Contribuições para pesagem em movimento em pontes: fusão de dados e inferência bayesiana para atualização de parâmetros do modelo

Abstract

Veículos com excesso de carga podem acelerar a degradação do pavimento ou causar severos danos à estrutura de pontes. O controle do peso dos caminhões é, portanto, uma forma de proteção e manutenção nos sistemas de transporte. Tecnologias de pesagem em movimento, vêm sendo aplicadas, pois permitem pesar veículos na velocidade do tráfego. Dentre estas, está o sistema de pesagem em movimento em pontes (Bridge Weigh in Motion ou B-WIM), que relaciona medidas de deformação das vigas obtidas durante a passagem de um veículo sobre a ponte com esforços calculados teoricamente a partir de pesos dos eixos e linha de inCuência (LI), aplicando métodos de resolução de problemas inversos. Diversos estudos com B-WIM indicam que os resultados são satisfatórios para o peso bruto total (PBT) do veículo, mas que os pesos por eixo têm erros elevados. Propôs-se, então, o uso de deformações provenientes de esforço cortante. Para medição dos esforços na estrutura real foi apresentado um método que requer somente um extensômetro por viga, instalado a 45°, próximo aos apoios. O sistema B-WIM baseado em esforço cortante resultou pouca alteração nas estimativas de PBT em comparação ao método baseado em momento Cetor, porém ocorreu redução signiAcativa de erros nos pesos estimados por eixo, bem como redução da variabilidade. Propôs-se, também, o uso de medidas de cortante simultaneamente às medidas de momento Cetor, visando aumentar a precisão do B-WIM. Foram propostos e analisados três métodos de fusão de dados de Cexão e cortante. Percebeu-se que a fusão resulta uma situação intermediária entre os métodos individuais, o que se mostra benéAco quando os esforços individuais levam a resultados semelhantes. Além da sua função principal, o B-WIM também pode ser empregado na atualização de parâmetros de modelos de pontes, quando estes não são conhecidos. Neste trabalho, então, é explorada a obtenção do parâmetro rigidez da ponte, aproveitando os dados da etapa de calibração. A resolução deste problema inverso para a atualização de modelo é feita a partir de um Método Bayesiano Hierárquico (HBM). O trabalho demonstra que o resíduo entre medição e modelo apresenta clara correlação, que foi então considerada ao modelar os resíduos como autorregressivos de segunda ordem, descartando-se a hipótese de heteroscedasticidade avaliada. A principal aplicação do modelo com resíduos correlacionados está na predição de sinais. A partir das distribuições de média e desvio padrão para a rigidez e resíduo, resultantes da atualização, pode-se prever o sinal de um veículo qualquer, obtendo um intervalo de conAança, com melhor ajuste aos sinais. Na última parte do trabalho, obteve-se LIs com formatos de polinômios cúbicos, a partir da atualização Bayesiana dos coeAcientes das equações. Embora para Ans de pesagem essa LI cúbica Bayesiana não seja a mais adequada, ela é uma boa alternativa para o calcular o momento Cetor em serviço para qualquer posição do caminhão, dado que forma uma equação que só depende da posição do eixo do veículo. Considerando o desvio padrão do resíduo, pode-se prever um intervalo de conAança para o momento Cetor. O trabalho apresentou contribuições relevantes para a melhoria do sistema B-WIM, evidenciando que tal tecnologia pode ser aliada para avaliação e monitoramento das estruturas.

Overloaded vehicles can accelerate pavement degradation or cause severe damage to bridge structures. Therefore, truck weight control serves as a mean of protection and maintenance within transportation systems. Weigh-in-motion technologies have been applied as they allow vehicles to be weighed at traffic speed. Among these is the Bridge Weigh-in-Motion (B-WIM) system, which relates strain measurements obtained during a passage of a vehicle over the bridge with theoretically calculated efforts derived from axle weights and inCuence lines, using inverse problem-solving methods. Various B-WIM studies indicate satisfactory results for gross vehicle weight (GVW) but show signiAcant errors for axle weights. Thus, the use of strain measurements from shear forces was proposed. For real structures measurements, the presented method requires only one strain gauge per girder, installed at a 45° angle near the supports. The shear-force-based B-WIM system showed little change in GVW estimates compared to the bending moment-based method but resulted in a signiAcant reduction in errors for estimated axle weights and variability. A proposal was, then, made to combine shear measurements with bending moment measurements to enhance B-WIM accuracy. Three data fusion methods for bending and shear were proposed and analyzed. The fusion led to intermediate results between the individual methods, which proved beneAcial when the individual efforts yielded similar results. Beyond its primary function, B-WIM can also be used to update bridge model parameters when these are unknown. In this study, the derivation of the bridge stiffness parameter was explored using data from the calibration step. Solving this inverse problem for model updating was performed using a Hierarchical Bayesian Method (HBM). The study showed that the residual between measurement and model, displayed clear correlation, that was modeled using a secondorder autoregressive process, while the hypothesis of heteroscedasticity was also tested and discarded. The main application of the model with correlated residuals lies in signal prediction. Using the mean and standard deviation distributions for stiffness and residuals obtained from the update, it is possible to predict a signal for any vehicle, providing a conAdence interval with better alignment to the signals. In the Anal part of the study, inCuence lines in the form of cubic polynomials were obtained by Bayesian updating of the equations coefficients. While the cubic Bayesian inCuence line may not be ideal for weighing purposes, it serves as a suitable alternative for calculating service bending moments for any vehicle position, forming an equation that only depends on the axle position. Considering the residual standard deviation, a conAdence interval for this bending moment can be predicted. This work presented signiAcant contributions to enhancing the B-WIM system, demonstrating that this technology is an effective tool for structural evaluation and monitoring.