间断的数据流，考虑到数据的存储及备份，必须建立独立的存储系统3。（4）安全预警与状态评估子系统是整套系统的核心功能，综合现代监测技术的长处并结合传统的人工检查方法，实现对桥梁监测数据进行判断、分析评估，以确定结构所处的安全状态，并在结构发生异常或者监测数据超过规定的预警阈值时，自动报警并传送信息4。系统总体架构如图 1：图 1 总体架构图2.2 基本功能实现SuperMap iObjects9D 组件对象封装粒度适中，具有高度的伸缩性和灵活性，其内核级的二三维一体化技术可在三维场景中一体化操作、分析、管理二维、三维数据。在 VS 中嵌入 iObjects 控件及对象类型库；关联控件和对象；通过调用 iObjects 组件及 VS 中对象的属性和方法实现 GIS 软件功能。其基本功能如下5：（1）数据操作：数据模块（SuperMap.Data.dll）提供对空间数据及属性的全面操作和处理，包括创建、管理、查询、布局、输出等功能。（2）数据分析：对传感器监测信息进行基本的统计分析并以图形化展示；通过图层分离、组合、叠加等对新生成的专题图进行相关性分析。（3）三 维 场 景 操 作：三 维 模 块（SuerMap.Realspace.dll）提供数据显示、分析、场景，及对BIM 桥梁模型构件实现选择、查询、定位，并在触发预警时进行飞行定位及报警等功能。（4）桥 梁 安 全 模 型：三 维 场 景 构 建 模 块（SuperMap.Realspace.ThreeDDesigner.dll）、标 绘 模块（SuperMap.Plot.dll）集合 BIM 模型进行病害展示，信息集成及管理，可在图层上自由标绘传感器位置并与数据处理模块连接。（5）二三维联动：调用需要图层，锁定无关图层，进行多视口浏览，为管理者提供直观的监测信息。3 结构模态分析模块模态识别的理论研究已比较广泛、振动硬件设备也取得了迅速发展，为了对桥梁监测数据中的振动信号进行快速显示分析及模态参数识别，嵌入基于 Matlab 数学软件实现的 SSI 法、ITD 法、ARMA 法等多种模态识别算法原理开发的工程结构模态分析模块6。3.1 数据显示与模态参数计算此模块以节点单元、线单元的框架方式呈现出结构模型，可显示结构变形前后的状态，同时反映结构的动力特性。其中包括对观测数据频域、时域图的多种方式展示；以稳定图法、奇异值分解法等判断系统模态阶数；动态显示结构振型，计算模态振型、频率、阻尼等功能。图 2 为以瀑布图形式展示的功率谱密度图。图 2 功率谱密度图3.2 仿真模拟分析本 节 应 用 Midas-Civil 有 限 元 数 值 模 拟 软件，建 立 5 跨 预 应 力 混 凝 土 连 续 刚 构 箱 梁 桥（75m+3130m+75m），分析其理论模态，得到振动模态频率的理论值如表 1。基于 COM GIS 的桥梁健康监测数据分析 魏 鑫312023 No.4表 1 模态频率计算结果阶数 有限元算法理论解 随机子空间算法实测解误差/%频率/Hz频率/Hz10.8580.8660.9321.0971.0742.0931.4021.4594.063.3 数值模型“实测”模态参数对模型进行桥梁移动荷载动力时程分析，在Midas 中输入质量数据，并基于特征值分析数据采用振型叠加法，其分析步长采用最高阶振型周期的1/10、荷载近似模拟为最大值为 1kN 的三角形荷载并取合适的放大系数、定义节点动力荷载及时程荷载函数等，最后得到模拟测点位置的纵向加速度响应数据。测点平面布置如图 3。图 3 测点布置图以模态分析模块中 SSI-COV 法计算为例，其主要分三步：利用振动信号构建 Hankel 矩阵并计算协方差序列组成的 Toeplitz 矩阵确定系统阶次n=N/2 求解 Oi和 i得到状态矩阵 A，并求最终的系统模态参数。由表1，对比“实测”模态频率与理论模态频率值，可以看出在一阶模态吻合精度高，二三阶模态频率误差 5%，吻合度较好。3.4 温度效应分离模块应变、挠度两者皆是反映桥梁结构综合性能最直观、有效的指标之一7-8。以挠度为例，在监测过程中，主梁跨中总挠度是各种外界环境因素综合作用的结果，如式（1）：Y总=Y1+Y2+Y3+Y4（1）Y1：温度荷载；Y2：车辆荷载；Y3：混凝土收缩、徐变；Y4：风荷载、墩台沉降等。其中温度荷载对长期监测下挠度的影响往往不亚于活载。因此，有必要对温度与挠度数据的关联性做进一步的分析，推断温度作用对跨中挠度的影响，实现平台对监测值的实时修正。4 监测数据基本特征分析长期监测数据分析其季节温差、日照温差作用对桥梁挠度的影响。表 2 为全年的温度数据统计。图 4为春、夏、秋、冬四季 3#跨中各一日温度数据的时间序列分布。表 2 温度统计顶板温度（）底板温度（）大气温度（）最高温度33.430.635.5最低温度-18.4-18.9-24.7最大温差51.849.560.2图 4 春夏秋冬四季 3#跨中顶底板日温度时程桥梁所处地区季节温差、日照温差较大，全年最大温差可达 60.2，为保障传感器安全使用，其统一安装于箱梁内部，同时由于混凝土较差的传热性，可从图 4 看出虽一年中日温差较大，但在日照作用下顶底板日温均在平均值附近波动。箱内侧顶、底板温度呈正弦曲线变化，且日极值滞后于大气温度，其变化规律与大气温度和太阳辐射等作用基本一致。由以上分析得知箱梁内部测点日温度变化波动随大气温度变化较小。因此，取 3#跨中温度、挠度监测数据，做其年变化曲线如图 5。底板温度及挠度日平均值的变化分布如图 6。从图 5、图 6 可以看出：一年中，观察不同季节挠度变化可知，桥梁跨中位置挠度随着环境温度的降低而增大。桥梁结构低温收缩，高温伸长，引起了跨中上挠和下挠的增量。在长期监测过程中各温度作用与主梁挠度变化趋势密切相关，可以考虑将其作为预测变量采用多元线性回归模型对挠度中的温度效应进行拟合和预测。季节温差使得线性拟合公式的斜率具有明显不同，从长期来看，温度与挠度之间线铁道勘测与设计 RAILWAY SURVEY AND DESIGN 2023（4）32性回归模型的参数是动态的，因此需建立一个参数随季节温度变化而变化的模型，能对在线监测中的挠度监测值进行预测，并长期使用。4.1 时变多元回归模型的建立根据上述温度、挠度特征分析，以每 7 日监测的数据建立温度-挠度时变多元回归模型，用以预测第8 日挠度中的温度效应，并以此类推。由于顶底板温度相似的变化规律会产生共线性，导致结果失真，因此模型以跨中挠度作为因变量，底板测点温度（T1）、顶底板测点温差（T2）、大气温度（T3）作为自变量，进行线性拟合令：y(t)=0+1T2(t-t1)+2T2(t-t2)+3T3(t-t3)+u(t)（2）式中y：测点挠度（主要为Y1+Y2）；Ti（i=1,2,3）：各温度作用；Ti（i=1,2,3）为测点挠度相对于各温度作用的滞后时间,根据挠度监测值与对应温度作用相关分析计算得出，单位为 10min；0：回归常数；i：回归参数；u：误差项。对样本值（监测挠度、温度数据），利用最小二乘法确定回归参数,即（yiTi）（i=1,2,n），使（3）式取值最小。（3）建立模型后，利用回归系数 R2 对模型拟合测定。5 工程背景该 桥 跨 径 布 置 为 75m+3130m+75m，箱 梁采 用 单 箱 单 室，主 墩 墩 顶 高 度 7.0m,跨 中 高 度2.5m，梁在纵桥向按 1.8 次抛物线变化，方程为y=0.00264724X1.8。其温度、挠度监测布置点如图 7。（a）温度测点布置（b）挠度测点布置图图 7 温度、挠度测点布置采用上述方法，以 3#跨中底板温度、挠度监测数据为例得出 12 月 1 日-12 月 14 日的挠度温度效应实测与预测值比较如图 8。图 8 时变多元线性回归模型预测结果6 结论（1）SuperMap iObjects 9D 是全组件式 GIS 开发平台，各个组件既可协同工作，也可任意剪裁，具有高度的伸缩性和灵活性。其内嵌的SuperMap SDX+（空间数据库引擎技术）及二三维一体化技术，构建了可视化预警的监测平台，实现“空间-属性数据一体化”、“空间信息-业务信息一体化”，可提高桥梁监测的效率及水平。图 5 各温度作用与挠度年实测数据曲线图 6 不同季节底板温度与挠度日平均值基于 COM GIS 的桥梁健康监测数据分析 魏 鑫332023 No.4（2）在长期监测过程中，对大量的温度、挠度监测数据进行特征分析，结果表明在季节温差、日照温差的影响下温度与挠度的变化趋势在全年动态变化，因此建立温度-挠度时变多元线性回归模型，可有效预测挠度中的温度效应。该模型拟合度较高，便于在监测平台中完成对大量监测数据的实时处理、及时预警。参考文献1 张启伟 .大型桥梁健康监测概念与监测系统设计 J.同济大学学报（自然科学版）,2001（01）:65-69.2 张敏,杨志芳,朱利明,等.东海大桥桥梁结构健康监测系统研究与设计 J.桥梁建设,3 刘汝正 .谈基于分布式数据库的查询优化处理算法J.科学技术与工 程,2007,7（10）:2387-2390.4 张宇 峰,李贤琪.桥梁结构健康监测与状态评估M.1 版.上海：上海科学技术出版社,2018：20-25，107-111.5 魏鑫,吴学伟,程培嵩.基于组件式 GIS 的桥梁健康监测数据集成及预警研究 J.公路工程,2020,45（06）:79-85.DOI:10.19782/ki.1674-0610.2020.06.013.6 李晓玲,韩超.基于随机子空间法的城市桥梁模态参数识别研究与程序开发J.工程质量,2018,36（12）:71-75.7 刘泽佳,陈溢涛,周立成,范立朋,汤立群.桥梁长期健康监测大数据温度与应变特征及关联性分析 J.科学技术与工程,2018,18（35）:72-79.8 陈雷.混凝土桥梁振弦传感器应力测试温度影响性分析 J.交通科技,2015（2）:28-30.收稿日期：2023-2-11参考文献1 闵柯.全球数字高程模型数据在国外铁路勘测设计中的应用 J.铁道勘察,2019,45(03):16-19.DOI:10.19630/ki.tdkc.201901200001.2 朱雪峰.基于机载激光雷达测量技术的铁路勘测方法 J.测绘通报,2015(12):125-126.3 隋立春,张宝印.Lidar 遥感基本原理及其发展 J.测绘科学技术学报,2006(02):127-129.4 姜丙波,柳忠伟,彭云,徐生望,邓勇.无人机机载激光雷达在抽水蓄能电站大比例尺地形图测绘中的 应 用 J.测 绘 通 报,2021(S1):248-251.DOI:10.13474/ki.11-2246.2021.0556.5 赵薛强.无人船水下地形测量系统的开发与应 用 J.人 民 长 江,2018,49(15):54-57.DOI:10.16232/ki.1001-4179.2018.15.011.6 赵春宇,姜皓,徐茂竹,满伟俊,杨伟明,陈范模.无人船在城市水域管理养护中的应用 J.浙江工业大学学报,2023,51(01):105-109+118.7 戴华毅,李守军,张梓巍,阳凡林,毛冬海,陈祥.融合激光点云与影像点云的精细化 DEM 生成 J.测绘通报,2022(12):77-83.DOI:10.13474/ki.11-2246.2022.0360.8 周晓红.线激光点云数据处理关键技术研究 D.南京邮电大学学,2022.DOI:10.27251/ki.gnjdc.2022.000248.9 郑若琳，洪亮机载激光雷达的优势与发展 J地理空间信息，2018，16(2):37 3910 祝燕.机载 Lidar 数据在铁路断面测绘中的应用研究 J.铁道勘察,2016,42(01):28-30.DOI:10.19630/ki.tdkc.2016.01.009.11 李齐贤.基于无人机图像与激光融合的铁路运行环境异常识别方法研究 D.北京交通大学,2021.DOI:10.26944/ki.gbfju.2021.002091.12 林国涛,孙增奎,肖斌,张越峰.综合无人机、GIS、BIM 技术的道路设计研究 J.公路,2021,66(03):23-26.13 倪欢.机载激光雷达点云多实体多层次分类方法D.武汉大学,2017.14 李豪.基于无人机的桥梁裂缝检测技术研究 D.重庆交通大学,2022.DOI:10.27671/ki.gcjtc.2022.000581.15 薛现凯.基于无人机倾斜摄影的边坡三维重建 与 灾 害 识 别 D.湖 南 大 学,2021.DOI:10.27135/ki.ghudu.2021.001339.收稿日期：2023-2-10（上接第 28 页）