近年来,随着交通事业的发展,桥梁的重要性与日俱增,但随着汽车交通量增大、重车交通增加及桥梁所处环境受人为外力及自然灾害的影响,使得现役桥梁劣化程度比较严重。为保证这些桥梁的功能性及安全性,需对其健康状况进行损伤检测及安全评估。
　　1 公路桥梁损伤检测方法
　　近几十年来,针对不同类型的新旧桥梁损伤和老化现象,国内外桥梁研究人员提出了各种各样的检测方法。大体上说,目前桥梁结构损伤检测分为局部检测法和整体检测法。
　　1.1 局部检测技术
　　局部检测技术是对结构目标部位进行集中重点的检查,一般以无损检测技术为工具,主要用于探测结构的局部损伤,可较精确地对结构缺陷部位进行定位、探查,甚至定量分析。下面重点介绍下无损检测技术：
　　传统的无损检测(Nondestructive Evaluation,NDE)技术得到了较大发展,目前已有超声检测、红外检测、声发射、自然电位检测、冲击回波检测、磁试验、r或x射线检测、光干涉、脉冲雷达、振动试验分析等数十种之多。除振动试验分析法以外,多数无损检测技术属于局部检测方法。某些无损检测技术应用桥梁结构上还存在着一些不利因素,如r或x射线检测法只能检测一定厚度范围内的混凝土,对检测空间有一定要求,且有一定的放射性危险;超声检测虽然对钢结构检测效果较好,但对混凝土类各向异性材料的检测不够准确,检测设备成本较高;红外检测法可远距、快速的进行检测诊断,但检测成本较高且对交通流量有影响。局部检测方法需要人工作地毯式搜索,虽较费时费力且可靠性差,但对于量大面广的中小桥梁来说,从技术、经济上考虑,人工检测仍然是一种重要的比较现实的技术管理手段。今后的方向是扩大先进检测技术的应用范围,并积极研究、应用小型的自动化程度较高的检测仪器。传统的检测方法一般可以对桥梁的外观及部分结构特性进行监测,对桥梁局部关键结构构件、节点可以进行较为合理的损伤判断,然而难以全面反映桥梁的整体健康状况,对于桥梁结构的安全程度、剩余寿命难以作出系统的评估。国内外学者普遍认同并致力于研究的无损检测方法是结合系统识别、振动理论、振动测试技术、信号采集等跨学科技术的试验模态分析法。目前,该整体检测技术在一些局部范围内取得了积极的效果。一种比较现实的损伤检测测方法可能是综合整体损伤定位与局部细化检测两种手段的技术。
　　1.2 整体检测技术
　　1.2.1整体检测是从全局上把握整个结构的实际工作状态,可连续或间隔地检查结构安全状态,并可用来指导对损伤可疑部位进行定位和损伤程度评估,提高检测效率。整体检测方法可分为静态检测方法和动态检测方法。
　　1)静态检测方法是在桥梁停止使用的状态下对桥梁进行静
　　载试验,量测与桥梁结构性能相关的静力参数,如桥梁在静载下的变形、挠度、应变、裂缝等。通过分析这些参数,可直接判定全桥静承载能力,并得出结构的强度、刚度及抗裂性能。
　　2)动态检测方法(基于振动的测试识别方法)是对桥梁结构
　　进行动力荷载试验,利用结构的动力性能是判断桥梁运营状况和承载力的依据。该方法是对待测结构系统进行激励,通过振动测试、数据采集、信号分析与处理,由系统的输入和输出确定结构的力学特性,根据结构系统的动力特性来识别损伤。
　　1.2.2整体检测技术的现状
　　对于特殊、重要的大跨度桥梁,近年来人们致力于整体损伤诊断与评估方法的研究。实时监测与故障诊断技术在发达国家的航空航天、军工、机械行业中已得到了广泛应用,许多技术已十分成熟。然而由于大型土木工程结构和材料的复杂性、特殊性,从直接仿照机械振动模态技术出发,笼统的采用单一动力参数指标去评估整个结构的状态是不合适的。同时,在机械、航空航天行业得到成熟应用的其它技术如传感器的优化布置、结构动力指纹变化的识别,应用于土木工程结构,特别是桥梁结构时都还存在着很多难题。
　　桥梁结构整体健康监测系统的研究有望改变过去不能及时发现结构故障的被动局面,可以及时地了解结构的整体工作状态,是以后的发展方向之一。然而,这涉及到3个方面的工作:a工作参数的采集;b工作参数的识别加工得到桥梁工作状态信息;c根据工作状态信息给出桥梁健康状况评估。
　　目前的工作多集中于前者,后两项工作仍然处于理论与实践探索阶段,总体来讲,难度仍然很大。
　　1) 传感器的优化布置问题结构损伤检测首先涉及到信号采集技术。在结构损伤检测研究与实践中,传感器是个研究重点。大型桥梁结构监测系统,一般包括多种类型和众多数目的传感器,如香港青马大桥上设立的永久性健康监测系统,包括700多个风速仪、加速度仪、应变仪、位移仪、温度仪、水平仪、车载车速仪。众多的传感器形成了传感器群,从而带来了传感器优化布置方面的研究。结构中传感器的数量和位置对模型参数估计的质量和偏差有重要影响,然而,获得结构完整的模态数据对于桥梁这样的大型结构是不可能的,测量只能得到所有自由度中的一部分模态,而且,这一过程不可避免的会引入误差和导致损伤检测难度加大。因此,在考虑成本代价的影响下,确定传感器的类型、数量、位置等布置的最优化或接近最优化,以从有限数量的传感器系统中实现信息的最优采集是损伤检测的首要关键环节。目前已经提出了一些优化算法,如MAC矩阵非对角元最小化准则、遗传算法等。清华大学土木系采用广义遗传算法对香港青马大桥传感器群最优布点进行了优化设计(1997),经过实践检验证明该算法是可行的,并且可以获得全局最优化或接近最优化。
　　2） 桥梁损伤识别方法
　　a 动力指纹法
　　动力指纹法是通过分析与结构动力特性相关的动力指纹的变化来判断结构的真实状况。通常用到的动力指纹有:频率、振型、模态曲率、应变模态、传递函数、功率谱、模态保证准则(MAC)、坐标模态保证准则(COMAC)、能量传递比(ETR)等。使用单一测试动力特征的方法有频率比法、振型差法、应变模态法、曲率模态法等;使用多个测试动力特征的方法有柔度差阵、刚度差阵、均载变形-曲率法、能量损伤指纹、能量商差指纹等;使用其它测试响应的方法如FRF波形指纹法,包括WCC、ATM、SAC等几个指针。大量的模型和实际结构试验表明:结构频率实测较准,但它对局部损伤不敏感;振型尤其是较高阶振型对局部刚度变化很敏感,但却很难精确测量。MAC、COMAC等依赖于振型的动力指纹都存在类似的问题,而模态曲率、应变模态则在低幅值振动测试中变化量级过小而难以起到有效的判别作用。某些指标如ETR、单元模态应变能可以较有效的确定损伤位置或发展,然而这些指标对噪声比较敏感,容易湮没于噪声中。目前已有的研究表明,动力指纹法对实验室内的简单模型结构而言是成功的,应用于实际的结构上结果还不太理想。可以说,到目前为止,动力参数法对结构损伤识别的能力仍然十分有限。动力指纹法的成功应用或许需要依赖于寻找新的综合性损伤指标及试验技术的发展。
　　b 模型修正法
　　模型修正法主要利用直接或间接测得的资料通过条件优化约束,不断的修正结构模型的刚度分布,从而得到结构刚度变化的信息,实现结构的损伤判别与定位。用于无损评估的有限元模型修正方法包括模态柔度法、最优矩阵修正法、灵敏度矩阵修正法、特征结构分配法、测量刚度改变法和综合模态参数法。由于技术上的原因,通常只有结构的一些识别较好的低阶模态被用于有限元模型修正。然而事实是,只有对应于高阶频率的模态对结构的损伤定位是敏感的,低阶模态对确定损伤位置并无明显贡献,反而增加了计算工作量。这种方法的缺陷在于测试不可能得到结构的完整模态集且测量中的信噪比较低,因而由测试数据难以给出足够的修正信息,导致了解的不惟一性。
　　c 人工神经网络法
　　Rajagopalan等人(1996)论述了在无损检测与评估领域中人工智能(AI)的两个应用途径。他们认为AI中基于知识的系统(KBS)和人工神经网络(ANN)可以合适地应用于NDE中。人工神经网络是在研究神经网络中对人脑神经网络的某种简化、抽象和模拟。神经网络具有集体运算能力、自适应的学习能力、还有较强的容错性、鲁棒性,能进行联想、综合和推广。
　　有研究者认为,传统的损伤评估算法基于精确的数学建模,而对于复杂结构的性能尚未达到精确理解的程度;而神经网络法可以保存结构损伤与未损模式,并可进行自学习,进行对比分析就可辨识损伤。
　　近年来,人工神经网络已在滤波、谱估计、信号检测、系统辨识、模式识别等方面得到了成功的应用。神经网络识别法可以解决传统模式识别中的高噪音干扰和模式损失等缺点。利用人工神经网络法,结合小波分析技术,可对桥梁监测信号进行预处理和损伤特征提取;由于桥梁结构损伤检测得到的测试数据的不完备性,神经网络法可以利用有限的数据训练,用不完备的数据识别在无数学模型的情况下可以较好的解决非线性和不确定性引起系统的辨识问题。目前应用于结构损伤识别的有基于误差反向传播算法的神经网络(BP)、径向基函数神经网络(RBF)、自组织神经网络(ART)等。人工神经网络法的主要局限性在于训练数据集的获取,其准确性在很大程度上取决于训练数据集的完备程度。
　　3） 环境激励下的系统响应识别
　　结构振动测试中的激振技术可以采用激振设备或其它激振手段如发射火箭、爆炸、人工地震等等。在桥梁结构中采用专用激振设备或人工激振往往需要关闭交通或是引起结构损伤,采用重型激振设备往往也会增加系统识别的成本。而利用作用于桥梁结构上的车辆、行人、风及其组合等自然环境激励进行结构系统识别则具有很多优点:不需打断交通流,无需布置贵重设备,且方便省时。
　　环境激励输入实际上是无法确切知道的,因此环境激励系统识别是只知信号输出而不知信号输入的系统识别法,这是对传统的系统识别法的一个挑战。然而,环境激励响应一般振动幅值小、随机性强、易受噪声影响、数据量大,需要一些特殊的识别技术。国外学者基于不同用途提出的识别方法有:基于功率谱密度的峰值法、基于离散时间数据的ARMA模型、自然激励技术、随机子空间法等。任伟新对频域识别的峰值法(PP)和时域识别的随机子空间法(SSI)进行了比较,并针对一幢15层高的钢筋混凝土建筑和一座钢拱桥进行了应用分析,结果表明:PP法具有简单、快捷、实用的优点,但结构阻尼无法识别,且振型识别精度不高;而SSI法计算工作量大,但识别质量较高;由此建议现场试验时用PP检查数据并初步识别结构的动力特性,然后再用SSI法做进一步分析以确保结果的正确性。
　　4）专家系统
　　结构的损伤诊断与评估不仅需要深厚的理论基础,而且需要丰富的专家经验。基于知识的专家系统汇集了专家们的知识,突破时域限制,使损伤诊断与评估逐渐走向智能化、自动化。目前,在桥梁损伤评价与维修对策中已有应用和开发专家系统的尝试。专家系统一般都融合了模糊理论,以适应处理不确定性信息的能力。由于专家系统是基于符号的推理系统,具备解释功能,但获取知识困难,而人工神经网络具备学习能力,但不具备解释能力,将专家系统和人工神经网络结合起来建立结构损伤智能诊断系统显现出了良好的发展前景。
　　2 桥梁结构安全评估与寿命预测
　　桥梁结构从正常到不正常的发展,导致缺陷发生的过程称为裂化过程或损伤过程。损伤检测的目的是为了对桥梁进行客观的评价,以此来指导车辆通行,为桥梁维护、合理有效的加固提供科学依据,并为桥梁发展趋势及剩余寿命进行合理预测。
　　2.1 桥梁结构的安全评估
　　桥梁安全评估分初步评估和详细评估两个层次。初步评估可快速筛选出大量桥梁的安全性程度,再由主管部门配合该桥梁的重要性程度,决定是否需要进行详细评估。
　　1) 初步评估。
　　根据影响桥梁耐震、耐荷及耐冲刷能力的项目,以填表方式评定各项目的分数,再综合获得整体分数,据以判定受评价桥梁耐震、耐荷及耐冲刷能力是否足够或有疑虑或不足。
　　2) 详细评估。
　　根据桥梁实际现有情况,配合最新相关设计规范资料,经详细结构分析后计算桥梁耐震及耐荷能力。经详细评估后显示安全性不足的桥梁,应立即进行补强工作,且桥梁安全评估所获得的信息,应当作补强工作的重要参考依据。
　　2.2 寿命预测
　　桥梁结构的使用寿命或耐久年限,是指在役桥梁在正常使用和正常维护条件下,仍然具有其预定使用功能的时间。在进行寿命预测之前,首先必须明确结构的预定功能是什么,如何判断结构的功能失效,即极限状态的定义,这是结构寿命预测与剩余寿命评估的关键。桥梁结构的使用寿命与材料性能、细部构造、使用状态、劣化机理等许多因素有关,且诸多因素相互作用很难量化。现在有各类预测方法,目前的常用方法有经验预测法、数学模型预测法及寿命预测随机法。
　　3. 结 语
　　桥梁结构损伤检测与评估涉及到结构、通讯、计算机、管理科学等多个学科领域,系统论、信息论、控制论、非线性科学等最新技术都在其中有广泛应用。总体上说,仍然处于初步探索阶段。随着各学科的进一步交叉与同步发展,相信桥梁结构的健康监测与评估这一门新兴的科学将会得到较大的发展。桥梁的长期实时或定时在线自动监测、健康状况评估(包括特大自然或人为灾害后的快速评估)、交通管理与维修决策融为一体的综合性决策系统也会尽快实现。