基于證據(jù)理論的連續(xù)剛構(gòu)橋安全狀態(tài)分級評估方法

莊小平,李鋒,辛景舟,3*,付雷,楊先一

(1.重慶鐵路投資集團(tuán)有限公司,重慶 400023;2.重慶交通大學(xué) 省部共建山區(qū)橋梁及隧道工程國家重點實驗室,重慶 400074;3.廣西交通投資集團(tuán)有限公司,南寧 530000;4.貴州交通建設(shè)集團(tuán)有限公司,貴陽 550081)

連續(xù)剛構(gòu)橋廣泛應(yīng)用于跨越山區(qū)峽谷地形。由于服役環(huán)境的復(fù)雜多變,連續(xù)剛構(gòu)橋運(yùn)營期性能退化問題突出,嚴(yán)重情況下會危害到其安全服役[1]。因此,開展安全評估研究有利于準(zhǔn)確掌握橋梁的健康狀況并做出正確的決策,對保證橋梁的正常運(yùn)營、避免橋梁安全事故的發(fā)生具有重要意義。

中外學(xué)者圍繞橋梁安全評估提出了各式各樣的解決辦法,并取得了一定的研究成果。根據(jù)評估方法的內(nèi)涵,可以將其歸納為定量和定性兩類評估方法。定量評估主要以基于可靠度的評估方法為主。談遂等[2]通過將活載撓度超限作為主梁豎向剛度不足的失效模型,利用撓度監(jiān)測數(shù)據(jù)對某運(yùn)營期重載鐵路連續(xù)剛構(gòu)橋進(jìn)行了可靠度評估。曾國良等[3]融合多個截面的撓度監(jiān)測數(shù)據(jù)提出了橋梁的可靠度評估方法。金聰鶴等[4]采用多維隨機(jī)變量對荷載效應(yīng)的關(guān)聯(lián)性進(jìn)行描述,建立了橋梁時變可靠度評估方法。Pugliese等[5]考慮韌性和脆性斷裂失效下的可靠度分析,對橋梁的健康狀況進(jìn)行評估。Alam等[6]根據(jù)橋梁的定期檢測報告對某銹蝕鋼筋混凝土橋梁的可靠度進(jìn)行了評估,進(jìn)而估算了其剩余壽命。此類方法能給出橋梁工作狀態(tài)的健康指標(biāo),但實際操作中難以給養(yǎng)護(hù)部門提供直接的對策。定性評估則以知識推理、規(guī)范指南為手段,主要包括層次分析、模糊理論、灰色關(guān)聯(lián)等數(shù)學(xué)手段。Rogulj等[7]利用模糊邏輯和阿爾法切割集開發(fā)了一套系統(tǒng)的橋梁狀態(tài)評估程序。Xiao等[8]通過灰色關(guān)聯(lián)分析對網(wǎng)絡(luò)模型進(jìn)行優(yōu)化,從而提高了損傷評估的效率和精度。Zong等[9]通過專家經(jīng)驗對橋梁元件進(jìn)行評估,并定義相應(yīng)的隸屬函數(shù),繼而利用模糊邏輯和阿爾法切割集開發(fā)了一套系統(tǒng)的橋梁狀態(tài)評估程序。Abdelkader等[10]瞄準(zhǔn)服役橋梁維修養(yǎng)護(hù)策略的自動制定需求,利用灰色關(guān)聯(lián)分析確定了最優(yōu)的維修養(yǎng)護(hù)策略。定性評估雖能直接給出橋梁是否需要保養(yǎng)或加固的結(jié)論,但評估結(jié)果仍帶有較強(qiáng)的主觀性,同時缺乏基于監(jiān)測數(shù)據(jù)的評估方法。

考慮到安全評估問題的復(fù)雜性和既有的研究不足,提出一種基于證據(jù)理論的橋梁安全狀態(tài)分級評估方法。首先在建立分級預(yù)警框架的基礎(chǔ)上,明確辨識目標(biāo),通過區(qū)間數(shù)構(gòu)建基本信度分配函數(shù)減少人為主觀因素的影響,考慮不同評價指標(biāo)對評估結(jié)果的影響大小,再引入權(quán)重系數(shù)對基本信度分配進(jìn)行更新,然后對多級預(yù)警信息進(jìn)行融合,得到最終的評估結(jié)果。最后通過實例分析,驗證所提方法的有效性。本文旨在挖掘撓度監(jiān)測數(shù)據(jù)的隱藏信息來綜合評估橋梁的運(yùn)行狀態(tài),從而實現(xiàn)及時的預(yù)警預(yù)報,并為管理部門提供科學(xué)的決策依據(jù)。

1 證據(jù)理論

證據(jù)理論指的是基于對客觀世界的認(rèn)識,利用所掌握的證據(jù)和知識,對不確定性命題進(jìn)行不確定性度量的一種手段[11]。基于證據(jù)理論的多源信息融合優(yōu)勢,將其引入橋梁分級預(yù)警的評估體系中,可以準(zhǔn)確把握橋梁的運(yùn)行狀態(tài)。

對于某判決問題,用集合Θ表示認(rèn)知范圍內(nèi)的所有可能的結(jié)果,將Θ稱作識別框架。對于Θ中的元素有如下的基本定義。

(1)基本可信度分配m。集函數(shù)m∶2Θ→[0,1],?A?Θ,m(A)稱為A的基本可信數(shù)。基本可信數(shù)代表的是對A自身的信度大小。

(2)信度函數(shù)Bel。信任度Bel(A)的定義為A在全部子集對應(yīng)的基本概率之和,信度函數(shù)反映出了對各個命題的信度大小。

(3)似真度函數(shù)pl。設(shè)函數(shù)pl:2Θ→[0,1]。

(1)

式(1)中:pl為似真度函數(shù);pl(A)為A的似真度,表示不懷疑A的程度。

(4)Dempster合成法則。假設(shè)Bel1和Bel2是同一個識別框架Θ下的兩個信度函數(shù),m1和m2分別是它們所對應(yīng)的基本可信度分配,焦元分別為A1,A2,…,Ak和B1,B2,…,Bl,設(shè):

(2)

式(2)中:K為證據(jù)間的沖突程度,其值越大表明證據(jù)間的沖突越劇烈,當(dāng)K=1時,則m1和m2完全沖突。

則根據(jù)式(3)所定義的函數(shù)m:2Θ→[0,1]是基本信度分配。

(3)

上述過程可總結(jié)為兩個信度函數(shù)的Dempster合成法則。

2 基于證據(jù)理論的連續(xù)剛構(gòu)橋安全狀態(tài)分級評估方法

2.1 分級評估方法

由于橋梁運(yùn)營環(huán)境的隨機(jī)性及結(jié)構(gòu)受力行為的復(fù)雜性,不同的監(jiān)測位置、評價指標(biāo)的評價結(jié)果都會呈現(xiàn)出或多或少的不確定性。因此,基于證據(jù)理論的多源信息融合及不確定性推理能力,提出橋梁安全狀態(tài)的分級評估方法。該方法的大致實現(xiàn)流程如圖1所示,具體包括以下步驟。

步驟1 建立分級預(yù)警框架和確定辨識目標(biāo)。根據(jù)橋梁特點及規(guī)范要求,建立橋梁運(yùn)營期的預(yù)警框架。由于是橋梁安全狀態(tài)評估,則辨識目標(biāo)就表示為橋梁的評估等級。此外,還需明確能得出辨識結(jié)論的現(xiàn)有證據(jù),即評價指標(biāo)。

步驟2 確定基本信度分配函數(shù)。考慮在撓度分級預(yù)警的監(jiān)測值中存在區(qū)間不確定性這一事實,使用區(qū)間數(shù)來表示每種評價指標(biāo)的監(jiān)測結(jié)果,并引入基于區(qū)間數(shù)的歐式距離理論建立各評價指標(biāo)的基本信度分配函數(shù)[12]。

(4)

(5)

考慮各個評價指標(biāo)對評估結(jié)果的影響,采用熵權(quán)法計算各評價指標(biāo)的權(quán)重系數(shù)[13],具體方法如下。

設(shè)m個評價等級,n個評價指標(biāo)組成一個多維數(shù)據(jù)集P=(xij)m×n,則第j個指標(biāo)的信息熵為

(6)

數(shù)據(jù)集P=(xij)m×n的第j個指標(biāo)的權(quán)重為

(7)

于是,可基于各評價指標(biāo)的權(quán)重系數(shù)對基本信度分配進(jìn)行更新。

步驟3 生成基本信度分配函數(shù)的焦元、計算沖突系數(shù),并采用Desmpster合成規(guī)則進(jìn)行基本信度函數(shù)的融合以形成綜合的評估結(jié)果。

2.2 預(yù)警等級及預(yù)警閾值計算方法

2.2.1 分級預(yù)警等級

針對在役的大跨連續(xù)剛構(gòu)橋,基于撓度監(jiān)測數(shù)據(jù),考慮大跨連續(xù)剛構(gòu)橋特殊的撓度演化趨勢及評估的預(yù)警目的,制定包括藍(lán)色、黃色、橙色及紅色4種級別的預(yù)警機(jī)制,以期及時掌握橋梁的不利運(yùn)行狀態(tài)。由各預(yù)警等級對應(yīng)的預(yù)警閾值劃分評估等級,提出相應(yīng)的養(yǎng)護(hù)對策,如表1所示。

表1 預(yù)警等級與養(yǎng)護(hù)對策Table 1 Early warning level and maintenance countermeasures

2.2.2 預(yù)警閾值計算方法

一般橋梁結(jié)構(gòu)性能的退化將引起撓度長期效應(yīng)及活載效應(yīng)呈現(xiàn)規(guī)律性的變化,通過橋梁撓度的長期效應(yīng)、活載效應(yīng)來反演結(jié)構(gòu)的性能狀態(tài),實現(xiàn)突發(fā)情狀況的預(yù)警預(yù)報,是一條可行的路徑。根據(jù)連續(xù)剛構(gòu)橋的結(jié)構(gòu)特點,采用極值統(tǒng)計分析、有限元模擬、資料收集、查詢規(guī)范的方法確定分級預(yù)警閾值。

(1)撓度活載效應(yīng)預(yù)警閾值。主要包括藍(lán)色預(yù)警閾值、黃色與橙色預(yù)警閾值、紅色預(yù)警閾值,具體如下。

藍(lán)色預(yù)警閾值:采用極值統(tǒng)計分析的方法[14]確定撓度活載的藍(lán)色預(yù)警閾值,判別數(shù)據(jù)異常情況。通過擬合已分離的歷史監(jiān)測數(shù)據(jù)的極值響應(yīng)廣義Pareto分布,根據(jù)0.95分位數(shù)確定撓度活載效應(yīng)的藍(lán)色預(yù)警閾值,并利用最新的監(jiān)測數(shù)據(jù)定時對該預(yù)警閾值進(jìn)行更新,以保障系統(tǒng)預(yù)警預(yù)報的時效性。

黃色與橙色預(yù)警閾值:考慮結(jié)構(gòu)參數(shù)的變異和性能退化,依托物理模型,將隨機(jī)參數(shù)下結(jié)構(gòu)隨機(jī)響應(yīng)分析的雙隨機(jī)問題轉(zhuǎn)化為單隨機(jī)問題進(jìn)行分析。考慮參數(shù)變異性對車輛荷載撓度的影響,選取隨機(jī)變量進(jìn)行參數(shù)隨機(jī)性分析,基于隨機(jī)參數(shù)攝動法的隨機(jī)響應(yīng)分析方法[15],計算車輛荷載效應(yīng)相對于各隨機(jī)變量的靈敏度,接著計算得到活載效應(yīng)的變異系數(shù),設(shè)置具有70%、95%保證率的響應(yīng)值分別作為活載效應(yīng)的黃色和橙色預(yù)警閾值。

紅色預(yù)警閾值:《公路鋼筋混凝土及預(yù)應(yīng)力混凝土橋涵設(shè)計規(guī)范》(JTG 3362—2018)[16]中明確指出,由汽車荷載(不計沖擊系數(shù))和人群荷載頻遇組合在梁式橋主梁產(chǎn)生的最大撓度不應(yīng)超過計算跨徑的1/600,將其作為撓度活載效應(yīng)的紅色預(yù)警閾值。

(2)撓度長期效應(yīng)預(yù)警閾值。撓度長期效應(yīng)的藍(lán)色預(yù)警閾值計算方法同活載效應(yīng),此處不再贅述。通過收集大量連續(xù)剛構(gòu)橋的下?lián)蠑?shù)據(jù),分析總結(jié)橋梁在某一時期的撓度預(yù)測值,基于一定的保證率設(shè)置撓度長期效應(yīng)的黃色、橙色及紅色預(yù)警閾值。根據(jù)已有文獻(xiàn)析出的資料,收集中外20余座典型連續(xù)剛構(gòu)橋的長期下?lián)蠑?shù)據(jù),如表2所示。

表2 中外典型連續(xù)剛構(gòu)橋下?lián)蠑?shù)據(jù)Table 2 Data of typical continuous rigid frame bridges at home and abroad

將表2中運(yùn)營年限與連續(xù)剛構(gòu)橋撓跨比的關(guān)系繪制成如圖2所示的散點圖,利用對數(shù)函數(shù)對散點圖進(jìn)行擬合。擬合曲線描述了跨中撓度的長期行為,即運(yùn)營初期下?lián)显鲩L迅速,但隨著橋齡增長,下?lián)现饾u放緩。

圖2 大跨連續(xù)剛構(gòu)橋跨中下?lián)祥L期演變規(guī)律Fig.2 Long-term evolution of mid-span deflection of long-span continuous rigid frame bridges

圖2中的擬合曲線的方程式為

(8)

式(8)的演化關(guān)系表征了連續(xù)剛構(gòu)橋跨中下?lián)系钠毡橐?guī)律,根據(jù)式(8)可確定撓度長期效應(yīng)分級預(yù)警的紅色預(yù)警閾值。考慮計算結(jié)果的變異特性,進(jìn)行以下的修正。圖3展示了相對誤差的頻率直方圖,給出了最優(yōu)的概率密度分布。經(jīng)驗證,相對誤差符合正態(tài)分布。考慮長期撓度的實際分布情況,以相對誤差的均值和5%分位數(shù)所對應(yīng)的實際撓度數(shù)值作為橙色和黃色預(yù)警閾值,分別為式(8)的0.861 0倍和0.678 1倍。

圖3 相對誤差的分布擬合Fig.3 Distribution fitting of relativeerror

基于所確定的撓度活載效應(yīng)和撓度長期效應(yīng)的預(yù)警閾值,構(gòu)建了分級預(yù)警框架,如表3所示。

表3 所建立的分級預(yù)警框架Table 3 Establishment of a hierarchical early warning framework

3 實例分析

3.1 橋梁概況

某大跨連續(xù)剛構(gòu)橋上部結(jié)構(gòu)采用分幅設(shè)計,在此取右幅進(jìn)行所提方法的應(yīng)用與驗證。右幅跨徑布置為(5×30)米砼T梁+(96+2×180+96) m預(yù)應(yīng)力混凝土連續(xù)剛構(gòu)橋+(3×40+3×40+3×40) m預(yù)應(yīng)力砼T梁,橋全長1 069.220 m。為方便后文敘述,主橋從小里程往大里程方向,將其按順序編號為1#、2#、3#、4#跨。橋梁立面照如圖4所示。

圖4 某大跨連續(xù)剛構(gòu)橋立面圖Fig.4 Elevation diagram of a long-span continuous rigid frame bridge

3.2 預(yù)警閾值計算

基于實測撓度數(shù)據(jù),利用溫度效應(yīng)分離方法[17],得到各撓度成分?jǐn)?shù)據(jù)。以2#、3#跨作為研究對象,計算了撓度活載效應(yīng)與長期效應(yīng)的預(yù)警閾值。

3.2.1 撓度活載效應(yīng)分級預(yù)警閾值

(1)藍(lán)色預(yù)警閾值。選取該橋2#跨跨中2020年3月—2021年2月為期1年的實測撓度數(shù)據(jù)進(jìn)行分析,分離得到撓度活載效應(yīng)。首先確定廣義Pareto分布模型的閾值。圖5為平均超出量函數(shù)與對應(yīng)閾值的變化關(guān)系,綜合考慮閾值的選取規(guī)則,選取7.5 mm作為廣義Pareto分布模型的閾值。

圖5 平均超出量函數(shù)變化Fig.5 Change in the mean excess quantity function

根據(jù)廣義Pareto分布模型的閾值對模型的參數(shù)進(jìn)行估計。圖6展示了超出量的頻率直方圖和擬合的廣義Pareto分布模型,可以看出,該模型可以很好地擬合超出量的分布。圖7給出了兩者的分位數(shù)圖(quantile-quantile plots,Q-Q圖)。由圖7可知,實際分布與擬合分布相似,可用廣義Pareto分布擬合本例中的撓度活載效應(yīng)的超出量。利用極大似然法計算得到形狀參數(shù)的估計值為-0.147 5,尺度參數(shù)的估計值為1.022 3。由導(dǎo)出的形狀參數(shù)和尺度參數(shù)的對數(shù)似然函數(shù),可計算得到具有95%保證率的撓度活載效應(yīng)的分位數(shù)為10.1 mm,將其作為該橋2#跨跨中撓度活載效應(yīng)的藍(lán)色預(yù)警閾值。由于結(jié)構(gòu)對稱,3#跨跨中也設(shè)置同樣的預(yù)警閾值。

圖6 超出量概率密度分布Fig.6 Excess probability density distribution

圖7 超出量分布與GPD分布的Q-Q圖Fig.7 Q-Q diagram of excess quantity distribution and GPD distribution

(2)黃色與橙色預(yù)警閾值。建立案例橋的有限元模型,對模型按照實際情況進(jìn)行移動車輛荷載分析。以案例橋的2#跨為例,在設(shè)計車輛荷載、設(shè)計參數(shù)作用下跨中下?lián)现颠_(dá)23.9 mm。該值并未考慮結(jié)構(gòu)損傷、環(huán)境因素引起的參數(shù)變異,較為保守,因此將其作為2#跨跨中撓度活載效應(yīng)的黃色預(yù)警閾值。3#跨的黃色預(yù)警閾值用同樣的方式進(jìn)行設(shè)置。

選取主梁彈性模量、主墩彈性模量、預(yù)應(yīng)力鋼筋彈性模量3個隨機(jī)變量進(jìn)行參數(shù)隨機(jī)性分析,隨機(jī)變量均服從正態(tài)分布。考慮結(jié)構(gòu)損傷,所以在此增大變異系數(shù),如表4所示。

表4 各隨機(jī)參數(shù)的分布特性Table 4 The distribution characteristics of each random parameter

根據(jù)隨機(jī)參數(shù)攝動法的隨機(jī)響應(yīng)分析方法,分別考慮各參數(shù)相對于均值1%的攝動,模型計算結(jié)果分別為:24.1、24.0、23.9 mm。計算得到活載效應(yīng)的變異系數(shù)為0.280 7,取95%的分位數(shù)34.9 mm作為2#跨跨中撓度活載效應(yīng)的橙色預(yù)警閾值,同理計算得到3#跨跨中撓度活載效應(yīng)的橙色預(yù)警閾值為34.2 mm。

(3)紅色預(yù)警閾值。撓度活載效應(yīng)的紅色預(yù)警閾值按照規(guī)范限值選取,即l/600。本案例橋2#、3#跨跨中撓度活載效應(yīng)的紅色預(yù)警閾值均為300 mm。

綜上所述,2#跨跨中、3#跨跨中撓度活載效應(yīng)的分級評估框架如表5所示,其中5類評估等級的區(qū)間上限值取紅色預(yù)警閾值的1.2倍。

表5 撓度活載效應(yīng)的分級評估框架Table 5 A graded evaluation framework for deflection live-load effects

3.2.2 撓度長期效應(yīng)分級預(yù)警閾值

(1)藍(lán)色預(yù)警閾值。選取與撓度活載效應(yīng)藍(lán)色預(yù)警閾值同樣的實測數(shù)據(jù)進(jìn)行分析,將實際監(jiān)測數(shù)據(jù)扣除分離的溫度效應(yīng)、活載效應(yīng)后作為近似的撓度長期效應(yīng)分離值。由于實際監(jiān)測數(shù)據(jù)的時間跨度較短,橋梁結(jié)構(gòu)的性能退化尚不明顯,取近一年撓度長期效應(yīng)的均值59.3 mm作為2#跨跨中的藍(lán)色預(yù)警閾值。由于結(jié)構(gòu)對稱,3#跨跨中也設(shè)置同樣的預(yù)警閾值。

(2)黃色、橙色及紅色預(yù)警閾值。根據(jù)前文將式(8)計算的下?lián)现底鳛榧t色預(yù)警閾值,計算值的0.861 0倍和0.687 1倍作為橙色和黃色預(yù)警閾值。計算得到該橋2#跨跨中的預(yù)警閾值為:紅色預(yù)警閾值247.0 mm,橙色預(yù)警閾值212.7 mm,黃色預(yù)警閾值167.5 mm。

綜上所述,2#跨跨中、3#跨跨中撓度長期效應(yīng)的分級評估框架如表6所示,其中5類評估等級的區(qū)間上限值取紅色預(yù)警閾值的1.2倍。

表6 撓度長期效應(yīng)的分級評估框架Table 6 A graded assessment framework for long-term effects of deflection

3.3 安全狀態(tài)評估

在此截取該橋自2021年3月—2021年6月的100 d運(yùn)營數(shù)據(jù)進(jìn)行分析,分離得到的橋梁2#跨、3#跨跨中撓度活載效應(yīng)、撓度長期效應(yīng)。擬通過獲取分級預(yù)警信息,利用證據(jù)理論對橋梁目前的服役狀態(tài)進(jìn)行綜合評估。

所調(diào)查的100 d內(nèi)2#跨跨中撓度活載效應(yīng)在10 mm之內(nèi),撓度長期效應(yīng)在60～64 mm,若按照撓度活載效應(yīng)和撓度長期效應(yīng)的分級評估框架進(jìn)行評價,則結(jié)構(gòu)分別處于1類等級和2類等級。不同的評價指標(biāo)呈現(xiàn)的預(yù)警信息不同,因此有必要利用證據(jù)理論對這些多源信息進(jìn)行融合,從而實現(xiàn)對橋梁狀態(tài)的綜合評價。

首先確定橋梁的實測響應(yīng)變化區(qū)間。選取所調(diào)查100天的分離響應(yīng)的極大值、極小值,作為分離響應(yīng)的變化區(qū)間,如表7所示。將辨識目標(biāo)以及現(xiàn)有證據(jù)(評價指標(biāo))所對應(yīng)的分級評價區(qū)間整理到表8中,便于基本信度函數(shù)的計算。

表7 實測響應(yīng)的變化區(qū)間Table 7 Range of the measured response

表8 辨識目標(biāo)及評價指標(biāo)Table 8 Identification of targets and evaluation indicators

根據(jù)式(4)、式(5),計算各評價指標(biāo)監(jiān)測結(jié)果與分級預(yù)警區(qū)間的歐氏距離,以及各評價指標(biāo)的基本信度分配函數(shù)。根據(jù)式(6),計算各評價指標(biāo)的fij和信息熵Hj,結(jié)果如表9所示。

表9 各評價指標(biāo)的fij和Hj計算結(jié)果Table 9 fij and Hj calculation results of each evaluation index

根據(jù)表9的計算結(jié)果,按照式(7)可計算得到4個評價指標(biāo)的權(quán)重系數(shù),即2#跨跨中撓度活載效應(yīng)的權(quán)重為0.218,撓度長期效應(yīng)的權(quán)重為0.282;3#跨跨中撓度活載效應(yīng)的權(quán)重為0.218,撓度長期效應(yīng)的權(quán)重為0.282。隨即對基本信度分配函數(shù)進(jìn)行更新,結(jié)果如表10所示。

表10 利用權(quán)重系數(shù)更新后的基本信度分配Table 10 Distribution of basic reliability is made use of the updated weight coefficients

基于Desmpster合成規(guī)則對4個評價指標(biāo)的評估結(jié)果進(jìn)行融合,得到最終的各評估等級的基本信度分配,如表11所示。

表11 融合后的基本信度分配Table 11 Basic reliability allocation after fusion

從表11可知,對4種評價指標(biāo)的評估結(jié)果進(jìn)行融合之后,1類狀態(tài)的基本信度分配值最大,因此有理由認(rèn)為橋梁屬于1類評估等級,處于較好的運(yùn)行狀態(tài)。

4 結(jié)論

為及時準(zhǔn)確掌握橋梁的健康狀況并做出正確的決策,基于撓度監(jiān)測數(shù)據(jù)構(gòu)建了分級預(yù)警框架,在此基礎(chǔ)上提出了基于證據(jù)理論的橋梁安全狀態(tài)分級評估方法,并通過實例分析驗證了該方法可行,得出以下結(jié)論。

(1)所提方法具有多源信息融合及不確定性推理的優(yōu)勢,能有效結(jié)合多層次的預(yù)警信息,借鑒歐式距離的思想構(gòu)建基本信度分配函數(shù)能有效減少人為主觀因素的影響,利用熵權(quán)法對基本信度分配進(jìn)行更新解決了不同評價指標(biāo)權(quán)重系數(shù)不同的問題,實現(xiàn)定性和定量評估的兼顧。

(2)考慮大跨連續(xù)剛構(gòu)橋的撓度演化趨勢及預(yù)警目的合理設(shè)置分級預(yù)警等級,通過分離撓度效應(yīng)反演結(jié)構(gòu)的性能變化,采用極值統(tǒng)計分析、有限元模擬、資料收集、查詢規(guī)范的方法確定分級預(yù)警閾值,使分級預(yù)警框架能更真實地反映結(jié)構(gòu)的性能狀態(tài),評估結(jié)果更加的客觀可靠。

(3)經(jīng)實例分析驗證,所建立的預(yù)警框架劃分細(xì)致合理,所提方法有效可行,能融合多級預(yù)警信息,并克服案例中不同評價指標(biāo)指向的預(yù)警信息不同的問題,實現(xiàn)對橋梁安全狀態(tài)的綜合評價,最終的評估結(jié)果能客觀真實的反映結(jié)構(gòu)性能狀態(tài)并提供養(yǎng)護(hù)策略。