鋼橋面板具有自重輕、承載力高、適用範圍廣、便於工廠化製造等突出優點,是大跨度橋梁的首選橋面板結構,在全世界範圍內得到了廣泛的應用。鋼結構橋梁中鋼橋面板兼具主梁結構的組成部分和橋面板結構兩種功能；同時,為了在高強度和輕質兩個矛盾的約束條件下找到合理的平衡,一般根據橋梁結構，對鋼橋面板受力特性的實際需求,僅採用密布縱向加勁肋加勁頂板,而橫向加勁肋的布置間距遠較縱向加勁肋大,導致鋼橋面板縱橋向和橫橋向的局部剛度存在顯著差異，因此鋼橋面板又常被稱為「正交異性鋼橋面板」。
智能養護 途徑與挑戰
從1971年英國Severn橋鋼橋面板出現疲勞開裂，工程界開始重視鋼橋面板疲勞問題以來，對其疲勞問題的認識逐步深化，使鋼橋面板的結構體系得以不斷發展和優化。當前常用的鋼橋面板主要採用閉口加勁肋，板件間主要通過焊接進行連接。儘管通過引入新的焊接技術、工藝和新的構造細節，使鋼橋面板的疲勞抗力顯著提高，但由於鋼橋面板受力特性複雜、直接承受大量局部輪載的反覆作用、結構涵蓋多個應力集中問題突出的構造細節、焊接殘餘應力和初始製造缺陷難以避免等，其疲勞問題仍是阻礙鋼結構橋梁可持續發展的關鍵技術難題之一。可以預期，如在提高橋面板結構體系疲勞抗力方面的實際進展速度，慢於「重載、高速、大流量」的現代交通對於鋼橋面板疲勞抗力的需求發展速度，未來一段時期鋼橋面板的疲勞問題可能會愈發突出。
圖1 典型正交異性鋼橋面板體系失效模式
最新的研究結果表明：鋼橋面板的疲勞問題屬於同時涵蓋多個疲勞易損構造細節、且各構造細節均包含多個疲勞失效模式的結構體系可靠度問題，典型正交異性鋼橋面板體系的失效模式如圖1所示。目前鋼橋面板的疲勞損傷監測仍主要採用傳統的超聲波、磁粉等傳統人工檢測技術。此類方法的主要問題包括:(1)檢測效率低且漏檢率高，無法滿足鋼結構橋梁快速巡檢和高質量安全服役的要求:(2)巡檢環境惡劣，尤其是夏季鋼箱梁內高溫高溼，工作條件惡劣，人工巡檢困難且存在安全隱患:(3)維護成本高，需要耗費大量人工和時間成本。針對上述問題，相關學者提出了基於無人機技術和圖像處理技術的橋梁裂紋檢測方法。但該方法僅能檢測表面裂紋，難以有效檢出處於萌生期的微小疲勞裂紋。對於正交異性鋼橋面板而言，其疲勞損傷危害最嚴重的構造細節，為直接承受輪載作用的頂板與縱肋焊接構造細節，該構造細節最常發生的疲勞開裂為失效模式I——裂紋萌生於焊根並沿頂板擴展，如圖1所示。該裂紋為萌生於縱肋內部的非表面隱蔽型裂紋，無法通過基於無人機技術的圖像處理方法檢出，通常只有在裂穿頂板，發展成貫穿型長大裂紋，導致橋面鋪裝局部損壞時才能發現，此時加固極為困難且須中斷交通，直接維護成本和間接經濟損失較高。此外，當前無人機電池續航能力仍無法滿足大跨度橋梁長距離巡檢要求。因此，發展鋼橋面板智能化監測方法和檢測技術，建立智能化的疲勞損傷監測評估體系，是保障大跨度鋼結構橋梁運營安全和服役質量、延長其使用壽命、促進其可持續發展的重要途徑。
作為全新的研究方向，當前鋼橋面板疲勞損傷監測面臨的主要挑戰包括:(1)正交異性鋼橋面板冗餘度高，其結構剛度對局部疲勞裂紋不敏感，無法採用既有監測手段和損傷識別方法，判別焊接部位或隱蔽部位是否發生疲勞開裂:(2)既有疲勞損傷評估方法均面向構造細節，無法基於結構體系的宏觀監測數據，實現鋼橋面板疲勞損傷的多尺度評估:(3)接觸式傳感器僅能間接監測有限部位的疲勞損傷，理論上需在大跨度橋梁全域範圍內各構造細節均布置接觸式傳感器，才能實現對於疲勞損傷的監測，但這在實際工程應用中很不現實。針對上述問題，採用系統性研究方法，以構造細節和結構體系的多尺度疲勞損傷評估理論為基礎，結合智能化非接觸式傳感器進行區域性疲勞損傷監測。在此基礎上，對正交異性鋼橋面板疲勞損傷部位進行剩餘壽命預測，根據預測結果確定損傷等級，並制定科學的維護策略。根據上述研究，內容建立鋼橋面板疲勞損傷智能監測與檢測體系，研發疲勞損傷實時監測可視化、遠程化管理系統。該系統是鋼結構橋梁智能化運維過程管理系統的重要組成部分。
智能監測與檢測體系的建立
系統深入的統計分析、試驗和理論研究均表明：鋼結構橋梁的疲勞抗力,由具有多疲勞破壞模式特性、疲勞抗力存在顯著差異的多個構造細節共同決定，其疲勞問題屬於典型的構造細節與結構體系多尺度問題，針對單一構造細節的監測手段，無法準確評判正交異性鋼橋面板的損傷狀態。為準確確定大跨度橋梁結構鋼橋面板當前時刻的疲勞損傷狀態，需首先對研究對象進行模型更新；進而基於多尺度疲勞損傷評估方法和荷載監測數據。對目標結構進行疲勞損傷評估和預後；根據預後結果，有針對性地對可能的疲勞易損部位進行進一步的重點監測和檢測，並實現智能化、可視化、遠程化管理。西南交通大學高性能橋梁新結構與新材料研究團隊（後文簡稱「研究團隊」）為建立鋼橋面板疲勞損傷的智能監測與檢測體系，對體系中的各關鍵問題進行了大量的探索性研究，以下內容為主要的研究進展。
大跨度橋梁模型修正
實際結構監測時,無論測點布置多麼密集,都難以實現對於所有構造細節和疲勞失效模式的全覆蓋,將理論分析與實測數據有機融合是唯一的可行途徑。因此,結合有限實測數據對有限元模型修正,發展能夠建立外荷載激勵與結構響應映射關係的虛擬模型,通過虛擬模型實現結構體系全域響應的精確預測。研究團隊採用響應面法，建立了大跨度複雜橋梁結構響應與結構設計參數間的精確映射關係,並結合確定的優化模型，採用遺傳算法對結構參數進行更新,能夠實現大跨度複雜鋼結構橋梁的高效率實時模型修正。作為結構疲勞損傷評估的重要依據，其實現過程如圖2所示。
圖2 大跨度橋梁結構模型修正
多尺度疲勞損傷評估方法
區別於僅關注構造細節疲勞抗力的傳統方法，從涵蓋構造細節和結構體系的多尺度角度出發，準確確定結構體系疲勞損傷控制部位和疲勞失效模式，進而實現結構實際疲勞抗力的準確評估。以面向構造細節的疲勞損傷評估方法為基礎，考慮關鍵影響因素的不確定性和多因素耦合影響條件下的疲勞失效模式遷移問題，並結合所建立的結構響應代理模型，實現鋼結構橋梁全域範圍的整體與局部多尺度疲勞損傷可靠度的實時動態評估。研究團隊基於實際監測的車輛荷載數據所確定的某典型大跨度斜拉橋鋼橋面板的實時疲勞損傷分布如圖3所示。
圖3 典型橋梁鋼橋面板關鍵構造細節的實時疲勞損傷分布
智能化監測與檢測技術
多尺度疲勞損傷評估結果，對於疲勞損傷監測與檢測具有重要指導意義。以理論分析結果為指導，研發智能化無損監測與檢測技術，對於可能的疲勞損傷部位進行重點監測與檢測，並通過多源信息融合實現疲勞損傷的高精度監測，有效避免漏檢。為此，研究團隊對於疲勞開裂的非接觸式智能化監測與檢測技術進行了深入研究，當前採用超聲相控陣和導波等非接觸式聲發設備，與傳統的應力及變形傳感器相結合的方式，編制了智能化疲勞裂紋判別程序，並研發了根據判別結果採用智慧機器人二次確認技術。模型試驗和實際工程應用均表明：所研發的技術能夠精準確定裂紋萌生部位，並實現多源信息條件下的疲勞損傷智能監測與檢測，如圖4所示。研究團隊所研發的鋼橋面板專用多源檢測機器人如圖5所示。
圖4 智能化鋼橋面板疲勞損傷無損檢測與監測技術
圖5 研究團隊研發的鋼橋面板專用多源檢測機器人
基於人工智慧的剩餘疲勞壽命預測
以所研發的智能化監測與檢測技術作為裂紋實時監測手段,根據實時動態損傷評估結果,對鋼橋面板的重要疲勞易損部位進行實時監測,該技術可為確定疲勞裂紋源及特徵提供導向性信息。在此基礎上，結合無人機對定位的裂紋源進行二次確認及拍照,並結合圖像處理技術，從包含鋼結構邊界陰影及大量噪聲的三維圖像中，提取裂紋的二維或一維特徵信息。基於研究團隊所提出的多尺度疲勞裂紋三維擴展過程模擬程序,結合圖像處理後的裂紋歸一化信息和實際交通荷載監測信息,對鋼橋面板的剩餘疲勞壽命進行預測,當前模擬程序和剩餘疲勞壽命預測結果，已通過多個模型試驗進行了驗證。在此基礎上,基於有限元裂紋擴展仿真模擬，得到初始裂紋參數與剩餘壽命之間的映射關係,建立兩者的映射關係資料庫,採用基於神經網絡的方法，對資料庫中的泛化規律進行深度學習,即可實現對裂紋剩餘疲勞壽命的預測。如圖6所示。當前研究團隊已基於智能化圖像處理技術,建立了基於神經網絡深度學習的快速剩餘疲勞壽命預測方法。
圖6 基於人工智慧的鋼橋面板剩餘疲勞壽命預測
智能化監測與檢測系統的建立
疲勞損傷預後技術是實現智能監測與檢測系統的重要前提，也是制定科學合理的維護決策的重要依據。結合智能化傳感器和網絡雲端數據處理技術，引入基於數據驅動和人工智慧數據挖掘的新方法，對多尺度物理模型實時修正與更新，考慮外部環境的不確定性，通過人工智慧算法對歷史數據進行機器學習，對未來不確定性損傷狀態進行預測，對可能出現的疲勞損傷提前進行智能化人工幹預，並基於預測結果制定科學、合理、適用的管理維護策略。研究團隊對鋼橋面板疲勞損傷智能監測與檢測體系進行了深入研究，初步建立了鋼橋面板疲勞損傷智能監測與評估體系，並根據建立的鋼橋面板疲勞損傷智能監測與評估體系研發了鋼橋面板疲勞損傷智能化監測與評估軟體，如圖7所示。
圖7 鋼橋面板疲勞損傷智能化監測與檢測系統的建立
當前面臨的主要挑戰
研究團隊對鋼橋面板疲勞損傷智能監測與檢測系統進行的研究表明，所提出的模型更新方法、多尺度疲勞損傷評估方法、智能化監測與檢測方法、基於人工智慧的剩餘壽命評估方法,可為鋼橋面板疲勞損傷智能監測提供有力支撐。但作為多學科交叉的全新研究領域，當前鋼橋面板疲勞損傷智能監測與檢測系統及其關鍵技術,仍面臨多方面的挑戰，有待進一步深入研究並逐步完善。
大跨度複雜橋梁結構的高效模型更新方法
採用數值模擬類方法,對大跨度複雜橋梁結構進行模型更新時，計算效率較低，尤其是當更新參數數量增加後，其計算效率顯著下降，導致實時模型更新較為困難。此外，由鋼橋面板的構造特性所決定，其過高的冗餘度使局部剛度退化更新困難。為準確確定鋼橋面板的當前受力狀態，需進一步對鋼橋面板的局部構造參數更新方法進行研究。隨著雲計算的發展和計算機核心處理器計算效率的提高，基於雲計算的多伺服器並行計算方法,有望解決鋼橋面板多參數更新效率低下的難題。採用多伺服器並行的群計算,進行大跨度橋梁結構參數和局部參數的多尺度更新方法,有待進一步深入研究。
高精度智能化監測與檢測新技術
採用基於超聲相控陣或導波等非接觸式聲發射傳感器時，需對裂紋構件進行初始標定,以確定超聲測試裂紋所用波長的合理區間。此外，在實際結構中進行測試時，由於車致振動引起的測試噪聲較大，可能導致測試結果被測試噪聲所淹沒。如何在不中斷交通的條件下有效屏蔽幹擾信號，或採用後期智能化處理方法對測試結果進行降噪處理，也有待進一步深入研究。
鋼橋面板疲勞損傷預警方法與指標
採用智能化監測技術可有效監測疲勞裂紋的萌生和擴展。但橋梁結構實際服役條件複雜，從多源信息中甄別有效評判信息，制定鋼橋面板疲勞損傷預警閾值，研發智能化鋼橋面板疲勞損傷預警系統，是保障車輛行駛安全、降低維護費用和時間成本的有效途徑。因此，制定鋼橋面板疲勞損傷預警機制及損傷等級，併集成到智能化監測與檢測系統，是下一步的研究重點。
基於人工智慧的剩餘壽命預測方法
在監測到疲勞裂紋後，可採用基於人工智慧的剩餘壽命預測方法,快速預計其剩餘壽命，根據剩餘壽命制定科學合理的維護策略。基於人工智慧的剩餘壽命預測方法,需對監測到的裂紋進行圖像識別。因鋼橋面板的疲勞裂紋屬於三維裂紋，而基於圖像處理的方法僅可獲得表面裂紋的形態特性，僅依據表面裂紋的形態特性將降低數值模擬分析的準確性，對準確建立初始裂紋特徵參數與剩餘壽命間的映射關係,有顯著不良影響。同時，在採用基於人工智慧的方法,對初始裂紋特徵參數與剩餘壽命間的映射關係的泛化規律進行機器學習時，如何保證其「魯棒性」,以提高預測精度仍需進一步深入研究。發展多模式荷載作用、加工製造缺陷、焊接殘餘應力等多因素耦合影響條件下，結構系統疲勞抗力可靠度與剩餘壽命預測方法，是未來的重要研究方向。
以多尺度疲勞損傷評估方法、智能化無損檢測理論、圖像快速處理、有限元數值模擬、機器學習等多學科交叉為基礎的鋼橋面板疲勞損傷智能化監測與檢測體系，需將各關鍵子系統有效協同。而效率和精度這對矛盾體，則是鋼橋面板疲勞損傷智能監測與檢測的關鍵研究課題。
研究團隊針對鋼橋面板疲勞損傷的智能監測與檢測問題，結合智能技術的最新發展和正交異性鋼橋面板疲勞問題的基本屬性，以正交異性鋼橋面板疲勞問題的基本屬性和智能監測與評估問題為導向，構建了其疲勞損傷智能監測與檢測系統，並對大跨度橋梁模型更新、體系疲勞損傷評估、智能化的監測技術和剩餘壽命評估方法等相關關鍵問題進行了探索性研究。
本文作為正交異性鋼橋面板體系疲勞裂紋監測與檢測體系方向的起步工作，涉及多個學科領域，所涉及的各項研究工作仍需不斷深化。如大跨度複雜橋梁結構的高效模型更新方法、高精度智能化監測與檢測新技術、鋼橋面板疲勞損傷預警方法與指標、基於人工智慧的剩餘壽命預測方法、多因素耦合影響條件下結構系統疲勞抗力可靠度與剩餘壽命預測方法、基於疲勞損傷預後的智能管理維護決策等，是下一階段的研究重點。
本文刊載 /《大橋養護與運營》雜誌 2019年 第3期 總第7期
作者 / 張清華 崔闖 卜一之
作者單位 / 西南交通大學橋梁工程系