A hypothesis testing framework is introduced for bridge damage detection, which enables a rigorous, decision-oriented approach for detection of bridge damage when it exists. A bridge damage detection hypothesis test is developed using girder distribution factors (GDF) under operational, output-only strain monitoring. GDFs are calculated from measured strain data collected during traffic events at the Powder Mill Bridge in Barre, Massachusetts. A sample of GDFs is drawn to establish a baseline over the course of one week, representing the probabilistic behavior of a healthy bridge under normal operating conditions. A new sample can be compared with the baseline at the end of each day, providing a timely and effective operational damage detection method. A calibrated finite element model is used to simulate damaged bridge GDF samples under four damage scenarios. The damaged bridge GDF samples are compared with the healthy baseline sample using the rank-sum test, and the results are employed to develop a damage index capable of alerting bridge owners of potential damage. A simple bootstrap resampling scheme is used to evaluate the probability of issuing a false alarm (Type I error), as well as the likelihood of not issuing an alert when the bridge is damaged (Type II error). A three-dimensional statistical bridge signature is developed to aid damage localization and assessment. Nonparametric prediction intervals corresponding to a baseline signature are generated using the bootstrap method, creating an envelope of possible baseline bridge signatures. When a bridge signature falls outside the baseline bridge signature envelope, damage is detected. Damage was successfully identified for all four artificial damage cases considered. The overall damage detection method is designed to alert bridge owners when damage is detected and to provide a probabilistic tool to aid damage assessment and localization while controlling for both Type I and Type II errors

چکیده

چارچوب آزمون فرض برای تشخیص آسیب به پل معرفی شده است که اجرای روش دقیق و تصمیم محور جهت تشخیص آسیب به پل را در هنگام وقوع امکان پذیر می‌سازد. آزمون فرض تشخیص آسیب به پل با استفاده از ضرایب توزیع شاه تیر (GDF) توسعه یافته است که تنها بر خروجی کرنش نظارت عملیاتی دارد. GDF از داده‌های کرنش اندازه گیری شده ای محاسبه می‌شود که در طی وقایع ترافیکی در پل «پاودر میل» در شهر «بار» از ایالت ماساچوست گردآوری شده بودند. نمونه ای از GDFها انتخاب می شود تا مبنایی در طول یک هفته ایجاد شده و رفتار احتمالی (غیر قطعی) یک پل سالم را در شرایط عملیاتی عادی نشان دهد. نمونه جدید را می‌توان در انتهای هر روز با مبنا مقایسه کرد و روش عملیاتی مناسب و مؤثری برای تشخیص آسیب به پل ارائه کرد. از یک مدل کالیبره شده المان محدود برای شبیه سازی نمونه‌های GDF پل‌های آسیب دیده در چهار حالت آسیب استفاده می‌شود. نمونه‌های GDF پل‌های آسیب دیده با استفاده از آزمون مجموع رتبه‌ها با نمونه سالم مبنا مقایسه می‌شوند و نتایج برای توسعه یک شاخصِ آسیب، بکار برده می‌شوند که قادر است به مالکان پل در مورد آسیب بالقوه هشدار دهد. یک طرح ساده نمونه گیری مجدد خودگردان (خود یاریگر) جهت ارزیابی احتمال صدور هشدار کاذب (خطای نوع 1)  و نیز احتمال عدم صدور هشدار در زمان آسیب به پل (خطای نوع 2) استفاده شده است. الگوی سه بعدی آماری پل توسعه یافته است تا به مکان یابی و ارزیابی آسیب کمک کند. بازه پیش بینی غیر پارامتری متناظر با الگوی مبنا با استفاده از روش خودگردان تولید می‌شوند و پوش (محدوده) الگوی مبنای احتمالی پل را ایجاد می‌کنند. هنگامی که الگوی پل خارج از پوش الگوی مبنای پل قرار می‌گیرد، آسیب تشخیص داده می‌شود. آسیب با موفقیت برای هر چهار حالت آسیب مصنوعی مورد نظر شناسایی شد. روش تشخیص آسیب کلی طوری طراحی شده است که در زمان تشخیص آسیب، به مالکان پل هشدار داده و ابزاری احتمالی برای کمک به ارزیابی و مکان یابی آسیب در ضمن کنترل هر دو خطای نوع 1 و 2 را ارائه کند.

1-مقدمه

انجمن مهندسان عمران آمریکا (ASCE) برآورد کرده است که هر روز نزدیک به 210 میلیون سفر بر روی پل‌های دارای نقص سازه‌ای در آمریکا در سال 2013 صورت گرفته است. در سال 2010، اداره بزرگراه‌های فدرال (FHWA) گزارش داد که هزینه بهبود زیر ساخت‌ های کهنه کشور بسیار فراتر از مخارج مبنا بوده است. بازرسی بصری پل هر دو سال نیاز می‌باشد اما این بازرسی، همانطور که مور و همکاران نشان دادند، اغلب فردی بوده و غیر منسجم است...