基于信息智能涂层的扁平钢箱梁疲劳裂纹监测与评定方法研究

Considering the urgent situation of ubiquitous fatigue damage in flat steel box girder, this study focuses on the fatigue crack monitoring, identification and safety evaluation with the development of advanced monitoring devices and deep machine learning theory. First, the accompanying fatigue crack properties of information intelligent coating would be investigated for different monitoring sites of flat steel box girder. Moreover, the intelligent coating based fatigue crack sensing would be developed for bridge engineering, which would be helpful to identify fatigue damage region and coarse scale geometric parameters. Second, based on the paragraph of the fatigue damage region, the fine scale geometric parameters would be evaluated using the human-level concepts learning algorithm, which could be achieved by multi-level deep learning model. The fatigue crack geometric parameters could be identified fusing the intelligent coating information. Third, the multiscale finite element model could be established by the fused fatigue crack geometric parameters accommodating typical ultrasonic phased array inspection, which would be employed for the fatigue damage evaluation of the flat steel box girder. Taking into account of the high cost for ultrasonic phased array inspection and multiscale finite element modelling, this study establishes the relationship between the fatigue crack characteristic vector and the fatigue damage and evaluates the fatigue damage of the flat box steel girder through fatigue crack characteristic vector independent of finite element model. This project will promote the development of intelligent maintenance technology for bridges.

针对国内外桥梁扁平钢箱梁疲劳损伤频发问题，结合先进监测方法和深度机器学习理论，系统研究扁平钢箱梁疲劳裂纹监测、辨识和安全评定方法。首先，研究信息智能涂层随附损伤感知特性、以及基于信息智能涂层的扁平钢箱梁疲劳裂纹监测方法、定位疲劳损伤区域和识别裂纹粗尺度几何参数方法；其次，采集信息智能涂层标识的扁平钢箱梁疲劳损伤区域图像，研究基于图像概念抽象学习的疲劳裂纹细尺度几何参数辨识方法、以及融合智能涂层监测信息的疲劳裂纹几何参数识别方法；最后，结合典型疲劳裂纹超声相控阵深度检测信息，建立桥梁结构多尺度有限元模型分析扁平钢箱梁典型构件疲劳损伤劣化程度，考虑到基于模型疲劳损伤评定方法的高成本，将疲劳裂纹深度作为疲劳裂纹特征向量的隐变量，辨识疲劳裂纹特征向量与典型构件疲劳损伤劣化程度间的模糊关系评价标准，实现不依赖模型的扁平钢箱梁典型构件疲劳损伤安全等级快速评定。本项目研究将推动桥梁智能养维护技术的发展。

扁平钢箱梁作为大跨度斜拉桥和悬索桥广泛采用的结构形式，在交变荷载、残余应力和各种焊接缺陷的共同作用下极易产生疲劳裂纹，影响构件和整体结构的服役性能。本项目针对钢箱梁疲劳损伤问题，结合信息智能涂层监测和深度学习理论，研究了钢箱梁疲劳裂纹的监测、辨识和状态评估方法。具体内容包括：（1）自主研发了具有抗干扰能力强、可变监测维度、易施工、灵活改变监测区域的信息智能涂层，能够实时对钢箱梁裂纹进行一维和二维的定位与监测。通过在结构表面涂覆信息智能涂层，利用信号采集模块解析施加电压后智能涂层的电阻数据，依据电阻变化辨识及定位信息智能涂层涂敷区域结构裂纹。（2）基于无人机航拍图像云台的多种坐标系系统，记录数字图像内部的影像信息和方位信息。研究了图像拼接线计算方法和图像边界融合方法，对相邻两张图像经过外方位信息计算矩阵完成配准。针对扁平钢箱梁裂缝尺寸微小、背景复杂的特点，提出了基于U-Net的全卷积神经网络（FCN）对裂缝进行像素级分割。（3）利用扁平钢箱梁内部疲劳裂纹巡检结果，对疲劳病害进行统计分类，建立了包含疲劳裂纹特征向量的数据库，采用Apriori算法挖掘出扁平钢箱梁疲劳裂纹特征向量间隐藏的关联规则；建立了多尺度有限元模型，采用扩展有限元方法模拟典型疲劳裂纹扩展过程并计算裂纹尖端应力强度因子；引入模糊数学思想，利用模糊函数建立了疲劳裂纹特征向量与构件损伤之间的隶属函数，通过安全性等级判断矩阵提出扁平钢箱梁疲劳损伤模糊评价方法。本项目的研究可以实现微小疲劳裂纹几何参数的高效准确辨识，实时监测钢箱梁疲劳损伤情况，有效提高监测效率和监测精度，实现钢箱梁典型构件疲劳损伤安全性等级评定，为维修养护决策提供科学依据。同时，本项目研究成果也可以为保障扁平钢箱梁的结构安全提供有效手段，丰富和发展基于健康监测的结构安全评定理论。