CN112989456B - 一种桥梁性能退化诊断方法及*** - Google Patents
一种桥梁性能退化诊断方法及*** Download PDFInfo
- Publication number
- CN112989456B CN112989456B CN202110185332.1A CN202110185332A CN112989456B CN 112989456 B CN112989456 B CN 112989456B CN 202110185332 A CN202110185332 A CN 202110185332A CN 112989456 B CN112989456 B CN 112989456B
- Authority
- CN
- China
- Prior art keywords
- temperature
- bridge
- displacement
- state
- data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本申请公开了一种桥梁性能退化诊断方法及***,涉及桥梁性能评估技术领域,该方法包括步骤:获取桥梁在一段时间的状态并设定为桥梁基准状态,获取该段时间内桥梁的伸缩缝位移和结构温度,构建第一温度‑位移相似因子;设置桥梁的车重分布众数和梁底应变基准值;获取桥梁在下一段时间的状态并设定为桥梁日常运营状态,获取该段时间内桥梁的伸缩缝位移、结构温度、车辆重量不小于车重分布众数的车辆数量、以及梁底动应变数据;构建第二温度‑位移相似因子;当车辆数量不为0时,得到不小于梁底应变基准值的应变峰值数量;构建状态退化因子,并确定桥梁的退化程度。本申请,可及时并准确地评估服役中桥梁相对于其基准状态的性能退化程度。
Description
技术领域
本申请涉及桥梁性能评估技术领域,具体涉及一种桥梁性能退化诊断方法及***。
背景技术
目前,基于交通运输能力的飞速发展,利益驱动导致的车辆超载现象愈发严重,甚至在一些服役年限较长的桥梁上也存在超重车辆通行的情况。大量的重车通行可能会造成桥梁性能退化、使用寿命减少,严重者甚至导致桥梁倒塌等事故,造成恶劣的社会影响。
相关技术中,桥梁评估多通过桥梁健康监测***进行,主要是结合有限元计算、以及实时响应来判断桥梁是否超过承载力极限状态。但是,上述方法并未关注桥梁性能的改变量,也无法判断桥梁在服役过程中性能是否发生退化,进而无法及时对桥梁采取养护措施。
发明内容
针对现有技术中存在的缺陷之一,本申请的目的在于提供一种桥梁性能退化诊断方法及***,以解决相关技术中无法及时判断桥梁在服役过程中性能是否发生退化的问题。
本申请第一方面提供一种桥梁性能退化诊断方法,其包括步骤:
获取桥梁在一段时间的状态并设定为桥梁基准状态,获取该段时间内桥梁的伸缩缝位移和结构温度,并以此构建第一温度-位移相似因子;
设置上述桥梁的车重分布众数和梁底应变基准值;
获取桥梁在下一段时间的状态并设定为桥梁日常运营状态,获取该段时间内桥梁的伸缩缝位移、结构温度、车辆重量不小于上述车重分布众数的车辆数量、以及梁底动应变数据;
根据上述日常运营状态下的伸缩缝位移和结构温度构建第二温度-位移相似因子;
当上述车辆数量不为0时,根据上述梁底动应变数据得到不小于梁底应变基准值的应变峰值数量;
根据上述第一温度-位移相似因子、第二温度-位移相似因子、车辆数量和应变峰值数量,构建状态退化因子,并基于上述状态退化因子确定桥梁的退化程度。
一些实施例中,根据伸缩缝位移和结构温度,构建温度-位移相似因子,具体包括:
分别将上述伸缩缝位移和结构温度进行去均值处理,得到位移去均值数据和温度去均值数据;
获取上述位移去均值数据的极大值和极小值,构建位移转换因子,并利用上述位移转换因子对上述位移去均值数据进行归一化处理,得到位移归一化数据;
获取上述温度去均值数据的极大值和极小值,构建温度转换因子,并利用温度转换因子对上述温度去均值数据进行归一化处理,得到温度归一化数据;
根据上述位移归一化数据和温度归一化数据构建温度-位移相似因子。
一些实施例中,上述构建温度转换因子具体包括:
计算上述温度去均值数据的极大值和极小值之间的温度差值;
以1与上述温度差值的比值作为温度转换因子。
一些实施例中,上述构建位移转换因子具体包括:
计算上述位移去均值数据的极大值和极小值之间的位移差值;
获取1与上述位移差值的比值,并以上述比值与相关性系数的乘积,作为位移转换因子;
当上述位移去均值数据和温度去均值数据正相关时,上述相关性系数为1;当上述位移去均值数据和温度去均值数据负相关时,上述相关性系数为-1。
一些实施例中,上述设置梁底应变基准值,具体包括:
上述基准状态下的该段时间内,获取所有车辆重量为车重分布众数的车经过上述桥梁时,剔除梁底应变中的温度效应后的动应变峰值;
对多个动应变峰值取平均值,作为上述梁底应变基准值。
一些实施例中,上述设置梁底应变基准值,具体包括:
多次驾驶车辆重量为车重分布众数的车经过上述桥梁,并获取剔除梁底应变中的温度效应后的动应变峰值;
对多个动应变峰值取平均值,作为上述梁底应变基准值。
一些实施例中,当上述车辆数量不为0时,上述状态退化因子η为:
其中,α1为伸缩缝状态的权重系数,α2为主梁状态的权重系数。
一些实施例中,当上述车辆数量为0时,根据上述第一温度-位移相似因子、第二温度-位移相似因子,构建状态退化因子,并基于上述状态退化因子确定桥梁的退化程度,上述状态退化因子η为:
其中,α1为伸缩缝状态的权重系数,α2为主梁状态的权重系数。
一些实施例中,上述构建状态退化因子之前,还包括:
设置第一阈值和第二阈值,上述第一阈值小于第二阈值;
当上述状态退化因子小于或等于第一阈值时,不发出预警;
当上述状态退化因子大于上述第一阈值且小于第二阈值时,发出橙色预警;
当上述状态退化因子大于或等于第二阈值时,发出红色预警。
本申请第二方面提供一种基于上述桥梁性能退化诊断方法的诊断***,其包括:
称重子***,其用于对经过桥梁的车辆进行称重;
监测子***,其用于获取桥梁的伸缩缝位移、结构温度和梁底动应变数据;
数据存储子***,其用于将称重子***获取的车辆重量与监测子***获取的梁底动应变数据按照时间进行匹配存储,还用于存储监测子***获取的伸缩缝位移和结构温度;
安全诊断及预警子***,其用于获取桥梁在一段时间的状态并设定为桥梁基准状态,并根据该段时间内桥梁的伸缩缝位移和结构温度构建第一温度-位移相似因子,并设置上述桥梁的车重分布众数和梁底应变基准值;以及获取桥梁在下一段时间的状态并设定为桥梁日常运营状态,并根据该段时间内桥梁下的伸缩缝位移和结构温度构建第二温度-位移相似因子;
上述安全诊断及预警子***还用于获取日常运营状态下的该段时间内的车辆重量不小于车重分布众数的车辆数量;以及当上述车辆数量不为0时,获取不小于梁底应变基准值的应变峰值数量,并根据上述第一温度-位移相似因子、第二温度-位移相似因子、车辆数量和应变峰值数量,构建状态退化因子,并基于上述状态退化因子确定桥梁的退化程度。
本申请提供的技术方案带来的有益效果包括:
本申请的桥梁性能退化诊断方法及***,由于通过构建桥梁基准状态下的第一温度-位移相似因子和桥梁日常运营状态下的第二温度-位移相似因子,以及获取桥梁日常运营状态下车辆数量和应变峰值数量后,可根据第一温度-位移相似因子、第二温度-位移相似因子、车辆数量和应变峰值数量,构建状态退化因子,并基于该状态退化因子确定桥梁的退化程度。因此,通过综合考虑桥梁伸缩缝及主梁受力性能,不仅考虑了现有桥梁的结构特性,避免了有限元建模准确性方面的局限,同时还可及时并准确地评估服役中桥梁相对于其基准状态的性能退化程度,为桥梁管理养护决策提供依据。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中桥梁性能退化诊断方法的流程图;
图2为本申请实施例中桥梁基准状态下的归一化后的伸缩缝位移-温度时程图;
图3为本申请实施例中桥梁日常运营状态下的归一化后的伸缩缝位移-温度时程图;
图4为本申请实施例中桥梁基准状态下的应变基准值标定中动应变数据时程图;
图5为本申请实施例中桥梁性能退化诊断***的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本申请实施例提供了一种桥梁性能退化诊断方法及***,其能解决相关技术中无法及时判断桥梁在服役过程中,性能是否发生退化的问题。
如图1所示,本申请实施例的桥梁性能退化诊断方法包括步骤:
S1.获取桥梁在一段时间的状态并设定为桥梁基准状态,获取该段时间内桥梁的伸缩缝位移和结构温度,并以此构建第一温度-位移相似因子。
S2.设置上述桥梁的车重分布众数和梁底应变基准值。其中,车重分布众数和梁底应变基准值均可在桥梁基准状态下获取。
S3.获取桥梁在下一段时间的状态并设定为桥梁日常运营状态,获取该段时间内桥梁的伸缩缝位移、结构温度、车辆数量、以及梁底动应变数据。该车辆数量为该段时间内经过桥梁的车辆中,车辆重量不小于上述车重分布众数的车辆数量。其中,梁底动应变数据为剔除梁底应变中的温度效应后的动应变数据。
本实施例中,为判断桥梁性能退化情况,需先将被监测桥梁设定为基准状态和日常运营状态,其中,桥梁基准状态的一段时间内获取的桥梁伸缩缝位移和结构温度,作为基准数据;桥梁日常运营状态为基准状态以后的一段时间,且以该段时间内获取的桥梁伸缩缝位移、结构温度和动应变数据,作为判断数据,以进行桥梁性能退化程度诊断。
S4.根据上述日常运营状态下的伸缩缝位移和结构温度构建第二温度-位移相似因子。
S5.当上述车辆数量不为0时,根据上述日常运营状态下的梁底动应变数据,得到梁底动应变数据中不小于梁底应变基准值的应变峰值数量,即梁底动应变数据的应变峰值中,大于或者等于梁底应变基准值的应变峰值数量;
其中,获取桥梁日常运营状态下,车辆重量不小于车重分布众数的车辆数量时,当上述车辆数量N为0时,则默认桥梁主梁的梁底动应变性能未发生改变;当上述车辆数量不为0时,则需要保留车辆数量进行桥梁状态判断。
S6.根据上述第一温度-位移相似因子、第二温度-位移相似因子、车辆数量和应变峰值数量,构建状态退化因子,并基于上述状态退化因子确定桥梁的退化程度。
本实施例的桥梁性能退化诊断方法,由于通过构建桥梁基准状态下的第一温度-位移相似因子和桥梁日常运营状态下的第二温度-位移相似因子,以及获取桥梁日常运营状态下车辆数量和应变峰值数量后,可根据第一温度-位移相似因子、第二温度-位移相似因子、车辆数量和应变峰值数量,构建状态退化因子,并基于该状态退化因子确定桥梁的退化程度。因此,通过综合考虑桥梁伸缩缝及主梁受力性能,不仅考虑了现有桥梁的结构特性,避免了有限元建模准确性方面的局限,同时还可及时并准确地评估服役中桥梁相对于其基准状态的性能退化程度,为桥梁管理养护决策提供依据。
本实施例中,根据伸缩缝位移和结构温度,构建温度-位移相似因子,具体包括:
首先,分别将上述伸缩缝位移和结构温度进行去均值处理,得到位移去均值数据和温度去均值数据。即将伸缩缝位移进行去均值处理,得到位移去均值数据;将结构温度进行去均值处理,得到温度去均值数据。
其次,获取上述位移去均值数据的极大值和极小值,构建位移转换因子,并利用上述位移转换因子对上述位移去均值数据进行归一化处理,得到位移归一化数据。
然后,获取上述温度去均值数据的极大值和极小值,构建温度转换因子,并利用温度转换因子对上述温度去均值数据进行归一化处理,得到温度归一化数据。
最后,根据上述位移归一化数据和温度归一化数据构建温度-位移相似因子。
优选地,上述构建温度转换因子具体包括:
首先,计算上述温度去均值数据的极大值和极小值之间的温度差值;
然后,以1与上述温度差值的比值作为温度转换因子。
进一步地,上述构建位移转换因子具体包括:
首先,计算上述位移去均值数据的极大值和极小值之间的位移差值;
然后,获取1与上述位移差值的比值,并以上述比值与相关性系数的乘积,作为位移转换因子。
当上述位移去均值数据和温度去均值数据正相关时,上述相关性系数为1;当上述位移去均值数据和温度去均值数据负相关时,上述相关性系数为-1。
如图2所示,具体地,上述步骤S1的获取上述基准状态下的该段时间内的伸缩缝位移和结构温度,并以此构建第一温度-位移相似因子,具体包括:
A1.在桥梁基准状态下,获取0点-24点的桥梁伸缩缝位移和结构温度,即以该0点-24点的一段时间的状态为桥梁基准状态;
A2.将0点-24点的伸缩缝位移经过去均值处理,得到第一位移去均值数据Dtb=[D1b,D2b,...,Dnb],作为位移的基准数据,其中,n为采样次数;
A3.将0点-24点的结构温度经过去均值处理,得到第一温度去均值数据Ttb=[T1b,T2b,...,Tnb],作为温度的基准数据,其中,n为采样次数;
A4.获取上述第一位移去均值数据的极大值和极小值,构建第一位移转换因子Trans-Db,即
其中,Dtb-max为第一位移去均值数据极大值,Dtb-min为第一位移去均值数据极小值,β为第一相关性系数;
β根据规定的位移变化趋势的方向确定,若Ttb与Dtb正相关,则β=1;若Ttb与Dtb负相关,则β=-1,以保证位移变化趋势与温度变化趋势相同;
A5.利用上述第一位移转换因子对上述第一位移去均值数据进行归一化处理,得到归一化后的第一位移归一化数据Dtb’,Dtb’=[D1b’,D2b’,...,Dnb’],即
Dtb’=Dtb×Trans-Db;
A6.获取上述第一温度去均值数据的极大值和极小值,构建第一温度转换因子Trans-Tb,即
其中,Ttb-max为第一温度去均值数据极大值,Ttb-min为第一温度去均值数据极小值;
A7.利用第一温度转换因子对上述第一温度去均值数据进行归一化处理,得到归一化后的第一温度归一化数据Ttb’,Ttb’=[T1b’,T2b’,...,Tnb’],即
Ttb’=Ttb×Trans-Tb;
A8.根据上述第一位移归一化数据和第一温度归一化数据构建第一温度-位移相似因子Ctb,即基准温度-位移相似因子,作为判断伸缩缝状态变化的依据。其中,
如图3所示,具体地,上述步骤S4中,根据上述日常运营状态下的伸缩缝位移和结构温度构建第二温度-位移相似因子,具体包括:
B1.在桥梁日常运营状态下,获取0点-24点的桥梁伸缩缝位移和结构温度,即以该0点-24点的一段时间的状态为桥梁日常运营状态;
B2.将0点-24点的伸缩缝位移经过去均值处理,得到第二位移去均值数据Dt=[D1,D2,...,Dn],作为位移的判断数据,其中,n为采样次数;
B3.将0点-24点的结构温度经过去均值处理,得到第二温度去均值数据Tt=[T1,T2,...,Tn],作为温度的判断数据,其中,n为采样次数,日常运营状态下的采样次数与基准状态下的采样次数可相同也可不同;本实施例中,二者的采样次数相同,以便于最小化二者之间的采样差别;
B4.获取上述第二位移去均值数据的极大值和极小值,构建第二位移转换因子Trans-D,即
其中,Dt-max为第二位移去均值数据极大值,Dt-min为第二位移去均值数据极小值,γ为第二相关性系数;
γ根据规定的位移变化趋势的方向确定,若Tt与Dt正相关,则γ=1;若Tt与Dt负相关,则γ=-1,以保证位移变化趋势与温度变化趋势相同;
B5.利用上述第二位移转换因子对上述第二位移去均值数据进行归一化处理,得到归一化后的第二位移归一化数据Dt’,Dt’=[D1’,D2’,...,Dn’],即
Dt’=Dt×Trans-D;
B6.获取上述第二温度去均值数据的极大值和极小值,构建第二温度转换因子Trans-T,即
其中,Tt-max为第二温度去均值数据极大值,Tt-min为第二温度去均值数据极小值;
B7.利用第二温度转换因子对上述第二温度去均值数据进行归一化处理,得到归一化后的第二温度归一化数据Tt’,Tt’=[T1’,T2’,...,Tn’],即
Tt’=Tt×Trans-T;
B8.根据上述第二位移归一化数据和第二温度归一化数据构建第二温度-位移相似因子Ctb,即判断温度-位移相似因子,作为判断伸缩缝状态变化的依据。其中,
本实施例中,可通过标准车辆过桥标定获取梁底应变基准值。上述设置梁底应变基准值,具体包括:
首先,上述桥梁基准状态下的该段时间内,允许车辆日常通行,获取所有车辆重量为车重分布众数的车经过上述桥梁时,剔除梁底应变中的温度效应后的动应变峰值。
然后,对多个动应变峰值取平均值,作为上述桥梁的梁底应变基准值Stb,即动应变基准数据。当有X个车辆重量为车重分布众数的车时,则取X个动应变峰值的平均值,作为梁底应变基准值Stb。
如图4所示,其中一个车重为Z的车经过桥梁时的动应变峰值为1.74με。
在其他实施例中,上述设置梁底应变基准值还可通过测试者多次驾驶车重为Z吨的车辆进行标定获取,具体包括:
首先,多次驾驶车辆重量为车重分布众数Z的车经过上述被监测的桥梁,并获取剔除梁底应变中的温度效应后的动应变峰值,即该车重为Z的车辆引起的梁底动应变响应。
然后,对多个动应变峰值取平均值,作为上述桥梁的梁底应变基准值Stb。
可选地,对于该过程中,若有非自主驾驶的车重为Z的车辆经过时,仍可采集其动应变峰值,以便于扩大取样数量,增加梁底应变基准值的精确度。
本实施例中,通过构建状态退化因子η来判断桥梁状态的改变程度,并判断是否需要发出预警。
优选地,当上述车辆数量不为0时,保留车辆数量进行桥梁状态判断。此时,上述状态退化因子η为:
其中,α1为伸缩缝状态的权重系数,α2为主梁状态的权重系数,二者可根据桥梁的具体结构状态进行调整,并保证α1+α2=1。
当桥梁日常运营状态下,上述车辆数量N为0时,则默认桥梁主梁的梁底动应变性能未发生改变,可直接根据第一温度-位移相似因子、第二温度-位移相似因子,构建状态退化因子,然后基于上述状态退化因子确定桥梁的退化程度。此时,状态退化因子η为:
其中,α1为伸缩缝状态的权重系数,α2为主梁状态的权重系数。
优选地,上述构建状态退化因子之前,还包括:
首先,根据当前桥梁状态设置第一阈值和第二阈值,上述第一阈值小于第二阈值。
然后,在获取状态退化因子后,将状态退化因子分别与第一阈值和第二阈值进行比较。
当上述状态退化因子小于或等于第一阈值时,表明桥梁状态的改变程度较小,不发出预警。
当上述状态退化因子大于上述第一阈值且小于第二阈值时,表明桥梁状态的改变程度较大,发出橙色预警。
当上述状态退化因子大于或等于第二阈值时,表明桥梁状态的改变程度超出警戒范围,发出红色预警。
具体的第一阈值和第二阈值可根据当前桥梁状态进行调整。本实施例中,上述第一阈值为1.5,第二阈值为2。若η≤1.5,则不发出预警;若1.5<η<2,则发出橙色预警;若η≥2,则发出红色预警。
本实施例中,计算得到Ctb=0.1218,Ct=0.1339。其中,设置的通行车重分布众数Z为1.8吨,得到的梁底应变基准值Stb为1.74με。
由于车辆重量不小于1.8吨的车辆数量N=4037,梁底动应变数据中不小于梁底应变基准值的应变峰值数量M=4054。
取α1=0.5,α2=0.5时,计算得到η=1.052,表明未发生明显退化,不发出预警。
可选地,结合桥梁日常通行情况,设置上述桥梁的车重分布众数Z,作为标准车重标定值,具体包括:
以上述基准状态下的该段时间内,经过的次数最多的车辆重量为上述桥梁的车重分布众数。因此,车重分布众数代表了最经常通过、最常见的车重,以便于在车流量小时,仍可获取车辆数据对桥梁进行评判。
如图5所示,本实施例的基于上述桥梁性能退化诊断方法的诊断***,包括称重子***、监测子***、数据存储子***和安全诊断及预警子***。
称重子***用于对经过桥梁的车辆进行称重,以获取桥梁的外部荷载信息。
监测子***用于监测桥梁响应,获取桥梁的伸缩缝位移、结构温度和梁底动应变数据,并为桥梁诊断提供数据支撑。
数据存储子***用于存储称重子***获取的车辆重量和监测子***获取的桥梁响应数据,该响应数据包括桥梁的伸缩缝位移、结构温度和梁底动应变数据。上述数据存储子***还用于将称重子***获取的车辆重量与监测子***获取的梁底动应变数据按照时间进行匹配存储。
安全诊断及预警子***用于判断桥梁性能是否发生退化,如有退化,则发出报警。
具体地,安全诊断及预警子***用于获取桥梁在一段时间的状态并设定为桥梁基准状态,并根据该段时间内桥梁的伸缩缝位移和结构温度构建第一温度-位移相似因子,并设置所述桥梁的车重分布众数和梁底应变基准值;以及获取桥梁在下一段时间的状态并设定为桥梁日常运营状态,并根据该段时间内桥梁下的伸缩缝位移和结构温度构建第二温度-位移相似因子。
上述安全诊断及预警子***还用于获取日常运营状态下的该段时间内的车辆重量不小于车重分布众数的车辆数量;以及当上述车辆数量不为0时,获取不小于梁底应变基准值的应变峰值数量,并根据上述第一温度-位移相似因子、第二温度-位移相似因子、车辆数量和应变峰值数量,构建状态退化因子,并基于上述状态退化因子确定桥梁的退化程度。
其中,对监测子***的动应变传感器获取的数据剔除温度效应后,得到梁底动应变数据。随后,可获取梁底动应变数据中不小于梁底应变基准值的应变峰值数量。
另外,上述安全诊断及预警子***还用于当所述车辆数量为0时,根据上述第一温度-位移相似因子和第二温度-位移相似因子,构建状态退化因子,并基于上述状态退化因子确定桥梁的退化程度。
可选地,在上桥匝道布置了上述诊断***。上述称重子***包括称重模块、抓拍模块、主机模块。
上述称重模块可以在不中断交通的情况下,自动对经过称重模块的每一辆车进行检测,以得到轴数、轴重、轴距、总重、车长、车速等车辆信息,以及行驶方向、行驶车道等通行管理信息,并将上述各信息上传至主机模块。本实施例的称重模块采用压电式称重传感器,并在匝道桥面安装。
在其他实施例中,上述称重模块还可采用电容式及应变式的称重传感器。
上述抓拍模块为抓拍摄像机和补光灯。利用安装在称重模块后方的抓拍摄像机实现抓拍获取信息。
本实施例中,抓拍摄像机与补光灯安装在称重模块后方的F杆上,立杆高度一般为6m,一台300万像素抓拍摄像机对应上桥匝道的单个车道。抓拍摄像机投影位置与预检区相距25m,当车辆通过预检区时,抓拍摄像机能够准确地拍摄通过车辆的图片,并识别车辆牌照和车身颜色,将车辆图片、以及识别的结果上传至主机模块。
在其他实施例中,针对多车道桥梁布置的诊断***,可配置相应的抓拍摄像机及补光灯等设备的数量、参数。
上述主机模块用于获取称重模块发送的车辆信息及通行管理信息,以及抓拍模块发送的车辆图片、识别结果,然后将车辆信息及通行管理信息与车辆图片和识别结果进行匹配打包,进行分析、判断、存储,最终传输给数据存储子***。本实施例中,主机模块为小型工控机。
可选地,上述监测子***包括传感器模块、数据预处理模块、以及数据采集与传输模块。
其中,上述传感器模块主要针对桥梁的响应参数进行监测,本实施例中主要为桥梁上部结构参数,包括伸缩缝性能及主梁应力变化。为实现状态判断,传感器模块包括结构温度传感器、位移传感器、动应变传感器。其中,可分别选用数字温度传感器、拉绳式位移传感器及电阻应变传感器,以分别获取被监测桥梁的结构温度数据、伸缩缝位移数据及梁底动应变数据。通过桥梁响应为判断桥梁状态变化及安全状态提供数据支撑。本实施例中,数据要求连续采集。
上述数据预处理模块通过内嵌的ARM(Advanced RISC Machine)主控芯片实现数据的预处理功能,主要为数据的粗差剔除。
上述数据采集与传输模块通过内嵌的ARM主控芯片将处理过后桥梁响应数据传输给数据存储子***。本实施例采用光纤传输的方式传输数据。即通过ARM主控芯片实现数据的预处理功能、以及将处理过后桥梁响应数据传输给数据存储子***。
可选地,数据存储子***通过布置于桥梁现场的工控机实现,以实现数据存储功能,其将称重子***得到的称重信息及抓拍信息与监测子***得到的桥梁响应数据按照时间标进行匹配,并打包存储在本地工控机内。同时,数据存储子***定期利用时间同步协议为称重子***及监测子***授时,保持整个***时间标的一致性。
可选地,安全诊断及预警子***通过布置于桥梁现场的工控机实现,通过称重信息及抓拍信息获取车辆荷载信息,通过桥梁响应数据的变化对桥梁结构状态变化进行判断。上述安全诊断及预警子***可分为伸缩缝位移判断模块及梁底动应变判断模块。
介于伸缩缝性能正常的工作状态下,伸缩缝位移与结构温度具有良好的相关性,可通过温度-位移相关性变化来判断伸缩缝状态是否改变。介于主梁性能正常的工作状态下,梁底动应变与通行车辆的车重及数量相关,可通过车辆-动应变相关性变化来判断主梁性能是否改变。
本实施例的诊断***,适用于上述各诊断方法,基于桥梁现有状态进行诊断,可实时得到桥梁结构状态的改变情况,判断桥梁性能退化状况,以及时辅助管养决策。
本申请不局限于上述实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (7)
1.一种桥梁性能退化诊断方法,其特征在于,其包括步骤:
获取桥梁在一段时间的状态并设定为桥梁基准状态,获取该段时间内桥梁的伸缩缝位移和结构温度,并以此构建第一温度-位移相似因子;
设置所述桥梁的车重分布众数和梁底应变基准值;
获取桥梁在下一段时间的状态并设定为桥梁日常运营状态,获取该段时间内桥梁的伸缩缝位移、结构温度、车辆重量不小于所述车重分布众数的车辆数量、以及梁底动应变数据;
根据所述日常运营状态下的伸缩缝位移和结构温度构建第二温度-位移相似因子;
当所述车辆数量不为0时,根据所述梁底动应变数据得到不小于梁底应变基准值的应变峰值数量;
根据所述第一温度-位移相似因子、第二温度-位移相似因子、车辆数量和应变峰值数量,构建状态退化因子,并基于所述状态退化因子确定桥梁的退化程度;
根据伸缩缝位移和结构温度,构建温度-位移相似因子,具体包括:
分别将所述伸缩缝位移和结构温度进行去均值处理,得到位移去均值数据和温度去均值数据;
获取所述位移去均值数据的极大值和极小值,构建位移转换因子,并利用所述位移转换因子对所述位移去均值数据进行归一化处理,得到位移归一化数据;
获取所述温度去均值数据的极大值和极小值,构建温度转换因子,并利用温度转换因子对所述温度去均值数据进行归一化处理,得到温度归一化数据;
根据所述位移归一化数据和温度归一化数据构建温度-位移相似因子;
当所述车辆数量不为0时,所述状态退化因子η为:
其中,α1为伸缩缝状态的权重系数,α2为主梁状态的权重系数;
当所述车辆数量为0时,根据所述第一温度-位移相似因子、第二温度-位移相似因子,构建状态退化因子,并基于所述状态退化因子确定桥梁的退化程度,所述状态退化因子η为:
其中,α1为伸缩缝状态的权重系数,α2为主梁状态的权重系数。
2.如权利要求1所述的桥梁性能退化诊断方法,其特征在于,所述构建温度转换因子具体包括:
计算所述温度去均值数据的极大值和极小值之间的温度差值;
以1与所述温度差值的比值作为温度转换因子。
3.如权利要求1所述的桥梁性能退化诊断方法,其特征在于,所述构建位移转换因子具体包括:
计算所述位移去均值数据的极大值和极小值之间的位移差值;
获取1与所述位移差值的比值,并以所述比值与相关性系数的乘积,作为位移转换因子;
当所述位移去均值数据和温度去均值数据正相关时,所述相关性系数为1;当所述位移去均值数据和温度去均值数据负相关时,所述相关性系数为-1。
4.如权利要求1所述的桥梁性能退化诊断方法,其特征在于,所述设置梁底应变基准值,具体包括:
所述基准状态下的该段时间内,获取所有车辆重量为车重分布众数的车经过所述桥梁时,剔除梁底应变中的温度效应后的动应变峰值;
对多个动应变峰值取平均值,作为所述梁底应变基准值。
5.如权利要求1所述的桥梁性能退化诊断方法,其特征在于,所述设置梁底应变基准值,具体包括:
多次驾驶车辆重量为车重分布众数的车经过所述桥梁,并获取剔除梁底应变中的温度效应后的动应变峰值;
对多个动应变峰值取平均值,作为所述梁底应变基准值。
6.如权利要求1所述的桥梁性能退化诊断方法,其特征在于,所述构建状态退化因子之前,还包括:
设置第一阈值和第二阈值,所述第一阈值小于第二阈值;
当所述状态退化因子小于或等于第一阈值时,不发出预警;
当所述状态退化因子大于所述第一阈值且小于第二阈值时,发出橙色预警;
当所述状态退化因子大于或等于第二阈值时,发出红色预警。
7.一种基于权利要求1所述桥梁性能退化诊断方法的诊断***,其特征在于,其包括:
称重子***,其用于对经过桥梁的车辆进行称重;
监测子***,其用于获取桥梁的伸缩缝位移、结构温度和梁底动应变数据;
数据存储子***,其用于将称重子***获取的车辆重量与监测子***获取的梁底动应变数据按照时间进行匹配存储,还用于存储监测子***获取的伸缩缝位移和结构温度;
安全诊断及预警子***,其用于获取桥梁在一段时间的状态并设定为桥梁基准状态,并根据该段时间内桥梁的伸缩缝位移和结构温度构建第一温度-位移相似因子,并设置所述桥梁的车重分布众数和梁底应变基准值;以及获取桥梁在下一段时间的状态并设定为桥梁日常运营状态,并根据该段时间内桥梁下的伸缩缝位移和结构温度构建第二温度-位移相似因子;
所述安全诊断及预警子***还用于获取日常运营状态下的该段时间内的车辆重量不小于车重分布众数的车辆数量;以及当所述车辆数量不为0时,获取不小于梁底应变基准值的应变峰值数量,并根据所述第一温度-位移相似因子、第二温度-位移相似因子、车辆数量和应变峰值数量,构建状态退化因子,并基于所述状态退化因子确定桥梁的退化程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110185332.1A CN112989456B (zh) | 2021-02-10 | 2021-02-10 | 一种桥梁性能退化诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110185332.1A CN112989456B (zh) | 2021-02-10 | 2021-02-10 | 一种桥梁性能退化诊断方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112989456A CN112989456A (zh) | 2021-06-18 |
CN112989456B true CN112989456B (zh) | 2022-05-13 |
Family
ID=76393154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110185332.1A Active CN112989456B (zh) | 2021-02-10 | 2021-02-10 | 一种桥梁性能退化诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989456B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569315B (zh) * | 2021-07-27 | 2023-11-28 | 中铁大桥局集团有限公司 | 桥梁集群动态评估方法、装置、设备和可读存储介质 |
CN117290692B (zh) * | 2023-11-24 | 2024-02-13 | 交通运输部公路科学研究所 | 基于IoT智慧感知的伸缩缝装置服役性能评估方法及*** |
CN117290693B (zh) * | 2023-11-24 | 2024-02-20 | 交通运输部公路科学研究所 | 一种基于IoT智慧感知的伸缩缝装置实时服役性能评估方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169241B (zh) * | 2017-06-26 | 2019-09-13 | 大连三维土木监测技术有限公司 | 一种基于温度-位移关系模型的桥梁伸缩缝性能预警方法 |
CN107609989A (zh) * | 2017-09-19 | 2018-01-19 | 广州市建筑科学研究院有限公司 | 一种路网级的桥梁健康监测智能cs架构*** |
CN109238374B (zh) * | 2018-10-26 | 2024-02-13 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 大跨度铁路钢桥梁端伸缩装置的智能监测体系 |
CN109556554A (zh) * | 2018-11-15 | 2019-04-02 | 安徽省交通控股集团有限公司 | 一种大跨桥梁伸缩缝监测评估方法 |
CN111256924B (zh) * | 2020-03-06 | 2021-12-03 | 东南大学 | 一种大跨度高铁桥梁伸缩缝智能监测方法 |
CN111637925A (zh) * | 2020-05-27 | 2020-09-08 | 中铁大桥局集团有限公司 | 一种桥梁伸缩缝状态的预警方法和预警*** |
-
2021
- 2021-02-10 CN CN202110185332.1A patent/CN112989456B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112989456A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112989456B (zh) | 一种桥梁性能退化诊断方法及*** | |
US20220196459A1 (en) | Real-time vehicle overload detection method based on convolutional neural network | |
CN112179467B (zh) | 一种基于视频测量动挠度的桥梁动态称重方法和*** | |
CN111505010B (zh) | 一种基于云平台的桥梁安全检测*** | |
CN107316461B (zh) | 高速公路或城市快速通道交通超限超载远程云监控*** | |
CN106404319A (zh) | 基于mems技术的桥梁远程自动化实时监测***及方法 | |
CN104949746B (zh) | 一种车载式非接触车辆荷载质量动态监测装置及检测方法 | |
CN108225811A (zh) | 一种基于车辆荷载的桥梁结构安全评估*** | |
CN116029555B (zh) | 基于轻量化神经网络的桥梁风险识别预警***及应用方法 | |
CN111348048B (zh) | 货车超载报警方法、装置、设备及存储介质 | |
CN206096875U (zh) | 基于mems技术的桥梁远程自动化实时监测装置 | |
CN113624201A (zh) | 城市隧道多线叠交施工沉降监测预警***及方法 | |
CN110782676A (zh) | 道路不停车超载超限智能检测预警*** | |
CN107328537A (zh) | 模块化钢桥主桥结构的检测方法 | |
CN113567027A (zh) | 一种道路超荷载等级工况监测方法及*** | |
CN114414023A (zh) | 传感器异常诊断方法及装置、存储介质 | |
JP7424945B2 (ja) | 故障検知装置、料金収受システム、故障検知方法、及びプログラム | |
KR100794591B1 (ko) | 차량정보 자동계측시스템 | |
CN117233152A (zh) | 一种t型梁桥健康监测*** | |
CN116311150B (zh) | 一种基于特定车辆挠度监测的桥梁损伤评定及预警方法 | |
CN110569483B (zh) | 一种基于高频北斗数据的长大桥梁病害通行事件识别方法 | |
CN110411686B (zh) | 桥梁静动影像全息性态健康监测诊断方法及*** | |
CN111750819A (zh) | 一种桥面粗糙度检测*** | |
CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及*** | |
CN206609584U (zh) | 基于动挠度的桥梁限载快速监测*** |
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 |