[发明专利]一种桥梁健康监控的方法及系统在审
申请号: | 201810010261.X | 申请日: | 2018-01-05 |
公开(公告)号: | CN108376184A | 公开(公告)日: | 2018-08-07 |
发明(设计)人: | 陈宜言;何晓晖;王用中;宗周红;董桔灿;王健 | 申请(专利权)人: | 深圳市市政设计研究院有限公司 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 唐致明;洪铭福 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 桥梁振动数据 桥梁健康 海量数据 结构损伤 桥梁结构 桥梁 损伤 数据采集传感器 神经网络计算 神经网络识别 无线通信技术 信息处理模块 在线实时分析 在线实时监控 整体结构分析 分析模块 监控系统 结构模态 局部结构 实时分析 实时在线 振动模态 智能判别 自动识别 数据处理 监控 模态 费力 自动化 采集 | ||
本发明公开了一种桥梁健康监控的方法及系统,包括步骤:S1,建立桥梁结构理论振动模态;S2,采集桥梁振动数据;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;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。本发明通过利用无线通信技术,桥梁结构动力模态和结构损伤神经网络识别技术,克服了现有技术存在的仅反应了桥梁局部结构、桥梁损伤不易识别、数据采集传感器成本高,寿命短、无法实时分析海量数据以及在线实时监控费时费力的问题,实现桥梁整体结构分析、损伤自动识别、在线实时分析海量数据的自动化桥梁健康监控系统,节省了大量的人力和物力。
技术领域
本发明涉及桥梁工程技术领域,尤其涉及一种桥梁健康监控的方法及系统。
背景技术
BIM模型:Building Information Modeling,建筑信息模型。
NPU:Neural-network Processing Unit,神经网络处理器。
桥梁是关系国家经济命脉和城市生命线的关键节点工程,为保障桥梁结构安全运营,有必要建立桥梁结构健康监控系统。桥梁健康监控是桥梁运营养护管理中的一项重要内容,通过对桥梁进行监控,可以为基础养护提供理论支持,更重要的是要避免因桥梁损伤导致的突发性灾难事故发生。
传统桥梁健康监控主要是通过在桥梁预先设置(或埋置)安装力学传感器、温度传感器等元件,通过对预埋、预设传感器元件的数据采集、处理和分析,判断桥梁的健康状况。监控以获取桥梁不同部位的断面应力、应变、挠度为监控目标,这一监控系统的缺点有:①监控目标以静力参数(应力、应变、挠度等)为主,反应的往往是结构局部受力状况和局部的力学性能;②当荷载传力路径与损伤部位不一致时很难识别损伤;③传感器等预埋元件是否正常运行无法确保,同时元件寿命远远较结构寿命低且价格昂贵;④很难实现在线实时监控,很难捕捉超载运行的具体时刻,同时海量测试数据没有恰当的方法处理分析;⑤为实现在线实时监控需耗费较大的人力和物力。
发明内容
为了解决上述技术问题,本发明的目的是提供一种桥梁健康监控的方法和系统。利用无线通信技术,桥梁结构动力模态和结构损伤神经网络识别技术实现桥梁整体结构分析、损伤自动识别、低成本、在线实时分析海量数据的自动化桥梁健康监控系统,节省了大量的人力和物力。
一种桥梁健康监控的方法,采用的技术方案是:
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,在桥梁上置放振动数据采集元件,采集由行车、行人、风、雨等环境因素引发的桥梁振动数据;
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。
优选的,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。
优选的,所述振动数据采集元件为压电测振仪或激光测振仪。
优选的,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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市市政设计研究院有限公司,未经深圳市市政设计研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810010261.X/2.html,转载请声明来源钻瓜专利网。