CN116451913B - 一种交通基础设施健康监测***服役性能评价方法及装置 - Google Patents
一种交通基础设施健康监测***服役性能评价方法及装置 Download PDFInfo
- Publication number
- CN116451913B CN116451913B CN202310730942.4A CN202310730942A CN116451913B CN 116451913 B CN116451913 B CN 116451913B CN 202310730942 A CN202310730942 A CN 202310730942A CN 116451913 B CN116451913 B CN 116451913B
- Authority
- CN
- China
- Prior art keywords
- data
- sequence
- prediction
- representing
- health monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 119
- 230000036541 health Effects 0.000 title claims abstract description 110
- 238000011156 evaluation Methods 0.000 title claims abstract description 37
- 230000004044 response Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000005284 excitation Effects 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims description 104
- 238000006073 displacement reaction Methods 0.000 claims description 53
- 230000001133 acceleration Effects 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 17
- 230000010355 oscillation Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013016 damping Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 12
- 238000003062 neural network model Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000013519 translation Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/007—Subject matter not provided for in other groups of this subclass by applying a load, e.g. for resistance or wear testing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通基础设施健康监测***服役性能评价及校准领域,尤其涉及一种交通基础设施健康监测***服役性能评价方法及装置。本发明的方法包括如下步骤:将提供的外部激励置于待评估交通基础设施健康监测***所监测的路段内;通过提供的标准传感器获取外部激励在路段内动作时对应的反馈数据;构建反馈数据在路段内的预测响应模型,并利用预测响应模型结合反馈数据获得预测数据;通过待评估交通基础设施健康监测***,获得实测数据;结合预测数据和实测数据,对待评估交通基础设施健康监测***的服役性能进行评价及校准。本发明以非侵入性的方式实现了交通基础设施监测***的有效性评估,并减少评估过程中对人力和物力资源的需求。
Description
技术领域
本发明涉及交通基础设施健康监测***服役性能评价及校准领域,尤其涉及一种交通基础设施健康监测***服役性能评价方法及装置。
背景技术
目前现有的交通基础设施健康监测***服役性能评价方法主要包括以下两种方式:
1、依托固定荷载开展健康监测***的测量性能评价。现阶段依托固定荷载、动态荷载采用固定重量的车辆对桥梁施加荷载,采用应力-应变-位移原理对监测***测量有效性进行评价。
2、等强度悬臂梁在线标定方法。等强度悬臂梁由底座、等强度悬臂梁和砝码组成,在悬臂梁片平行布设监测***,加挂砝码以后,由砝码重量引起的梁体变形,进而采集监测***的输出值,在一定时间后,加入或减少砝码数量,同时记录两组监测数据序列值,对特征点进行匹配,进行序列数据进行校准。
不管是上述的哪种方法大多都存在着耗费大量的人力、物力的缺点,同时针对利用固定荷载进行监测***测量有效性的评价方式对荷载的要求高,并且面临每次荷载试验期间均需要封闭道路而致使的交通拥堵等相关问题。
发明内容
针对现有技术的不足以及实际应用的需求,第一方面,本发明提出了一种交通基础设施健康监测***服役性能评价方法,旨在以非侵入性的方式实现交通基础设施监测***的有效性评估,并减少评估过程中对人力和物力资源的需求。所述交通基础设施健康监测***服役性能评价方法,包括如下步骤:提供外部激励,并将所述外部激励设置于待评估交通基础设施健康监测***所监测的路段内;提供标准传感器,并通过所述标准传感器获取所述外部激励在所述路段内动作时对应的反馈数据;构建所述反馈数据在所述路段内的预测响应模型,并利用所述预测响应模型结合所述反馈数据获得预测数据;通过所述待评估交通基础设施健康监测***,获得实测数据;结合所述预测数据和所述实测数据,对待评估交通基础设施健康监测***的服役性能进行评价及校准。本发明所提出的交通基础设施健康监测***服役性能评价方法,通过构建外部激励与对应路段的响应模型结合标准传感器获得的测量数据预测对应路段的响应数据,与待评估交通基础设施健康监测***所获取的实际数据进行对比,进而实现对待评估交通基础设施健康监测***当下服役性的评价和校准。本发明不仅节省了人力、物力,并且可通过构建多种外部激励与对应路段的响应模型,提升外部激励的可选性,克服了当前交通基础设施健康监测***服役性能评价中对荷载的要求;同时,本发明所提供的交通基础设施健康监测***服役性能评价方法为在线计量方案,能够做到及时的数据资源更新与对应的***评价和校准,在线计量地同时无需封闭道路,即可以有效避免封闭道路所带来的交通拥堵等相关问题。
可选地,所述提供外部激励,并将所述外部激励设置于待评估交通基础设施健康监测***所监测的路段内,包括如下步骤:提供四自由度的车辆作为外部激励;设定所述四自由度的车辆的运动速度;将所述四自由度的车辆放置在所述待评估交通基础设施健康监测***所监测的路段内,并以所述运动速度匀速行驶。
可选地,所述构建所述反馈数据在所述路段内的预测响应模型,包括如下步骤:根据所述四自由度的车辆与所述路段的相互作用,构建车辆垂向运动方程;利用所述车辆垂向运动方程,构建车辆垂向位移方程;求解所述车辆垂向位移方程,获得车辆垂向位移与桥梁模态位移的关系;利用所述车辆垂向位移与桥梁模态位移的关系,获得车辆垂向加速度与桥梁振荡频率响应关系;利用所述车辆垂向加速度与桥梁振荡频率响应关系,获得预测响应模型。
可选地,所述预测响应模型满足如下公式:,其中,/>表示车辆垂向加速度,/>表示静载位移,/>表示车辆动态响应系数参量,/>,/>表示桥梁频率的阶数,/>,/>表示忽略阻尼的车辆运行速度,/>表示桥梁路段长度,,/>为桥梁振荡的n阶频率,/>表示桥梁的单位质量,/>表示桥梁的弹性模量,/>表示桥梁截面的惯性矩,/>表示车辆的运行时间。
可选地,所述通过所述待评估交通基础设施健康监测***,获得实测数据,包括如下步骤:通过所述待评估交通基础设施健康监测***,获得实际测量数据序列;利用所述实际测量数据序列,生成一阶测量数据序列;通过所述实际测量数据序列和所述一阶测量数据序列,搭建预测系数模型,并利用所述预测系数模型获得预测系数;结合所述一阶测量数据序列与对应的预测系数,生成一阶测量预测序列;结合所述一阶测量预测序列和所述实际测量数据序列,生成原始数据预测序列。
可选地,所述原始数据预测序列,满足如下模型:,其中,/>表示原始数据预测序列,/>表示原始数据预测序列中样本数据的总数量,/>,/>,/>表示原始数据预测序列中第1个样本数据,/>表示实际测量数据序列中第1个样本数据,/>表示表示原始数据预测序列中第i个样本数据,/>表示一阶测量预测序列中第i个样本数据,/>表示一阶测量预测序列中第i-1个样本数据。
可选地,所述通过所述待评估交通基础设施健康监测***,获得实测数据,还包括如下步骤:校正一阶测量预测序列;所述校正一阶测量预测序列,包括如下步骤:结合所述原始数据预测序列与所述实际测量数据序列,获得基础绝对误差序列;利用所述基础绝对误差序列,生成一阶误差数据序列;通过所述基础绝对误差序列和所述一阶误差数据序列,搭建误差预测系数模型,并利用所述误差预测系数模型获得误差预测系数;利用所述误差预测系数和所述基础绝对误差序列,校正所述一阶测量预测序列。
可选地,校正后一阶测量预测序列,满足如下模型:,其中,,/>表示校正后的一阶测量预测序列,/>,/>表示校正后一阶测量预测序列中第i个样本数据,实际测量数据序列中第/>个样本数据,/>表示第一预测系数,/>表示第二预测系数,e表示自然常数,/>表示第一误差预测系数,/>表示第二误差预测系数,/>表示基础绝对误差序列第/>个绝对误差数据。
可选地,所述通过所述待评估交通基础设施健康监测***,获得实测数据,还包括如下步骤:搭建预测误差模型,并利用所述预测误差模型获得原始数据预测序列中样本数据的预测误差;设定预测误差阈值,并利用误差阈值结合所述预测误差,校正所述原始数据预测序列中样本数据。
为更好地执行上述的交通基础设施健康监测***服役性能评价方法,第二方面,本发明还提出了一种交通基础设施健康监测***服役性能评价装置,旨在更加高效、精准地实施所述交通基础设施健康监测***服役性能评价方法。所述交通基础设施健康监测评价装置,包括:处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行本发明第一方面提供的交通基础设施健康监测***服役性能评价方法的步骤。本发明所提供的交通基础设施健康监测评价装置的结构紧凑、性能稳定、能够高效地执行本发明的交通基础设施健康监测评价方法,在一定程度上提升了本发明的适用性和实际应用能力。
附图说明
图1为本发明的交通基础设施健康监测***服役性能评价方法流程图;
图2为本发明实施例所提供的步骤S04实施流程图;
图3为本发明的交通基础设施健康监测***服役性能装置结构示意图;
图4为本发明的交通基础设施健康监测***服役性能装置与多个智能终端连接示意图。
具体实施方式
下面将详细描述本发明的具体实施例,应当注意,这里描述的实施例只用于举例说明,并不用于限制本发明。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的电路,软件或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。
现有的交通基础设施健康监测***服役性能评价方法大多都存在着耗费大量的人力、物力的缺点,同时针对利用固定荷载进行监测***测量有效性的评价方式对荷载的要求高,并且面临每次荷载试验期间均需要封闭道路而致使的交通拥堵等相关问题。基于此,本申请提供了一种能够解决上述技术问题的方案,其详细内容将在后续实施例中得以阐述。
请参见图1,在一个可选的实施例中,图1为本发明实施例所提供的交通基础设施健康监测***服役性能评价方法流程图。如图1所示,所述交通基础设施健康监测***服役性能评价方法流程图,包括如下步骤:
S01、提供外部激励,并将所述外部激励设置于待评估交通基础设施健康监测***所监测的路段内。
在本实施例中,步骤S01所提供的外部激励为车辆,所述车辆为四自由度的车辆。具体地,所述四自由度包括:前进/后退、左右平移、旋转、车身倾斜。四自由度的车辆可以更准确地模拟真实交通环境,同时,四自由度的车辆的行为容易进行精细控制,进而模拟不同驾驶风格和交通流量条件,以评估交通基础设施的稳定性和性能。
其中,前进/后退指车辆可以沿着它前进方向或后退方向移动。左右平移至车辆可以向左或者向右平移。旋转指车辆可以绕垂直于地面轴线旋转。车身旋转指车辆可以在前后方向上倾斜。
在一个可选的实施例中,为评估桥梁结构健康监测***的服役性能,步骤S01所述的提供外部激励,并将所述外部激励设置于待评估交通基础设施健康监测***所监测的路段内,包括如下步骤:
S011、提供四自由度的车辆作为外部激励。
在本实施中,提供了一辆配备动力***和传感器的四自由度的车辆作为外部激励。该车辆可以实现前进/后退、左右平移、旋转和车身倾斜等运动,进而模拟桥梁上的车辆行为。
S012、设定所述四自由度的车辆的运动速度。
可以理解,本发明通过设定不同的运动速度,可以模拟不同车辆行驶速度下的动态载荷对桥梁结构的影响。在本实施例中,设定四自由度的车辆以每小时50公里的固定进行匀速行驶。
S013、将所述四自由度的车辆放置在所述待评估交通基础设施健康监测***所监测的路段内,并以所述运动速度匀速行驶。
在本实施中,步骤S013将四自由度的车辆放置在目标桥梁的特定路段上,该特定路段即为桥梁结构健康监测***所监测的桥梁路段,例如桥梁的主梁部分。再以预设的速度让车辆匀速行驶,模拟桥梁上车辆的运行情况。这样可以收集与车辆行驶相关的动态数据,并用于后续桥梁结构健康监测***的服役性能的评估。
S02、提供标准传感器,并通过所述标准传感器获取所述外部激励在所述路段内动作时对应的反馈数据。
应当理解,标准传感器是作为评价和校准待评估交通基础设施健康监测***服役性的精准数据来源,标准传感器的选取和设置需保证获得的数据精准性以及时效性。同时,标准传感器测量的数据种类,可根据建立的预测响应模型中外部激励源的物理性质来设定。
在一个可选的实施例中,为评估桥梁结构健康监测***的服役性能,利用外部激励源与路段接触点处的垂向加速度与桥梁振荡频率响应,构建了对应的预测模型。因此,标准传感器的测量数据可以为外部激励源与路段接触点处的垂向加速度,或者外部激励源与路段接触点处的垂向位移等具有可精准推导垂向加速度性质的数据。
在本实施例中,步骤S02所述的提供标准传感器,并通过所述标准传感器获取所述外部激励在所述路段内动作时对应的反馈数据,包括如下步骤:
S021、将所述标准传感器设置于所述四自由度的车辆内。
为提升本发明的实施效率,本发明实施中所述的标准传感器选择为加速度传感器。进一步地,步骤S021将加速度传感器安装在四自由度的车辆的内部。可以理解的是,由于这种传感器可以直接测量车辆在不同方向上的加速度变化,包括垂直方向上的加速度。
S022、通过所述标准传感器获取所述四自由度的车辆在所述路段内匀速前行时的垂直加速度。
在本实施例中,通过在车辆内部的加速度传感器,可以实时监测车辆在桥梁路段内的垂直加速度变化。
S03、构建所述反馈数据在所述路段内的预测响应模型,并利用所述预测响应模型结合所述反馈数据获得预测数据。
在一个可选的实施例中,为评估桥梁结构健康监测***的服役性能,步骤S03所述的构建所述反馈数据在所述路段内的预测响应模型,包括如下步骤:
S031、根据所述四自由度的车辆与所述路段的相互作用,构建车辆垂向运动方程。
在本实施例中,基于所述四自由度的车辆与所述路段的相互作用,建立如下车辆垂向运动方程,所述车辆垂向运动方程满足如下公式:,其中,/>表示车辆的等效质量,/>表示车辆的垂向位移函数,/>表示车辆的二阶垂向位移函数,/>表示车辆的运行时间,/>表示车辆的弹簧支撑刚度,/>表示车辆与路面接触点的初始垂向位移。
可以理解的是,所述二阶垂向位移函数为对车辆的垂向位移函数/>连续进行两次求导后获得的函数。进一步地,所述垂向位移函数可根据反馈数据进行拟合获得。
S032、利用所述车辆垂向运动方程,构建车辆垂向位移方程。
为评估桥梁结构健康监测***的服役性能,步骤S032结合桥梁振动偏微分方程,构建了对应的车辆垂向位移方程。
具体地,在本实施例中,所述车辆垂向位移方程满足如下公式:,其中,/>表示桥梁的单位质量,/>表示桥梁的弹性模量,/>表示桥梁截面的惯性矩,/>表示车辆运行长度,/>表示车辆的等效质量,表示车辆的垂向位移函数,/>表示车辆的二阶垂向位移函数,/>表示车辆的运行时间,/>表示车辆的弹簧支撑刚度,/>表示车辆与路面接触点的初始垂向位移。
进一步,为后续快速求解所述车辆垂向位移方程,以获得车辆垂向位移与桥梁模态位移的关系,在本实施例中,忽略了车辆运行时的阻尼,简化了上述车辆垂向位移方程,简化后的车辆垂向位移方程满足如下公式:,其中,/>表示桥梁的单位质量,/>表示桥梁的弹性模量,/>表示桥梁截面的惯性矩,/>表示车辆运行长度,/>表示车辆的等效质量,/>表示车辆的垂向位移函数,/>表示车辆的二阶垂向位移函数,/>表示车辆的运行时间,/>表示车辆的弹簧支撑刚度,/>表示车辆与路面接触点的初始垂向位移,/>表示重力加速度,/>表示Dirac函数,/>表示忽略阻尼的车辆运行速度。
S033、求解所述车辆垂向位移方程,获得车辆垂向位移与桥梁模态位移的关系。
步骤S033可利用现有技术求解出上述的车辆垂向位移方程,进而可以获得车辆垂向位移与桥梁模态位移的关系。在本实施例中,求解获得的车辆垂向位移与桥梁模态位移的关系满足如下公式:,其中,/>表示桥梁频率的阶数,表示桥梁的模态位移函数,/>表示车辆的运行时间,/>表示桥梁路段长度。
S034、利用所述车辆垂向位移与桥梁模态位移的关系,获得车辆垂向加速度与桥梁振荡频率响应关系。
步骤S034利用步骤S033所获得的车辆垂向位移与桥梁模态位移的关系,进一步构建了对应的车辆垂向加速度等式:,其中,/>即为车辆垂向加速度,/>,/>表示车辆频率,/>表示车辆的弹簧支撑刚度,/>表示车辆的等效质量。
代入车辆垂向位移与桥梁模态位移的关系至上述车辆垂向加速度等式,即可求解到对应的车辆垂向加速度/>。在本实施例中,所述车辆垂向加速度/>满足如下公式:,其中,/>的表达式表征了车辆垂向加速度与桥梁振荡频率响应关系,/>表示静载位移,/>表示车辆动态响应系数参量,/>,/>表示桥梁频率的阶数,/>,/>表示忽略阻尼的车辆运行速度,/>表示桥梁路段长度,/>,/>为桥梁振荡的n阶频率,/>表示桥梁的单位质量,/>表示桥梁的弹性模量,/>表示桥梁截面的惯性矩,/>表示车辆的运行时间。
S035、利用所述车辆垂向加速度与桥梁振荡频率响应关系,获得预测响应模型。
由于车辆频率,桥梁振荡的n阶频率/>,结合上述车辆垂向加速度/>的表达式可知,接触点的垂向加速度与车辆频率无关,因此,在本实施例中,步骤S035所获得的预测响应模型,即为所述车辆垂向加速度与桥梁振荡频率响应关系:。
在又一个可选的实施例中,为实现对桥梁主梁的振动在线计量,在本实施例中,只聚焦了桥梁3阶以前的模态频率,对应的预测响应模型满足如下公式:,其中,/>还表示车辆垂向加速度与桥梁振荡频率响应关系,/>表示静载位移,/>表示车辆动态响应系数参量,/>,/>表示桥梁频率的阶数,/>,/>表示忽略阻尼的车辆运行速度,/>表示桥梁路段长度,/>,/>为桥梁振荡的n阶频率,/>表示桥梁的单位质量,/>表示桥梁的弹性模量,/>表示桥梁截面的惯性矩,/>表示车辆的运行时间。
进一步地,步骤S03所述的利用所述预测响应模型结合所述反馈数据获得预测数据,在本实施例中可表现为,利用构建的预测响应模型,代入加速度传感器所反馈的加速度信号,对应可获得桥梁振荡频率的预测数据。
S04、通过所述待评估交通基础设施健康监测***,获得实测数据。
应当理解,待评估交通基础设施健康监测***作为监测交通基础设施使用状态、行为、性能等一系列参数的***,其包括多种类型的传感设备以及监控设备,可以理解,该***存储的数据也融合了结构、材料、荷载、气候等各方面的实时数据以及历史数据。
主成分分析是一种用于识别出需要的实测数据的统计分析方法,其通过降低数据的维度以提取数据中的主要特征,实现对需要数据的识别和获取。因此本发明可选择通过应用主成分分析法,从大量实测数据中识别并提取出所需要的特征数据。
由于上述实测数据,存在数据丢失等导致用于评价的实际测量数据样本少的情况,为给后续交通基础设施健康监测***的精准评估和校准提供更为完整的实测数据,进一步地,在一个可选的实施例中,请参见图2,图2为本发明实施例所提供的步骤S04实施流程图。如图2所示,步骤S04所述的通过所述待评估交通基础设施健康监测***,获得实测数据,包括如下步骤:
S041、通过所述待评估交通基础设施健康监测***,获得实际测量数据序列。
步骤S041可使用主成分分析、机器学习技术等特征识别技术,在待评估交通基础设施健康监测***的数据存储库中,获得所需的实际测量数据。在本实施例中,为评估桥梁结构健康监测***的服役性能,步骤S041所获取的实际测量数据序列,为上述四自由度的车辆在对应桥梁道路上匀速行驶时,对应的交通基础设施健康监测***所收集到的桥梁振动的数据序列。
在本实施例中,所述实际测量数据序列满足如下模型:,其中,/>表示实际测量数据序列,/>表示实际测量数据序列中第/>个样本数据,/>表示实际测量数据序列中样本数据的总数量。
S042、利用所述实际测量数据序列,生成一阶测量数据序列。
在本实施例中,利用所述实际测量数据序列生成的一阶测量数据序列,满足如下模型:,其中,/>,/>表示一阶测量数据序列中第/>个样本数据,/>表示一阶测量数据序列。
由于,所述一阶测量数据序列是通过对实际测量数据序列进行累加得到的序列,因此,上述模型中的也表示一阶测量数据序列中样本数据的总数量,每个一阶测量数据的样本数据/>表示实际测量数据序列中前/>个样本数据的总和。
S043、通过所述实际测量数据序列和所述一阶测量数据序列,搭建预测系数模型,并利用所述预测系数模型获得预测系数。
在本实施例中,基于最小二乘法通过实际测量数据序列和一阶测量数据序列搭建了对应的预测系数模型,所述预测系数模型满足如下公式:,其中,/>为第一预测系数,/>为第二预测系数。进一步地,利用实际测量数据序列和一阶测量数据序列的具体数值,结合上述预测系数模型可获得第一预测系数/>以及第二预测系数/>。
S044、结合所述一阶测量数据序列与对应的预测系数,生成一阶测量预测序列。
步骤S044所生成的一阶测量预测序列,满足如下模型:,其中,/>,/>表示一阶测量预测序列中第i个样本数据,/>表示实际测量数据序列中第/>个样本数据,/>表示第一预测系数,/>表示第二预测系数,e表示自然常数,/>表示一阶测量预测序列。
S045、结合所述一阶测量预测序列和所述实际测量数据序列,生成原始数据预测序列。
在本实施例中,基于所述一阶测量预测序列和所述实际测量数据序列生成的原始数据预测序列,满足如下模型:,其中,/>表示原始数据预测序列,/>表示原始数据预测序列中样本数据的总数量,/>,,/>表示原始数据预测序列中第1个样本数据,/>表示实际测量数据序列中第1个样本数据,/>表示表示原始数据预测序列中第i个样本数据,表示一阶测量预测序列中第i个样本数据,/>表示一阶测量预测序列中第i-1个样本数据。
在又一个可选的实施例中,为获得更为精准的原始数据预测序列,对一阶测量预测序列进行了误差校正。具体地,在本实施例中,校正所述一阶测量预测序列,包括如下步骤:
结合所述原始数据预测序列与所述实际测量数据序列,获得基础绝对误差序列。所述绝对误差序列满足如下模型:,其中,,/>,/>表示基础绝对误差序列第/>个绝对误差数据,/>表示原始数据预测序列中第i个样本数据,/>表示实际测量数据序列中第/>个样本数据,/>表示基础绝对误差序列。同理,/>为绝对误差序列中样本数据的总数量。
利用所述基础绝对误差序列,生成一阶误差数据序列。所述一阶误差数据序列满足如下公式:,其中,/>,表示一阶误差数据序列中第/>个样本数据,/>表示一阶误差数据序列。
通过所述基础绝对误差序列和所述一阶误差数据序列,搭建误差预测系数模型,并利用所述误差预测系数模型获得误差预测系数。在本实施例中,所述预测系数模型满足如下公式:,/>,,其中,/>为第一误差预测系数,/>为第二误差预测系数。进一步地,利用基础绝对误差序列和一阶误差数据序列的具体数值,结合上述误差预测系数模型可获得第一误差预测系数/>以及第二误差预测系数/>。
利用所述误差预测系数和所述基础绝对误差序列,校正所述一阶测量预测序列。在本实施例中,校正后的一阶测量预测序列满足如下模型:,其中,,/>表示校正后的一阶测量预测序列,/>,/>表示校正后一阶测量预测序列中第i个样本数据,实际测量数据序列中第/>个样本数据,/>表示第一预测系数,/>表示第二预测系数,e表示自然常数,/>表示第一误差预测系数,/>表示第二误差预测系数,/>表示基础绝对误差序列第/>个绝对误差数据。
在本实施例中,通过校正一阶测量预测序列,获得了更加精准的原始数据预测序列作为步骤S04所获得的实测数据,用于后续交通基础设施健康监测***的精准评估和校准。
应当理解,上述是实施例均是基于累加法获得的原始数据预测序列,因此,随着样本数量增多,累加次数增多,上述预测的原始数据预测序列的精度也随之降低。进一步地,在一个可选的实施例中,针对累加法使得预测精度将低的问题,步骤S04所述的通过所述待评估交通基础设施健康监测***,获得实测数据,还包括如下步骤:
S046、搭建预测误差模型,并利用所述预测误差模型获得原始数据预测序列中样本数据的预测误差。
在本实施例中,所述预测误差模型满足如下公式:,,其中,/>表示方差比,/>表示小误差概率,,/>表示基础绝对误差序列第/>个绝对误差数据,/>表示基础绝对误差序列中绝对误差数据的均值,/>表示实际测量数据序列中第/>个样本数据,/>表示实际测量数据序列/>中样本数据的平均值。
S047、设定预测误差阈值,并利用误差阈值结合所述预测误差,校正所述原始数据预测序列中样本数据。
应当理解,误差阈值是指在校正原始数据预测序列时所设定的允许的误差范围,其是基于实际需求和***要求进行的,并且,误差阈值的具体值取决于特定应用场景和监测***的性能要求。在本实施例中,误差阈值为原始数据预测序列与实际测量数据序列之间方差比和小误差概率的可接受范围。
在一个可选的实施例中,基于实际需求和***要求有如下表格所表达的评估标准:
如上表格所示,当原始数据预测序列中样本数据与实际测量数据序列中的样本数据通过预测误差模型获得的方差比C大于0.65或者小误差概率p小于0.70,则将对应的样本数据视为不合格;反之,合格。针对原始数据预测序列中不合格的样本数据,可通过卡尔曼滤波神经网络模型、递归神经网络模型等网络模型进行优化。
在又一个可选的实施例中,由于卡尔曼滤波神经网络模型不仅具有经验回归预测的规律性,还具有神经网络模型映射的时效性,选取了通过相关历史数据训练好的卡尔曼滤波神经网络模型,对上述不合格的样本数据进行校正,校正后的原始数据预测序列,满足如下模型:,其中,,/>表示校正后原始数据预测序列中第i个样本数据,/>表示卡尔曼增益,/>,/>,/>,/>表示原始预测误差,/>表示观测误差,/>表示原始数据预测序列中第i个样本数据,/>表示实际测量数据序列中第/>个样本数据,/>表示卡尔曼滤波神经网络模型对实际测量数据序列中第/>个样本数据的第i个映射数据。
应当理解,步骤S04中通过一系列子步骤,对通过所述待评估交通基础设施健康监测***所获得实测数据中存在的问题,进行了对应的处理,利用处理后获得的数据不仅可以具有原始实测数据的特征,还有助于后续待评估交通基础设施健康监测***的评估和校准。
S05、结合所述预测数据和所述实测数据,对待评估交通基础设施健康监测***的服役性能进行评价及校准。
在一个可选的实施例中,所述结合所述预测数据和所述实测数据,对待评估交通基础设施健康监测***的服役性能进行评价及校准,包括如下步骤:
S051、辨识所述预测数据和所述实测数据的数据一致性;或者辨识所述预测数据和所述实测数据的数据变化趋势的一致性。
S052、通过辨识结果对待评估交通基础设施健康监测***的服役性进行评价。
S053、利用所述预测数据和所述实测数据之间的差异,对待评估交通基础设施健康监测***的服役性进行校准。
本发明通过标准传感器测量的实际数据获得的预测数据,与待评估交通基础设施健康监控***所测量的实际数据,利用作为相同测量量之间的测量相关性,实现了互相之间的测量有效性评价与精确校准。
在又一个可选的实施例中,所述交通基础设施健康监测***可以包括在桥梁、隧道中布设的交通基础设施健康监测***,该交通基础设施健康监测***包括多种单一参数传感测量装备,以及分别与每个所述单一参数传感测量装备通信连接的数据处理装置,所述数据处理装置可以包括但不限于上位机等设备。在本实施例中,所述交通基础设施健康监测***的服役性主要是用来表征交通基础设备监测***中各个单一参数传感测量装备是否健康正常运行。
在又一个可选的实施例中,所述交通基础设施健康监测***的服役性可以被划分为第一级、第二级和第三级;第一级可以是所有实测数据与对应的预测数据一致,即每个单一参数传感测量装备正常运行,第二级可以是部分单一参数传感测量装备正常运行,第三级可以是所有单一参数传感测量装备均未正常运行。
在其他的一个或一些实施例中,所述交通基础设施健康监测***的服役性还可以通过其他形式进行划分或者判定在此就不一一进行列举。
在又一个可选的实施例中,通过对交通基础设施健康监测***中每个参数传感测量装备所产生的实测数据与对应的预测数据进行处理和分析,可以轻易判断出每个参数传感测量装备是否存在检测失真或者损坏等情况,在对参数传感测量装备是否存在检测失真或者损坏等情况进行判断时,具体可以通过辨识预测数据和实测数据的数据一致性。
进一步地,一个实施例中,可以事先设置判断阈值,若实测数据的数据一致性差异小于判断阈值,则认定该参数传感测量装备检测失真需要进行校准,若实测数据的数据一致性差异大于或等于判断阈值,则认定该参数传感测量装备损坏,需要进行更换或者修复。
在一个可选的实施例中,针对于需要进行校准的参数传感测量装备可以根据预测数据进行补偿或者抵消。在另外一个实施例中,在参数传感测量装备损坏时可以实现对损坏的参数传感测量装备进行迅速定位,可以起到及时预警的效果,为设备的更换提供支持,保证交通基础设施健康监测***的稳定运行,进而可以有效预防及避免事故的发生。
本发明所提出的交通基础设施健康监测***服役性能评价方法,通过构建外部激励与对应路段的响应模型结合标准传感器获得的测量数据预测对应路段的响应数据,与待评估交通基础设施健康监测***所获取的实际数据进行对比,进而实现对待评估交通基础设施健康监测***当下服役性的评价和校准。
本发明不仅节省了人力、物力,并且可通过构建多种外部激励与对应路段的响应模型,提升外部激励的可选性,克服了当前交通基础设施健康监测***服役性能评价中对荷载的要求;同时,本发明所提供的交通基础设施健康监测***服役性能评价方法为在线计量方案,能够做到及时的数据资源更新与对应的***评价和校准,在线计量地同时无需封闭道路,即可以有效避免封闭道路所带来的交通拥堵等相关问题。
请参见图3,本发明还提供了一种交通基础设施健康监测评价装置,包括:处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行本发明提供的交通基础设施健康监测***服役性能评价方法的步骤。本发明所提供的交通基础设施健康监测评价装置的结构紧凑、性能稳定、能够高效地执行本发明的交通基础设施健康监测评价方法,在一定程度上提升了本发明的适用性和实际应用能力。
应当理解,在本发明实施例中,所称存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储有设备类型的相关信息。
所述处理器用于运行或执行被存储在内部存储器中的操作***,各种软件程序,以及自身的指令集,并用于处理来自于触摸式输入装置或自其它外部输入途径接收到的数据和指令,以实现各种功能。处理器可以包括但不限于中央处理器、通用图像处理器、微处理器、数字信号处理器、现场可编程逻辑门阵列,应用专用集成电路中的一种或多种。在一些实施例中,处理器和存储器控制器可在单个芯片上实现。在一些其他实施方案中,它们可分别在彼此独立的芯片上实现。
输入设备可以是摄像头等,摄像头又称为电脑相机、电脑眼以及电子眼等,是一种视频驶入设备,以及数字键盘或机械键盘等触摸式输入装置;所述输出设备可以包括显示器等设备。
本发明的又一个实施例示出的计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行所述的交通基础设施健康监测***服役性能评价方法的相关步骤。
其中,所述计算机可读存储介质可包括缓存、高速随机存取存储器,例如常见的双倍数据率同步动态随机存取内存,并且还可包括非易失性存储器,诸如一个或多个只读存储器、磁盘存储设备、闪存存储器设备、或其他非易失性固态存储器设备例如光盘,软盘或数据磁带等。
请参见图4,本发明所示出的交通基础设施健康监测评价***的实施例包括:交通基础设施健康监测评价装置和智能终端,所述交通基础设施健康监测评价装置可以包括服务器或者服务器集群,所述智能终端可以包括一个或多个智能终端,所述交通基础设施健康监测评价装置之间可以通过无线或者有线网络连接;更进一地,所述智能终端可以包括但不限于智能手机等移动设备。
所述交通基础设施健康监测评价装置可以执行包括本发明交通基础设施健康监测***服役性能评价方法的实施的任意步骤。在一个可选的实施例中,所述交通基础设施健康监测评价装置还可以将关于交通基础设施健康监测***的服役性能评价的结果发送给所述智能终端,进而起到提前预警等作用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (5)
1.一种交通基础设施健康监测***服役性能评价方法,其特征在于,包括如下步骤:
提供外部激励,并将所述外部激励设置于待评估交通基础设施健康监测***所监测的路段内;
提供标准传感器,并通过所述标准传感器获取所述外部激励在所述路段内动作时对应的反馈数据;
构建所述反馈数据在所述路段内的预测响应模型,并利用所述预测响应模型结合所述反馈数据获得预测数据;
通过所述待评估交通基础设施健康监测***,获得实测数据;
结合所述预测数据和所述实测数据,对待评估交通基础设施健康监测***的服役性能进行评价及校准;
所述提供外部激励,并将所述外部激励设置于待评估交通基础设施健康监测***所监测的路段内,包括如下步骤:
提供四自由度的车辆作为外部激励;
设定所述四自由度的车辆的运动速度;
将所述四自由度的车辆放置在所述待评估交通基础设施健康监测***所监测的路段内,并以所述运动速度匀速行驶;
所述构建所述反馈数据在所述路段内的预测响应模型,包括如下步骤:
根据所述四自由度的车辆与所述路段的相互作用,构建车辆垂向运动方程;
利用所述车辆垂向运动方程,构建车辆垂向位移方程;
求解所述车辆垂向位移方程,获得车辆垂向位移与桥梁模态位移的关系;
利用所述车辆垂向位移与桥梁模态位移的关系,获得车辆垂向加速度与桥梁振荡频率响应关系;
利用所述车辆垂向加速度与桥梁振荡频率响应关系,获得预测响应模型;
所述通过所述待评估交通基础设施健康监测***,获得实测数据,包括如下步骤:
通过所述待评估交通基础设施健康监测***,获得实际测量数据序列;
利用所述实际测量数据序列,生成一阶测量数据序列;
通过所述实际测量数据序列和所述一阶测量数据序列,搭建预测系数模型,并利用所述预测系数模型获得预测系数;
结合所述一阶测量数据序列与对应的预测系数,生成一阶测量预测序列;
结合所述一阶测量预测序列和所述实际测量数据序列,生成原始数据预测序列;
所述通过所述待评估交通基础设施健康监测***,获得实测数据,还包括校正一阶测量预测序列;
所述校正一阶测量预测序列,包括如下步骤:
结合所述原始数据预测序列与所述实际测量数据序列,获得基础绝对误差序列;
利用所述基础绝对误差序列,生成一阶误差数据序列;
通过所述基础绝对误差序列和所述一阶误差数据序列,搭建误差预测系数模型,并利用所述误差预测系数模型获得误差预测系数;
利用所述误差预测系数和所述基础绝对误差序列,校正所述一阶测量预测序列,校正后一阶测量预测序列,满足如下模型:,其中,,/>表示校正后的一阶测量预测序列,/>,/>表示校正后一阶测量预测序列中第i个样本数据,表示实际测量数据序列中第1个样本数据,/>表示第一预测系数,/>表示第二预测系数,e表示自然常数,/>表示第一误差预测系数,/>表示第二误差预测系数,/>表示基础绝对误差序列第/>个绝对误差数据。
2.根据权利要求1所述的交通基础设施健康监测***服役性能评价方法,其特征在于,所述预测响应模型满足如下公式:,其中,/>表示车辆垂向加速度,/>表示静载位移,/>表示车辆动态响应系数参量,/>,/>表示桥梁频率的阶数,/>,/>表示忽略阻尼的车辆运行速度,/>表示桥梁路段长度,,/>为桥梁振荡的n阶频率,/>表示桥梁的单位质量,/>表示桥梁的弹性模量,/>表示桥梁截面的惯性矩,/>表示车辆的运行时间。
3.根据权利要求1所述的交通基础设施健康监测***服役性能评价方法,其特征在于,所述原始数据预测序列,满足如下模型:,其中,/>表示原始数据预测序列,/>表示原始数据预测序列中样本数据的总数量,/>,,/>表示原始数据预测序列中第1个样本数据,/>表示实际测量数据序列中第1个样本数据,/>表示表示原始数据预测序列中第i个样本数据,表示一阶测量预测序列中第i个样本数据,/>表示一阶测量预测序列中第i-1个样本数据。
4.根据权利要求1所述的交通基础设施健康监测***服役性能评价方法,其特征在于,所述通过所述待评估交通基础设施健康监测***,获得实测数据,还包括如下步骤:
搭建预测误差模型,并利用所述预测误差模型获得原始数据预测序列中样本数据的预测误差;
设定预测误差阈值,并利用误差阈值结合所述预测误差,校正所述原始数据预测序列中样本数据。
5.一种交通基础设施健康监测评价装置,其特征在于,包括:处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-4中任一项所述的交通基础设施健康监测***服役性能评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310730942.4A CN116451913B (zh) | 2023-06-20 | 2023-06-20 | 一种交通基础设施健康监测***服役性能评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310730942.4A CN116451913B (zh) | 2023-06-20 | 2023-06-20 | 一种交通基础设施健康监测***服役性能评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116451913A CN116451913A (zh) | 2023-07-18 |
CN116451913B true CN116451913B (zh) | 2023-09-05 |
Family
ID=87124196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310730942.4A Active CN116451913B (zh) | 2023-06-20 | 2023-06-20 | 一种交通基础设施健康监测***服役性能评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116451913B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007333635A (ja) * | 2006-06-16 | 2007-12-27 | East Japan Railway Co | 橋梁健全度評価システム、橋梁健全度評価方法及び橋梁健全度評価プログラム |
CN107238479A (zh) * | 2017-06-08 | 2017-10-10 | 北京交通大学 | 一种不中断交通的装配式梁桥服役安全状态快速评估方法 |
CN111373252A (zh) * | 2019-12-16 | 2020-07-03 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种桥梁损伤快速检测方法及相关装置 |
CN112948925A (zh) * | 2021-02-08 | 2021-06-11 | 湖南省交通规划勘察设计院有限公司 | 一种桥梁健康状态评估方法、***及存储介质 |
CN116070508A (zh) * | 2022-12-29 | 2023-05-05 | 广西交科集团有限公司 | 一种桥梁健康状态预测预警方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150198502A1 (en) * | 2014-01-14 | 2015-07-16 | Iowa State University Research Foundation, Inc. | Methods and systems for automated bridge structural health monitoring |
-
2023
- 2023-06-20 CN CN202310730942.4A patent/CN116451913B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007333635A (ja) * | 2006-06-16 | 2007-12-27 | East Japan Railway Co | 橋梁健全度評価システム、橋梁健全度評価方法及び橋梁健全度評価プログラム |
CN107238479A (zh) * | 2017-06-08 | 2017-10-10 | 北京交通大学 | 一种不中断交通的装配式梁桥服役安全状态快速评估方法 |
CN111373252A (zh) * | 2019-12-16 | 2020-07-03 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种桥梁损伤快速检测方法及相关装置 |
CN112948925A (zh) * | 2021-02-08 | 2021-06-11 | 湖南省交通规划勘察设计院有限公司 | 一种桥梁健康状态评估方法、***及存储介质 |
CN116070508A (zh) * | 2022-12-29 | 2023-05-05 | 广西交科集团有限公司 | 一种桥梁健康状态预测预警方法 |
Non-Patent Citations (1)
Title |
---|
桥梁健康监测海量数据分析与评估――"结构健康监测"研究进展;李爱群 等;中国科学:技术科学;第42卷(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116451913A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830296B2 (en) | Predictive maintenance of automotive transmission | |
CN110276752B (zh) | 基于android***的混凝土表面裂缝特征的APP检测方法 | |
CN116451913B (zh) | 一种交通基础设施健康监测***服役性能评价方法及装置 | |
CN115761487A (zh) | 一种基于机器视觉的中小跨径桥梁振动特性快速识别方法 | |
CN112329272B (zh) | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 | |
JPWO2019235409A1 (ja) | 変位量測定装置、変位量測定方法、およびプログラム | |
JP2006317413A (ja) | 車輌通行構造の保全システム、及び、車輌通行構造の保全方法 | |
Bartels et al. | Environmental influence on structural health monitoring systems | |
CN112665810A (zh) | 芯片振动脱落的确定方法、***、存储介质及电子设备 | |
CN114627121B (zh) | 一种结构构件应力检测方法、装置、设备及介质 | |
KR101558085B1 (ko) | 하중의 입출력관계를 이용한 교량 평가 방법 및 그 방법을 수행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 | |
CN109190279A (zh) | 一种温度振动加速耦合效应模型的构建方法 | |
JP6976490B1 (ja) | 検査システム、検査方法、および検査プログラム | |
CN110084524B (zh) | 一种基于电测技术的应变场实时重构方法 | |
JP2018036076A (ja) | 施設管理装置及び施設管理方法 | |
CN111595433B (zh) | 航空发动机整机振动传感器的位置确定方法及*** | |
JP4235074B2 (ja) | 良否判定装置、良否判定プログラム及び良否判定方法 | |
EP4006767A1 (en) | Sensor model generation method and system, and sensor measurement method and system | |
CN117607155B (zh) | 一种应变片外观缺陷检测方法及*** | |
CN113447045B (zh) | 一种惯性***精度可靠度分析方法及*** | |
CN117607591B (zh) | 一种超级电容的工装设备管理方法及*** | |
RU2772086C1 (ru) | Способ мониторинга в условиях вибрационных испытаний переменной нагруженности и усталостной повреждаемости конструкции беспилотных воздушных судов вертолетного типа | |
CN116070972B (zh) | 汽车零部件抽检的方法、装置、电子设备及存储介质 | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测*** | |
KR102220217B1 (ko) | 노면 온도에 따른 타이어 제동 거리를 이용한 타이어 성능 테스트 방법 |
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 |