[发明专利]一种基于多源影响线信息融合的桥梁损伤识别方法在审

专利信息
申请号: 202310303833.4 申请日: 2023-03-24
公开(公告)号: CN116340880A 公开(公告)日: 2023-06-27
发明(设计)人: 周宇;张德伟;李舒;贺文宇;陈建国;付明;赵小龙;汪正兴;吴德义;李宁波 申请(专利权)人: 安徽建筑大学;清华大学合肥公共安全研究院;合肥工业大学
主分类号: G06F18/25 分类号: G06F18/25;G06F17/16
代理公司: 合肥昊晟德专利代理事务所(普通合伙) 34153 代理人: 何梓秋
地址: 230000 安徽省*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 影响 信息 融合 桥梁 损伤 识别 方法
【说明书】:

发明公开了一种基于多源影响线信息融合的桥梁损伤识别方法,属于桥梁损伤识别技术领域,包括以下步骤:S1:基于D‑S证据理论融合多源影响线数据;S2:引入空间距离权重系数;S3:桥梁损伤识别。本发明基于D‑S证据理论进行多测点信息融合,可以有效地将多源影响线数据进行信息融合以此来进行桥梁损伤识别;在进行多测点信息融合时,引入空间距离权重系数可以较好地提高测点空间更近处的可靠度,进而提高桥梁损伤结果识别的可靠度与准确性。

技术领域

本发明涉及桥梁损伤识别技术领域,具体涉及一种基于多源影响线信息融合的桥梁损伤识别方法。

背景技术

桥梁在运营期内会不可避免地受到交通荷载、自然环境等因素的影响,同时其材料会随着时间的推移不断衰减,因此结构难免出现损伤,若不及时对桥梁健康状况进行监测评估,很容易发生静动力灾变,威胁人民生命财产安全。

针对桥梁结构的损伤位置及程度在单一测点测试数据条件下的鲁棒性和准确性较差的问题,提出一种基于多源影响线信息融合的桥梁损伤识别方法。

发明内容

本发明所要解决的技术问题在于:如何解决桥梁结构的损伤位置及程度在单一测点测试数据条件下的鲁棒性和准确性较差的问题,提供了一种基于多源影响线信息融合的桥梁损伤识别方法。

本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:

S1:基于D-S证据理论融合多源影响线数据

获取桥梁的多种影响线数据,构建单一影响线曲率差指标,并进行归一化、无量纲化预处理,对预处理过后的多源影响线数据基于D-S证据理论进行信息融合

S2:引入空间距离权重系数

引入空间距离权重系数,将空间距离权重系数与基于D-S证据理论融合的多源影响线的融合结果进行融合,得到考虑空间距离权重的多源影响线数据融合的桥梁损伤识别新指标;

S3:桥梁损伤识别

经过步骤S1、S2的处理后,得到一组考虑空间距离权重的多源影响线数据融合的桥梁损伤识别新指标,然后利用桥梁损伤识别新指标绘制BPA曲线图,通过BPA曲线幅值变化识别桥梁损伤位置,进而实现桥梁损伤识别。

更进一步地,在所述步骤S1中,多种影响线数据包括挠度、转角、应变和支座反力影响线数据。

更进一步地,在所述步骤S1中,挠度影响线数据通过拉线式位移计测量获取,转角影响线数据通过倾角仪测量获取,应变影响线数据通过应变片测量获取,支座反力影响线数据通过支座压力计测测量获取。

更进一步地,在所述步骤S1中,将挠度、转角、应变和支座反力影响线数据按行向量进行归一化、无量纲化处理。

更进一步地,在所述步骤S1中,在进行归一化、无量纲化预处理后,并进行基本概率赋值,每一行代表同一种传感器采集到的各加载步下的影响线数据。

更进一步地,在所述步骤S1中,依据D-S证据理论进行信息融合时,构造的D-S证据理论基本概率矩阵公式如下:

其中:

其中,MDIL(xi)MRAIL(xi)MSIL(xi)MRIL(xi)为力位于i节点处,测得的指定测点挠、、、

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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安徽建筑大学;清华大学合肥公共安全研究院;合肥工业大学,未经安徽建筑大学;清华大学合肥公共安全研究院;合肥工业大学许可,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/202310303833.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top