桥梁温度的测量与桥梁随机温度的荷载研究

时间项目的计划及目标完成情况2015年6月完成开题论证。已完成。2015年9月1）基于星载多时相SAR数据，开展形变信息反演的算法研究，初步完成关键技术的研究，形成软件模块的详细设计。2）分析随机有限元程序输出的关键点形变值的统计特征量，建立形变关键点变形规律的概率分布模型；3）依据关键点形变的概率分布模型和PS-InSAR得到的桥梁形变关键点形变信息，考虑PS-InSAR的随机误差，建立基于置信度桥梁当前技术状况级别的评定方法；4）结合桥梁相关现行规范，开发基于高分辨率遥感数据的桥梁安全预警判据体系。已完成。2016年3月开发软件模块，并在软件开发过程中进一步对关键模型和方法进行优化改造，多各模块进行开发测试，初步完成各软件模块的开发。已完成。2016年8月完成面向桥梁的形变信息提取性能评估和指标验证，以前期计算得到的桥梁关键点的形变值作为计算初试条件，进行目标桥梁安全预警测试，撰写课题研究报告，根据整体项目系统接口对算法插件进行标准化处理，完成与整体系统的对接联调。已完成面向桥梁的形变信息提取性能评估和指标验证；已完成目标桥梁安全预警测试，已撰写课题研究报告；初步完成算法插件进行标准化处理，但与整体系统的对接联调尚未进行。表1项目执行情况说明表

表2技术指标对照表技术考核指标完成情况精度指标：基于国际商业卫星SAR影像的桥梁关键点监测形变测量精度达毫米级。桥梁安全预警插件对关键点的技术状况评级与桥梁规范中对应关键点的实桥检测技术状况评级相差不大于1级（桥梁规范中的技术状况评定等级分5级）桥梁安全预警插件对关键点的技术状况评级与桥梁规范中对应关键点的实桥检测技术状况评级相差不大于1级。效率指标：通过给定的一定数量的聚束及条带模式SAR影像，3小时内给出桥梁形变结果，4小时内给出桥梁安全预警级别3小时内获取遥感影像中桥梁形变信息，4小时内消除温度引起的形变，并给出桥梁安全预警级别。准确率指标：虚警率=(n-m)/n<10%，漏警率=(m-n)/m<20%（n=桥梁安全预警插件发出预警的关键点个数；m=实桥检测评定为“不能保证正常使用”的关键点个数）达到准确率指标要求，虚警率=(n-m)/n<10%，漏警率=(m-n)/m<20%。成果适应性指标:适用于条带、聚束SAR模式适用于条带、聚束SAR模式。软件及算法成熟度指标：至少达到8级要求（8级的具体要求为：1）成功执行算法级验证、区域性试点验证、专题产品生产等三类任务，能够满足业务使用要求。2）成果形式完备、软件及算法可用性程度高；技术指标符合合同要求。3）课题研究进度符合任务要求）软件及算法成熟度指标：达到8级。形变监测与分析技术研究子项研究报告3.1工程背景及有限元模型3.1.1工程背景岳阳洞庭湖大桥（图6）位于洞庭湖与长江交汇处，东接岳阳市区洞庭大道和107国道、京珠高速公路，西连省道3063线，是我国第一座三塔双索面斜拉大桥，亚洲首座不等高三塔双斜索面预应力混凝土漂浮体系斜拉桥。洞庭湖大桥设计为三塔斜拉桥，空间双斜面索，桥桥型为不等高三塔、双索面空间索、全飘浮体系的预应力钢筋混凝土肋板梁式结构的斜拉桥，跨径为130+310+310+130米。索塔为双室宝石型断面，中塔高为125.684米，两边塔高为99.311米。本课题针对国内公路交通领域的桥梁形变、倒塌等灾害频发的严峻形势，利用微波SAR干涉技术与北斗卫星定位技术，结合地面布置控制点、监测传感器和野外实地调查资料，针对湖南岳阳洞庭湖大桥开展桥梁长时间序列干涉SAR的形变信息监测技术研究，同时运用考虑多维随机变量的有限元技术，研究桥梁形变关键点的随机变化规律及桥梁的安全预警判据，开发基于高分辨率遥感数据的桥梁安全预警技术，为公路交通示范项目的桥梁形变监测与安全评估专题产品的生成和走通卫星遥感数据在公路交通设施监测行业的链路奠定技术基础。图6岳阳洞庭湖大桥（斜拉桥）3.1.2有限元模型的建立有限元单元法简介有限单元法是一种能有效解决数学问题的方法。有限单元法的基础是变分原理与加权余量法。其求解思想为：将研究对象在计算区域内划分为有限个互不重叠的单元，然后在每个单元中选取一些合适的节点作为某个函数的插值点，并将微分方程中的变量改成一个线性表达式（线性表达式是由各个变量的或者其导数的节点值与所选用的插值函数组成的），然后根据变分原理或加权余量法，以离散的方法对其微分方程进行求解。明显可知：当选取不同的权函数和插值函数形式，得出的有限单元法也不同。有限元方法最早应用于结构力学，近年来，随着计算机的发展，其应用越来越广泛。有限单元法解题可分为以下几个步骤：①、连续体的离散化：离散化是将需要分析的结构物以某种方式划分为有限个单元，也就是将结构物看成是有限个单元的组成体；②、单元分析：首先以某种方法得出单元的节点位移和节点力之间的关系然后建立其单元刚度矩阵。分析结构物（连续体）时，单元的节点位移与节点力之间的关系可之际通过相关的力学公式推导得出。然后通过静力等效的原则把作用在每个单元上的外力简化到各个节点上，而构成等效节点力。最后对每个单元都是如此，可得出各个的刚度矩阵；③、整体分析：整体分析的意思是将各个单元再组合起来，而形成续体整体进行分析。其目的是建立整体的刚度矩阵（具体的方法是通过导出整个结构结点位移与结点力之间的关系）。整体分析也可分为：首先按照一定集成规则，将单元刚度矩阵组成为整体刚度矩阵，等效节点荷载也组成为整体等效节点荷载；加入边界条件，得到几何方程和平衡方程。然后求解整体的平衡方程组，得出节点位移（基本未知量）；最后即可计算每个单元内力及其变形。有限元模型通过调研，我们选择了示范区域内的湖南岳阳洞庭湖大桥作为本课题的目标桥梁。对于岳阳洞庭湖大桥，本课题采用三维简化型鱼骨梁式的斜拉桥有限元模型，如下图7所示。该模型使用ANSYS软件中提供的beam4单元和link8单元，其中beam4单元为具有承受拉力、压力、扭矩及弯矩能力的三维弹性梁单元，link8单元只能承受单轴的拉压，是一种经常被应用于桁架、垂缆、杆件、弹簧等多种工程实际的杆单元。边界约束为桩端固定，塔和主梁为全漂浮体系。岳阳洞庭湖大桥全桥模型共919个单元，包括697个梁单元和222个索单元，每个单元2个节点。最后，课题组将基于ANSYS编译的有限元命令全部转换为了通用的编译命令，实现了整个程序的开源。详情请见软件说明书。图7岳阳洞庭主桥湖有限元模型（斜拉桥）3.2面向PS-InSAR技术的桥梁形变关键点（人工PS点）研究3.2.1桥梁形变关键点及PS点为了将PS-InSAR技术与桥梁工程结合，我们提出桥梁形变关键点(BridgeDeformationofKeyPoints,BDKP)的概念：即桥梁的整体形变特征能由桥梁形变关键点的形变来表征。从理论上讲，遥感影像可以提供桥梁各部位的形变数据，但是，控制桥梁各部位形变的因素不同，例如，墩台类桥梁形变关键点主要反映桥梁的整体沉降；跨中类桥梁形变关键点主要反映主梁的形变；塔拱类桥梁形变关键点主要反映桥梁主要承力结构的形变。如果将所有数据做无区别化的统一处理，并不能准确反映桥梁的整体形变特征；反之，如果能够得到桥梁形变关键点的形变大小及特征，我们就可以对桥梁安全做出相应评判。地面上任何一个能够被SAR传感器探测到的目标都可以对雷达波产生散射作用，称其为散射体。而永久散射体(PS)是指能在长时间序列上保持较高的相位稳定性，能够对雷达波保持较强且稳定散射特性的地物目标。可以作为PS点的地物目标有天然PS点和人工PS点两类。为了通过卫星得到桥梁形变关键点的形变数据，可行的方案是在桥梁形变关键点上布置人工PS点，如球形反射器、人工角反射器等。由于它们的雷达回波信号较强，在SAR振幅影像中表现为非常亮的像点，而且它们具有稳定的振幅和位相关系，可以保证计算结果的精确性。为了进一步优化数据，我们还会在目标桥梁上选择一些稳定目标作为天然PS点，如路灯、栏杆、信号灯等硬目标。3.2.2桥梁形变关键点（人工PS点）的选取原则我们在考虑车载、温度、风载（即结构载荷的随机性）等随机性的同时也考虑结构物理特性的不确定性（即结构材料特性的随机性和结构几何尺寸的随机性），从而建立目标桥梁的随机场模型及多维随机变量有限元模型。依据以下五条原则，课题组最终确定了面向SAR技术的桥梁形变关键点。桥梁形变关键点选取原则为：(1)主桥在恒载（如结构自重）作用下的形变规律。(2)主桥在活载（如移动车载）作用下的形变规律。(3)主桥在体系升温作用下的形变规律。(4)桥型的不同，结构受力方式不同，则选取桥梁形变关键点的位置也有所区别。(5)便于SAR选取永久散射点的桥上某位置。3.2.3桥梁形变关键点（人工PS点）的选取实例——岳阳洞庭湖大桥以湖南岳阳洞庭湖大桥为例，利用2.2.2章节建立的岳阳洞庭湖有限元模型，根据桥梁形变关键点选取原则(1)，分析了洞庭湖大桥在自恒载（如自重等）下的形变规律，由图8可知，跨中、桥塔顶部、桥塔与主梁交接处的形变比其他位置的形变值较大。根据原则(2)，分析了洞庭湖大桥在移动车载（活载）下的形变规律，由图9可知，岳阳洞庭湖大桥主梁跨中位置的形变明显高于其他位置。根据原则(3)，分析了洞庭湖大桥在体系升温下的形变规律，由图10可知，在整体分别升温5度、10度、15度、20度的情况下，桥主梁跨中附近的竖向形变值较大；由图10可知，在整体升温5度、10度、15度、20度的情况下，桥塔塔顶的竖向和纵向形变值很大。根据原则(4)，岳阳洞庭湖大桥属于斜拉桥，由塔柱、主梁和斜拉索组成，它的基本受力特点是受拉的斜索将主梁多点吊起，并将主梁的恒载和车辆等其他荷载传至塔柱，再通过塔柱基础传至地基，因此，也可以得知斜拉索面交接的跨中附近位置和塔柱的塔顶位置以及墩台处都是我们要关心的桥梁形变关键点位置。综上所述，确定了洞庭湖大桥的形变关键点（如图11所示），并在桥梁形变关键点上设置了人工PS点（如图12所示）。放大300倍后的效果图图8洞庭湖大桥主桥在恒载（如自重等）作用下的形变（未加二期恒载如铺装、栏杆等附属设施的荷载）放大300倍后的效果图图9实桥一主桥在移动车载作用下的形变图10整体升温下主梁的竖向位移模拟结果图11岳阳洞庭湖大桥形变关键点（人工PS点）位置图12岳阳洞庭湖大桥形变关键点处设有人工PS点3.3桥梁活载在不同天气模式下的统计规律3.3.1温度荷载在不同天气模式下的统计规律斜拉桥是由梁、塔和索三部分组成的缆索承重的高次超静定柔性结构，其预应力混凝土箱梁和箱型桥塔以其优良的截面特性在混凝土桥中占据主要地位。在桥梁结构设计和施工中，日照温度变化对斜拉桥的主梁位移、桥塔偏位和索力均会产生不同程度的影响。混凝土的热传导性较差，由此在索塔、主梁和索结构内产生不利温度场，从而形成较大的温度应力，严重时会引起结构的开裂。而以PS-InSAR技术提取的桥梁形变信息中有日温变化对桥梁的影响，极有可能会影响桥梁安全的可靠性评估。因此有必要对斜拉桥的温度场分布和温度效应进行研究，得到基准影像和从图像干涉时，由日温变化引起的桥梁随机形变差值，最终从PS-InSAR技术提取的形变信息中剔除这种随机形变差值。温度数据的收集与整理为准确反映温度对桥梁的形变影响，课题组在2016年5月份开始在洞庭湖大桥上实地采集了实桥的温度数据，至今已采集温度数据10万余个。温度计布置示意图如下图13所示，部分数据采集如下表3所示。图13岳阳市洞庭湖大桥温度场采集设备安装位置示意图表3岳阳洞庭湖大桥实测温度序号日期时间通道实测温度12016/8/10:3013022016/8/10:30230.932016/8/10:30330.842016/8/10:30436.352016/8/10:3053362016/8/10:30632.572016/8/10:30732.182016/8/10:30836.992016/8/10:30934102016/8/10:301032.3112016/8/10:301131.8122016/8/11:30129.4132016/8/11:30229.8142016/8/11:30329.8152016/8/11:30435.4162016/8/11:30532.7172016/8/11:30632.4182016/8/11:30732.3192016/8/11:30836.3202016/8/11:30933.7212016/8/11:301032.1222016/8/11:301131.7232016/8/12:30129.6242016/8/12:30230.2252016/8/12:30330262016/8/12:30435.1272016/8/12:30532.3282016/8/12:30632.1292016/8/12:30732302016/8/12:30835.7312016/8/12:30933.4322016/8/12:301031.8332016/8/12:301131.5342016/8/13:30128.9352016/8/13:30229.5362016/8/13:30329.4372016/8/13:30434.7382016/8/13:30532392016/8/13:30631.9402016/8/13:30731.9412016/8/13:30835.2422016/8/13:30933.1432016/8/13:301031.6442016/8/13:301131.4452016/8/14:30128.4462016/8/14:30228.9472016/8/14:30328.9482016/8/14:30434.4与此同时，我们也从2016年5月份开始采集了洞庭湖大桥所在的岳阳市地区的大气温度，建立了大气温度和桥梁实测温度之间的联系，即便日后缺乏桥梁实测温度数据，我们也能通过这种联系预估桥梁的实测温度。部分数据采集如下表4所示。表4岳阳市地区的大气温度数据日期各时间点下的大气温度0:301:302:303:30……22:3023:302016/8/130.432.532.331.732.732.12016/8/230.230.23030.627.727.82016/8/327.727.327.427.22727.32016/8/427.22726.926.72827.82016/8/527.727.327.427.327.2272016/8/62727.327.326.928.227.82016/8/727.627.527.42727.327.22016/8/827.226.926.826.727.427.22016/8/926.827.227.12727.5282016/8/1027.927.827.327.429.6282016/8/1128.228.528.327.93029.72016/8/1229.228.728.528.531.731.42016/8/1330.730.429.929.331.931.82016/8/1431.530.69.32016/8/1528.628.427.927.630.530.42016/8/1630.13029.829.53231.42016/8/1731.330.930.430.332.431.52016/8/1831.230.930.930.530.429.92016/8/193030.730.530.832.1322016/8/2032.631.731.43128.8292016/8/2129.329.128.628.728.328.22016/8/2227.727.527.62016/8/2328.728.328.127.830.830.92016/8/2430.329.729.429.431.731.32016/8/2531.830.430.330.328.928.72016/8/2625.321.221.42016/8/2721.321.421.621.623.923.52016/8/2823.222.822.622.224.724.62016/8/2924.223.723.72016/8/3024.424.123.823.524.9.2温度按不同天气模式分类对洞庭湖大桥实测温度数据进行分析时，考虑日温变化及降雨量对桥梁温度的影响，按不同季节不同天气类型将桥梁温度统计规律进行划分，每个季节划分3类天气模式：第1类天气模式为小雨、阴天下的桥梁温度统计规律；第2类天气模式为多云、晴天下的桥梁温度统计规律；第3类天气模式为中大、暴雨下的桥梁温度统计规律；由此，全年共划分12类桥梁温度统计规律。划分依据如图14所示，其中，岳阳市地区的大气温度统计规律也采用此方法进行划分。特殊天气模式如阵雨、雨雪冰冻下的桥梁和大气温度统计规律也可按此类方法单独分析。图14桥梁实测温度在3种天气类型下的规律——夏季分析图14可知，（1）在夏季3类不同的天气模式下，各个温度计的峰值大小与天气类型有关，如多云和晴天下，温度的峰值明显高于中、大雨天气模式下的峰值，说明晴热天气时，洞庭湖大桥温度攀升较高，在遇中大暴雨的时，由于雨水较大会给梁体及时降温，所以温度峰值会较小。（2）在夏季同一类天气模式下，各个温度计的峰值大小与温度计埋设在桥上不同的位置有关，如T4和T8是梁顶的温度计，其温度峰值大小明显高于梁底温度计T5和T9的温度峰值，其次斜拉索作为钢索材料，热胀冷缩效应只会比混凝土更剧烈。这是由于每天太阳照射时梁体有一部分处在阳面，而另一部分处在阴面，再加上混凝土吸热有延迟和温度梯度效应，所以梁顶和梁底的温度会呈现梁底比梁顶低。（3）在夏季同一类天气模式下，同一个温度计的数值在连续8天内的气温值有高低起伏的变化是由于受日温变化的影响。同理，其他季节各自三类天气模式下的温度统计规律也可据此分析。桥梁温度荷载（一）获取桥梁温度荷载的技术路线在数据量足够多的情况下，运用数理统计分析方法、按不同天气模式建立目标桥梁实测温度与当地大气温度的均值和标准差关系，在于日后即便缺乏目标桥梁的实测数据，我们也可基于二者之间关系，以大气温度预估目标桥梁的温度，以此作为温度荷载输入有限元模型中进行桥梁形变关键点的形变分析。图15表示的技术路线是按不同的天气模式，以采集的岳阳洞庭湖大桥实测温度与当地大气温度的数据，建立了二者之间的均值和标准差关系，并据此以洞庭湖大桥地区的大气温度预估出了桥上的温度荷载。开始开始温度数据采集温度统计规律按天气模式分类桥梁实测温度与大气温度的联系以大气温预估桥梁温度各天气模式下的温度荷载结束图15技术路线框图（二）获取桥梁温度荷载的命令流源程序依据图16的程序框图，以夏季多云晴天的天气模式特殊类天气模式如阵雨为例，我们整理了岳阳洞庭湖大桥实测温度与当地大气温度的数据，建立了二者之间的联系，并据此以洞庭湖大桥地区的大气温度预估出了桥上的温度荷载。其余天气模式下桥梁实测温度与日温的关系也可照此方法给出。其部分源代码如下所示：clear%dthT06.xlsx中第1列为温度计编号、第2列为温度、第3列为天气模式编号[NUM1]=xlsread('dthT06',2,'D2:F7877');%调用dth06.xlsx中D2-F7877的实测温度数据[NUM2]=xlsread('dthT06',3,'D2:F7921');%调用dth06.xlsx中D2-F7877的实测温度数据[NUM3]=xlsread('dthT06',4,'D2:F7921');%调用dth06.xlsx中D2-F7877的实测温度数据T1=[NUM1];T2=[NUM2];T3=[NUM3];T=[T1;T2;T3];u1=mean(T,1)d1=6%第1类天气模式有4天——阴天、小雨d2=61%第2类天气模式有61天——多云、晴雨d3=12%第3类天气模式有12天——中大雨、暴雨d4=10%第4类天气模式有10天——阵雨（特殊天气）%%%%%%%%%%%%%%%%%%%%%%%[H1,L1]=size(T)%T的行数和列数W1=zeros(H1,2);%0元素列向量_4天第1类天气模式——阴天、小雨（0矩阵）W2=zeros(H1,2);%0元素列向量_61天第2类天气模式——多云、晴雨（0矩阵）W3=zeros(H1,2);%0元素列向量_12天第3类天气模式——中大雨、暴雨（0矩阵）W4=zeros(H1,2);%0元素列向量_10天第4类天气模式——阵雨（0矩阵）fori=1:H1%将T0中的温度数据开始按天气模式分类归入4个列向量ifT(i,3)==1W1(i,2)=T(i,2);W1(i,1)=T(i,1);endifT(i,3)==2W2(i,2)=T(i,2);W2(i,1)=T(i,1);endifT(i,3)==3W3(i,2)=T(i,2);W3(i,1)=T(i,1);end……%%%%%%%%%%%%%%%%%%%%%%%%读入岳阳地区大气温度[NUM3]=xlsread('dthDT',1,'B2:Z31');%调用dthDT.xlsx中D2-F7877的大气温度数据[NUM4]=xlsread('dthDT',2,'B2:Z31');%调用dthDT.xlsx中D2-F7877的大气温度数据[NUM5]=xlsread('dthDT',3,'B2:Z31');%调用dthDT.xlsx中D2-F7877的大气温度数据D=[NUM3;NUM4;NUM5];u2=mean(D(:))%D的均值[h1,k1]=size(D)%D的行数和列数D1=zeros(h1,k1);%0元素列向量_6天第1类天气模式——阴天、小雨（0矩阵）D2=zeros(h1,k1);%0元素列向量_61天第2类天气模式——多云、晴雨（0矩阵）D3=zeros(h1,k1);%0元素列向量_12天第3类天气模式——中大雨、暴雨（0矩阵）D4=zeros(h1,k1);%0元素列向量_10天第4类天气模式——阵雨（特殊类）fori=1:h1ifD(i,k1)==1D1(i,:)=D(i,:);endifD(i,k1)==2D2(i,:)=D(i,:);endifD(i,k1)==3D3(i,:)=D(i,:);endifD(i,k1)==4D4(i,:)=D(i,:);endendD1;D2;D3;……%%%%%%%%%%%%%%%%%%%%%绘制第2类天气模式（多云、晴天）结果图u21=mean(S21,2);%计算S21矩阵每一行的均值v21=std(S21,0,2);%计算S21矩阵每一行的标准差V21=v21.^2;%v21矩阵每个元素各自的平方——方差u21=roundn(u21,-1)%保留1位小数v21=roundn(v21,-1)V21=roundn(V21,-1)u22=mean(S22,2);%计算S22矩阵每一行的均值v22=std(S22,0,2);%计算S22矩阵每一行的标准差V22=v22.^2;%v22矩阵每个元素各自的平方——方差u22=roundn(u22,-1)v22=roundn(v22,-1)V22=roundn(V22,-1)u23=mean(S23,2);%计算S22矩阵每一行的均值v23=std(S23,0,2);%计算S22矩阵每一行的标准差V23=v23.^2;%v22矩阵每个元素各自的平方——方差u23=roundn(u23,-1)v23=roundn(v23,-1)V23=roundn(V23,-1)……（三）桥梁实测温度与日温在不同天气模式下的关系结果依据图16的程序框图，以夏季多云晴天的天气模式和特殊类天气模式如阵雨为例，给出了岳阳洞庭湖大桥温度与当地大气温度之间温差的均值与标准差，结果如图17至图22所示。其余天气模式下桥梁实测温度与日温的关系也可照此方法给出。图162016年6/7/8月实测洞庭湖大桥主梁顶板温度与当地大气温度的温差关系——夏季多云晴天模式图172016年6/7/8月实测洞庭湖大桥主梁底板温度与当地大气温度的温差关系——夏季多云晴天模式图182016年6/7/8月实测洞庭湖大桥斜拉索温度与当地大气温度的温差关系——夏季多云晴天模式图192016年6/7/8月实测洞庭湖大桥梁顶温度与当地大气温度的温差关系——特殊天气模式（阵雨）图202016年6/7/8月实测洞庭湖大桥梁底温度与当地大气温度的温差关系——特殊天气模式（阵雨）图212016年6/7/8月实测洞庭湖大桥斜拉索温度与当地大气温度的温差关系——特殊天气模式（阵雨）分析图17至图21基于采集的大气温度数据和洞庭湖大桥的实测温度，我们采用数理统计的分析方法分别建立了夏季晴天、多云模式和夏季特殊天气模式（阵雨）下，洞庭湖大桥梁体温度和当地大气温度之间温差的均值和标准差的关系。横观两类不同天气模式下的梁体温度和当地大气温度之间温差，明显可以看到因天气模式不同，其温差的均值与标准差均会有较大的差异。对比图17至图19，可以看出，多云晴天模式下：（1）斜拉索温度与大气温度的温差均值明显高于梁顶和梁底温度与大气温度的温差均值，其中以梁底温度与大气温度的温差在24小时内最小，表明梁底温度最接近于大气温度，主要原因是梁底为阴面，没有太阳光的直射，升温较小。（2）无论是斜拉索、还是梁顶或梁底与大气温度的温差最大值一般会出现在中午12点至下午14点附近，温差最小值一般会出现在凌晨。究其原因在于梁体的温度是受日温的影响，日温的变化也是正午时刻温度最高，到了夜晚温度逐步降低。（3）就温差的标准差而言，斜拉索略大，因为斜拉索为钢材，吸热散热会比混凝土材料快。对比图15至图17，可以看出，阵雨模式下：（1）斜拉索温度与大气温度很接近，表明雨水对斜拉索有很大的降温效应。（2）梁底温度随日温的变化，其波动趋势较小，因为梁底本身是处在阴面，吸热小，加上雨水侵袭，吸热速度会比多云、晴天模式下更慢，所以其波动趋势很缓和。（四）按不同天气模式以日温预估桥梁的温度针对岳阳洞庭湖大桥，合作方（中国科学院电子所）提供的SAR影像时间分别为北京时间2016年6月8日18:27、6月19日18:27、6月30日18:27、7月11日18:27、7月22日18:27、8月2日18:27。其中SAR主图像即基准影像时刻为7月11日18:27，其余时刻均为SAR从图像时刻，如表5所示。表5SAR主图像即基准影像时刻卫星SAR拍摄时刻天气模式SAR主或从图像2016/6/8/18:27多云从12016/6/19/18:27阵雨从22016/6/30/18:27多云从32016/7/11/18:27多云主（基准影像）2016/7/22/18:27晴从42016/8/2/18:27阵雨从5a结合图15的程序框图，以多云晴天模式与特殊天气模式如阵雨为例，基于整理的岳阳洞庭湖大桥实测温度与当地大气温度的联系（图12至图17所示），根据卫星拍摄洞庭湖大桥SAR影像的时间（如上表2所示）及天气模式，以洞庭湖大桥地区的大气温度预估出了桥上的温度荷载。另外，为保证算法的精确度，考虑并增添了卫星SAR影像时间上一个时间点（17:27）和下一个时间点（19:27）的温度。如下表4所示表4按不同天气模式以日温预估桥梁的温度3.3.2随机车流荷载在不同天气模式下的统计规律随机车流荷载按天气模式分类对洞庭湖大桥的随机车流进行分析时，因地面湿滑度对车速有影响，便以此来考虑随机车流荷载在不同天气模式下的划分（不考虑季节性的影响）。由此，随机车载按天气模式划分全年共2类：第1类为小雨、阴天、多云、晴天下的随机车流荷载（即基本无雨状态）；第2类为中、大雨及暴雨下的随机车流荷载（有雨状态）。随机车流荷载的模拟（一）随机车流荷载模拟的技术路线图18表示的技术路线是按不同的天气模式，通过实测法得到车流量、车型、车重、车道、车速等基本参数，并编制随机车流模拟程序，从而模拟不同天气模式下各种车流量的随机交通流荷载。特殊天气模式如阵雨、雨雪冰冻下的桥梁和大气温度统计规律也可按此类方法单独分析。开始开始各天气模式下实测车流数据输入车辆位置分布车型分布车重分布各天气模式下的随机车流荷载结果输出结束蒙特卡罗模拟图18随机车流模拟程序框图（二）随机车流荷载模拟程序依据图18的随机车流模拟程序框图，以湖南岳阳洞庭湖大桥为例，首先对其实际交通流进行统计分析，然后按不同天气模式模拟随机车流，再使用通用编译器语言编写了仿真模拟程序，从而得到具有随机性的车流数据。本程序是基于概率理论，结合桥梁工程、交通工程、可靠性分析等原理编制的。针对岳阳洞庭湖大桥，其车流仿真模拟程序的部分源代码如下所示：%随机车流程序调试clearE=zeros(5000,111);m=1;whilem<=5000L=880;V=15;%多云、晴天模式下的平均车流速度t=L/VN=1080;M=N*t/3600H=round(M)A1=rand(1,H);a=1;b=111;A2=a+(b-a)*A1;A=round(A2)B1=rand(1,H)p1=0.6;k1=B1<=p1;C1=B1(k1)[H1,L1]=size(C1)T1=0.58*random('norm',12370,3882,1,L1)+0.42*random('norm',22370,9178,1,L1);p2=0.73;k2=B1<=p2;C2=B1(k2)k3=C2>p1;C3=C2(k3)[H2,L2]=size(C3)T2=0.4*random('norm',90000,12800,1,L2)+0.6*random('norm',150000,15000,1,L2);p3=0.88;k4=B1<=p3;C4=B1(k4);k5=C4>p2;C5=C4(k5)[H3,L3]=size(C5)T3=0.51*random('norm',43580,22180,1,L3)+0.49*random('norm',53030,19420,1,L3);p4=0.91;k6=B1<=p4;C6=B1(k6);k7=C6>p3;C7=C6(k7)[H4,L4]=size(C7)T4=0.24*random('norm',140620,34250,1,L4)+0.76*random('norm',265140,76910,1,L4);forj=1:L9fori=1:L8ifA(1,i)==D(1,j)T(1,j)=T8(1,i)+T(1,j);endendendT;E(m,:)=T;m=m+1;endE;%多云、晴天模式下模拟的5000次车流荷载（三）随机车流荷载模拟结果以小雨、阴天、多云、晴天下的随机车流荷载（第1类）为例，根据图18编写的随机车流程序，得到湖南洞庭湖大桥随机车流5000次模拟中的任意三次随机模拟结果如图19所示。………………图19多云、晴天模式下随机车流5000次模拟中任意的3次分析——图19表明：（1）矩形柱的高低代表的是随机车辆荷载的大小。（2）矩形柱在横坐标的位置代表了随机车辆在桥上的位置。（3）对比第1类天气模式下随机车流5000次模拟中任意3次的随机车流荷载图，其模拟结果的不同很好的表示了车流的随机性。至于其他天气模式下，随机车流荷载的随机性也有类似的性质，不在一一赘述。3.4构建目标桥梁形变关键点的随机形变值时空矩阵桥梁的有效形变是桥梁健康状况评价的重要参数，是桥梁健康监测的重要指标。桥梁的有效形变是指由结构损伤，地面沉降，混凝土收缩、徐变引起的桥梁形变。根据不同天气模式下的桥梁活载（温度荷载、随机车流荷载）统计规律，通过在目标桥梁形变关键点上设置人工PS点，利用蒙特卡罗法-有限元模拟技术，以此给出目标桥梁形变关键点在不同天气模式下的随机形变值时空矩阵。进而根据卫星拍摄SAR影像的时刻，匹配对应天气模式下的随机形变值时空矩阵，可以得到主、从SAR图像干涉过程中由桥梁活载变化引起的随机形变差值，从而可从基于PS-InSA技术提取的形变信息中剔除这种随机形变差值，得到桥梁的有效形变。3.4.1温度荷载对桥梁形变关键点（人工PS点）的影响（一）温度荷载对桥梁形变关键点影响的技术路线图20表示的技术路线是依据4.1节温度荷载在不同天气模式下的统计规律，结合表3卫星SAR拍摄的具体时间，根据目标桥梁实测温度与目标桥梁所在地区大气温度之间的联系（图12至图17所示），预估桥梁的温度，并以此作为温度荷载写入有限元程序中，得到SAR从图像相对于主图像（基准影像）干涉时，由桥梁温度荷载变化引起桥梁形变关键点的随机形变差值（包括均值和标准差）。开始开始读入SAR主图像时刻下的温度荷载桥梁有限元模型读入SAR从图像时刻下的温度荷载桥梁形变关键点位移值随机形变差值结束桥梁有限元模型桥梁形变关键点位移值图20温度荷载对形变关键点影响的技术路线（二）温度荷载对桥梁形变关键点影响的命令流源程序依据图20所示的技术路线，在表3时刻点的基础上，考虑并增添了卫星SAR影像时间上一个时间点（17:27）和下一个时间点（19:27）的温度，编制了主、从SAR图像干涉时，由桥梁温度荷载变化引起桥梁形变关键点的随机形变差值（包括均值和标准差）的命令流源程序，部分算法源代码如下：clearE=load('E:\MATLAB\work\dthLW\qq.txt');digits(64)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%BDKP的处理e=12;%卫星拍摄时多云、晴天的时间点总数r=6;%卫星拍摄时阵雨天气的时间点总数a=e+r;%卫星拍摄的总时间点数h=8;%基准影像时间在卫星拍摄的总时间点数的第8位b=a+4;c=10;%10个BDKP点D1=zeros(c,b);%新建一个0元素矩阵[H1,L1]=size(E)%计算E的行数和列数fori=1:H1ifE(i,1)==1%提取形变关键点E的形变值D1(1,:)=E(i,:);endifE(i,1)==670%提取形变关键点D的形变值D1(2,:)=E(i,:);endifE(i,1)==34%提取形变关键点J的形变值D1(3,:)=E(i,:);endifE(i,1)==66%提取形变关键点I的形变值D1(4,:)=E(i,:);endifE(i,1)==734%提取形变关键点C的形变值D1(5,:)=E(i,:);end……%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%BDKP的处理%调用温度荷载下BDKP的随机形变值——均值+标准差的温度S=load('E:\MATLAB\work\dthLW\qq0.txt');D2=zeros(c,b);%新建一个0元素矩阵[H4,L4]=size(S)%计算E的行数和列数fori=1:H4ifS(i,1)==1%提取形变关键点E的形变值D2(1,:)=S(i,:);endifS(i,1)==670%提取形变关键点D的形变值D2(2,:)=S(i,:);endifS(i,1)==34%提取形变关键点J的形变值D2(3,:)=S(i,:);endifS(i,1)==66%提取形变关键点I的形变值D2(4,:)=S(i,:);endifS(i,1)==734%提取形变关键点C的形变值D2(5,:)=S(i,:);endifS(i,1)==112%提取形变关键点H的形变值D2(6,:)=S(i,:);End……（三）温度荷载对桥梁形变关键点影响的结果结合表3卫星SAR拍摄的时刻，根据5.1节的技术路线，我们研究了从图像相对于主图像（基准影像）干涉时，由日温变化引起岳阳洞庭湖大桥温度荷载前后发生改变后对桥梁形变关键点的影响。给出了卫星SAR拍摄时刻时，由温度荷载引起的桥梁形变（相对于成桥状态年平均气温17度）。最终，得到了基于PS-InSAR干涉提取形变信息时，SAR从图像相对于SAR主图像下，由温度荷载变化引起桥梁形变关键点（BDKP）的随机形变差值（包括均值和标准差）。其结果如图21至图31所示。图21SAR从图像1时刻——温度荷载引起的形变（相对于成桥）图22SAR从图像2时刻——温度荷载引起的形变（相对于成桥）图23SAR主图像时刻——温度荷载引起的形变（相对于成桥）图24SAR从图像3时刻——温度荷载引起的形变（相对于成桥）图25SAR从图像4时刻——温度荷载引起的形变（相对于成桥）图26SAR从图像5时刻——温度荷载引起的形变（相对于成桥）图27温度荷载变化引起的形变——SAR从图像1时刻相对于SAR主图像时刻图28温度荷载变化引起的形变——SAR从图像2时刻相对于SAR主图像时刻图29温度荷载变化引起的形变——SAR从图像3时刻相对于SAR主图像时刻图30温度荷载变化引起的形变——SAR从图像4时刻相对于SAR主图像时刻图31温度荷载变化引起的形变——SAR从图像5时刻相对于SAR主图像时刻为反映洞庭湖大桥主梁在温度荷载作用下的变形趋势，以及与基于PS-InSAR技术下的桥梁形变趋势进行验证。故此，在进行形变结果绘图时不仅给出了我们最为关心的桥梁形变关键点（BDKP），也是PS-InSAR技术设置的人工PS点的形变均值，也给出了主梁其余节点的形变均值。其中红色的实心圆为BDKP的形变均值，黑色的空心圆为主梁其余节点的形变均值。分析——上文图21至图26为卫星SAR拍摄时刻时，由温度荷载引起的桥梁形变（相对于成桥状态，年平均气温17度），可以看出：（1）在夏季无论何种天气模式下的温度效应，梁体形变关键点A、E、F、H、J的形变量非常小。这是由于A、E、F、H、J点处在洞庭湖大桥的墩上，而桥梁设计使用各类规范表明，在各类荷载作用下，要保证结构的正常使用，墩处的形变量要非常小，所以这是合理的。（2）在大桥处在升温过程中，由于索塔受热膨胀，所以会有向上的形变，而梁体由于顺桥向有约束，不让其产生整体的水平位移，所以梁体在沿着顺桥发生热胀冷缩时会呈现高低起伏的趋势，跨中形变关键点G、I的形变量均值最大，发生向下的形变。另外，斜拉索作为传力的构件，一端吊着桥面，一端连着索塔，将桥面上的温度应力或其他形式的荷载产生的应力通过塔传给地基，这也是斜拉桥受力工作的原理。（3）多云和晴天模式下，梁体在温度荷载作用下的形变趋势与阵雨天气模式有所不同。尽管阵雨时天气闷热，温度一样较高，但由于时有短暂的强降雨过程，导致大桥散热不均匀，因此梁体的形变趋势没有多云和晴天模式下梁体的形变趋势那么光滑。其次，多云和晴天模式气温较高，梁体在温度荷载作用下的形变量均值也远远大于阵雨天气模式，在多云晴天时，跨中形变关键点G、I的形变量最大接近7cm，塔顶类形变关键点B、C、D的形变量最大接近3cm，相反阵雨时，两者的形变均值分别接近1cm和1.5cm。上文图27至图31给出的是PS-InSAR干涉提取形变信息时，SAR从图像相对于SAR主图像下，由温度荷载变化引起桥梁形变关键点（BDKP）的随机形变差值（包括均值和标准差），其中基准影像时间是2016/7/11，天气为多云晴天模式。可以看出：（1）图29反映的是SAR从图像相对于SAR主图像时，是降温过程，其余图反映的是升温过程，二者的形变趋势正好相反。（2）无论相对于SAR主图像时刻是降温还是升温过程，梁体形变关键点A、E、F、H、J的形变均值非常小，跨中形变关键点G、I的形变量均值最大，理由同图21至图26的第（1）条分析一样。（3）由温度荷载变化引起桥梁形变关键点（BDKP）的随机形变差值（包括均值和标准差）的大小与基准影像时刻的选择有一定关系。图25、图26的SAR从图像拍摄天气是阵雨模式，而其余SAR从图像与SAR主图像拍摄天气均为多云晴天模式，由此主、从图像干涉下造成温度荷载的变化量也将大有差异，所以图25、图26的形变均值比图21、图22、图23都大。3.4.2随机车流荷载对桥梁形变关键点（人工PS点）的影响（一）随机车流荷载对桥梁形变关键点影响的技术路线图32表示的技术路线是依据4.2节随机车流荷载在不同天气模式下的统计规律，结合表3卫星SAR拍摄洞庭湖大桥的具体时间，根据实测资料模拟不同天气模式下的随机车流，以此作为随机车流荷载写入有限元中，得到SAR从图像相对于主图像（基准影像）干涉时，由随机车流荷载变化引起桥梁形变关键点的随机形变差值（包括均值和标准差）。开始开始读入SAR主图像时刻下的随机车流荷载桥梁有限元模型读入SAR从图像时刻下的随机车流荷载桥梁形变关键点位移值随机形变差值结束桥梁有限元模型桥梁形变关键点位移值图32随机车流荷载对形变关键点影响的技术路线（二）随机车流荷载对桥梁形变关键点影响的命令流源程序依据图32所示的技术路线，在表3时刻点的基础上，考虑并增添了卫星SAR影像时间上一个时间点（17:27）和下一个时间点（19:27）的随机车流荷载，编制了SAR主、从图像干涉时，由随机车流荷载变化引起桥梁形变关键点的随机形变差值（包括均值和标准差）的命令流源程序，部分算法源代码如下：……%%%%%%%%%%%%%%%%%%%%%%%%%%%多云、晴天模式下的形变A=load('E:\MATLAB\work\dthLW\CZxb.txt');%洞庭湖大桥形变关键点编号B=[-5.700903E-043.595228E-02-9.214208E-034.205237E-026.796119E-02-1.429043E-024.925500E-026.796113E-02-9.214210E-034.205231E-023.595216E-02-5.700916E-04];%加重力时关键点的z方向位移fori=1:5000A(i,:)=A(i,:)-B(1,:);%A矩阵的第2/3行减去B矩阵的第一行（A、B矩阵列数相同）endA;A=1.0e3*A;%将位移值化为mm单位A(:,2)=[];%删除原A矩阵的第2列A(:,10)=[];%删除原A矩阵的第11列A;%BDKP形变值矩阵[H8,L8]=size(A)%验算A的行数和列数m1=rand(1,e)%产生1行e列0-1的随机数m2=1+(5000-1)*m1%转换为1-5000的随机数n=round(m2)%取整[H9,L9]=size(n)%计算n的行数和列数C=zeros(e,10);forj=1:L9C(j,:)=A(n(1,j),:)endC;[H10,L10]=size(C)%验算C的行数和列数%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%阵雨模式下的形变A1=load('E:\MATLAB\work\dthLW\CZxb.txt');%洞庭湖大桥形变关键点编号%1（E）670（D）34（J）66（I）734（C）112（H）290（G）778（B）258（F）226（A）B1=[-5.700903E-043.595228E-02-9.214208E-034.205237E-026.796119E-02-1.429043E-024.925500E-026.796113E-02-9.214210E-034.205231E-023.595216E-02-5.700916E-04];%加重力时关键点的z方向位移fori=1:5000A1(i,:)=A1(i,:)-B1(1,:);%A1矩阵的第2/3行减去B矩阵的第一行（A1、B1矩阵列数相同）endA1;A1=1.0e3*A1;%将位移值化为mm单位A1(:,2)=[];%删除原A1矩阵的第2列A1(:,10)=[];%删除原A1矩阵的第11列A1;%BDKP形变值矩阵[H11,L11]=size(A1)%验算A1的行数和列数M1=rand(1,r)%产生1行r列0-1的随机数M2=1+(5000-1)*M1%转换为1-5000的随机数N=round(M2)%取整[H12,L12]=size(N)%计算N的行数和列数C1=zeros(r,10);forj=1:L12C1(j,:)=A1(n(1,j),:)endC1;[H13,L13]=size(C1)%验算C1的行数和列数……%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%从图像相对于基准影像的位移%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%车流效应下的形变处理C2=[C;C1];%所有时间下车流的形变值矩阵[H16,L16]=size(C2)%计算C2的行数和列数J2=zeros(a,c);%新建一个0元素矩阵fori=1:H16J2(i,:)=C2(i,:)-C2(h,:);%h为基准影像形变所在的行endJ2;%BDKP从图像相对于基准影像的形变均值J2(h,:)=[];%删除原C2矩阵的第h行[H17,L17]=size(J2)%验算C2的行数和列数J2A2=[A;A1];v2=std(A2,0,1);%计算A2矩阵每一列的标准差V2=v2.^2;%v2矩阵每个元素各自的平方——方差，即从图像相对于基准影像的形变方差……（三）随机车流荷载对桥梁形变关键点影响的结果结合表3卫星SAR拍摄的时刻，根据5.1节的技术路线，我们研究了从图像相对于主图像（基准影像）干涉时，由随机车流荷载变化对桥梁形变关键点形变的影响。给出了卫星SAR拍摄时刻时，由随机车流荷载引起的桥梁形变（相对于成桥状态无车时）。最终，得到了基于PS-InSAR干涉提取形变信息时，SAR从图像相对于SAR主图像下，由随机车流荷载变化引起桥梁形变关键点（BDKP）的随机形变差值（包括均值和标准差）。其结果如图33至图37所示。图33随机车流荷载变化引起的形变——SAR从图像1时刻相对于SAR主图像时刻图34随机车流荷载变化引起的形变——SAR从图像2时刻相对于SAR主图像时刻图35随机车流荷载变化引起的形变——SAR从图像3时刻相对于SAR主图像时刻图36随机车流荷载变化引起的形变——SAR从图像4时刻相对于SAR主图像时刻图37随机车流荷载变化引起的形变——SAR从图像5时刻相对于SAR主图像时刻分析——图33至图37为PS-InSAR技术干涉提取形变信息时，SAR从图像相对于SAR主图像下，由随机车流荷载变化引起桥梁形变关键点（BDKP）随机形变差值的均值。不难看出：（1）虽然从4.2.2已知车流荷载出现在桥上的位置及其车流荷载大小均是随机的，且二者并无相关性。但是无论随机车流荷载怎么变化，A、E、F、H、J形变关键点因其处在洞庭湖大桥的墩上，所以其随机形变差值的均值几乎为0mm。（2）跨中类形变类关键点G、I随机形变差值的均值将有较大的数值，但也只有1mm左右。（3）之所以对称位置的桥梁形变关键点的随机形变差值没有呈现对称的性质，是因为随机车流的原因，导致随机车载作用在桥上的位置不是对称的，所以对称的桥梁结构，对称的约束，作用有不对称的荷载，那么对称位置的桥梁形变关键点的随机形变差值必然不会有相同的大小和方向。综上，横观温度荷载和随机车流荷载对桥梁形变关键点的影响，从其结果图，明显可以得知，温度荷载对桥梁形变关键点的影响远远大于随机车流荷载，二者引起的形变值大小相差一个量级。3.4.3SAR主、从图像干涉下，由活载变化引起的桥梁随机形变差值结合上述工作，根据面向PS-InSAR技术的桥梁安全预警体系技术路线（图20所示），综合运用数理统计和概率论的知识，我们构建了不同天气模式下，目标桥梁形变关键点在24小时内的随机形变值时空矩阵。然后，只要确定卫星SAR拍摄的具体时间及天气，找对象对应的随机形变值时空矩阵，可以得到SAR主、从图像干涉时，由桥上活载变化引起的随机形变差值。对于洞庭湖大桥而言，因卫星SAR拍摄的具体时间已知（表3提供有具体拍摄时间），所以可以建立各天气模式下目标桥梁形变关键点在24小时内的随机形变值时空矩阵（数据运行计算中有）。于是，基于计算的随机形变值时空矩阵数据，我们整合出了在PS-InSAR技术干涉提取形变信息时，SAR从图像相对于SAR主图像下，由桥梁活载变化（温度荷载和随机车流荷载）引起桥梁形变关键点（BDKP）随机形变差值（包括均值和方差），其结果如下表6所示。表6桥梁活载（温度、随机车流荷载）下洞庭湖大桥形变关键点的铅垂位移——SAR从图像时刻相对SAR主图像时刻根据此表，在以PS-InSAR技术提取的桥梁形变信息中，就能剔除SAR主、从图像干涉时，由桥梁活载变化引起的随机形变差值，最终获取桥梁形变关键点即人工PS点的有效形变。3.5基于随机形变差值，结合PS-InSAR技术提取目标桥梁的有效形变中科院电子所的工作3.6以目标桥梁的有效形变，进行安全预警评估3.6.1安全预警标准分级依据《公路桥梁技术状况评定标准》（JTGTH21-2011），将悬索桥和斜拉桥的安全预警等级由跨中挠度技术状况来标定，将安全预警等级分为：3级：跨中挠度未大于限值，跨中最大挠度小于或等于计算跨径的1/600；4级：跨中挠度大于限值，跨中最大挠度大于计算跨径的1/600，小于或等于计算跨径的1/400；5级：跨中最大挠度大于计算跨径的1/400。3.6.2目标桥梁形变关键点的安全评估洞庭湖大桥的最大跨径为310m，最小跨径为130m。当跨中最大挠度小于21cm时，为三级技术状况，属于正常安全运营工作状态；当跨中最大挠度大于或等于50.5cm，达到四级技术状况，需要发出安全警示。根据PS-InSAR数据结合有限元计算，得到跨中关键点的有效形变。根据统计分析得到随机车流荷载和温度荷载引起形变的均值和方差。我们认为得到的跨中关键点的有效形变是随机变量的均值，结合这些统计参量给出安全预警的计算方法：设随机车流荷载引起形变的均值为，标准差为。温度荷载引起形变的均值为，标准差为。PS-InSAR测量得到形变均值为，标准差为。根据概率论得到：跨中关键点的有效形变的均值为，标准差为，满足以下关系：=-（+）=设跨中关键点三级技术状况标定值为，概率为P3。3.6.3目标桥梁的安全预警评估我们对湖南岳阳洞庭湖大桥进行了实桥安全预警评估，通过处理得到各形变关键点的有效形变均值如下。桥梁形变关键点有效形变均值(mm)有效形变标准差E-16.033660.6325J-5.032941.3601I-42.2157417.0238H11.708161.772G-63.003216.8834F-10.606891.7A-29.455380.6325基于PS-InSAR技术获取的洞庭湖大桥的有效形变，结合预警评估标准，从以上有效形变数据可知：虽然洞庭湖大桥东南部分的沉降大于西北部分，但其最大形变桥梁还是处在正常安全运营阶段——属3级技术状况。算法及软件模块设计方案（一）根据桥梁施工设计图纸建立几何模型，定义混泥土、钢索材料，定义梁、杆单元。赋予梁、杆单元材料特性和截面实常数（面积、初应力等），施加约束，施加荷载，求解。（二）根据桥梁在恒载、活载作用下的形变规律，结合PS-InSAR技术选取人工PS点的便利，确定桥梁形变关键点。（三）模拟车流荷载、温度荷载的统计规律，结合PS-InSAR拍摄桥梁影响时间，将荷载作为初始条件输入有限元模型，求解SAR主、从图像干涉下桥梁形变关键点的随机形变差值。（四）从PS-InSAR形变信息中剔除随机形变差值得到桥梁关键点的有效形变。（五）建立桥梁安全预警判据，计算桥梁安全预警等级。测试大纲、细则及测试评估报告5.1测试大纲与细则5.1.1自编OSTK软件与商业软件ANSYS计算同一模型的对比将自编OSTK软件与现有商业软件ANSYS计算相同参数的三维梁单元模型的计算结果进行对比，判断自编软件的正确性。三维梁单元模型测试将所建立的有限元模型与现有商业软件比较测试，OSTK的三维梁单元与ANSYS的坐标系不一样，以下给出三个悬臂梁算例，原点为固定端。（一）OSTK三维梁单元模型全局坐标系图OSTK程序计算时的Tcl/Tk语言源文件：#Canti01.tcl：梁轴线为x；#sourcecanti01.tcl#Iprefertousethiscoordinatesystem:#xgoesright,#ygoesupside,#zpointstomybackathorizontaldirection.wipemodelBasicBuilder-ndm3-ndf6geomTransfLinear1010;#axisinhorizontalplanegeomTransfLinear2100;#axisgoesup#DefineVariablessetLen10.0setB0.2setH0.3setIh[expr$B*$H*$H*$H/12.0]setIv[expr$H*$B*$B*$B/12.0]setIxx[expr$Ih+$Iv]setArea[expr$B*$H]setEx2.0e11setNu0.2setGx[expr$Ex/(2.0*(1.0+$Nu))]setLoad1000.0setDv[expr$Load*$Len*$Len*$Len/(3.0*$Ex*$Ih)]#DefinetheNodesnode1000node2$Len00#DefinetheBeams#ifx->right,y->up,z->back,#elementelasticBeamColumn112$Area$Ex$Gx