[发明专利]一种桥梁健康监控的方法及系统

权利要求书

1.一种桥梁健康监控方法，其特征在于，其包括步骤：

S1，建立桥梁三维信息BIM模型，通过结构模态分析求得桥梁结构理论振动模态；

S2，利用在桥梁上置放的振动数据采集元件，采集由环境因素引发的桥梁振动数据；所述桥梁振动数据通过无线通信方式传输到监控平台上的信息处理模块；

S3，利用信息处理模块，对桥梁振动数据进行实时在线数据处理，包括：根据桥梁振动数据分析桥梁动力性能变化，进行模态识别；

S4，利用结构模态分析模块，基于桥梁振动数据和神经网络计算技术，自动对结构损伤智能判别。

2.根据权利要求1所述的一种桥梁健康监控方法，其特征在于，所述步骤S1具体包括子步骤：

S11，桥梁竣工验收前，运用结构分析软件对桥梁模型进行振动模态分析计算，求得桥梁结构理论动力模态；

S21，桥梁竣工验收后，开展桥梁结构动力模态检测，对照实测桥梁动力模态和理论动力模态，修正结构动力模态参数，得到修正后的桥梁结构动力模态，以此作为运营监控的结构动力模态样本，开展桥梁健康状况的长期监控。

3.根据权利要求1所述的一种桥梁健康监控方法，其特征在于，步骤S2中，所述振动数据采集元件为压电测振仪或激光测振仪。

4.根据权利要求1所述的一种桥梁健康监控方法，其特征在于，所述步骤S2中，还包括子步骤：采用采集器优化模块进行振动数据采集元件位置优化。

5.根据权利要求4所述的一种桥梁健康监控方法，其特征在于，所述采集器优化模块采用的优化算法包括EI法、EI-MAC混合算法、QR-MAC混合算法、逐步积累法、逐步消减法或遗传算法。

6.根据权利要求1至5任一项所述的一种桥梁健康监控方法，其特征在于，所述步骤S3中，模态识别算法包括随机子空间法、频域分解法或小波分析法。

7.根据权利要求6所述的一种桥梁健康监控方法，其特征在于，所述步骤S4中，结构模态分析模块设置有用于神经网络计算的处理器NPU。

8.根据权利要求6所述的一种桥梁健康监控方法，其特征在于，所述步骤S4中，损伤识别算法包括基于模态参数识别、损伤指标函数识别或人工神经网络智能识别算法。

9.根据权利要求6所述的一种桥梁健康监控方法，其特征在于，所述步骤S4中，损伤判别结果超出阈值将及时给出预警信息。

10.根据权利要求1所述的一种桥梁健康监控方法，其特征在于，所述步骤S4中，根据结构损伤识别结果提出常规养护或紧急加固措施，并将监控分析结果实时记录和显示在桥梁BIM三维模型中。

11.根据权利要求1所述的一种桥梁健康监控方法，其特征在于，所述步骤S4中，利用计算机深度学习技术，通过对高频次的损伤识别数据积累和迭代，在下一次加载识别时速度更快、识别精度更高。

12.一种桥梁健康监控系统，其特征在于，包括多个振动数据采集元件、监控平台和终端设备，所述振动数据采集元件通过无线通信网络与监控平台连接，所述监控平台通过有线或无线通信网络与终端设备连接；

所述振动数据采集元件采集由环境因素引发的桥梁振动数据，并通过无线通信网络将采集数据发送到监控平台；

所述监控平台包括信息处理模块、采集器优化模块、结构模态分析模块和桥梁结构振动理论模态存储模块；

所述信息处理模块根据桥梁振动数据实时分析桥梁动力性能变化，进行模态识别；

所述结构模态分析模块根据桥梁振动数据并基于神经网络计算技术，智能判别桥梁结构损伤；

所述桥梁结构振动理论模态存储模块用于存储结构振动理论模态，便于结构模态分析模块分析桥梁的结构损伤。