基于动态贝叶斯网络的桥梁安全评估新方法研究

Currently, the analysis of bridge safety assessment mainly bases on certain single approximate computational formulas or subjective judgments. Thus, it is usually unable to combine prior knowledge of bridge time-dependent performances with on-site detection information effectively, and the evaluation model or parameters could not be updated on time. Dynamic Bayesian Networks (DBN) has unique advantages in dealing with time series data during the bridge time-dependent process and in describing multi-layer structures. DBN also has the ability to update model on the basis of detection information. In this object, DBN has been introduced and innovatively treated as the new method for bridge safety assessment. An improved DBN model which can effectively predict the bridge time-dependent performance deterioration process is established, and the corresponding reliability associated with DBN is also evaluated. A series of network topology improvement and optimization strategies will be implemented in order to enhance the applicability of DBN in structural performance deterioration simulation. Meanwhile, the approximate model in response surface and the sample strategy are improved in order to increase the efficiency in reliability calculation. Most importantly, the detection information would be fully used to update the bridge structural performance prediction and reliability assessment on time. Moreover, the proposed DBN model would also be applied directly to the life prediction and maintenance decision projects, realizing its application in bridge dynamic safety management field.

目前桥梁安全评估的分析方法大部分基于某个计算公式的近似模拟或者某种主观判断，往往无法将以往桥梁性能退化规律的先验认识和当前的检测信息进行有效结合，也无法做到对评估模型或参数进行及时更新。动态贝叶斯网络（Dynamic Bayesian Networks, DBN)在处理桥梁结构时变过程中的时序数据以及表达多层影响因素方面具有独特的优势，同时具有信息更新能力。本项目首次提出将DBN作为桥梁安全评估的新方法，建立能有效预测桥梁结构性能退化的DBN模型，并进行安全可靠度的评估。通过对网络拓扑结构的改进和优化，进一步提升DBN在结构性能退化模拟方面的适用性，同时对响应面拟合模型以及抽样策略进行改进，提高可靠度的计算效率。最重要的一点是，检测信息将被用于对桥梁性能及可靠度评估进行实时更新。此外还将网络扩展，加入桥梁寿命预测、检修决策模块，实现DBN在桥梁动态安全管理方面的应用。

随着已有桥梁老化问题的日益严重，如何保证桥梁的安全可靠使用，已经成为一个迫切需要研究和解决的问题。桥梁安全评估目前存在的一个重要问题是：无论哪种方法或者模型都寄希望于某些近似公式，无法将以往桥梁性能退化规律的先验认识和当前的检测信息进行有效结合，也无法做到对评估模型或参数进行及时更新。桥梁安全评估的发展主要在于新算法的应用和新理论的探索。动态贝叶斯网络（Dynamic Bayesian Networks, DBN)在处理桥梁结构时变过程中的时序数据以及表达多层影响因素方面具有独特的优势，同时具有信息更新能力。本项目首次提出将DBN作为桥梁安全评估的新方法。通过DBN模型算法改进，基于DBN模型的桥梁结构性能模拟以及基于DBN的桥梁安全分析这主要三个部分的研究，本项目实现了DBN在桥梁安全评估中的应用。主要研究成果有：建立了适用于桥梁结构状态评估的DBN模型，提出了基于DBN的桥梁状态评估方法；同时建立了模拟桥梁性能退化过程的DBN模型，其中包含了离散DBN模型、条件高斯DBN模型、线性动态DBN模型；完成了连续DBN模型的变量离散方法的研究，改进了前向后向算法和卡尔曼滤波光滑算法；建立了基于DBN的桥梁可靠度计算分析框架，同时对基于响应面的可靠度算法进行了改进。本项目通过多个数值算例以及工程实例验证了DBN在桥梁性能退化及安全评估中应用的可行性和有效性：既能充分利用目前已有的桥梁性能退化规律信息，又能利用通过信息的不断更新来更新和修正先验模型，使评估和预测更符合具体结构的实际情况。本项目所提方法在桥梁性能退化及安全评估的应用具有广阔的前景，研究成果可为将来的桥梁安全管理提供全新的理论基础和技术支持。