缆索是连接桥面系与拱肋（或主缆、主塔）的关键构件，承担着将桥面系荷载传递至主缆、拱肋或主塔的作用，是大跨缆索承重体系桥梁的核心构件。然而，在桥梁服役时，缆索使用周期长且长期暴露于自然环境，承受着环境侵蚀、外界荷载等灾害因素的耦合影响，结构累积损伤和疲劳抗力衰减难以避免。特别是腐蚀与疲劳导致缆索耐久性和承载力下降，已成为影响桥梁使用寿命、威胁服役安全的主要因素。鉴于此，课题组开展了桥梁缆索钢丝应力腐蚀试验，利用三维扫描仪采集锈蚀钢丝表面形貌，研究了不同锈蚀龄期、应力水平下缆索钢丝腐蚀表面特征及其变化规律，提出了锈蚀钢丝损伤评价指标及蚀坑特征参数提取方法，分析了不同锈蚀龄期、应力水平下表面蚀坑特征参数分布规律。在此基础上，基于课题组大量既有试验数据，融合领域知识，运用以粒子群算法优化BP神经网络、Bi-LSTM神经网络和随机森林模型为代表的人工智能算法，构建了多参数据融合的数据驱动的钢丝疲劳寿命预测模型，为实现桥梁缆索的科学管养与经济维修提供理论支撑。

 

桥梁缆索;腐蚀;损伤评定;机器学习;疲劳寿命