Structural Health Monitoring through Dynamic and Geometric Characteristics of Bridges Extracted from GPS Measurments

摘要

结构健康监测(SHM)是土木工程界的一个新兴研究领域，该项技术的应用使得连续、实时地评估土木工程结构的安全性能成为可能。通过结构健康监测技术，根据已有的结构状态信息，可有效地采取一定的预防措施来延长结构寿命，并且防止灾难事故的发生。
　　全球卫星定位系统(GPS)是一种应用于结构健康监测的主要方法。虽然GPS已被证明可有效记录结构的相对位移，但是，如何利用GPS采集得到的结构相对位移仍是GPS在健康监测应用中所面临的主要挑战。
　　针对上述问题，本文提出一个基于RTK-GPS监测数据的数学框架，从而实现GPS在结构健康监测中的应用。本文采用某大桥的GPS监测数据进行研究，该桥梁结构的健康监测系统由哈尔滨工业大学结构健康监测与控制研究中心建立。
　　由于在该桥重建一年之后，在距离一号桥墩48.2m处产生了一个明显的裂缝，因此，本文对该桥梁结构的移动及损伤进行了研究。此外，对各种因素所产生的裂缝（如风速，环境温度、车辆荷载等）以及桥塔的横向及纵向位移进行了分析。
　　本文分别采用信号处理方法(Kalman滤波器，自适应滤波器，参数化最小二乘法对GPS数据进行光滑和去噪处理，小波分析（短时傅立叶变换，连续小波变换，离散小波变换）对GPS数据进行时域和频域分析并识别不同的桥梁运动和可能的损伤)和几何分析方法(平面模型，跨度模型和极坐标模型)应用于桥梁运动和损伤分析。
　　为了分析GPS信号的周期性成分，本文采用高通滤波方法确定桥梁移动信号的高频成分。利用功率谱分析及短时傅里叶变换完成时域信号到频域的转换，在此基础上，对转换后的频域信号进行了谱分析。
　　本文得到如下结论：（1）车辆荷载是造成桥梁损伤的主要因素；（2）永和桥使用后六个月，该桥梁结构的最大变形产生于离第距离一号桥墩48.2m处；（3）相比传统傅里叶变换而言，短时傅里叶变换在结构响应分析方面具有明显的优势；（4）GPS信号的灵敏度并不依赖于GPS传感器的位置；（5）几何分析方法便于计算桥塔的运动，而物理分析方法更有利于识别桥梁结构损伤；（6）GPS信号20 HZ的采样频率并不适合于采集结构固有频率；（7）Kalman滤波方法适合于结构动力分析；（8）自功率谱及短时傅里叶变换方法能够有效反映桥梁预期移动和损伤；（9）南塔运动引起的剪力以及车辆荷载引起的桥梁非线性运动是造成永和桥损伤的主要原因。
　　此外，通过分析 GPS和加速度技术采集的永和桥桥塔的横向位移、加速度和扭转位移数据，得到如下结论：（1）GPS信号是含有噪声的；（2）Wden函数的采用能够提高20％的准确性；（3）能量谱密度是识别桥塔位移的有效参数；（4）GPS可作为一种可靠的方法研究低频桥梁结构的动力特性。
　　除了上述提及的分析方法，本文采用多入单出（MISO）的鲁棒拟合回归模型、神经网络ARMAX（NNARMAX）模型用于识别桥梁的运动。分析结果表明：（1）考虑了鲁棒回归分析的的NNARMAX[4411]和[5415]模型比NNARMAX[0100]模型能够更准确的估计桥梁结构的移动状态；（2）鲁棒拟合回归模型能够较好地映射荷载效应与桥塔位移之间的关系，此外，环境温度和湿度对整个桥梁的阵型影响不大。

目录

封面

中文摘要

英文摘要

目录

List of Abbreviations and Acronyms

Chapter 1 Introduction

1.1 General

1.2 Scope of the thesis

1.3 Global Positioning System \(GPS\) Background

1.4 Structural Health Monitoring \(SHM\) Background

1.5 GPS signal processing

1.6 Geometrical monitoring models

Chapter 2 Bridge Movement Analysis Based on GPS Technique

2.1 Introduction

2.2 Bridge Descriptions

2.3 GPS and Data Collection Information

2.5 Summary

Chapter 3 Multi input/Single Output Model Identification of Bridge Tower Movements Using GPS Monitoring System

3.1 Introduction

3.2 Robust fitted regression

3.3 The NNARMAX model

3.4 Criterion of parameters and prediction

3.5 Identification of Tower bridge movements 3.5.1 Tower displacements

3.6 Summary

Chapter 4 Bridge Deformation Monitoring Based on GPS/Accelerometer Integration Technique

4.1 Introduction

4.2 Bridge Deformation Monitoring Based on GPS and Accelerometer background

4.3 GPS/Acceleration integration analysis Tower bridge movement

4.4 Summary

Conclusions and Recommendations

参考文献

Appendix \(A\):Some used MATLAB programs

Appendix \(B\):Some Observations Movements Results

List of Figure Captions

List of Table Captions

Published Papers in the Ph.D.Period

致谢