CN108573224A - 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法 - Google Patents

一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法 Download PDF

Info

Publication number
CN108573224A
CN108573224A CN201810293223.XA CN201810293223A CN108573224A CN 108573224 A CN108573224 A CN 108573224A CN 201810293223 A CN201810293223 A CN 201810293223A CN 108573224 A CN108573224 A CN 108573224A
Authority
CN
China
Prior art keywords
damage
bridge
rmpca
principal component
window
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810293223.XA
Other languages
English (en)
Other versions
CN108573224B (zh
Inventor
聂振华
陈威
郭恩国
马宏伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan University
University of Jinan
Original Assignee
Jinan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jinan University filed Critical Jinan University
Priority to CN201810293223.XA priority Critical patent/CN108573224B/zh
Publication of CN108573224A publication Critical patent/CN108573224A/zh
Application granted granted Critical
Publication of CN108573224B publication Critical patent/CN108573224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12Classification; Matching
    • G06F2218/14Classification; Matching by matching peak patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/14Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141Discrete Fourier transforms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12Classification; Matching
    • G06F2218/16Classification; Matching by matching signal segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Artificial Intelligence (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Signal Processing (AREA)
  • Discrete Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法,步骤如下:S1、在梁桥任意位置安装一个加速度传感器;S2、测量车辆荷载经过梁桥时的加速度响应,得到所在测点的加速度信号x(t);S3、定义移动时间窗口;S4、对窗口内时间序列xi(n)用时间延迟方法重构出矩阵Ai;S5、对矩阵Ai做主成分分析计算,取特征值向量Vi的元素最大值,定义为RMPCA;S6、移动时间窗口,得到重构移动主成分损伤指标时间序列RMPCA(i);S7、通过损伤特征量指标RMPCA曲线定位损伤。该方法只需用到单个传感器数据,且无需完好桥梁无损数据,就能准确定位桥梁的损伤位置,降低了传感器的数量和成本,克服了目前桥梁无损数据不完备情况下无法检测损伤的难题。

Description

一种利用单传感器信息的移动重构主成分的桥梁结构损伤定 位方法
技术领域
本发明涉及无损结构检测技术领域,具体涉及一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法。
背景技术
土木工程结构在国民经济的发展中起着重要的作用,是对国计民生有重大影响的基础设施。土木工程结构由于受到环境、有害物质的侵蚀,可导致结构损坏。桥梁在建造和使用过程中,在交通流量迅速增加时,结构处于连续超负荷服役也可能导致疲劳破坏。我国的中小跨度桥梁,绝大多数为梁式桥梁,随着我国经济飞速发展,相当一部分这类桥梁在使用过程中严重的超载服役,导致桥梁结构各部分在达到设计年限前就产生不同程度的损伤和劣化。因此,对桥梁进行结构健康监测是十分必要的。在结构健康监测领域,为了得到桥梁结构响应,一般在桥梁上安装各类传感器进行数据采集,而后基于不同的损伤识别理论从不同类型的数据中提取出相应的损伤特征,达到对桥梁的损伤进行诊断并定位的目的。
传统的桥梁结构健康监测及损伤识别***需要大量的传感器以及桥梁的初始状态完备数据。目前国内外的桥梁结构健康监测及损伤识别***安装成百上千个传感器,不仅耗资巨大,还造成“海量垃圾数据”。另外,大多数传统动力指纹方法都需要基于原始数据,即结构无损状态或建成后初始状态,而实际上这一点在工程中也很难做到,数据不完备是比较常见的工程问题。
桥梁结构健康监测及损伤识别技术的开发目前仍处于基础性的探索阶段,距离工程实践尚有一定的差距,而其中主要问题在于:安装的传感器过多,耗资巨大,存在难以处理的海量数据;以及数据不完备,许多桥梁已经建成并投入使用,缺少无损数据作为基准状态数据进行对比。基于上述背景,目前亟待提出一种能够在桥梁上安装少数传感器且不依靠桥梁无损数据来测量桥梁的动态响应、分析响应信号、进行桥梁的健康诊断和损伤定位的方法,以降低传感器的使用量,解决传感器过多,耗资巨大,数据不完备等问题。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷,提供一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法。
本发明的目的可以通过采取如下技术方案达到:
一种利用单传感器信息的移动重构主成分进行梁式桥梁结构损伤定位的方法,所述方法包括:
S1、在梁桥上任意一个位置安装加速度传感器a,安装方向为直于桥面方向;
S2、测量车辆荷载匀速通过梁桥时的加速度响应,得到加速度传感器a的加速度信号x(t)
S3、定义移动时间窗口,截取所测得的单个信号得到窗口内信号xi(n),n=1,2,...,L,L为移动窗口长度,i为窗口移动的步点,L的计算方法如式(1):
其中,f1为梁桥基频,fs为采样频率。
S4、对窗口内时间序列xi(n)用时间延迟方法重构出矩阵Ai
式中q为重构矩阵的列数,其取值为:
其中,f*为带宽极限频率,即信号x(t)的频谱图中,大于f*频域内不存在功率显著的频段。
S5、对式(2)中的矩阵做主成分分析计算(PCA)得特征值矩阵S
PCA(Ai)=[Ui,Si,Vi] (4)
其中,Ui为主成分矩阵,Si为对应于矩阵Ui的贡献率向量,Vi为对应于Ui的特征值向量,Vi里的元素从大到小排列。取特征值向量Vi的最大值,即Vi第一个元素为窗口内损伤特征量,定义为RMPCA:
RMPCA(i)=Vi(1) (5)
S6、在所测信号的时间轴上自t=0开始移动时间窗口,移动步长为Δt,Δt为信号的采样时间间隔,得到重构移动主成分损伤指标时间序列RMPCA(i),i=1,2,...,N-L;
S7、通过损伤特征量指标RMPCA曲线定位损伤。
进一步地,所述的步骤S7、通过损伤特征量指标RMPCA曲线定位损伤的过程如下:
S701、根据损伤特征量指标RMPCA的时间序列绘制损伤特征量指标RMPCA曲线;
S702、当移动时间窗口移动到车辆刚好经过梁桥损伤位置时,损伤特征量指标RMPCA曲线出现峰值,通过损伤特征量指标RMPCA曲线的最大峰值位置来确定车辆经过损伤位置的时刻。
S703、用车辆速度乘于车辆经过损伤位置的时刻,即把时间轴换算成空间位置轴,从而确定损伤位置。
进一步地,所述的梁桥基频f1与所述的带宽极限频率f*通过对测得的加速度信号x(t)进行FFT分析获得。
本发明相对于现有技术具有如下的优点及效果:
1)本发明只需用到单个传感器数据,就能定位梁桥损伤位置,降低了传感器的数量和成本。
2)本发明无需结构的无损状态的数据作为基准进行对比,就能进行桥梁的损伤定位,克服了结构须依据无损数据才能检测损伤的难题。
3)本发明提出的方法,操作简单,计算快捷,桥梁结构损伤定位效果明显。
附图说明
图1是本发明中公开的利用单传感器进行梁式桥梁结构损伤定位的方法流程图;
图2是本发明实施例中梁式梁桥模型简图;
图3是本发明实施例中测得的加速度信号及移动窗口示意图;
图4是本发明实施例中所测加速度信号的频谱图;
图5是本发明实施例中梁桥损伤10%时指标RMPCA的曲线图;
图6是本发明实施例中梁桥损伤30%时指标RMPCA的曲线图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1所示,图1为梁桥损伤定位的单个传感器方法的流程步骤图,实施例中使用的钢梁桥模型示意图如图2。模型梁长l为20m,采样频率200Hz,损伤在梁长的2/5处。具体实施过程如下:
S1、在梁桥上任意位置安装加速度传感器a,安装方向为垂直于桥面方向,如图2所示实施例中,传感器安装位置为梁长的1/4处。
S2、测量车辆荷载经过梁桥时其加速度响应,得到加速度传感器a的测点加速度信号x(t),如图3所示为传感器所测得的信号,信号长度N为4000。
S3、定义移动时间窗口,截取所测得的单个信号xi(n),n=1,2,...,L,其中L为移动窗口长度,L的计算方法如式(1):
其中,f1为梁桥基频,fs为采样频率。
首先对S2中测得的信号进行FFT分析,获得梁桥基频f1。如图4所示为FFT分析后的频谱图,从图中可得基频f1为1.123Hz。再根据采样频率fs,计算得到窗口长度为L=200/1.123=178.09,取整为178。
S4、对窗口内时间序列xi(n)用时间延迟方法重构出矩阵Ai
式中q为重构矩阵的列数,其取值为:
其中,f*为带宽极限频率,即信号x(t)的频谱图中,大于f*频域内不存在功率显著的频段。带宽极限频率f*为10.25Hz,再根据采样频率fs,计算得到矩阵列数为q=200/10.25=19.51,取整为19。
S5、对式(2)中的矩阵做主成分分析计算(PCA)得特征值矩阵S
PCA(Ai)=[Ui,Si,Vi] (4)
其中,Ui为主成分矩阵,Si为对应于矩阵Ui的贡献率向量,Vi为对应于Ui的特征值向量,Vi里的元素从大到小排列。取特征值向量Vi的最大值,即第一个元素为窗口内损伤特征量,定义为RMPCA:
RMPCA(i)=Vi(1) (5)
S6、在所测信号的时间轴上自t=0开始移动时间窗口,如图3所示,移动步长为Δt,Δt为信号的采样时间间隔,得到重构移动主成分损伤指标时间序列RMPCA(i),i=1,2,...,3822;
S7、通过损伤特征量指标RMPCA曲线定位损伤。
该步骤具体过程如下:
S701、根据损伤特征量指标RMPCA的时间序列绘制损伤特征量指标RMPCA曲线;
S702、当移动时间窗口移动到车辆刚好经过梁桥损伤位置时,损伤特征量指标RMPCA曲线出现峰值,通过损伤特征量指标RMPCA曲线的最大峰值位置来确定车辆经过损伤位置的时刻。
S703、用车辆速度乘于车辆经过损伤位置的时刻,即把时间轴换算成空间位置轴,从而确定损伤位置。
如图5为梁桥损伤10%的RMPCA曲线,图6为梁桥损伤30%的RMPCA曲线,从图5和6曲线峰值判断出,梁桥损伤位置为0.4,即梁长的2/5处,准确定位了桥梁的损伤。
综上所述,该实施例公开的梁式桥梁结构损伤定位的方法只利用安装在移动车辆荷载作用下的梁式桥梁上的单个传感器,且无需无损状态的数据做对比,便能根据单个传感器所测加速度信号的重构移动主成分分析来诊断和定位桥梁损伤。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (3)

1.一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法,其特征在于,所述的桥梁结构损伤定位方法步骤如下:
S1、在梁桥上任意一个位置安装加速度传感器a,安装方向为直于桥面方向;
S2、测量车辆荷载匀速通过梁桥时的加速度响应,得到加速度传感器a的加速度信号x(t);
S3、定义移动时间窗口,截取所测得的单个信号得到窗口内信号xi(n),n=1,2,...,L,其中,L为移动窗口长度,i为窗口移动的步点,移动窗口长度L的计算方法如式(1):
其中,f1为梁桥基频,fs为采样频率;
S4、对窗口内时间序列xi(n)用时间延迟方法重构出矩阵Ai
式中q为重构矩阵的列数,其取值为:
其中,f*为带宽极限频率,即信号x(t)的频谱图中大于f*频域内不存在功率显著的频段;
S5、对式(2)中的矩阵做主成分分析计算得特征值矩阵S
PCA(Ai)=[Ui,Si,Vi] (4)
其中,Ui为主成分矩阵,Si为对应于主成分矩阵Ui的贡献率向量,Vi为对应于主成分矩阵Ui的特征值向量,Vi中元素按照从大到小排列,取特征值向量Vi的最大值,即Vi第一个元素为窗口内损伤特征量,定义为RMPCA:
RMPCA(i)=Vi(1) (5);
S6、在所测信号的时间轴上自t=0开始移动时间窗口,移动步长为Δt,Δt为信号的采样时间间隔,得到重构移动主成分损伤指标时间序列RMPCA(i),i=1,2,...,N-L;
S7、通过损伤特征量指标RMPCA曲线定位损伤。
2.根据权利要求1所述的一种利用单传感器信息的移动重构主成分进行梁式桥梁结构损伤定位的方法,其特征在于,所述的步骤S7、通过损伤特征量指标RMPCA曲线定位损伤的过程如下:
S701、根据损伤特征量指标RMPCA的时间序列绘制损伤特征量指标RMPCA曲线;
S702、当移动时间窗口移动到车辆刚好经过梁桥损伤位置时,损伤特征量指标RMPCA曲线出现峰值,通过损伤特征量指标RMPCA曲线的最大峰值位置来确定车辆经过损伤位置的时刻;
S703、用车辆速度乘于车辆经过损伤位置的时刻,即把时间轴换算成空间位置轴,从而确定损伤位置。
3.根据权利要求1所述的一种利用单传感器信息的移动重构主成分进行梁式桥梁结构损伤定位的方法,其特征在于,
所述的梁桥基频f1与所述的带宽极限频率f*通过对测得的加速度信号x(t)进行FFT分析获得。
CN201810293223.XA 2018-04-04 2018-04-04 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法 Active CN108573224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810293223.XA CN108573224B (zh) 2018-04-04 2018-04-04 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810293223.XA CN108573224B (zh) 2018-04-04 2018-04-04 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法

Publications (2)

Publication Number Publication Date
CN108573224A true CN108573224A (zh) 2018-09-25
CN108573224B CN108573224B (zh) 2021-07-23

Family

ID=63574031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810293223.XA Active CN108573224B (zh) 2018-04-04 2018-04-04 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法

Country Status (1)

Country Link
CN (1) CN108573224B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109406075A (zh) * 2018-11-19 2019-03-01 暨南大学 一种利用单传感器信息的移动第一主成分的梁桥结构损伤定位方法
CN109406076A (zh) * 2018-11-19 2019-03-01 暨南大学 一种利用位移传感器列阵输出的移动主成分进行梁桥结构损伤定位的方法
CN109443672A (zh) * 2018-11-19 2019-03-08 暨南大学 一种利用单传感器信息的移动第一特征值曲率的梁桥结构损伤定位方法
CN109684970A (zh) * 2018-12-18 2019-04-26 暨南大学 一种结构动力响应的移动主成分分析的窗口长度确定方法
CN109839440A (zh) * 2019-03-20 2019-06-04 合肥工业大学 一种基于静置车辆测试的桥梁损伤定位方法
CN110657882A (zh) * 2019-09-23 2020-01-07 暨南大学 一种利用单测点响应的桥梁实时安全状态监测方法
CN110954154A (zh) * 2019-11-29 2020-04-03 暨南大学 一种基于移动传感与滤波集成***的桥梁损伤定位方法
CN111723427A (zh) * 2020-06-24 2020-09-29 暨南大学 一种基于递归特征分解的桥梁结构损伤定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971018A (zh) * 2014-05-23 2014-08-06 福州大学 基于振动测试的节点刚度预测方法
CN104331595A (zh) * 2014-09-04 2015-02-04 天津大学 桥梁损伤预警的移动主成分相关系数法
US20170103507A1 (en) * 2015-10-07 2017-04-13 Fuchs Consulting, Inc. Time-lapse infrared thermography system and method for damage detection in large-scale objects

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971018A (zh) * 2014-05-23 2014-08-06 福州大学 基于振动测试的节点刚度预测方法
CN104331595A (zh) * 2014-09-04 2015-02-04 天津大学 桥梁损伤预警的移动主成分相关系数法
US20170103507A1 (en) * 2015-10-07 2017-04-13 Fuchs Consulting, Inc. Time-lapse infrared thermography system and method for damage detection in large-scale objects

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109406075A (zh) * 2018-11-19 2019-03-01 暨南大学 一种利用单传感器信息的移动第一主成分的梁桥结构损伤定位方法
CN109406076A (zh) * 2018-11-19 2019-03-01 暨南大学 一种利用位移传感器列阵输出的移动主成分进行梁桥结构损伤定位的方法
CN109443672A (zh) * 2018-11-19 2019-03-08 暨南大学 一种利用单传感器信息的移动第一特征值曲率的梁桥结构损伤定位方法
CN109684970A (zh) * 2018-12-18 2019-04-26 暨南大学 一种结构动力响应的移动主成分分析的窗口长度确定方法
CN109839440A (zh) * 2019-03-20 2019-06-04 合肥工业大学 一种基于静置车辆测试的桥梁损伤定位方法
CN109839440B (zh) * 2019-03-20 2021-03-30 合肥工业大学 一种基于静置车辆测试的桥梁损伤定位方法
CN110657882A (zh) * 2019-09-23 2020-01-07 暨南大学 一种利用单测点响应的桥梁实时安全状态监测方法
CN110657882B (zh) * 2019-09-23 2021-07-27 暨南大学 一种利用单测点响应的桥梁实时安全状态监测方法
CN110954154A (zh) * 2019-11-29 2020-04-03 暨南大学 一种基于移动传感与滤波集成***的桥梁损伤定位方法
CN111723427A (zh) * 2020-06-24 2020-09-29 暨南大学 一种基于递归特征分解的桥梁结构损伤定位方法
CN111723427B (zh) * 2020-06-24 2022-03-25 暨南大学 一种基于递归特征分解的桥梁结构损伤定位方法

Also Published As

Publication number Publication date
CN108573224B (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN108573224A (zh) 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法
CN109357822B (zh) 一种基于车桥耦合***时变动力特征改变的桥梁快速测试与评估方法
Chen et al. Damage detection of highway bridges based on long-gauge strain response under stochastic traffic flow
Klikowicz et al. Structural health monitoring of urban structures
CN110631786B (zh) 一种基于驻车振动响应的梁桥承载力快速评估方法
CN102353509B (zh) 一种基于分块冲击振动测试的中小型桥梁快速检测方法
CN112378507B (zh) 一种基于运动补偿的计算机视觉结构振动监测方法
CN110619106B (zh) 一种桥梁损伤定位方法及其定量方法
CN109858156B (zh) 基于车桥耦合振动的车辆与结构信息同时识别方法
CN103900826B (zh) 实时监测汽车底盘结构疲劳损伤的方法
CN113295310A (zh) 一种基于应变刚度代表值的桥梁损伤判定方法
CN110470738B (zh) 基于振动响应差比函数的结构损伤识别方法
CN104568493A (zh) 车辆荷载下基于位移时程面积的结构快速损伤识别方法
CN107167559B (zh) 一种利用双传感器进行梁式桥梁结构损伤定位的方法
CN112637553B (zh) 一种基于监控视频的桥梁结构模态分析方法
Ni et al. Dynamic property evaluation of a long-span cable-stayed bridge (Sutong bridge) by a Bayesian method
CN108520227A (zh) 一种基于双传感器信息的传递熵的桥梁结构损伤定位方法
CN104101542A (zh) 一种梁结构损伤监测装置及其监测方法
CN109781863B (zh) 基于快速振动测试的结构腐蚀二阶段探测方法及其***
CN109406076A (zh) 一种利用位移传感器列阵输出的移动主成分进行梁桥结构损伤定位的方法
CN103123303B (zh) 一种桥梁安全可靠性的定量、在线监测方法
CN109443672A (zh) 一种利用单传感器信息的移动第一特征值曲率的梁桥结构损伤定位方法
CN109357823B (zh) 一种实测路面结构层底最大应变及车辆轴载速度的方法
CN112326787A (zh) 一种基于专属测试车多点快速静态采集的梁式桥识别方法
CN109406075A (zh) 一种利用单传感器信息的移动第一主成分的梁桥结构损伤定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant