基于升降轨SAR数据的连续箱梁桥精细变形

doi:10.12068/j.issn.1005-3026.2024.03.011

摘要/Abstract

摘要：

针对桥梁精细变形监测问题，提出一种考虑由温度引起的桥梁变形（简称温度变形）的升降轨合成孔径雷达（synthetic aperture radar，SAR）数据融合方法.首先，以连续箱梁桥为研究对象，分别使用升降轨SAR数据集，基于小基线子集干涉测量法（small baseline subsets interferometric SAR，SBAS-InSAR）提取视线向（line‐of‐sight，LOS）变形；然后，利用最小二乘法构建温度变形模型，分离周期性温度变形与长期性趋势变形；最后，结合桥梁结构特征，基于时空插值和奇异值分解方法实现升降轨数据融合，提取温度变形、纵桥向（即桥梁延伸方向）及垂直向趋势变形，分析桥梁变形机制及变形成因.结果表明，该方法可提取精确的桥梁温度变形及三维变形，为桥梁健康监测提供可靠的方法支撑.

关键词: 小基线子集, 连续箱梁桥, 温度变形建模, 数据融合, 三维变形

Abstract:

An approach was presented for detailed deformation monitoring of bridges， by fusing ascending and descending synthetic aperture radar （SAR） data while considering deformation caused by temperature change （named as thermal deformation）. Firstly， taking a continuous box girder bridge as an example， the ascending and descending SAR datasets are analyzed based on small baseline subsets interferometric SAR （SBAS?InSAR） to extract line-of-sight （LOS） deformation. Then， thermal deformation model of the bridge is established based on least squares method to separate the periodic thermal deformation and long-term trending deformation. Finally， by combining the structural characteristics of the bridge， fusion of the ascending and descending data based on space-time interpolation and singular value decomposition is conducted， to extract the thermal deformation， the vertical and longitudinal trending deformation， and the deformation mechanism and causative factors of the bridge is analyzed. The results demonstrate that the proposed approach can extract accurate thermal deformation and three-dimensional deformation of the bridge， providing reliable methodological support for bridge health monitoring.

Key words: small baseline subsets, continuous box girder bridge, thermal deformation modeling, data fusion, three-dimensional deformation

中图分类号:

TP 722.6

魏恋欢, 王啸天, 敖萌, 李鑫. 基于升降轨SAR数据的连续箱梁桥精细变形[J]. 东北大学学报（自然科学版）, 2024, 45(3): 391-400.

Lian-huan WEI, Xiao-tian WANG, Meng AO, Xin LI. Detailed Deformation of Continuous Box Girder Bridge Based on Ascending and Descending SAR Data[J]. Journal of Northeastern University(Natural Science), 2024, 45(3): 391-400.

0
/ 收藏文章 0 / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xuebao.neu.edu.cn/natural/CN/10.12068/j.issn.1005-3026.2024.03.011

https://xuebao.neu.edu.cn/natural/CN/Y2024/V45/I3/391

图/表 11

图1 新立堡桥结构图（单位：m）

Fig.1 Structural drawing of the Xinlipu bridge（unit：m）

表1 SAR数据集详细参数

Table 1 Detailed parameters of the SAR datasets

传感器名称	轨道方向	航向角/（°）	成像模式	分辨率/m	入射角/（°）	影像数量	覆盖时段
TerraSAR-X	升轨	~348.7	条带模式	3×3	~23.98	30	20150825—20170606
COSMO-SkyMed	降轨	~11.0	条带模式	3×3	~23.5	29	20150327—20170402

图2 TerraSAR-X和COSMO-SkyMed数据集覆盖范围

Fig.2 Spatial coverage of the TerraSAR?X and COSMO?SkyMed datasets

图3 研究方法基本流程图

Fig.3 Flow chart of the research method

图4 新立堡桥的SAR成像几何

Fig.4 SAR imaging geometry of the Xinlipu bridge

图5 新立堡桥LOS向变形速率图（a）—升轨TerraSAR-X结果；（b）—降轨COSMO-SkyMed结果.

Fig.5 LOS deformation velocities of the Xinlipu bridge

图6 新立堡桥关键点变形时间序列和温度变化曲线（a）—监测点1；（b）—监测点2；（c）—监测点3；（d）—监测点4.

Fig.6 Time‐series displacements and temperature change of several key points on the Xinlipu bridge

图7 新立堡桥LOS向温度影响因子（a）—TerraSAR-X结果；（b）—COSMO-SkyMed结果.

Fig.7 Temperature influence factors in LOS direction of the Xinlipu bridge

图8 去除温度变形后新立堡桥LOS向趋势变形（a）—TerraSAR-X LOS向趋势变形；（b）—COSMO-SkyMed LOS向趋势变形.

Fig.8 LOS trending deformation of the Xinlipu bridge after removal of thermal deformation

图9 新立堡桥纵桥向温度变形场

Fig.9 Longitudinal thermal deformation field of Xinlipu bridge

图10 新立堡桥垂直向和纵桥向累计变形量（a）—垂直向；（b）—纵桥向.

Fig.10 Accumulative deformation of the Xinlipu bridge in vertical direction and longitudinal direction

参考文献 26

1	周婕，邱军，许辉，等.国内桥梁运营阶段坍塌事故案例分析［J］.市政设施管理，2021（1）：55-58.
	Zhou Jie， Qiu Jun， Xu Hui，et al.Analysis of collapse accidents in domestic bridge operation stage［J］.Management of Municipal Facilities，2021（1）：55-58.
2	李文云，田龙飞.变形监测技术在桥梁监测中的应用［J］.工程技术研究，2019，4（13）：67-68.
	Li Wen‐yun， Tian Long‐fei.Application of deformation monitoring technology in bridge monitoring［J］.Engineering and Technology Research，2019，4（13）：67-68.
3	La H M， Lim R S， Basily B B，et al.Mechatronic systems design for an autonomous robotic system for high‐efficiency bridge deck inspection and evaluation［J］.IEEE-ASME Transactions on Mechatronics，2013，18（6）：1655-1664.
4	Pelagia G， Maria M.Application of classical land surveying measurement methods for determining the vertical displacement of railway bridges［J］.Civil and Environmental Engineering Reports，2017，27（4）：169-183.
5	廖明生，王茹，杨梦诗，等.城市目标动态监测中的时序InSAR分析方法及应用［J］.雷达学报，2020，9（3）：409-424.
	Liao Ming‐sheng， Wang Ru， Yang Meng‐shi，et al.Techniques and applications of spaceborne time‐series InSAR in urban dynamic monitoring［J］.Journal of Radars，2020，9（3）：409-424.
6	Hanssen R F.Satellite radar interferometry for deformation monitoring：a priori assessment of feasibility and accuracy［J］.International Journal of Applied Earth Observation and Geoinformation，2005，6：253-260.
7	Castellazzi P， Garfias J， Martel R，et al.InSAR to support sustainable urbanization over compacting aquifers：the case of Toluca Valley，Mexico［J］.International Journal of Applied Earth Observation and Geoinformation，2017，63：33-44.
8	Chang L， Hanssen R F.Detection of cavity migration and sinkhole risk using radar interferometric time series［J］.Remote Sensing of Environment，2014，147（5）：56-64.
9	Berardino P， Fornaro G， Lanari R，et al.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40（11）：2375-2383.
10	Monserrat O， Crosetto M， Cuevas M，et al.The thermal expansion component of persistent scatterer interferometry observations［J］.IEEE Geoscience and Remote Sensing Letters，2011，8（5）：864-868.
11	Fornaro G， Reale D， Verde S.Bridge thermal dilation monitoring with millimeter sensitivity via multidimensional SAR imaging［J］.IEEE Geoscience and Remote Sensing Letters，2013，10（4）：677-681.
12	Qin X Q， Zhang L， Yang M S，et al.Mapping surface deformation and thermal dilation of arch bridges by structure‐driven multi‐temporal DInSAR analysis［J］.Remote Sensing of Environment，2018，216（8）：71-90.
13	Wang R J， Zhang J M， Liu X L.A most‐unfavorable‐condition method for bridge‐damage detection and analysis using PSP‐InSAR［J］.Remote Sensing，2022，14（1）：1-19.
14	Lanari R， Reale D， Bonano M，et al.Comment on “pre‐collapse space geodetic observations of critical infrastructure：the Morandi bridge，Genoa，Italy”［J］.Remote Sensing，2020，12（24）：1-16.
15	朱茂，沈体雁，吕凤华，等.青岛胶州湾跨海大桥InSAR形变数据分解和信息提取［J］.遥感学报，2020，24（7）：883-893.
	Zhu Mao， Shen Ti‑yan， Feng‑hua Lyu，et al.InSAR deformation data decomposition and information analysis of Jiaozhou bay bridge，Qingdao［J］.Journal of Remote Sensing（Chinese），2020，24（7）：883-893.
16	Cusson D， Rossi C， Ozkan I F.Early warning system for the detection of unexpected bridge displacements from radar satellite data［J］.Journal of Civil Structual Health Monitoring，2021，11（1）：189-204.
17	Xiong S T， Wang C S， Qin X Q，et al.Time‐series analysis on persistent scatter‐interferometric synthetic aperture radar（PS-InSAR） derived displacements of the Hong Kong‐Zhuhai‐Macao bridge（HZMB） from Sentinel-1A observations［J］.Remote Sensing，2021，13（4）：1-18.
18	Markogiannaki O， Chen F， Parcharidis I，et al.Monitoring of a landmark bridge using SAR interferometry coupled with engineering data and forensics［J］.International Journal of Remote Sensing，2022，43（1）：95-119.
19	Crosetto M， Monserrat O， Iglesias R，et al.Persistent scatterer interferometry：potential，limits and initial C‑and X‑band comparison［J］.Photogrammetric Engineering and Remote Sensing，2010，76（9）：1061-1069.
20	Huang Q H， Monserrat O， Crosetto M，et al.Displacement monitoring and health evaluation of two bridges using Sentinel-1 SAR images［J］.Remote Sensing，2018，10（11）：1-18.
21	Lazecky M， Hlavacova I， Bakon M，et al.Bridge displacement monitoring using space‐borne X‑band SAR interferometry［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2017，10（1）：205-210.
22	Selvakumaran S， Rossi C， Marinoni A，et al.Combined InSAR and terrestrial structural monitoring of bridges［J］.IEEE Transactions on Geoscience and Remote Sensing，2020，58（10）：7141-7153.
23	魏恋欢，封秋月，毛亚纯，等.基于多轨道SBAS方法的露天矿高陡边坡形变监测［J］.东北大学学报（自然科学版），2020，41（10）：1445-1451.
	Wei Lian‐huan， Feng Qiu‐yue， Mao Ya‐chun，et al.Deformation monitoring of high steep slope in open‐pit mine with multi‐orbit SBAS［J］.Journal of Northeastern University（Natural Science），2020，41（10）：1445-1451.
24	中交公路规划设计院. 公路桥涵设计通用规范：［S］.北京：人民交通出版社，2015：63-65.
	Ministry of Transport of China‐Highway Planning and Design Institute. General specifications for design of highway bridges and culverts：［S］.Beijing：China Communications Press，2015：63-65.
25	敖萌，张路，廖明生，等.基于方差分量估计的多源InSAR数据自适应融合形变测量［J］.地球物理学报，2020，63（8）：2901-2911.
	Ao Meng， Zhang Lu， Liao Ming‐sheng，et al.Deformation monitoring with adaptive integration of multi‐source InSAR data based on variance component estimation［J］.Chinese Journal of Geophysics（in Chinese），2020，63（8）：2901-2911.
26	中华人民共和国住房和城乡建设部. 城市桥梁检测与评定技术规范：［S］.北京：中国建筑工业出版社，2016.
	Ministry of Housing and Urban‑Rural Development of the People’s Republic of China. Technical code for test and evaluation of city bridges：［S］.Beijing：China Architecture & Building Press，2016.

编辑推荐 0

Metrics

阅读次数

全文

1090

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	17	0	0	1073

来源	本网站	其他网站

次数	493	597
比例	45%	55%

摘要

780

最新录用	在线预览	正式出版

0	0	780

来源	本网站	其他网站

次数	732	48
比例	94%	6%

[1]	魏恋欢，封秋月，毛亚纯，刘善军. 基于多轨道SBAS方法的露天矿高陡边坡形变监测[J]. 东北大学学报:自然科学版, 2020, 41(10): 1445-1451.
[2]	叶正旺，温涛，刘振宇，付崇国. 基于信任模型的WSNs安全数据融合算法[J]. 东北大学学报:自然科学版, 2019, 40(6): 789-794.
[3]	孙爽，梁力，李明，李鑫. 基于动力指纹和Bayes数据融合的桥梁损伤识别[J]. 东北大学学报:自然科学版, 2017, 38(2): 290-294.
[4]	吴伟;刘兴刚;王忠实;徐心和;. 多传感器融合实现机器人精确定位[J]. 东北大学学报(自然科学版), 2007, 28(2): 161-164.
[5]	杜庆东;徐凌宇;赵海. 基于分布式结构的判决反馈数据融合算法[J]. 东北大学学报(自然科学版), 2001, 22(4): 385-388.
[6]	张德干;郝先臣;尹国成;赵海. 基于神经元网络的发电机融合控制方法[J]. 东北大学学报(自然科学版), 2001, 22(3): 249-252.
[7]	杜庆东;徐凌宇;赵海. 基于D-S证据理论与嵌入式传感器的监控与故障诊断[J]. 东北大学学报(自然科学版), 2000, 21(6): 594-597.
[8]	张德干;郝先臣;高光来;赵海. 一种基于快速傅立叶变换的小波变换方法[J]. 东北大学学报(自然科学版), 2000, 21(6): 598-601.
[9]	赵海;王光兴. 数据融合论在机器人系统设计中的应用[J]. 东北大学学报:自然科学版, 1995, 16(3): 5--.