CN113219048B - 一种基于涡流与数字孪生技术的钢桥损伤检测***及方法 - Google Patents
一种基于涡流与数字孪生技术的钢桥损伤检测***及方法 Download PDFInfo
- Publication number
- CN113219048B CN113219048B CN202110777034.1A CN202110777034A CN113219048B CN 113219048 B CN113219048 B CN 113219048B CN 202110777034 A CN202110777034 A CN 202110777034A CN 113219048 B CN113219048 B CN 113219048B
- Authority
- CN
- China
- Prior art keywords
- module
- frequency data
- current frequency
- bridge
- steel structure
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Molecular Biology (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Civil Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于涡流与数字孪生技术的钢桥损伤检测***及方法,包括电涡流检测子***、微型计算机子***和驱动子***;电涡流检测子***包括检测模块;微型计算机子***包括数字孪生模型建立模块、数据处理模块、神经网络识别模块;驱动子***包括驱动模块;检测模块用于获得电流频率数据,并将电流频率数据实时传输给数字孪生模型建立模块和数据处理模块;数字孪生模型建立模块用于根据电流频率数据实时建立钢结构桥梁数字孪生模型;数据处理模块用于对电流频率数据进行降噪、特征化预处理以获得处理后的电流频率数据;神经网络识别模块用于对处理后的电流频率数据进行识别判断钢结构桥梁是否存在损伤。
Description
技术领域
本发明涉及桥梁工程技术领域,具体涉及一种基于涡流与数字孪生技术的钢桥损伤检测***及方法。
背景技术
钢结构桥梁安全检测是一项必不可少的工作,关系到行车安全。钢结构桥梁具有材质均匀、可靠性高、强度高、重量轻的特点,但在材料上有着易腐蚀、不耐疲劳的缺陷。所以在钢结构大桥的使用过程中,自然灾害如洪水、台风等极端条件能够对我们的钢结构桥梁产生威胁,并且钢结构桥梁面对高速重载容易出现疲劳、老化问题,从而导致承载能力下降的情况,需要与之相配套的检修手段。
桥梁的钢结构一般不会直接裸露在空气中,其上会覆盖有混凝土,所以视觉识别无法直接检测钢结构损伤。由于工作环境的限制,对桥梁的检测工作一般需要使用大型的检修设备对桥梁进行检测维修,需要大量的人力物力消耗。传统技术如人工检测需要使用较大型的桥梁检测工具,会产生过多人力物力损耗,同时还需占道检测,影响正常交通秩序;超声波梁损伤检测需要耦合剂来辅助检测,不易实现自动化;而视觉识别桥梁损伤检测只能检测桥梁表面损伤,存在局限;而也同样适合检测钢结构的磁粉检测对被检测钢结构表面的光滑度要求较高,对于检测人员的技术要求也较高,检测范围与检测速度较为有限;其他检测如渗透检测技术,只能大致确定缺陷性质,并且存在一定污染。钢结构由于本身的化学与物理性质,在工作中会出现腐蚀、裂纹等情况,传统检测只能做到损伤报告,无法判断不同损伤对桥梁健康的影响程度。
发明内容
本发明所要解决的技术问题是,现有的钢结构桥梁检测工作需要使用大型检测设备进行检测,可穿透性较弱,以及自动化检测设备难以实现的问题,目的在于提供一种基于涡流与数字孪生技术的钢桥损伤检测***及方法,解决上述的问题。
本发明通过下述技术方案实现:
一种基于涡流与数字孪生技术的钢桥损伤检测***,包括电涡流检测子***、微型计算机子***和驱动子***;
所述电涡流检测子***包括检测模块;所述微型计算机子***包括数字孪生模型建立模块、数据处理模块、神经网络识别模块;所述驱动子***包括驱动模块;
所述检测模块用于获得电流频率数据,并将电流频率数据实时传输给数字孪生模型建立模块和数据处理模块;具体地,检测模块使用电容三点式振荡电路为电路产生固定频率的振荡电信号,基于电涡流检测原理,使用单片机的时钟信号对电路中的振荡电信号进行实时的监测,获得电流频率,将电流频率进行数据化后存储并发送给数据处理模块与数字孪生模型建立模块。
所述数字孪生模型建立模块用于根据电流频率数据实时建立钢结构桥梁数字孪生模型;数字孪生模型建立模块基于钢结构桥梁数字孪生模型直观的显示出桥梁损伤的位置与状况,同时对钢结构桥梁的健康状态进行预期,为桥梁的维护与修复提供参照。
所述数据处理模块用于对电流频率数据进行降噪、特征化预处理以获得处理后的电流频率数据,并将处理后的电流频率数据实时传递给神经网络识别模块;
所述神经网络识别模块用于对处理后的电流频率数据进行识别判断钢结构桥梁是否存在损伤;
所述驱动模块用于对驱动电机进行实时控制,承载微型计算机子***与电涡流检测子***在钢结构桥梁表面运行,进行损伤检测。
本发明在钢结构桥梁表面以上1~3mm处使用激励线圈进行电涡流检测,实时检测电路中的电流频率,将电流频率数据进行记录并转发给微型计算机子***。在检测过程中,针对被检测钢结构桥梁表面可能存在的不平整问题,线圈提离高度自动调节模块实时的调节激励线圈距离钢结构桥梁表面的提离高度,保证检测数据的同一条件,使得检测的结果更加准确。当检测到损伤时使用语音预警模块进行语音预警。本发明在检测的同时使用检测数据创建相应带损伤的数字孪生模型,在检测到损伤后能够更加直观的在数字模型上显示损伤,方便进行钢结构桥梁的维护与修缮。
进一步地,所述电涡流检测子***还包括线圈提离高度自动调节模块;
所述线圈提离高度自动调节模块包括激励线圈;所述线圈提离高度自动调节模块用于实时调节激励线圈距离被检测钢结构桥梁表面的提离高度。
进一步地,所述线圈提离高度自动调节模块还包括双舵电驱动舵机、升降臂、超声波测距仪;所述超声波测距仪用于实时检测激励线圈与钢结构桥梁表面之间的距离;所述线圈提离高度自动调节模块用于通过双舵电驱动舵机、升降臂和超声波测距仪实时调节激励线圈距离被检测钢结构桥梁表面的提离高度。
进一步地,所述电涡流检测子***还包括语音预警模块;所述语音预警模块用于当检测到钢结构桥梁存在损伤时进行语音预警。
一种基于涡流与数字孪生技术的钢桥损伤检测方法,基于所述的一种基于涡流与数字孪生技术的钢桥损伤检测***,包括如下步骤:
S1:将所述钢桥损伤检测***置于需检测部位,调整检测模块的高度,使检测模块与钢结构桥梁表面保持一定的提离高度;打开开关,使所述钢桥损伤检测***通电并平稳行驶;
S2:基于电涡流无损检测原理,使用检测模块获得电流频率数据,并将电流频率数据实时传输给数字孪生模型建立模块和数据处理模块;
S3:使用数字孪生模型建立模块根据接收到的电流频率数据实时建立钢结构桥梁数字孪生模型;同时,使用数据处理模块对电流频率数据进行降噪、特征化预处理获得处理后的电流频率数据,并将处理后的电流频率数据实时传递给神经网络识别模块;
S4:使用神经网络识别模块根据处理后的电流频率数据进行识别,判断钢结构桥梁是否存在损伤;
S5:若不存在损伤,则返回S2;若存在损伤,则对钢结构桥梁数字孪生模型进行相应调整,建立带有损伤数据的钢结构桥梁数字孪生模型。
进一步地,步骤S3,所述使用数据处理模块对电流频率数据进行降噪、特征化预处理,具体包括:使用数据处理模块对电流频率数据进行降噪得到降噪后的电流频率数据;对降噪后的电流频率数据进行小波变换特征化预处理得到处理后的电流频率数据。
进一步地,所述钢桥损伤检测方法还包括使用线圈提离高度自动调节模块实时调节激励线圈距离钢结构桥梁的提离高度,使得激励线圈距离钢结构桥梁的距离保持一致。
进一步地,步骤S5还包括:若存在损伤,则将损伤信息发送给语音预警模块报警。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明首次将电涡流检测技术与数字孪生技术相结合,提出了在检测的同时使用检测数据创建相应带损伤的数字孪生模型,在检测到损伤后能够更加直观的在数字模型上显示损伤,更方便的进行钢结构桥梁的维护与修缮,并且还能根据数字模型进行进一步的损伤估计预测,最终实现桥梁在全寿命周期即建造期、运营期巡检、维修后的检测期间的损伤检测与维护。
本发明提出使用电涡流检测,穿透混凝土等非铁磁性材料,对内部钢结构进行损伤检测,实现了更加便捷的全自动化检测。
本发明在检测过程中实时的建立桥梁的损伤情况数字模型,对于桥梁的数字模型进行分析,进一步对损伤进行测试,查看损伤对桥梁的危害程度,实现了桥梁的实时数字模型分析。
本发明可以减少人力物力消耗,同时对于桥梁钢结构不会造成负面影响,对于损伤类型也能够进行更加精确的判断,对于表面以及内部近表面损伤都具有检测能力,不会污染环境,具有更强实用性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明全自动钢结构桥梁裂缝检测车的组成框图;
图2是本发明全自动钢结构桥梁裂缝检测车的检测原理框图;
图3是本发明全自动钢结构桥梁裂缝检测车的实际应用侧视示意图;
图4是本发明全自动钢结构桥梁裂缝检测车的线圈提离高度自动调节模块的详细结构图。
附图中标记及对应的零部件名称:
1-微型计算机装置,2-单片机装置,3-语音报警装置,4-轮胎,5-车载电源,6-电机驱动,7-上下底板,8-螺柱,9-激励线圈,10-双舵电驱动舵机,11-升降臂,12-超声波测距仪。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1和图2所示,一种基于涡流与数字孪生技术的钢桥损伤检测***,包括电涡流检测子***、微型计算机子***和驱动子***;
所述电涡流检测子***包括检测模块;所述微型计算机子***包括数字孪生模型建立模块、数据处理模块、神经网络识别模块;所述驱动子***包括驱动模块;
所述检测模块用于获得电流频率数据,并将电流频率数据实时传输给数字孪生模型建立模块和数据处理模块;
所述数字孪生模型建立模块用于根据电流频率数据实时建立钢结构桥梁数字孪生模型;
所述数据处理模块用于对电流频率数据进行降噪、特征化预处理以获得处理后的电流频率数据,并将处理后的电流频率数据实时传递给神经网络识别模块;
所述神经网络识别模块用于对处理后的电流频率数据进行识别判断钢结构桥梁是否存在损伤;
所述驱动模块用于对驱动电机进行实时控制,承载微型计算机子***与电涡流检测子***在钢结构桥梁表面运行,进行损伤检测。
所述电涡流检测子***还包括线圈提离高度自动调节模块;
所述线圈提离高度自动调节模块包括激励线圈9;所述线圈提离高度自动调节模块用于实时调节激励线圈距离被检测钢结构桥梁表面的提离高度。
如图4所示,所述线圈提离高度自动调节模块还包括双舵电驱动舵机10、升降臂11、超声波测距仪12;所述超声波测距仪12用于实时检测激励线圈9与钢结构桥梁表面之间的距离;所述线圈提离高度自动调节模块用于通过双舵电驱动舵机10、升降臂11和超声波测距仪12实时调节激励线圈距离被检测钢结构桥梁表面的提离高度。
所述电涡流检测子***还包括语音预警模块;所述语音预警模块用于当检测到钢结构桥梁存在损伤时进行语音预警。
如图3所示,本发明全自动钢结构桥梁裂缝检测车具体结构包括:微型计算机装置1、单片机装置2、语音报警装置3、轮胎4、车载电源5、电机驱动6、上下底板7、螺柱8、激励线圈9、双舵电驱动舵机10、升降臂11以及超声波测距仪12。微型计算机1用于对检测数据进行必要的数据处理和数据特征提取,以及神经网络分类检测,识别检测件是否有裂纹;单片机2是基于涡流检测的数据采集装置,是对检测件进行检测的直接装置;单片机2与微型计算机1连接,为单片机2供电并进行串口通信,将检测数据存储在微型计算机1中;语音报警装置3与微型计算机1连接,受其控制,当检测到裂缝时,微型计算机1传递相应信号给语音报警装置3,其发出警报;轮胎4用于使整个检测装置平稳地运行在检测件之上;车载电源5与微型计算机连接,提供电源;电机驱动6与轮胎4的马达连接,也与微型计算机1连接,微型计算机1发出控制电机驱动6的信号,电机驱动6控制马达的转速;上下底板7、螺柱8用于固定整个检测***;激励线圈9与单片机2嵌合,当激励线圈9在检测件上方不远处平稳移动时,激励线圈中电流频率会随裂缝的有无发生灵敏的变化,单片机2以高速率计算电流频率的变化,发送至微型计算机1进行处理;双舵电驱动舵机10、升降臂11、超声波测距仪用于保证激励线圈始终与钢结构桥梁保持一定的距离,不随其运动而产生很大的变化。
一种基于涡流与数字孪生技术的钢桥损伤检测方法,基于所述的一种基于涡流与数字孪生技术的钢桥损伤检测***,包括如下步骤:
S1:将所述钢桥损伤检测***置于需检测部位,调整检测模块的高度,使检测模块与钢结构桥梁表面保持一定的提离高度;打开开关,使所述钢桥损伤检测***通电并平稳行驶;
S2:基于电涡流无损检测原理,使用检测模块获得电流频率数据,并将电流频率数据实时传输给数字孪生模型建立模块和数据处理模块;
S3:使用数字孪生模型建立模块根据接收到的电流频率数据实时建立钢结构桥梁数字孪生模型;同时,使用数据处理模块对电流频率数据进行降噪、特征化预处理获得处理后的电流频率数据,并将处理后的电流频率数据实时传递给神经网络识别模块;
S4:使用神经网络识别模块根据处理后的电流频率数据进行识别,判断钢结构桥梁是否存在损伤;
S5:若不存在损伤,则返回S2;若存在损伤,则对钢结构桥梁数字孪生模型进行相应调整,建立带有损伤数据的钢结构桥梁数字孪生模型。
步骤S3,所述使用数据处理模块对电流频率数据进行降噪、特征化预处理,具体包括:使用数据处理模块对电流频率数据进行降噪得到降噪后的电流频率数据;对降噪后的电流频率数据进行小波变换特征化预处理得到处理后的电流频率数据。
数据处理模块首先对数据进行小波变换系数三层分解,得到小波变换的低频系数和高频系数的幅度与数量。对高频系数的三层分别进行小波变换重构信号,得到三维信号。该三维信号分别在不同程度上表征了原始检测信号的突变特征。
所述钢桥损伤检测方法还包括使用线圈提离高度自动调节模块实时调节激励线圈9距离钢结构桥梁的提离高度,使得激励线圈9距离钢结构桥梁的距离保持一致。
步骤S5还包括:若存在损伤,则将损伤信息发送给语音预警模块报警。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于涡流与数字孪生技术的钢桥损伤检测***,其特征在于,包括电涡流检测子***、微型计算机子***和驱动子***;
所述电涡流检测子***包括检测模块;所述微型计算机子***包括数字孪生模型建立模块、数据处理模块、神经网络识别模块;所述驱动子***包括驱动模块;
所述检测模块用于获得电流频率数据,并将电流频率数据实时传输给数字孪生模型建立模块和数据处理模块;
所述数字孪生模型建立模块用于根据电流频率数据实时建立钢结构桥梁数字孪生模型;
所述数据处理模块用于对电流频率数据进行降噪、特征化预处理以获得处理后的电流频率数据,并将处理后的电流频率数据实时传递给神经网络识别模块;
所述神经网络识别模块用于对处理后的电流频率数据进行识别判断钢结构桥梁是否存在损伤;
所述驱动模块用于对驱动电机进行实时控制,承载微型计算机子***与电涡流检测子***在钢结构桥梁表面运行,进行损伤检测;
所述对电流频率数据进行降噪、特征化预处理,具体包括:使用数据处理模块对电流频率数据进行降噪得到降噪后的电流频率数据,对降噪后的电流频率数据进行小波变换系数三层分解,得到小波变换的低频系数和高频系数的幅度与数量,再对高频系数的三层分别进行小波变换重构信号,得到三维信号数据,该三维信号数据即处理后的电流频率数据。
2.根据权利要求1所述的一种基于涡流与数字孪生技术的钢桥损伤检测***,其特征在于,所述电涡流检测子***还包括线圈提离高度自动调节模块;
所述线圈提离高度自动调节模块包括激励线圈(9);所述线圈提离高度自动调节模块用于实时调节激励线圈距离被检测钢结构桥梁表面的提离高度。
3.根据权利要求2所述的一种基于涡流与数字孪生技术的钢桥损伤检测***,其特征在于,所述线圈提离高度自动调节模块还包括双舵电驱动舵机(10)、升降臂(11)、超声波测距仪(12);所述超声波测距仪(12)用于实时检测激励线圈(9)与钢结构桥梁表面之间的距离;所述线圈提离高度自动调节模块用于通过双舵电驱动舵机(10)、升降臂(11)和超声波测距仪(12)实时调节激励线圈距离被检测钢结构桥梁表面的提离高度。
4.根据权利要求2所述的一种基于涡流与数字孪生技术的钢桥损伤检测***,其特征在于,所述电涡流检测子***还包括语音预警模块;所述语音预警模块用于当检测到钢结构桥梁存在损伤时进行语音预警。
5.一种基于涡流与数字孪生技术的钢桥损伤检测方法,基于权利要求1~4任意一项所述的一种基于涡流与数字孪生技术的钢桥损伤检测***,其特征在于,包括如下步骤:
S1:将所述钢桥损伤检测***置于需检测部位,调整检测模块的高度,使检测模块与钢结构桥梁表面保持一定的提离高度;打开开关,使所述钢桥损伤检测***通电并平稳行驶;
S2:基于电涡流无损检测原理,使用检测模块获得电流频率数据,并将电流频率数据实时传输给数字孪生模型建立模块和数据处理模块;
S3:使用数字孪生模型建立模块根据接收到的电流频率数据实时建立钢结构桥梁数字孪生模型;同时,使用数据处理模块对电流频率数据进行降噪、特征化预处理获得处理后的电流频率数据,并将处理后的电流频率数据实时传递给神经网络识别模块;
S4:使用神经网络识别模块根据处理后的电流频率数据进行识别,判断钢结构桥梁是否存在损伤;
S5:若不存在损伤,则返回S2;若存在损伤,则对钢结构桥梁数字孪生模型进行相应调整,建立带有损伤数据的钢结构桥梁数字孪生模型。
6.根据权利要求5所述的一种基于涡流与数字孪生技术的钢桥损伤检测方法,其特征在于,步骤S3中,所述使用数据处理模块对电流频率数据进行降噪、特征化预处理,具体包括:使用数据处理模块对电流频率数据进行降噪得到降噪后的电流频率数据;对降噪后的电流频率数据进行小波变换特征化预处理得到处理后的电流频率数据。
7.根据权利要求5所述的一种基于涡流与数字孪生技术的钢桥损伤检测方法,其特征在于,所述钢桥损伤检测方法还包括使用线圈提离高度自动调节模块实时调节激励线圈(9)距离钢结构桥梁的提离高度,使得激励线圈(9)距离钢结构桥梁的距离保持一致。
8.根据权利要求5所述的一种基于涡流与数字孪生技术的钢桥损伤检测方法,其特征在于,所述步骤S5还包括:若存在损伤,则将损伤信息发送给语音预警模块报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110777034.1A CN113219048B (zh) | 2021-07-09 | 2021-07-09 | 一种基于涡流与数字孪生技术的钢桥损伤检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110777034.1A CN113219048B (zh) | 2021-07-09 | 2021-07-09 | 一种基于涡流与数字孪生技术的钢桥损伤检测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113219048A CN113219048A (zh) | 2021-08-06 |
CN113219048B true CN113219048B (zh) | 2021-09-14 |
Family
ID=77081609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110777034.1A Active CN113219048B (zh) | 2021-07-09 | 2021-07-09 | 一种基于涡流与数字孪生技术的钢桥损伤检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219048B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113702490B (zh) * | 2021-08-27 | 2024-04-30 | 重庆邮电大学 | 一种基于涡流热传导的混凝土内部钢筋锈蚀量估计方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6382029B1 (en) * | 2000-03-07 | 2002-05-07 | The United States Of America As Represented By The Secretary Of Commerce | Apparatus and method for utilizing electromagnetic acoustic transducers to non-destructively analyze in-service conductive materials |
CN104200265A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种改进的基于神经网络的桥梁损伤识别方法 |
CN107255671A (zh) * | 2017-06-29 | 2017-10-17 | 清华大学 | 钢板缺陷磁旋阵成像检测方法及检测装置 |
CN107609304A (zh) * | 2017-09-29 | 2018-01-19 | 中国铁道科学研究院铁道建筑研究所 | 大跨度铁路桥梁的基于phm的故障诊断预测***及方法 |
CN107871161A (zh) * | 2017-11-07 | 2018-04-03 | 中国铁道科学研究院铁道建筑研究所 | 一种基于神经网络的桥梁整体损伤预警方法 |
CN108614032A (zh) * | 2018-01-31 | 2018-10-02 | 江苏大学 | 一种基于改进神经网络的混凝土内部钢筋无损检测***及控制方法 |
CN110389168A (zh) * | 2019-07-23 | 2019-10-29 | 电子科技大学 | 一种基于磁性探测原理与电感法的发动机金属屑检测方法 |
CN110532626A (zh) * | 2019-07-31 | 2019-12-03 | 西安交通大学 | 基于数字孪生的航空发动机主轴承剩余寿命预测方法 |
CN110672714A (zh) * | 2019-11-14 | 2020-01-10 | 重庆红岩建设机械制造有限责任公司 | 一种非接触式桥梁腐蚀钢筋磁感应检测方法 |
CN110988140A (zh) * | 2019-11-25 | 2020-04-10 | 西南交通大学 | 一种正交异性钢桥面板疲劳裂纹智能识别方法 |
CN111886686A (zh) * | 2018-09-26 | 2020-11-03 | 应用材料公司 | 针对原位电磁感应监测的边缘重建中的基板掺杂的补偿 |
CN112726432A (zh) * | 2020-12-29 | 2021-04-30 | 安徽建筑大学 | 一种桥梁运维方法、装置、***、计算机设备和存储介质 |
CN112765748A (zh) * | 2021-01-25 | 2021-05-07 | 长安大学 | 机理-数据异构信息融合的旋转机械数字孪生建模方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7231320B2 (en) * | 2004-11-22 | 2007-06-12 | Papadimitriou Wanda G | Extraction of imperfection features through spectral analysis |
CN106092479B (zh) * | 2016-07-28 | 2018-08-14 | 西南交通大学 | 板梁结构载荷识别和损伤识别的多功能试验台 |
CN109142547B (zh) * | 2018-08-08 | 2021-02-23 | 广东省智能制造研究所 | 一种基于卷积神经网络的声学在线无损检测方法 |
CN111425164B (zh) * | 2020-03-30 | 2021-04-06 | 中国石油大学(华东) | 一种全电驱动的井下安全阀及其数字孪生控制方法与*** |
CN111881495A (zh) * | 2020-06-24 | 2020-11-03 | 北京工业大学 | 基于数字孪生的预应力钢结构安全评估方法 |
-
2021
- 2021-07-09 CN CN202110777034.1A patent/CN113219048B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6382029B1 (en) * | 2000-03-07 | 2002-05-07 | The United States Of America As Represented By The Secretary Of Commerce | Apparatus and method for utilizing electromagnetic acoustic transducers to non-destructively analyze in-service conductive materials |
CN104200265A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种改进的基于神经网络的桥梁损伤识别方法 |
CN107255671A (zh) * | 2017-06-29 | 2017-10-17 | 清华大学 | 钢板缺陷磁旋阵成像检测方法及检测装置 |
CN107609304A (zh) * | 2017-09-29 | 2018-01-19 | 中国铁道科学研究院铁道建筑研究所 | 大跨度铁路桥梁的基于phm的故障诊断预测***及方法 |
CN107871161A (zh) * | 2017-11-07 | 2018-04-03 | 中国铁道科学研究院铁道建筑研究所 | 一种基于神经网络的桥梁整体损伤预警方法 |
CN108614032A (zh) * | 2018-01-31 | 2018-10-02 | 江苏大学 | 一种基于改进神经网络的混凝土内部钢筋无损检测***及控制方法 |
CN111886686A (zh) * | 2018-09-26 | 2020-11-03 | 应用材料公司 | 针对原位电磁感应监测的边缘重建中的基板掺杂的补偿 |
CN110389168A (zh) * | 2019-07-23 | 2019-10-29 | 电子科技大学 | 一种基于磁性探测原理与电感法的发动机金属屑检测方法 |
CN110532626A (zh) * | 2019-07-31 | 2019-12-03 | 西安交通大学 | 基于数字孪生的航空发动机主轴承剩余寿命预测方法 |
CN110672714A (zh) * | 2019-11-14 | 2020-01-10 | 重庆红岩建设机械制造有限责任公司 | 一种非接触式桥梁腐蚀钢筋磁感应检测方法 |
CN110988140A (zh) * | 2019-11-25 | 2020-04-10 | 西南交通大学 | 一种正交异性钢桥面板疲劳裂纹智能识别方法 |
CN112726432A (zh) * | 2020-12-29 | 2021-04-30 | 安徽建筑大学 | 一种桥梁运维方法、装置、***、计算机设备和存储介质 |
CN112765748A (zh) * | 2021-01-25 | 2021-05-07 | 长安大学 | 机理-数据异构信息融合的旋转机械数字孪生建模方法 |
Non-Patent Citations (2)
Title |
---|
"Damage Detection in Glass/Epoxy Laminated Composite Plates Using Modal Curvature for Structural Health Monitoring Applications";Mahendran Govindasamy 等;《Journal of Composites Science》;20201214;第4卷(第4期);第1-27页 * |
"基于电磁脉冲涡流的桥梁内部钢筋锈蚀度检测试验研究";程俊;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20160415(第4期);C034-355 * |
Also Published As
Publication number | Publication date |
---|---|
CN113219048A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100519035C (zh) | 基于交变磁场测量技术的焊缝自动跟踪控制方法 | |
CN209144652U (zh) | 用于悬挂式轨道交通***轨道梁内部的检修车 | |
CN108844963B (zh) | 大型储罐底板腐蚀缺陷在线监测***及方法 | |
CN113219048B (zh) | 一种基于涡流与数字孪生技术的钢桥损伤检测***及方法 | |
CN104960546A (zh) | 一种用于巡检高铁钢轨的探伤车 | |
CN106950053A (zh) | 一种商用车挡泥板支架总成试验台架及耐久试验方法 | |
CN105292175B (zh) | 铁轨缺陷的检测方法、检测***及车辆 | |
CN110789566A (zh) | 基于轴箱加速信号的轨道缺陷监测方法及监测设备 | |
CN104713769A (zh) | 一种用于道路状态评估的主动激振检测*** | |
CN113281401B (zh) | 无砟轨道隐蔽病害的检测方法、***与装置 | |
CN109374734B (zh) | 一种基于轮对的相控阵超声探伤装置 | |
CN102608123A (zh) | 一种用于微缺陷的激光超声检测方法 | |
CN109085239A (zh) | 一种轮轴综合诊断平台 | |
Chowdhry et al. | Development of a smart instrumentation for analyzing railway track health monitoring using forced vibration | |
CN117517478A (zh) | 一种钢轨轨腰埋藏缺陷埋深量化方法、***及设备 | |
CN215599065U (zh) | 一种转向架健康状态检测*** | |
CN210657909U (zh) | 一种基于智能手机路面表面检测*** | |
Shan et al. | Design of multifunctional railway track inspection vehicle | |
KR20160050751A (ko) | 철도차량의 차축베어링 검사장치 및 이를 이용한 차축베어링 검사방법 | |
CN114137066A (zh) | 一种空心轴外表面阵列涡流检测装置 | |
CN114720552A (zh) | 一种识别钢丝绳缺陷的电磁检测方法 | |
CN110514734B (zh) | 一种复合磁场磁光成像无损检测***及方法 | |
CN208999359U (zh) | 一种动态无损检测crtsⅱ型板式无砟轨道离缝的装置 | |
CN109855578B (zh) | 一种基于表面形貌粗糙度的工件内部缺陷检测方法 | |
CN110082432B (zh) | 基于均匀设计的板结构缺陷超声谐振定量无损检测方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230625 Address after: 610000 North Section of Second Ring Road, Chengdu City, Sichuan Province Patentee after: SOUTHWEST JIAOTONG University Patentee after: Shenzhen Medium Channel Management Center Patentee after: GUANGDONG PROVINCIAL HIGHWAY CONSTRUCTION Co.,Ltd. Address before: 610000 North Section of Second Ring Road, Chengdu City, Sichuan Province Patentee before: SOUTHWEST JIAOTONG University |