基于大数据的大跨悬索桥钢箱梁疲劳寿命分析

doi:10.3969/j.issn.1000-565X.2017.06.011

华南理工大学学报（自然科学版） ›› 2017, Vol. 45 ›› Issue (6): 66-73.doi: 10.3969/j.issn.1000-565X.2017.06.011

基于大数据的大跨悬索桥钢箱梁疲劳寿命分析

马如进徐世桥王达磊^† 陈艾荣

同济大学桥梁工程系，上海 200092

收稿日期:2016-07-14 修回日期:2017-02-08 出版日期:2017-06-25 发布日期:2017-05-02
通信作者: 王达磊(1978-)，男，博士，副教授，主要从事桥梁监测理论研究． E-mail:wangdalei@tongji.edu.cn
作者简介:马如进(1978-)，男，博士，副教授，主要从事桥梁养护管理理论研究． E-mail:rjma@tongji．edu.cn
基金资助:
浙江省自然科学基金资助项目(LQ14E08001);浙江省交通运输厅科研计划项目(2013H25)

Big Data-Based Fatigue Life Analysis of Steel Box Girder in Large-Span Suspension Bridge

MA Ru-jin XU Shi-qiao WANG Da-lei CHEN Ai-rong

Department of Bridge Engineering,Tongji University,Shanghai 200092,China

Received:2016-07-14 Revised:2017-02-08 Online:2017-06-25 Published:2017-05-02
Contact: 王达磊(1978-)，男，博士，副教授，主要从事桥梁监测理论研究． E-mail:wangdalei@tongji.edu.cn
About author:马如进(1978-)，男，博士，副教授，主要从事桥梁养护管理理论研究． E-mail:rjma@tongji．edu．cn
Supported by:
Supported by the Natural Science Foundation of Zhejiang Province(LQ14E08001)

摘要/Abstract

摘要： 为有效利用桥梁监测系统积累的大量数据进行桥梁性能分析，首先，以西堠门大桥为研究对象，建立多尺度非线性有限元模型，并探讨了利用监测系统所获得的风速、温度、车辆及位移等多类监测数据对所建模型的可靠性进行验证的方法;然后，基于 WIM 系统采集的海量车辆信息数据，通过统计分析确定了 6 类疲劳标准车，将其施加到多尺度有限元模型，获得了钢箱梁焊接细节的应力响应，结合 Palmgren-Miner 线性累积损伤理论，计算钢箱梁构造细节疲劳寿命的理论值，并采用滤波、去噪等大数据分析方法对应力监测数据进行分析，基于实测数据计算钢箱梁焊接细节疲劳寿命，以确定理论疲劳寿命的修正系数;最后，根据修正后的理论疲劳寿命，将钢箱梁横向不同位置的构造细节划分为 4 个疲劳等级．文中研究为获取未布置传感器的构造细节疲劳寿命提供了新的思路，可指导大跨桥梁钢箱梁的日常养护管理工作．

关键词: 大跨悬索桥, 大数据, 多尺度模型, 疲劳标准车, 疲劳寿命, 养护管理

Abstract:

In order to effectively use the mass data accumulated by bridge monitoring system to analyze the perform- ance of a bridge,first,by taking Xihoumen Bridge as an object,a multi-scale nonlinear finite element model is established,and a method to verify the reliability of the proposed model according to such monitoring data as wind speed,temperature,vehicle load and displacement is presented.Next,on the basis of mass data recorded by the WIM system,six types of standard fatigue vehicles are determined and applied to the multi-scale finite element model to calculate the stress response of the details of steel box girder.Then,by combining Palmgren-Miner linear cumulative damage theory with the stress amplitude,the theoretical fatigue life of structural details in the steel box girder is obtained.Moreover,by means of filtering,denoising and other big data processing methods,the moni- tored stress data are analyzed to calculate the actual fatigue life of the weld details and to determine the correction coefficient of the theoretical fatigue life.Finally,according to the corrected fatigue life,the structural details of the steel box girder in different positions are divided into four fatigue grades.This research provides a new ap- proach to obtaining the fatigue life of the details without laying sensors.It also serves as a guidance for the daily maintenance and management of steel box girders in long-span bridges.

Key words: large-span suspension bridge, big data, multi-scale model, standard fatigue vehicle, fatigue life, maintenance and management

中图分类号:

U441

马如进徐世桥王达磊陈艾荣. 基于大数据的大跨悬索桥钢箱梁疲劳寿命分析[J]. 华南理工大学学报（自然科学版）, 2017, 45(6): 66-73.

MA Ru-jin XU Shi-qiao WANG Da-lei CHEN Ai-rong. Big Data-Based Fatigue Life Analysis of Steel Box Girder in Large-Span Suspension Bridge[J]. Journal of South China University of Technology (Natural Science Edition), 2017, 45(6): 66-73.

[1]	林旭坤, 张扬, 罗芷晴, 等. 高速公路网车辆碳排放测算方法研究[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 22-28.
[2]	曹蕾蕾, 王留涛, 王严, 等. 基于等效结构应力法的挖掘机工作装置疲劳寿命评估[J]. 华南理工大学学报(自然科学版), 2022, 50(8): 62-70.
[3]	王进潇, 李思达, 程斌, 等. FRP胶栓混接节点疲劳性能试验研究[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 95-106.
[4]	曹蕾蕾, 郭城臣, 王严, 等. 基于实测数据的挖掘机工作装置疲劳寿命评估[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 122-128,139.
[5]	姚树申翁小雄李飞羽. 基于时间特征行为动力学的通勤模式分析[J]. 华南理工大学学报（自然科学版）, 2019, 47(9): 53-60.
[6]	郑美光杨姣常成龙胡志刚. 非结构化云数据管理系统不稳定数据分区识别算法[J]. 华南理工大学学报（自然科学版）, 2019, 47(8): 105-112.
[7]	马智亮滕明焜任远. 面向大数据分析的建筑能耗信息模型[J]. 华南理工大学学报（自然科学版）, 2019, 47(12): 72-77,91.
[8]	赵而年瞿伟廉周强. 基于临界面损伤参量的金属材料多轴疲劳寿命预测[J]. 华南理工大学学报（自然科学版）, 2017, 45(2): 130-136,152.
[9]	罗永刚陈兴蜀杨露. 基于内存优化配置的MapReduce 性能调优[J]. 华南理工大学学报（自然科学版）, 2017, 45(1): 102-111.
[10]	何炎祥刘健博孙松涛. 基于神经网络的微博舆情预测方法[J]. 华南理工大学学报（自然科学版）, 2016, 44(9): 47-52.
[11]	杨忠炯高雨周立强王卉. 强振动环境对液压胶管寿命的影响[J]. 华南理工大学学报（自然科学版）, 2016, 44(7): 15-21.
[12]	贺志勇王野阳初. 模数式桥梁伸缩缝疲劳寿命的分析[J]. 华南理工大学学报（自然科学版）, 2016, 44(4): 91-100.
[13]	徐建闽王钰林培群. 大数据环境下的动态最短路径算法[J]. 华南理工大学学报（自然科学版）, 2015, 43(10): 1-7.
[14]	陆念力詹伟刚. 基于等效初始缺陷尺寸和功率谱法的起重机疲劳寿命预测[J]. 华南理工大学学报（自然科学版）, 2014, 42(4): 118-123,130.
[15]	吴志勇张肖宁游宏苑苗苗万成. 基于应变控制的沥青混合料疲劳寿命预测[J]. 华南理工大学学报（自然科学版）, 2014, 42(2): 139-144.

基于大数据的大跨悬索桥钢箱梁疲劳寿命分析

Big Data-Based Fatigue Life Analysis of Steel Box Girder in Large-Span Suspension Bridge

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价