CN112287586A - 基于中小桥损伤识别结果的快速可靠度评估方法 - Google Patents
基于中小桥损伤识别结果的快速可靠度评估方法 Download PDFInfo
- Publication number
- CN112287586A CN112287586A CN202011221880.7A CN202011221880A CN112287586A CN 112287586 A CN112287586 A CN 112287586A CN 202011221880 A CN202011221880 A CN 202011221880A CN 112287586 A CN112287586 A CN 112287586A
- Authority
- CN
- China
- Prior art keywords
- damage
- bridge
- medium
- reliability
- small
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000005452 bending Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000004215 lattice model Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本发明的一种基于中小桥损伤识别结果的快速可靠度评估方法,包括以下步骤:基于桥梁设计参数建立中小桥初始有限元模型;根据桥梁现场检测结果或历史统计数据,选择桥梁抗力的概率分布;建立随机车流荷载模型;基于刚度削减设计多种桥梁损伤工况,覆盖所有潜在损伤位置和多级代表性损伤程度;通过调整相应模型参数,基于初始模型建立相应的有限元模型;进行可靠度评估,得到损伤工况相应的可靠度样本;训练机器学习算法,建立损伤工况和可靠度指标间的映射关系。本发明可以基于实测数据和现有桥梁损伤识别方法的结果,快速评估中小桥可靠度,使得现有损伤识别方法的结果更具指导意义,同时也可以更为及时发现中小桥潜在损伤,避免事故发生。
Description
技术领域
本发明涉及桥梁评估方法领域,具体是一种基于中小桥损伤识别结果的快速可靠度评估方法。
背景技术
因为长期往复的上部车辆荷载作用会引起中小桥性能的逐步下降,为了避免潜在事故的发生,保障上部通行人员和车辆安全,需要对中小桥进行实时评估。但目前常用的方法是通过荷载试验来完成,实践下来发现荷载试验开展效率低,作业时间长,需要中断交通,会严重影响正常车辆通行。因此基于健康监测的桥梁快速损伤识别评估尤为必要。目前,许多学者已经开发出很多损伤识别算法,但现有的损伤识别算法只能初步得到损伤位置和程度,无法直接说明桥梁状况,为桥梁后期养护提供依据。而且现有桥梁评估方法基于可靠度理论,往往需要大量有限元随机分析,分析耗时长难以及时给出评估结果。
发明内容
发明目的:为解决上述技术问题,本发明提供一种基于中小桥损伤识别结果的快速可靠度评估方法。
技术方案:本发明的一种基于中小桥损伤识别结果的快速可靠度评估方法,包括以下步骤:
步骤1:基于桥梁设计参数建立中小桥初始有限元模型;
步骤2:根据桥梁现场检测结果或历史统计数据,选择桥梁抗力的概率分布;
步骤3:根据动态称重设备采集的随机车流样本,建立随机车流荷载模型;
步骤4:根据中小桥结构类型及损伤识别结果,基于刚度削减设计多种桥梁损伤工况,覆盖所有潜在损伤位置和多级代表性损伤程度;
步骤5:根据设计的损伤工况,通过调整相应模型参数,基于初始模型建立相应的有限元模型;
步骤6:基于桥梁抗力的概率分布、随机车流荷载模型,结合各损伤工况对应的桥梁有限元模型进行可靠度评估,得到损伤工况相应的可靠度样本;
步骤7:利用损伤工况和可靠度样本,训练机器学习算法,建立损伤工况和可靠度指标间的映射关系;
步骤8:基于损伤工况和可靠度指标间的映射关系,结合有损伤识别方法,能够通过损伤识别结果快速评估中小桥可靠度。
优选地,步骤1中的有限元模型为基于实体单元的模型或梁格模型。
优选地,步骤2中桥梁抗力指跨中抗弯承载力、疲劳极限和跨中挠度限值。
优选地,步骤中损伤识别方法指等主流能够实现损伤定位、定量功能的方法,能够初步得到桥梁刚度削减位置及程度。
优选地,所述损伤识别方法为频域法或时域法。
优选地,步骤7中机器学习算法为具有映射能力的算法,算法的输入参数为桥梁损伤位置及程度,输出参数为相应的可靠度。
优选地,步骤8中,首先通过损伤识别算法,得到桥梁损伤区域和位置,随后将识别结果输入训练后的机器学习算法,得到可靠度评估结果。
有益效果:本发明可以基于实测数据和现有桥梁损伤识别方法的结果,快速评估中小桥可靠度,使得现有损伤识别方法的结果更具指导意义,同时也可以更为及时发现中小桥潜在损伤,避免事故发生。
附图说明
图1为本发明的基于中小桥损伤识别结果的快速可靠度评估方法的步骤流程示意图;
图2为中小桥有限元模型示意图;
图3为随机车流示意图;
图4为随机车流模型车型分布示意图;
图5为随机车流模型车型类别示意图;
图6为随机车流模型车轴重分布示意图;
图7为随机车流模型车距分布示意图;
图8为机器学习算法训练使用流程示意图;
图9为本发明的基于中小桥损伤识别结果的快速可靠度评估方法使用流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1-3所示,本发明的一种基于中小桥损伤识别结果的快速可靠度评估方法,包括以下步骤:
步骤1:基于桥梁设计参数建立中小桥初始有限元模型;如图2所示,有限元模型可以是基于实体单元的模型或梁格模型。
步骤2:根据桥梁现场检测结果或历史统计数据,选择桥梁抗力的概率分布;桥梁抗力指跨中抗弯承载力、疲劳极限和跨中挠度限值。
步骤3:根据动态称重设备采集的随机车流样本(图3),建立随机车流荷载模型;如图4-图7所示,随机车流模型应该考虑车型、轴重、车距等随机参数的概率分布。
步骤4:根据中小桥结构类型及现有损伤识别方法的识别结果,基于刚度削减设计多种桥梁损伤工况,覆盖所有潜在损伤位置和多级代表性损伤程度;其中现有损伤识别方法指频域法、时域法等主流可以实现损伤定位、定量功能的方法,可以初步得到桥梁刚度削减位置及程度。
步骤5:根据设计的损伤工况,通过调整相应模型参数,基于初始模型建立相应的有限元模型;
步骤6:基于桥梁抗力的概率分布、随机车流荷载模型,结合各损伤工况对应的桥梁有限元模型进行可靠度评估,得到损伤工况相应的可靠度样本;可靠度评估需要考虑承载能力极限状态和正常使用极限状态。
步骤7:如图8所示,利用损伤工况和可靠度样本,训练机器学习算法,建立损伤工况和可靠度指标间的映射关系;机器学习算法可以选择支持向量回归、神经网络等具有映射能力的算法。算法的输入参数为桥梁损伤位置及程度,输出参数为相应的可靠度。
步骤8:基于损伤工况和可靠度指标间的映射关系,结合现有损伤识别方法,可以通过损伤识别结果快速评估中小桥可靠度。具体的,首先通过损伤识别算法,得到桥梁损伤区域和位置,随后将识别结果输入训练后的机器学习算法,得到可靠度评估结果,如图9所示。
Claims (7)
1.一种基于中小桥损伤识别结果的快速可靠度评估方法,其特征在于,包括以下步骤:
步骤1:基于桥梁设计参数建立中小桥初始有限元模型;
步骤2:根据桥梁现场检测结果或历史统计数据,选择桥梁抗力的概率分布;
步骤3:根据动态称重设备采集的随机车流样本,建立随机车流荷载模型;
步骤4:根据中小桥结构类型及损伤识别结果,基于刚度削减设计多种桥梁损伤工况,覆盖所有潜在损伤位置和多级代表性损伤程度;
步骤5:根据设计的损伤工况,通过调整初始有限元模型中的相应刚度参数,基于初始模型建立相应的有限元模型;
步骤6:基于桥梁抗力的概率分布、随机车流荷载模型,结合各损伤工况对应的桥梁有限元模型进行可靠度评估,得到损伤工况相应的可靠度样本;
步骤7:利用损伤工况和可靠度样本,训练机器学习算法,建立损伤工况和可靠度指标间的映射关系;
步骤8:基于损伤工况和可靠度指标间的映射关系,结合有损伤识别方法,能够通过损伤识别结果快速评估中小桥可靠度。
2.根据权利要求1所述的基于中小桥损伤识别结果的快速可靠度评估方法,其特征在于:所述的步骤1中的有限元模型为基于实体单元的模型或梁格模型。
3.根据权利要求1所述的基于中小桥损伤识别结果的快速可靠度评估方法,其特征在于:步骤2中桥梁抗力指跨中抗弯承载力、疲劳极限和跨中挠度限值。
4.根据权利要求1所述的基于中小桥损伤识别结果的快速可靠度评估方法,其特征在于:步骤中损伤识别方法指等主流能够实现损伤定位、定量功能的方法,能够初步得到桥梁刚度削减位置及程度。
5.根据权利要求4所述的基于中小桥损伤识别结果的快速可靠度评估方法,其特征在于:所述损伤识别方法为频域法或时域法。
6.根据权利要求1所述的基于中小桥损伤识别结果的快速可靠度评估方法,其特征在于:步骤7中机器学习算法为具有映射能力的算法,算法的输入参数为桥梁损伤位置及程度,输出参数为相应的可靠度。
7.根据权利要求1所述的基于中小桥损伤识别结果的快速可靠度评估方法,其特征在于:步骤8中,首先通过损伤识别算法,得到桥梁损伤区域和位置,随后将识别结果输入训练后的机器学习算法,得到可靠度评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011221880.7A CN112287586B (zh) | 2020-11-05 | 2020-11-05 | 基于中小桥损伤识别结果的快速可靠度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011221880.7A CN112287586B (zh) | 2020-11-05 | 2020-11-05 | 基于中小桥损伤识别结果的快速可靠度评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112287586A true CN112287586A (zh) | 2021-01-29 |
CN112287586B CN112287586B (zh) | 2024-01-30 |
Family
ID=74351411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011221880.7A Active CN112287586B (zh) | 2020-11-05 | 2020-11-05 | 基于中小桥损伤识别结果的快速可靠度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287586B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818577A (zh) * | 2021-02-01 | 2021-05-18 | 青岛理工大学 | 一种基于深度学习理论的叠合梁火灾后损伤识别方法 |
CN117291072A (zh) * | 2023-09-20 | 2023-12-26 | 宁波朗达工程科技有限公司 | 一种桥梁损伤识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106556498A (zh) * | 2016-10-31 | 2017-04-05 | 石家庄铁道大学 | 桥梁结构损伤识别方法及*** |
WO2017202139A1 (zh) * | 2016-05-26 | 2017-11-30 | 东南大学 | 一种基于长标距应变影响包络线的桥梁损伤识别方法 |
-
2020
- 2020-11-05 CN CN202011221880.7A patent/CN112287586B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017202139A1 (zh) * | 2016-05-26 | 2017-11-30 | 东南大学 | 一种基于长标距应变影响包络线的桥梁损伤识别方法 |
CN106556498A (zh) * | 2016-10-31 | 2017-04-05 | 石家庄铁道大学 | 桥梁结构损伤识别方法及*** |
Non-Patent Citations (2)
Title |
---|
刘扬;鲁乃唯;邓扬;: "基于实测车流的钢桥面板疲劳可靠度评估", 中国公路学报, no. 05 * |
肖新辉;鲁乃唯;刘扬;: "随机车流下公路钢桥疲劳可靠度分析", 浙江大学学报(工学版), no. 09 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818577A (zh) * | 2021-02-01 | 2021-05-18 | 青岛理工大学 | 一种基于深度学习理论的叠合梁火灾后损伤识别方法 |
CN112818577B (zh) * | 2021-02-01 | 2022-11-11 | 青岛理工大学 | 一种基于深度学习理论的叠合梁火灾后损伤识别方法 |
CN117291072A (zh) * | 2023-09-20 | 2023-12-26 | 宁波朗达工程科技有限公司 | 一种桥梁损伤识别方法 |
CN117291072B (zh) * | 2023-09-20 | 2024-03-15 | 宁波朗达工程科技有限公司 | 一种桥梁损伤识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112287586B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100470416C (zh) | 一种电厂热工设备智能状态诊断分析*** | |
CN108873859B (zh) | 基于改进关联规则的桥式抓斗卸船机故障预测模型方法 | |
CN103793854A (zh) | 多重组合优化的架空输电线路运行风险信息化评估方法 | |
CN112287586B (zh) | 基于中小桥损伤识别结果的快速可靠度评估方法 | |
CN110865924B (zh) | 电力信息***内部服务器健康度诊断方法与健康诊断框架 | |
CN112785091A (zh) | 一种对油田电潜泵进行故障预测与健康管理的方法 | |
CN116651971B (zh) | 一种汽车冲压模具在线检测方法及*** | |
CN106656669A (zh) | 一种基于阈值自适应设置的设备参数异常检测***及方法 | |
CN106682159A (zh) | 一种阈值配置方法 | |
CN114266289A (zh) | 一种复杂装备健康状态评估方法 | |
CN113742993A (zh) | 干式变压器寿命损失预测方法、装置、设备及存储介质 | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及*** | |
CN116720324A (zh) | 基于预测模型的牵引变电所关键设备故障预警方法及*** | |
CN115270238A (zh) | 基于动载的桥梁静力行为预测方法 | |
CN114429032A (zh) | 一种桥梁健康在线智能监测*** | |
CN117370879A (zh) | 一种风力机齿轮箱的实时在线故障诊断方法及*** | |
CN116910879A (zh) | 一种随机车载作用下桥梁斜拉索的索力异常诊断方法及装置 | |
CN110533213A (zh) | 基于支持向量机的输电线路缺陷风险建模及其预测方法 | |
CN113392576A (zh) | 一种系留气球主缆绳拉力状态评估预警方法 | |
CN111061191B (zh) | 一种基于分布式的油气储罐远程运维方法 | |
CN111382946B (zh) | 设备健康状态的自主评估方法、***及工业互联网设备 | |
Li et al. | Methods for the rapid detection of boundary condition variations in structural systems | |
CN111931407A (zh) | 一种基于长期监测数据的结构可靠度评估预测方法及*** | |
CN117473302B (zh) | 汽车配件的结构可靠性测试方法、装置、设备及存储介质 | |
CN115793516B (zh) | 一种智能桥梁移动检测的控制***和方法 |
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 |