CN116311150B - 一种基于特定车辆挠度监测的桥梁损伤评定及预警方法 - Google Patents
一种基于特定车辆挠度监测的桥梁损伤评定及预警方法 Download PDFInfo
- Publication number
- CN116311150B CN116311150B CN202310009451.0A CN202310009451A CN116311150B CN 116311150 B CN116311150 B CN 116311150B CN 202310009451 A CN202310009451 A CN 202310009451A CN 116311150 B CN116311150 B CN 116311150B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- deflection
- bridge
- early warning
- dangerous chemical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 239000000126 substance Substances 0.000 claims abstract description 56
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000010606 normalization Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 3
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000005096 rolling process Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000010276 construction Methods 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0041—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress
- G01M5/005—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress by means of external apparatus, e.g. test benches or portable test systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,解决现有的桥梁挠度检测仅局限于挠度数据的获取,而无法与过往车辆车重形成对应,无法用于桥梁安全的评估的问题。本方法包括步骤1,桥梁下方安装挠度传感器,桥梁上方设置摄像头;步骤2,采用图像识别技术标记并识别危化品车的车型,根据车型获取对应车型的满载车重,并获取对应危化品车通过时的挠度幅值;步骤3,拟合车重‑挠度关系函数,通过归一化处理,得出基于车重‑挠度关系的桥梁损伤评定指标;步骤4,根据损伤指标的趋势性变化,设置分级预警,进行桥梁损伤评定。本发明通过对危化品车等特定车辆进行车型识别,并结合特定车辆的对应挠度数据对桥梁损伤进行评定,发出预警信号。
Description
技术领域
本发明属于桥梁安全监测领域,涉及一种基于特定车辆挠度监测的桥梁损伤评定及预警方法。
背景技术
我国是基建大国,特别在桥梁领域有着领先于世界的建设技术和建设规模。尤其是水网密布的南方地区,大大小小的桥梁沟通河道两岸,在地方经济的发展和城镇建设中发挥了重要作用。桥梁在长期使用的过程中,需要对结构安全进行检测,传统的桥梁结构安全一般通过定期检测来保障,检测期存在盲区,而且检测过程中,对桥梁的水下部分结构也存在检测盲区,存在一定的安全隐患。尤其是城市建设如火如荼的今天,各种大型车辆频繁在桥梁上通过,桥梁的结构安全肩负着人民生命财产的安全,是重中之重。
现有的桥梁挠度检测,如2022年09月08日公布的CN115164843A号专利申请,名称为一种桥梁倾角测量装置、桥梁挠度测量方法及装置,2022年09月23日公布的CN115096529A号专利申请,名称为一种桥梁动挠度分布式测量装置及测量方法等。上述专利申请都涉及到了桥梁挠度的测量,但上述专利仅仅是桥梁挠度本身的测量,而没有将桥梁挠度的产生和过往车辆的负载、桥梁结构安全的评价联系起来,上述专利虽然获取了桥梁的挠度测量数据,但依然无法用于对桥梁结构的评价。
发明内容
本发明的目的在于解决现有的桥梁挠度检测仅局限于挠度数据的获取,而无法与过往车辆车重对应,无法用于桥梁安全的评估的问题,提供一种基于挠度监测的桥梁损伤评定及预警方法。
本发明解决其技术问题所采用的一种技术方案是:一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,其特征在于:包括以下步骤:
步骤1,桥梁下盖梁侧面安装激光传感器,梁底跨中处安装靶点,用于测试桥梁挠度,桥梁上方设置识别过往车辆的摄像头,挠度传感器和摄像头的信号均连接至控制室;
步骤2,利用摄像头获取过往车辆图像,采用图像识别技术标记通过桥梁的危化品车,并识别危化品车的车型,根据车型获取对应车型的满载车重,并通过挠度传感器获取每辆车通过时的挠度幅值;
步骤3,依据步骤2建立车重-挠度样本数据库,并利用数理统计方法剔除异常数据,拟合车重-挠度关系函数,通过归一化处理,得出基于车重-挠度关系的桥梁损伤评定指标;
步骤4,根据步骤3的损伤评定指标,根据损伤指标的趋势性变化,设置分级预警,进行桥梁损伤评定。
本申请的方案适用于大型车辆频繁通过的桥梁,桥梁经常处于高负载运营的情况下,急需对桥梁的损伤进行监测和评定,并及时提出预警。桥梁的挠度监测方法在背景技术中已经进行介绍,传统的挠度监测方法中,由于对通行车辆的车重难以实时获取,因此,现有的挠度监测方式多为静态检测,即使进行动态监测,也不能与车重指标进行对应,因此,传统的动态监测智能监测到桥梁挠度的最大幅值,但是无法进行横向对比,并不能确定是由于什么原因产生的,无法对桥梁损伤进行评定。本方案中,由于危化品卡车的载重有严格规定,每一种车型有规定的承载介质和容积,故可认为同一种车型的满载重量是相同的,通过图像识别技术,识别通过桥梁的危化品车并将其分为若干类。利用国家规定对危化品车、包括槽罐车等的最大负载的限制,而上述车辆在运营时,为了最大限度降低成本,几乎必然会满载运营,因此,本申请中,通过摄像头对危化品车进行车型识别后,就可以判断其满载车重,建立起车重-挠度的对应数据,对于同一危化品车的车型,利用挠度幅值的差异可以判断其满载或空载,对数据进行分类或者剔除,在大量数据的支持下,足以获得准确的结果。依据车重-挠度样本数据库,可以对当前通过的危化品车车型进行识别,并获取对应的挠度幅值数据。对于不同车重作用下的挠度数据,采用数理统计方法得到与车重和挠度幅值都相关的参数Q,以Q的累计变化趋势来评价当前桥梁的健康状况。当挠度幅值的数据异常,可以及时发出桥梁安全的预警信号。
作为优选,步骤1中,调节挠度传感器和摄像头的信号延迟,确保挠度传感器和摄像头信号在控制室同步显示。
作为优选,步骤2中,利用图像识别技术,建立卷积神经网络算法模型;对图像预处理,统一尺寸;以人工与机器相结合的方式,对图像中危化品车辆进行标注;通过平移旋转、调整亮度、添加噪声方式,增加样本数据量,提高模型的鲁棒性和泛化能力;构建训练集和测试集,对模型进行大量训练和测试,达到良好的识别效果。
作为优选,步骤2中,危化品车辆根据交通部门相关规定,两轴车辆,其车货总重不得超过20吨的;三轴车辆,其车货总重不得超过30吨的;四轴车辆,其车货总重不得超过40吨的;五轴车辆,其车货总重不得超过50吨的;六轴及六轴以上车辆,其车货总重不得超过55吨的;通过图像识别算法识别出车轴数,从而得到危化品车的满载车重。由于危化品卡车的载重有严格规定,每一种车型有规定的承载介质和容积,故可认为同一种车型的重量是相同的,通过图像识别技术,识别通过桥梁的危化品车并将其分为若干类。
作为优选,步骤3中,剔除的异常数据包括危化品车明显空载的挠度幅值数据。
作为优选,步骤3中,摄像头识别出危化品车车型,并依据车型判断危化品车的车重,挠度传感器记录下当前车辆通过时的桥梁的挠度幅值,由大数定理可知,经过大数据统计下,危化品车的车重收敛于一个常数,故经过多次测试积累,可形成车重-挠度信息样本数据库。
作为优选,利用最小二乘原理,拟合出车辆挠度A与车辆重量g的函数关系A=f(g),公式如下:
m:车型种类;
δ:拟合数据与原始数据差值;
f(gi):第i种车型的拟合目标函数值;
Ai:第i种车型对应的挠度样本数据的平均值;
根据原始数据点的变化趋势确定f(g)的函数类型,根据最小二乘原则求得最小二乘解:
建立Q=A/f(g)=1的归一化方程,计算一段时间内Q的期望E(Q)作为桥梁损伤评定指标。E(Q)为设定统计周期内Q的均值。求解方程中,为不同类型的函数式,/>为拟合系数,拟合完成后为常数。
作为优选,步骤3中的车重-挠度样本数据库在按照设定时间周期滚动训练,在步骤4中,对通过的危化品车进行车型识别并判定满载车重,在设定的滚动周期内,以E(Q)的趋势性变化作为桥梁损伤评定的标准;随时间推移,当E(Q)的上行幅度在5%内时,判定桥梁为健康状态,当E(Q)的变化幅度超过5%,且小于10%时,判定桥梁为一级预警状态,当E(Q)的变化幅度超过10%时,判定桥梁为二级预警状态。
作为优选,还包括步骤5:对于包括危化品车在内的每一个重型车辆,识别其车轴数,监测并记录车辆在桥面通过时的挠度幅值数据,代入车重-挠度关系方程,并通过归一化方程计算Q值,Q>1.1时,进行标记,并在通过桥梁后截停称重,进行超载治理。
本发明通过对危化品车等特定车辆进行车型识别,并根据车型确定满载车重,与车辆通过桥梁时的挠度幅值进行关联建立数据库,通过数值计算,得出反映不同车辆作用下桥梁挠度状况的指数Q,通过统计海量数据下Q的变化趋势,对桥梁损伤进行评定,发出预警信号;本发明同时还可以依据车重-挠度关系方程,对挠度明显超出正常的车辆进行超载治理。
附图说明
下面结合附图对本发明进一步说明。
图1是本发明的温州瓯江五桥监控传感器安装情况实例图;
图2是本发明图1监测***中重车辆驶入实时图像及实测挠度变化曲线图;
图3是本发明图1实例的单月行驶车辆统计;
图4是本发明图1实例的桥梁预警曲线示意图。
具体实施方式
下面通过具体实施例并结合附图对本发明进一步说明。
实施例:一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,以温州瓯江五桥实测数据为例,瓯江五桥单月通行车辆统计数据如图3所示,本方法包括以下步骤:
步骤1,如图1所示,桥梁下盖梁侧面安装激光传感器,激光传感器采用多点动位移光学传感器,梁底跨中处安装两个靶点,用于测试桥梁挠度,桥梁上方设置识别过往车辆的摄像头,挠度传感器和摄像头的信号均连接至控制室;调节挠度传感器和摄像头的信号延迟,确保挠度传感器和摄像头信号在控制室同步显示,如图2所示,当危化品车通过时,实时显示挠度曲线。
步骤2,利用摄像头获取过往车辆图像,采用图像识别技术标记通过桥梁的危化品车,并识别危化品车的车型,根据车型获取对应车型的满载车重,并通过挠度传感器获取每辆车通过时的挠度幅值;利用图像识别技术,建立卷积神经网络算法模型;对图像预处理,统一尺寸;以人工与机器相结合的方式,对图像中危化品车辆进行标注;通过平移旋转、调整亮度、添加噪声方式,增加样本数据量,提高模型的鲁棒性和泛化能力;构建训练集和测试集,对模型进行大量训练和测试,达到良好的识别效果。危化品车辆根据交通部门相关规定,两轴车辆,其车货总重不得超过20吨的;三轴车辆,其车货总重不得超过30吨的;四轴车辆,其车货总重不得超过40吨的;五轴车辆,其车货总重不得超过50吨的;六轴及六轴以上车辆,其车货总重不得超过55吨的;通过图像识别算法识别出车轴数,从而得到危化品车的满载车重,如图2所示的危化品车位四轴危化品车,其满载车重识别为40吨,挠度曲线通过图2的右图可见。
步骤3,依据步骤2建立车重-挠度样本数据库,并利用数理统计方法剔除异常数据,剔除的异常数据包括危化品车明显空载的挠度幅值数据,摄像头识别出危化品车车型,并依据车型判断危化品车的车重,挠度传感器记录下当前车辆通过时的桥梁的挠度幅值,由大数定理可知,经过大数据统计下,危化品车的车重收敛于一个常数,故经过多次测试积累,可形成车重-挠度信息样本数据库。
利用最小二乘原理,拟合出车辆挠度A与车辆重量g的函数关系A=f(g),公式如下:
m:符合识别条件的危化品车计数;
δ:拟合数据与原始数据差值;
f(gi):第i辆危化品车的拟合目标函数值;
Ai:第i辆危化品车的挠度样本数据;
根据原始数据点的变化趋势确定f(g)的函数类型,根据最小二乘原则求得f(g)的最小二乘解:
建立Q=A/f(g)=1的归一化方程,计算一段时间内Q的期望E(Q)作为桥梁损伤评定指标。E(Q)为设定统计周期内Q的均值。
步骤4,根据步骤3的损伤评定指标,根据损伤指标的趋势性变化,设置分级预警,进行桥梁损伤评定,如图4所示,对通过的危化品车进行车型识别并判定满载车重,在设定的滚动周期内,以E(Q)的趋势性变化作为桥梁损伤评定的标准;随时间推移,当E(Q)的上行幅度在5%内时,判定桥梁为健康状态,当E(Q)的变化幅度超过5%,且小于10%时,判定桥梁为一级预警状态,当E(Q)的变化幅度超过10%时,判定桥梁为二级预警状态。
步骤5:对于包括危化品车在内的每一个重型车辆,识别其车轴数,监测并记录车辆在桥面通过时的挠度幅值数据,代入车重-挠度关系方程,并通过归一化方程计算Q值,Q>1.1时,进行标记,并在通过桥梁后截停称重,进行超载治理。
Claims (7)
1.一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,其特征在于:包括以下步骤:
步骤1,桥梁下盖梁侧面安装激光传感器,梁底跨中处安装靶点,用于测试桥梁挠度,桥梁上方设置识别过往车辆的摄像头,挠度传感器和摄像头的信号均连接至控制室;
步骤2,利用摄像头获取过往车辆图像,采用图像识别技术标记通过桥梁的危化品车,并识别危化品车的车型,根据车型获取对应车型的满载车重,并通过挠度传感器获取每辆车通过时的挠度幅值;
步骤3,依据步骤2建立车重-挠度样本数据库,并利用数理统计方法剔除异常数据,拟合车重-挠度关系函数,通过归一化处理,得出基于车重-挠度关系的桥梁损伤评定指标;摄像头识别出危化品车车型,并依据车型判断危化品车的车重,挠度传感器记录下当前车辆通过时的桥梁的挠度幅值,由大数定理可知,经过大数据统计下,危化品车的车重收敛于一个常数,故经过多次测试积累,可形成车重-挠度信息样本数据库;
利用最小二乘原理,拟合出车辆挠度A与车辆重量g的函数关系A=f(g),公式如下:
m:符合识别条件的危化品车计数;
δ:拟合数据与原始数据差值;
f(gi):第i辆危化品车的拟合目标函数值;
Ai:第i辆危化品车的挠度样本数据;
根据原始数据点的变化趋势确定f(g)的函数类型,根据最小二乘原则求得f(g)的最小二乘解:
建立Q=A/f(g)=1的归一化方程,计算一段时间内Q的期望E(Q)作为桥梁损伤评定指标;E(Q)为设定统计周期内Q的均值;求解方程中,为不同类型的函数式,/>为拟合系数,拟合完成后为常数;
步骤4,根据步骤3的损伤评定指标,根据损伤指标的趋势性变化,设置分级预警,进行桥梁损伤评定。
2.根据权利要求1所述的一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,其特征在于:步骤1中,调节挠度传感器和摄像头的信号延迟,确保挠度传感器和摄像头信号在控制室同步显示。
3.根据权利要求1所述的一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,其特征在于:步骤2中,利用图像识别技术,建立卷积神经网络算法模型;对图像预处理,统一尺寸;以人工与机器相结合的方式,对图像中危化品车辆进行标注;通过平移旋转、调整亮度、添加噪声方式,增加样本数据量,提高模型的鲁棒性和泛化能力;构建训练集和测试集,对模型进行大量训练和测试,达到良好的识别效果。
4.根据权利要求1或3所述的一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,其特征在于:步骤2中,危化品车辆根据交通部门相关规定,两轴车辆,其车货总重不得超过20吨的;三轴车辆,其车货总重不得超过30吨的;四轴车辆,其车货总重不得超过40吨的;五轴车辆,其车货总重不得超过50吨的;六轴及六轴以上车辆,其车货总重不得超过55吨的;通过图像识别算法识别出车轴数,从而得到危化品车的满载车重。
5.根据权利要求1或2或3所述的一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,其特征在于:步骤3中,剔除的异常数据包括危化品车明显空载的挠度幅值数据。
6.根据权利要求1所述的一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,其特征在于:步骤3中的车重-挠度样本数据库在按照设定时间周期滚动训练,在步骤4中,对通过的危化品车进行车型识别并判定满载车重,在设定的滚动周期内,以E(Q)的趋势性变化作为桥梁损伤评定的标准;随时间推移,当E(Q)的上行幅度在5%内时,判定桥梁为健康状态,当E(Q)的变化幅度超过5%,且小于10%时,判定桥梁为一级预警状态,当E(Q)的变化幅度超过10%时,判定桥梁为二级预警状态。
7.根据权利要求1所述的一种基于特定车辆挠度监测的桥梁损伤评定及预警方法,其特征在于:还包括步骤5:对于包括危化品车在内的每一个重型车辆,识别其车轴数,监测并记录车辆在桥面通过时的挠度幅值数据,代入车重-挠度关系方程,并通过归一化方程计算Q值,Q>1.1时,进行标记,并在通过桥梁后截停称重,进行超载治理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310009451.0A CN116311150B (zh) | 2023-01-03 | 2023-01-03 | 一种基于特定车辆挠度监测的桥梁损伤评定及预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310009451.0A CN116311150B (zh) | 2023-01-03 | 2023-01-03 | 一种基于特定车辆挠度监测的桥梁损伤评定及预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116311150A CN116311150A (zh) | 2023-06-23 |
CN116311150B true CN116311150B (zh) | 2023-11-14 |
Family
ID=86776933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310009451.0A Active CN116311150B (zh) | 2023-01-03 | 2023-01-03 | 一种基于特定车辆挠度监测的桥梁损伤评定及预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116311150B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117664484B (zh) * | 2024-01-31 | 2024-04-05 | 北京智城联合科技发展有限公司 | 一种智慧城市桥梁安全监测预警方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2231652A1 (en) * | 1995-10-12 | 1997-04-17 | Yazaki Corporation | Load deflecting degree computing apparatus and carrying weight computing apparatus for vehicle |
CN104732013A (zh) * | 2015-02-12 | 2015-06-24 | 长安大学 | 一种单车通过多梁式桥梁的车辆荷载识别方法 |
CN205861367U (zh) * | 2016-07-15 | 2017-01-04 | 大连凯晟科技发展有限公司 | 一种起重机综合性能检测*** |
CN109635497A (zh) * | 2018-12-29 | 2019-04-16 | 浙江广厦建设职业技术学院 | 一种基于非线性损伤理论的钢梁桥寿命及可靠度分析方法 |
CN110132511A (zh) * | 2019-05-30 | 2019-08-16 | 山东省建筑科学研究院 | 一种基于动挠度衰减规律的桥梁结构监测评估方法 |
CN114001887A (zh) * | 2021-10-26 | 2022-02-01 | 浙江工业大学 | 一种基于挠度监测的桥梁损伤评定方法 |
CN115063017A (zh) * | 2022-07-06 | 2022-09-16 | 河北交通投资集团有限公司 | 一种中小跨径桥梁结构监测和评估***及方法 |
CN115455536A (zh) * | 2022-09-09 | 2022-12-09 | 中铁大桥科学研究院有限公司 | 一种空心板铰缝损伤评价方法、装置及计算机设备 |
CN115482474A (zh) * | 2022-08-24 | 2022-12-16 | 湖南科技大学 | 一种基于高空航拍图像的桥面车辆荷载识别方法和*** |
-
2023
- 2023-01-03 CN CN202310009451.0A patent/CN116311150B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2231652A1 (en) * | 1995-10-12 | 1997-04-17 | Yazaki Corporation | Load deflecting degree computing apparatus and carrying weight computing apparatus for vehicle |
CN104732013A (zh) * | 2015-02-12 | 2015-06-24 | 长安大学 | 一种单车通过多梁式桥梁的车辆荷载识别方法 |
CN205861367U (zh) * | 2016-07-15 | 2017-01-04 | 大连凯晟科技发展有限公司 | 一种起重机综合性能检测*** |
CN109635497A (zh) * | 2018-12-29 | 2019-04-16 | 浙江广厦建设职业技术学院 | 一种基于非线性损伤理论的钢梁桥寿命及可靠度分析方法 |
CN110132511A (zh) * | 2019-05-30 | 2019-08-16 | 山东省建筑科学研究院 | 一种基于动挠度衰减规律的桥梁结构监测评估方法 |
CN114001887A (zh) * | 2021-10-26 | 2022-02-01 | 浙江工业大学 | 一种基于挠度监测的桥梁损伤评定方法 |
CN115063017A (zh) * | 2022-07-06 | 2022-09-16 | 河北交通投资集团有限公司 | 一种中小跨径桥梁结构监测和评估***及方法 |
CN115482474A (zh) * | 2022-08-24 | 2022-12-16 | 湖南科技大学 | 一种基于高空航拍图像的桥面车辆荷载识别方法和*** |
CN115455536A (zh) * | 2022-09-09 | 2022-12-09 | 中铁大桥科学研究院有限公司 | 一种空心板铰缝损伤评价方法、装置及计算机设备 |
Non-Patent Citations (2)
Title |
---|
Bridge Damage Detection Through Combined Quasi-static Influence Lines and Weigh-in-motion Devices;M. Breccolotti , M. Natalicchi;《International Journal of Civil Engineering 》;第487-500页 * |
基于车辆响应的连续桥梁损伤检测;唐一瑞;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;C034-176 * |
Also Published As
Publication number | Publication date |
---|---|
CN116311150A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689723B (zh) | 基于功率分布与自学习的货车超载识别方法 | |
CN111505010B (zh) | 一种基于云平台的桥梁安全检测*** | |
CN111553902B (zh) | 一种基于大数据的公路路面安全监测*** | |
CN110132511B (zh) | 一种基于动挠度衰减规律的桥梁结构监测评估方法 | |
CN110926523A (zh) | 一种复杂恶劣条件下高速铁路桥梁安全感知与预警*** | |
CN110132512B (zh) | 一种基于主梁刚度衰减规律的桥梁结构监测评估方法 | |
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 | |
CN108225811A (zh) | 一种基于车辆荷载的桥梁结构安全评估*** | |
CN109002622B (zh) | 一种随机车流作用下大跨径桥梁总体荷载响应估算方法 | |
CN106556498A (zh) | 桥梁结构损伤识别方法及*** | |
CN115540987B (zh) | 基于载荷传感器的动态车辆超载检测方法及控制装置 | |
AU2020104323A4 (en) | A method and system of axle information identification and early alarm based on bridge transverse strain | |
CN112362149B (zh) | 基于竖向位移影响面加载动态识别车辆轴重方法和*** | |
CN112380599A (zh) | 一种基于大数据分析的桥梁智能在线监测预警*** | |
CN113900381A (zh) | 一种基于物联网的钢结构远程健康监测平台及应用方法 | |
CN115063017A (zh) | 一种中小跨径桥梁结构监测和评估***及方法 | |
CN108732313A (zh) | 城市空气污染物浓度智能观测*** | |
CN111709664A (zh) | 一种基于大数据的桥梁结构安全监测管理*** | |
CN110926735A (zh) | 基于多维动态参数的桥梁结构快速诊断方法 | |
CN113310527A (zh) | 基于综合感知的独墩立交桥超载和倾覆监测预警方法 | |
CN116295637A (zh) | 一种高空建筑安全智能监测的方法及*** | |
CN113155196A (zh) | 一种基于AIoT的桥梁运行实时监测***及其监测方法 | |
CN116029555A (zh) | 基于轻量化神经网络的桥梁风险识别预警***及应用方法 | |
CN112528208A (zh) | 一种无称重ai智能识别货车超载估算方法、装置及*** | |
CN116448224A (zh) | 基于视觉应变监测的桥梁动态称重与分级报警方法 |
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 |