CN117007688B - 一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法 - Google Patents

一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法 Download PDF

Info

Publication number
CN117007688B
CN117007688B CN202310984216.5A CN202310984216A CN117007688B CN 117007688 B CN117007688 B CN 117007688B CN 202310984216 A CN202310984216 A CN 202310984216A CN 117007688 B CN117007688 B CN 117007688B
Authority
CN
China
Prior art keywords
acoustic emission
parameters
tire
damage
noise
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
Application number
CN202310984216.5A
Other languages
English (en)
Other versions
CN117007688A (zh
Inventor
李胜利
王太钢
侯顺腾
张啸宇
李攀杰
张山钟
毋光明
姜楠
孙猛
李媛媛
徐斌
代旷宇
王希东
张婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou University
Original Assignee
Zhengzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou University filed Critical Zhengzhou University
Priority to CN202310984216.5A priority Critical patent/CN117007688B/zh
Publication of CN117007688A publication Critical patent/CN117007688A/zh
Application granted granted Critical
Publication of CN117007688B publication Critical patent/CN117007688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/38—Detecting the response signal, e.g. electronic circuits specially adapted therefor by time filtering, e.g. using time gates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，包括：在混凝土桥梁表面布置声发射传感器对轮胎‑路面噪声信号和损伤信号进行分别采集，获得声发射样本；结合损伤信号特征选取适用的时间窗口提取出相应的声发射参数；为减少特征冗余，应用层次聚类方法判断不同参数之间的相关性，选出相关性较低的参数；对所获的声发射参数信号进行聚类；本发明基于声发射参数的实时滤波方法在桥梁监测中抗噪音干扰能力强、操作简单，对与将声发射技术用于桥梁等结构的现场监测有重要意义。

Description

一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法
技术领域
本发明涉及结构的无损监测技术领域，具体涉及一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法。
背景技术
随着桥梁使用过程中交通量的快速增长和结构的自然老化，实时监测在保证桥梁安全方面变得非常重要，声发射(AE)技术是一种很有潜力的无损检测技术，因为它可以监测结构的内部损伤，并且具有安装方便、远程操作、不影响交通等优点，但声发射技术检测精度高，容易受到噪声干扰，用声发射监测桥梁损伤过程中，如果不过滤胎路声发射噪声，将会干扰对损伤的监测；
目前，声发射监测技术已被用于公路、铁路桥梁结构的损伤监测，并采用了一些方法来滤除桥梁运行过程中的噪声，但是现有的一些噪声滤除方法仍存在以下缺点：
1、未对车辆运行过程中的噪声特性进行分析，无法显示信号噪声分离的结果；
2、未考虑不同交通量对声发射信号的影响；
从而导致现有用于对公路桥梁进行声发射监测时，导致噪声滤波效果不准确，影响了声发射技术的损伤监测；
鉴于以上，本申请提供一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法用于解决上述问题。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明提出一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，本发明基于声发射参数的实时滤波方法在桥梁监测中抗噪音干扰能力强、操作简单，对与将声发射技术用于桥梁等结构的现场监测有重要意义。
一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，其特征在于，包括以下步骤：
S1：在控制车流下使用声发射仪器采集单一车辆产生的轮胎-路面噪声，获得完整的轮胎-路面噪声原始波形数据；
S2：在实验室条件下对结构试件进行加载试验，获得构件损伤相关的声发射原始波形数据；
S3：对于所获得的轮胎-路面噪声的声发射数据选用不同的时间窗口长度，提取多个轮胎-路面噪声的特征参数，对比不同时间窗口下的特征参数差异，选择不影响噪声参数提取精度的最大时间窗口；
S4：依据所确定的时间窗口长度提取轮胎-路面噪声和构件损伤的混合声发射信号参数，将所有参数输入层次聚类程序，分析各个参数之间的相关性，选取相关性较低的参数；
S5：对混合信号提取S4中所选的参数，输入实时聚类程序，得到损伤信号和轮胎路面噪声信号的分离结果，并与S2中获得的原始波形数据对比，验证分离效果。
上述技术方案有益效果在于：
本发明基于声发射参数的实时滤波方法在桥梁监测中抗噪音干扰能力强、操作简单，计算速度快且成本低，对与将声发射技术用于桥梁等结构的现场监测有重要意义。
附图说明
图1为本发明流程示意图；
图2为本发明不同时间窗口提取的噪声信号能量示意图；
图3为本发明层次聚类及参数选取结果图；
图4为本发明噪声和损伤信号的分离效果示意图。
具体实施方式
有关本发明的前述及其他技术内容、特点与功效，在以下配合参考附图1至图4对实施例的详细说明中，将可清楚的呈现，以下实施例中所提到的结构内容，均是以说明书附图为参考。
一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，其特征在于，包括以下步骤：
S1：在控制车流下使用声发射仪器采集单一车辆产生的轮胎路面噪声，获得完整的轮胎-路面噪声原始波形数据；
S2：在实验室条件下对结构试件进行加载试验，获得构件损伤相关的声发射原始波形数据；
S3：对于所获得的轮胎-路面噪声的声发射数据选用不同的时间窗口长度，提取多个轮胎-路面噪声的特征参数，对比不同时间窗口下的特征参数差异，选择不影响噪声参数提取精度的最大时间窗口；
S4：依据所确定的时间窗口长度(时间窗口长度是所选取声发射波形的时间长度)提取轮胎-路面噪声和构件损伤的混合声发射信号参数，即，时间窗口长度的选取是依据轮胎-路面噪声参数而选取出来的，而构件损伤的声发射信号是通过确定的时间窗口长度来提取的；
然后将所有参数(如图3中所给出的参数)输入层次聚类程序(用于挑选声发射参数)，分析各个参数之间的相关性，选取相关性较低的参数，之所以选择相关性较低的参数：因为相关性较低的参数表达的信息不一样，相关性强的信息表达的信息类似，考虑节约成本，选取相关性较低的参数即可表达所有信息；
S5：对混合信号提取S4中所选的参数，输入实时聚类程序(用于分析实际工程中采集的声发射参数信号，通过S4中的层次聚类程序进行声发射参数选取，再将所得结果应用于实时聚类程序)，得到损伤信号和轮胎-路面噪声信号的分离结果，并与混合前的损伤信号对比，验证分离效果，其中声发射实时聚类步骤如下：
S5-1：将所有声发射参数输入层次聚类算法中，算法根据参数特征实现分类，进而确定声发射参数聚类数；
S5-2：随机或手动初始化损伤声发射信号和轮胎-路面噪声在特征空间的中心位置，其中：中心位置是随机选取的几个聚类中心，通过计算数据点与中心位置的距离而将数据分类，数据点离哪个中心近，即归为哪一类，几个中心就代表几类数据；
S5-3：计算新采集的数据点到两个聚类中心(轮胎-路面噪音信号和损伤噪音信号)的距离，其中：新采集的数据点为新采集的桥梁声发射信号数据；
S5-4：将每个输入的数据点分配给最近的聚类中心，判断新采集的数据点属于损伤或噪声信号(损伤信号、轮胎-路面噪音、背景噪音信号共三个聚类中心，通过计算数据点与中心的距离，把数据分给最近的聚类中心)；
S5-5：重新计算损伤声发射信号和轮胎-路面噪声在特征空间的中心位置；
S5-6：重复步骤S5-3---S5-5，直至中心不再移动，将所有数据点分配给聚类中心后，再把分配好的每一类重新计算选出新的中心，新选出的聚类中心可能会和原来的聚类中心不一样，这时候定义一个值，新旧两个聚类中心如果小于这个值则不再计算(聚类算法的程序是现有的，程序会自动计算这个值，当新旧聚类中心小于这个值时，说明依据旧聚类中心的聚类结果可靠)。
为了滤除声发射监测桥梁预应力钢束损伤过程中轮胎路面噪音，提高监测精度，提出一种噪声实时滤除方法，其流程如图1中所示：
其中图1中的最后一个流程图示中，m代表聚类中心，x代表数据点，2R代表中心点距离，D代表数据点属于哪一个中心；
倒数第二个流程图示中，同种颜色代表同一类参数，柱状图的高低代表Laplacian评分(Laplacian是一个对一个训练集样本的特征进行打分的算法，通过这个算法可以给每一个特征打出一个分数选择得分较高的特征子集)，柱状图越高越重要，其作用：选取同类中最重要参数；
倒数第三个流程图示中，标号为：3、9、1、4、14、所对应的树状图为一类参数，标号为：7、11、12、13所对应的树状图为一类参数(各标号对应的参数具体如附图3中所示，图3中的层间距离是声发射参数空间中两个点之间的绝对距离)，欧氏距离是常见的距离度量，可以衡量声发射参数空间中两个点之间的绝对距离，计算欧式距离，树状图中每条U型线的高度代表连接的两个特征参数之间的相似度，距离越短，意味着两个特征参数的相似度越高；通过计算不同类别的相似度类创建一个有层次的嵌套树来对数据进行分组，依据各参数在n维空间中的欧氏距离评价声发射参数特征的相似性，欧氏距离可以由公式计算：
其中xi和yi代表两个声发射参数序列，在桥梁的声发射监测过程中同组参数中选择一个代表性的参数进行分析，进而避免信息冗余，减少桥梁监测中存储和传输的数据量，提高监测效率，根据计算欧式距离为0.4，即低于0.4的认为参数相似度高，从而将参数特征中欧氏距离小于0.4的特征分为一组；
本方案具体实施过程如下：
1、在控制车流下使用声发射仪器采集单一车辆产生的轮胎路面噪声，获得完整的轮胎-路面噪声原始波形，在速度从40km/h提高到60km/h时，对于同一测试车型行驶产生的轮胎-路面声发射噪声，轮胎-路面噪声能量(幅值)随车速地增加而增加，在相同行驶速度下，三种测试车型中(小型乘用车、重型载货卡车、客车)，重型载货卡车单位时间内行驶所产生的轮胎-路面噪声能量约为小型乘用车行驶产生的轮胎-路面噪声能量的1.4倍。
2、在实验室条件下对结构试件进行加载试验，获得构件损伤相关的声发射原始波形数据，预应力空心板梁的损伤信号则为突发信号，有着较高的幅值，部分损伤信号湮没在轮胎-路面噪声之中。
3、将轮胎-路面噪声信号、预应力空心板损伤信号混合，对于所获得的轮胎-路面噪声的声发射数据选用不同的时间窗口长度(如图2所示，为本发明不同时间窗口提取的噪声信号能量示意图，图2中的横坐标时间单位为ms，时间窗口长度单位为μs，图中的线条波形图由上至下依次表示为：400μs、200μs、100μs、50μs对应的时间窗口长度下所提取的噪声信号能量示意图，其中每一个线条波形图是由多个对应的时间窗口长度进行累加而形成的)，提取多个轮胎-路面噪声的特征参数，对比不同时间窗口下的特征参数差异，选择不影响噪声参数提取精度的最大时间窗口，对于混有轮胎-路面噪声的预应力空心板梁受压破坏的损伤信号进行损伤特征提取时，时间窗口长度应设置在50～200μs。
4、依据所确定的时间窗口长度提取轮胎-路面噪声和构件损伤的混合声发射信号参数，将所有参数输入层次聚类程序，分析各个参数之间的相关性，选取相关性较低的参数；
在声发射特征空间中，最大值、均方根、方差、振铃计数和均方频率的距离小于0.4，具有较高的相关性，波形因子、峰值频率、上升时间和能量之间也有较好的相关性，在进行参数分析时只需要从每组参数中选择一种，结合拉普拉斯(Laplacian)评分结果，重心频率，振铃计数和上升时间被认为具有较小的相关性和更好的信息表征能力。
5、对混合信号提取S4中所选的参数，输入实时聚类程序，得到损伤信号和轮胎-路面噪声信号的分离结果，并与混合前的损伤信号对比，验证分离效果。依据混合前单独的损伤信号参数，所选信号段中有122个参数包含损伤信息，聚类分析的结果中，共有235个参数被识别为损伤信号并保留。
上面所述只是为了说明本发明，应该理解为本发明并不局限于以上实施例，符合本发明思想的各种变通形式均在本发明的保护范围之内。

Claims (5)

1.一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，其特征在于，包括以下步骤：
S1：在控制车流下使用声发射仪器采集单一车辆产生的轮胎-路面噪声，获得完整的轮胎-路面噪声原始波形数据；
S2：在实验室条件下对结构试件进行加载试验，获得构件损伤相关的声发射原始波形数据；
S3：对于所获得的轮胎-路面噪声的声发射数据选用不同的时间窗口长度，提取多个轮胎-路面噪声的声发射特征参数，对比不同时间窗口下的声发射特征参数差异，选择不影响噪声参数提取精度的最大时间窗口；
S4：依据所确定的时间窗口长度提取轮胎-路面噪声和构件损伤的混合声发射信号参数，将所有参数输入层次聚类程序，分析各个参数之间的相关性，选取相关性较低的参数；
所述声发射特征参数包括最大值、均值、均方根、方差、峰度、偏度、波形因子、重心频率、均方频率、频率方差、峰值频率、上升时间、能量、振铃计数；
在声发射特征参数中，最大值、均方根、方差、振铃计数和均方频率具有较高的相关性，波形因子、峰值频率、上升时间和能量之间也有较好的相关性，在进行参数分析时只需要从每组参数中选择一种，结合拉普拉斯评分结果，重心频率，振铃计数和上升时间被认为具有较小的相关性和更好的信息表征能力；
S5：对混合信号提取S4中所选的参数，输入实时聚类程序，得到损伤信号和轮胎-路面噪声信号的分离结果，并与S2中获得的原始波形数据对比，验证分离效果；
获得分离结果的具体方法步骤如下：
S5-1：将所有声发射参数输入层次聚类算法中，算法根据参数特征实现分类，进而确定声发射参数聚类数；
S5-2：随机或手动初始化损伤信号和轮胎-路面噪声信号在特征空间的中心位置，其中：中心位置是随机选取的几个聚类中心，通过计算数据点与中心位置的距离而将数据分类，数据点离哪个中心近，即归为哪一类，几个中心就代表几类数据；
S5-3：计算新采集的数据点到两个聚类中心：轮胎-路面噪声信号和损伤信号的距离，其中：新采集的数据点为新采集的桥梁声发射信号数据；
S5-4：将每个输入的数据点分配给最近的聚类中心，判断新采集的数据点属于损伤信号或轮胎-路面噪声信号，其中：损伤信号、轮胎-路面噪声、背景噪声信号共三个聚类中心，通过计算数据点与中心的距离，把数据分给最近的聚类中心；
S5-5：重新计算损伤信号和轮胎-路面噪声信号在特征空间的中心位置；
S5-6：重复步骤S5-3---S5-5，直至中心不再移动，将所有数据点分配给聚类中心后，再把分配好的每一类重新计算选出新的中心，新选出的聚类中心可能会和原来的聚类中心不一样，这时候定义一个值，新旧两个聚类中心如果小于这个值则不再计算。
2.根据权利要求1所述的一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，其特征在于，在S1中声发射传感器布置在混凝土桥梁的桥面和底部采集信号。
3.根据权利要求2所述的一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，其特征在于，采集若干种不同车型通过桥梁时的轮胎-路面噪声并且使其以恒定速度通过桥梁。
4.根据权利要求1所述的一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，其特征在于，所述S2中对缩尺预应力空心板进行加载试验进而采集构件的损伤信号。
5.根据权利要求1所述的一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法，其特征在于，所述S4中的混合声发射信号参数包括声发射特征参数。
CN202310984216.5A 2023-08-07 2023-08-07 一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法 Active CN117007688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310984216.5A CN117007688B (zh) 2023-08-07 2023-08-07 一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310984216.5A CN117007688B (zh) 2023-08-07 2023-08-07 一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法

Publications (2)

Publication Number Publication Date
CN117007688A CN117007688A (zh) 2023-11-07
CN117007688B true CN117007688B (zh) 2024-05-28

Family

ID=88572323

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310984216.5A Active CN117007688B (zh) 2023-08-07 2023-08-07 一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法

Country Status (1)

Country Link
CN (1) CN117007688B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1197415A2 (de) * 2000-10-12 2002-04-17 Siemens SGP Verkehrstechnik GmbH Verfahren und Vorrichtung zur Erkennung eines schadhaften Wälzlagers eines Schienenfahrzeuges
KR101371531B1 (ko) * 2013-09-25 2014-03-12 한국철도공사 진동 보정을 통한 전차선 검측시스템 및 검측방법
CN109086525A (zh) * 2018-08-03 2018-12-25 西南交通大学 基于高架箱梁结构噪声预测的最优轨道结构型式确定方法
KR102029868B1 (ko) * 2019-06-20 2019-10-08 주식회사 슈파스디자인 교량의 신축 이음새 모니터링용 표면멀티센서 및 이를 이용하는 모니터링 방법
CN111060270A (zh) * 2019-12-27 2020-04-24 上海城建城市运营(集团)有限公司 一种城市高架桥梁可移动式快速监测与智能评估方法
CN111060603A (zh) * 2019-12-19 2020-04-24 江苏理工学院 一种枕梁损伤监测方法、***及装置
CN111678992A (zh) * 2020-05-20 2020-09-18 江苏禹治流域管理技术研究院有限公司 一种用于识别混凝土结构损伤类型的无损检测方法
CN112362753A (zh) * 2020-11-09 2021-02-12 哈尔滨工业大学 一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法
CN114660180A (zh) * 2022-02-24 2022-06-24 郑州大学 一种基于声发射与1D CNNs的中小桥梁轻量化健康监测方法与***
CN114755309A (zh) * 2022-04-14 2022-07-15 北京理工大学 一种基于声发射参数分析钢纤维混凝土损伤类型的方法
CN115326322A (zh) * 2022-06-21 2022-11-11 华东交通大学 基于分布式宏应变的大跨变截面连续梁桥的损伤识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1197415A2 (de) * 2000-10-12 2002-04-17 Siemens SGP Verkehrstechnik GmbH Verfahren und Vorrichtung zur Erkennung eines schadhaften Wälzlagers eines Schienenfahrzeuges
KR101371531B1 (ko) * 2013-09-25 2014-03-12 한국철도공사 진동 보정을 통한 전차선 검측시스템 및 검측방법
CN109086525A (zh) * 2018-08-03 2018-12-25 西南交通大学 基于高架箱梁结构噪声预测的最优轨道结构型式确定方法
KR102029868B1 (ko) * 2019-06-20 2019-10-08 주식회사 슈파스디자인 교량의 신축 이음새 모니터링용 표면멀티센서 및 이를 이용하는 모니터링 방법
CN111060603A (zh) * 2019-12-19 2020-04-24 江苏理工学院 一种枕梁损伤监测方法、***及装置
CN111060270A (zh) * 2019-12-27 2020-04-24 上海城建城市运营(集团)有限公司 一种城市高架桥梁可移动式快速监测与智能评估方法
CN111678992A (zh) * 2020-05-20 2020-09-18 江苏禹治流域管理技术研究院有限公司 一种用于识别混凝土结构损伤类型的无损检测方法
CN112362753A (zh) * 2020-11-09 2021-02-12 哈尔滨工业大学 一种基于不平等距离优化聚类算法的伤损裂纹声发射信号检测方法
CN114660180A (zh) * 2022-02-24 2022-06-24 郑州大学 一种基于声发射与1D CNNs的中小桥梁轻量化健康监测方法与***
CN114755309A (zh) * 2022-04-14 2022-07-15 北京理工大学 一种基于声发射参数分析钢纤维混凝土损伤类型的方法
CN115326322A (zh) * 2022-06-21 2022-11-11 华东交通大学 基于分布式宏应变的大跨变截面连续梁桥的损伤识别方法

Also Published As

Publication number Publication date
CN117007688A (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
CN112462346B (zh) 一种基于卷积神经网络的探地雷达路基病害目标检测方法
WO2020244288A1 (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
CN107256635B (zh) 一种智能交通中基于分布式光纤传感的车辆识别方法
CN107330217B (zh) 一种基于rbfnn的中观油耗预测方法
CN110619106B (zh) 一种桥梁损伤定位方法及其定量方法
CN104850676B (zh) 一种公路桥梁随机车流仿真模拟方法
CN105547711A (zh) 基于道路模拟台架的摩托车加速疲劳耐久试验方法
CN114783183A (zh) 一种基于交通态势算法的监控方法与***
CN110120218A (zh) 基于gmm-hmm的高速公路大型车辆识别方法
CN106710242B (zh) 基于桥梁动应变识别车队车辆数的方法
CN104933284B (zh) 一种基于实测数据的公路桥梁随机车流模拟方法
CN112435463B (zh) 一种基于道路物联网监测的车型与车重分类方法
CN106895900B (zh) 基于桥梁动应变识别单车轴数的方法
CN109082984A (zh) 一种基于窗口划分以及动态时间规整的道路异常检测模型
CN111749092A (zh) 基于噪声信号识别的多孔沥青路面飞散病害检测方法
CN106501465A (zh) 一种用于检测锚杆锚固质量的检测方法
US6865518B2 (en) Method and device for classifying vehicles
CN106066907A (zh) 基于多零件多模型判断的定损分等级方法
CN117007688B (zh) 一种桥梁预应力钢束损伤声发射监测噪声实时滤除方法
CN114324580A (zh) 一种结构缺陷的智能敲击检测方法及***
CN106650801A (zh) 一种基于gps数据的多类型车辆分类方法
CN111985782B (zh) 基于环境感知的自动驾驶有轨电车运行风险评估方法
CN112860658A (zh) 基于数据挖掘的高速列车电磁发射预测方法
CN110020686B (zh) 一种基于群智感知传感数据的路面异常检测方法
CN108489599A (zh) 一种排水沥青路面的噪声测试方法

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