港珠澳大桥横琴口岸结构健康监测
\ | /
SCIMON 结构自动化监测
★
东西绿岛落双虹,
十载聚盟浩海中。
玉带涛中篱梦断,
珠连港澳海途通。
---宋秉华
2018年10月23日上午,港珠澳大桥开通仪式在珠海举行。2022年10月23日,港珠澳大桥迎来开通四周年。
四年来,经由大桥的出入境人员车辆货物量不断上升。港珠澳大桥在促进粤港澳大湾区融合发展,为支持香港、澳门融入国家发展大局,促进港澳地区长期繁荣稳定方面发挥着越来越重要的作用。
项目背景
港珠澳大桥珠海公路口岸位于港珠澳大桥珠澳口岸人工岛珠海公路口岸管理区,该建筑由旅检大楼A区、旅检大楼B区、交通中心和交通连廊4部分组成,效果图和实景图分别如图所示。
工程采用钢管混凝土柱与钢网架屋盖的结构形式,其中旅检大楼A区钢网架屋面总面积近7万平方米,横向跨度约240米,纵向跨度约330米,自身质量近1.4万吨。
本工程于2017年12月28日竣工,为保证建成后建筑物长期安全运营,监测团队在建筑运营期介入,通过安装受力、变形、环境等多类型智能监测传感器,利用自动化监测手段,获取运营期结构的真实监测数据,特别是台风等特殊的气候条件下的结构安全状态,同时运用大量的监测数据进行大数据分析,尝试识别并分离出温度、风荷载等相关外界影响因素以及预测结构的变形趋势。
监测情况
技术方案
项目采用受力、变形、加速度、环境等多类型监测传感器+智能无线采集网关+自动化监测平台的自动化监测技术方案,拓扑图如下:
监测内容
监测内容包含应变、温度、变形、加速度、风压、风速风向等,具体监测内容、监测设备、测点数量、监测频率以及监测周期见下表:
监测点布置
本项目监测点布置基于结构设计以及有限元仿真分析中结构的受力、变形等关键点选取,具体测点布置如下:
现场安装情况
现场传感器安装情况如下:
应变传感器安装
风速风向传感器安装
加速度传感器安装
应变传感器初读数
无线智能采集仪安装
应变传感器安装
监测成果分析
港珠澳大桥珠海口岸修建于人工岛上,为这重要的结构装上了应力应变、变形、振动以及风速风向风压等各类传感器,通过平台远程对结构进行实时监测,掌握结构的安全状态。下面是运营期的监测数据分析,监测数据高频、完整、准确记录了运营期结构的受力、变形以及环境状态,特别是2018.9.16号台风“山竹”登陆珠海,系统准确完整记录了台风过程中结构物各部分的受力变形状态,为分析台风对结构物的影响提供了珍贵可靠的数据支撑。
大数据分析及验证(BP神经网络)
人工神经网络,简称“神经网络”,它是对人类的大脑系统一定特征的抽象描述,作为对人脑最简单的一种模拟,是一种人工智能数学模型。神经元模型如图所示,由输入信息x得到输出结果y,其中权值和阈值分别为w和b。神经网络的神经元利用权值、阈值和激活函数将接收的输入信号转换为输出信号,紧接着,转换后的输出信号将作为下一层神经元的输入信号逐层向前传播。
神经元模型图
三层BP神经网络结构如图所示,同一层神经元互不连接,不同层神经元相互连接。Φ、φ分别表示隐含层和输出层的函数表达式,θ、a分别表示隐含层和输出层的阈值,o为输出值。如果把该网络算法的训练视作非线性函数的拟合,各神经元在网络中的连接权值视为变化参数,那求得精确的参数就是该算法的目的。一旦输出层不能得到期望的输出结果,训练误差就从输出层一层层反向传播至输入层,逐次调整网络各层的权值和阈值。前向和反向这两个过程反复进行,使得误差达到精度要求,网络训练结束。
3层BP神经网络图
温度效应的预测
01 温度荷载特性对结构的作用: 温度应变与结构构件的边界约束情况、温度场分布等因素密切相关。结构边界约束越多,温度场分布越不均匀,则其产生的温度效应越大、非线性越强。在港珠澳大桥珠海公路口岸钢网架屋盖结构中,其边界约束复杂、覆盖空间大且温度场分布不均匀,温度与应变关系也具有明显的非线性特征。 温度对结构的作用主要通过以下几个方面体现:①年温度作用。长期作用结构,对整体影响大,年温变化主要由季节性的温度转变所引起,通常较为缓慢,分析较简单。②骤然降温作用。短暂作用结构,对整体影响大,短时间的温度突变主要是由日夜温差积累后形成的结构内外温差或强冷空气的来袭所引起,分析较复杂。③太阳辐射作用。短暂作用结构,对局部影响大,分析最复杂。可以看出,工程结构的温度效应是与时间相关联的函数序列。由测点监测得各杆件的温度与应变变化趋势如图所示。 上弦杆S3-9 斜腹杆F3-2 下弦杆X3-5 不同时期屋盖上、下及其斜腹杆监测到的温度及对应应变图 上图以S3-9、F3-2和X3-5杆件为例,给出了2018年9月3日至2018年9月15日旅检大楼A区钢结构屋盖上、下弦杆和斜腹杆应变与温度的变化趋势,各杆件位于屋盖的位置见图所示。从上图中可以看出: 1)在日温变化影响下,钢结构屋盖的应变变化与温度变化保持相同的走向,显示出很强的相关性; 2)应变变化相对温度变化存在一定的滞后性,这是因为环境温度变化后,钢材的吸热及结构内力重分布需要时间; 3)在外界的气温变化和辐射影响下,上弦杆直接受到太阳照射,温度变化幅度大,最大温差可达近10 °C,斜腹杆次之,其最大温差也能达到8 °C,下弦杆温度变化最为稳定,温差幅度约为6 °C; 4)日温变化影响下,上弦杆温度变化幅度最大,应变变化幅度达到22 με,斜腹杆次之,应变变化幅度达15 με,下弦杆应变变化最稳定,应变变化幅度约为12 με。 其中:tansig为双曲正切型函数,w15和b15为一行五列的矩阵,w53为5行3列的矩阵,b1为常数。前7天监测系统所采集的监测数据为训练样本,样本数量为324;后6天监测系统采集的监测数据为检验样本,样本数量为234。通过3层BP神经网络模型训练完成的温度与应变关系的拟合效果如下图所示。 上弦杆S3-9 斜腹杆F3-2 下弦杆X3-5 结构部分杆件应变随温度变化曲线图 由上图可得,钢结构屋盖杆件温度与应变变化的非线性关系大致呈现出纺锤形。结合“不同时期屋盖上、下及其斜腹杆监测到的温度及对应应变图”中杆件温度与应变的变化趋势,纺锤形面积越小就越趋向于一条直线,温度与应变变化的线性关系越强,反之则非线性关系越强。利用训练完成的温度与应变之间的BP神经网络模型便可实现温度效应的推算,从而得到温度效应下温度应变的响应值,如下图所示: 上弦杆S3-9 斜腹杆F3-2 下弦杆X3-5 结构部分杆件应变随温度变化曲线图 从上图中可以看出,经大量实测温度、应变数据训练所得到的神经网络模型预测了温度应变,实测值与训练值之间的差值是其他环境荷载(尤其是风荷载)作用下结构产生的应变值及模型的训练误差。随后,利用多元判定系数R2来测定神经网络模型的拟合效果。多元判定系数R2越接近1,该神经网络模型拟合效果越好。下表给出了部分测点的多元判定系数,均接近或达到了0.95以上,表明拟合优度高。因此,通过该神经网络模型可实现温度荷载效应与其他荷载效应的剥离,也可以通过温度变化趋势来预测温度效应。 拟合优度结果表 |
02 风荷载作用下的结构监测应变分离: (1)总应变组成成分分析: 由应力应变传感器监测得到的总应变是一段时间序列数据,可将杆件总应变分解为恒荷载应变、温度效应应变和其他活荷载应变3类,如下式: 式中:ε(t)为总应变,εD为恒荷载应变,εT(t)为温度效应应变,εL(t)为温度效应以外的活荷载应变。 因为监测项目是在建筑的运营期间介入,应变传感器在采集数据前均进行了初始值调零,所以采集到的应变数据不包含恒荷载应变。温度效应以外的活荷载应变具有随机性,对于沿海大跨度空间钢结构,温度效应以外的活荷载以风荷载为主。以S1-7杆件为例,下图显示了其从2018年9月4日到2018年9月20日共17天的实测应变及温度变化图。9月16日,超强台风“山竹”登陆珠海,导致杆件在当日的实测应变变化趋势与温度变化趋势不协同,杆件在14:24达到最大的应变变化值。根据连续17天的气候条件,该杆件显示了分别以温度工况为主导和以风荷载工况为主导的两种性质不同的总应变值。 杆件S1-7不同时期所监测到的温度及对应应变 (2)风荷载作用下的结构监测应变分离 利用上述的BP神经网络模型进行预测,提取出温度荷载作用下的应变分量。在此基础上,风荷载应变响应取为实测应变值与预测温度应变效应的差值,由此完成了风荷载作用下结构监测应变的分离。风荷载作用下结构的应变计算公式如下式所示: 式中:ε(t)为总应变,εW(t)为风荷载引起的结构杆件应变。S1-7杆件相关结果如图10所示。从下图可知,台风登陆之前,温度荷载应变是结构主导应变,风荷载应变在±4 με范围内波动。9月16日,超强台风“山竹”登陆,杆件的最大风荷载应变达到28 με,此时温度效应仅为2.9 με,随后,台风转移,温度荷载应变重新成为主导应变。 杆件S1-7不同时期所监测到的应变解析图 |
结语 为保证港珠澳大桥横琴口岸钢结构建筑运营期安全可靠运行,本项目通过安装受力、变形、环境等多类型智能监测传感器,利用自动化监测手段,获取运营期结构的真实监测数据,特别是台风等特殊的气候条件下的结构安全状态,同时运用大量的监测数据进行大数据分析,尝试识别并分离出温度、风荷载等相关外界影响因素以及预测结构的变形趋势,目前获得阶段性发现: (1)大跨度空间钢结构的温度与应变变化值之间存在明显的非线性关系。 (2)构造神经网络模型可对温度与应变的非线性关系实现较好的拟合,可用于结构温度效应的预测。温度与应变的非线性关系大致呈现出纺锤形,纺锤形面积越小就越趋向于一条直线,温度与应变变化的线性关系越强,反之则非线性关系越强。 (3)对于运营阶段介入的大跨度空间钢结构监测项目,实测温度、应变数据通过神经网络训练,可用于温度效应分离与风荷载识别。 (4)基于数据库与Matlab接口开发神经网络程序,提供自定义神经网络操作界面,实现了温度效应的预测与风荷载识别。 (5)在BIM三维模型中运用神经网络程序的实时应变构成分析功能,监测数据解析后的信息将自动集成于BIM三维模型中,有助于监测人员在极端大风环境下快速找出以风荷载为主要控制荷载的杆件,以指导结构检修工作。 自动化监测技术提升一小步 将是安全信息化建设一大步 我们正为此而不懈努力 科技引领 赛昂斯(深圳)智能科技有限公司是结构工程安全自动化监测整体解决方案专业提供商,是健康监测领域的国家高新技术企业。赛昂斯科技团队致力于为工程安全监测信息化服务,提供高度定制化的物联网技术支持(按照行业标准处理数据流),将物联网技术与行业技术深度结合,提供稳定可靠的监测硬件以及定制化平台开发服务,自动化监测软硬件解决方案。 |
特别感谢项目及研究的合作方:
华南理工大学
深圳生富检测股份公司
珠海市建设工程质量监督检测站