CN117807853B - 一种钢拱桥吊杆非接触式损坏预测方法及相关产品 - Google Patents
一种钢拱桥吊杆非接触式损坏预测方法及相关产品 Download PDFInfo
- Publication number
- CN117807853B CN117807853B CN202410225741.3A CN202410225741A CN117807853B CN 117807853 B CN117807853 B CN 117807853B CN 202410225741 A CN202410225741 A CN 202410225741A CN 117807853 B CN117807853 B CN 117807853B
- Authority
- CN
- China
- Prior art keywords
- load
- suspender
- magnetic field
- rusted
- probability density
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000010959 steel Substances 0.000 title claims abstract description 45
- 230000005291 magnetic effect Effects 0.000 claims abstract description 125
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000007797 corrosion Effects 0.000 claims abstract description 37
- 238000005260 corrosion Methods 0.000 claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 63
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 239000000463 material Substances 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000005415 magnetization Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000004323 axial length Effects 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 11
- 230000036541 health Effects 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 13
- 230000035882 stress Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004643 material aging Methods 0.000 description 1
- 238000010309 melting process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Structural Engineering (AREA)
- Evolutionary Biology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明涉及钢拱桥吊杆寿命检测技术领域,具体涉及一种钢拱桥吊杆非接触式损坏预测方法及相关产品,方法包括获取任意锈蚀区域的总磁场强度测值;获得对应位置的吊杆锈蚀损失系数;获取结构构件的抗力概率密度函数;获得吊杆在组合载荷作用下的组合拉力值;获得吊杆在广义效应下的载荷概率密度函数;通过抗力概率密度函数和载荷概率密度函数获得吊杆锈蚀损坏概率;本发明可以非接触地获取任意锈蚀区域的总磁场强度测值,可以准确地预测吊杆在实际工况下的抗力变化,并根据载荷概率密度函数和抗力概率密度函数计算吊杆锈蚀损坏概率,并通过设定的损坏风险值进行风险判断,对吊杆的健康状态进行预测。
Description
技术领域
本发明涉及钢拱桥吊杆寿命检测技术领域,具体涉及一种钢拱桥吊杆非接触式损坏预测方法及相关产品。
背景技术
钢拱桥由于其独特的结构特点和美观,在桥梁工程中得到了广泛的应用。在钢拱桥中,吊杆是关键的受力构件,其健康状况直接关系到桥梁的整体安全。然而,由于环境腐蚀、过载运营、材料老化等因素的影响,吊杆可能出现锈蚀、疲劳裂纹等损坏现象,严重威胁桥梁的安全运营。
目前,对于桥梁吊杆的健康监测主要依赖于传统的接触式检测技术,如电磁探伤、超声波探伤等。这些方法虽然在一定程度上可以评估吊杆的内部和表面损坏情况,但存在诸多不足,如检测过程繁琐、检测成本高、对环境条件要求严格等。此外,接触式检测方法通常需要对桥梁进行交通管制,影响桥梁的正常使用。
发明内容
本发明所要解决的技术问题是对接触式检测难度较大,目的在于提供一种钢拱桥吊杆非接触式损坏预测方法及相关产品,实现了在非接触的情况下对吊杆的锈蚀损坏进行预测和分析。
本发明通过下述技术方案实现:
一种钢拱桥吊杆非接触式损坏预测方法,包括:
构建吊杆的锈蚀破损磁场函数,并通过锈蚀破损磁场函数获取任意锈蚀区域的总磁场强度测值;
通过磁场强度测值获得对应位置的吊杆锈蚀损失系数;
获取结构构件的抗力概率密度函数;
建立钢拱桥有限元模型,获得吊杆在组合载荷作用下的组合拉力值;
基于组合拉力值获得吊杆在广义效应下的载荷概率密度函数;
通过抗力概率密度函数和载荷概率密度函数获得吊杆锈蚀损坏概率;
设定损坏风险值,若吊杆锈蚀损坏概率大于损坏风险值,则设定吊杆处于损坏风险状态;否则设定吊杆处于非损坏风险状态。
具体地,吊杆的锈蚀破损磁场函数的方法包括:
确定吊杆锈蚀区域的位置,获取锈蚀区域的轴向长度和周向宽度/>;
确定锈蚀区域处吊杆的轴向拉力和径向应力/>;
计算获得磁场检测点与锈蚀区域的轴向上负磁荷之间的距离/>,计算获得磁场检测点/>与锈蚀区域的轴向上正磁荷之间的距离/>,计算获得磁场检测点/>与锈蚀区域的轴向下负磁荷之间的距离/>,计算获得磁场检测点/>与锈蚀区域的轴向下正磁荷之间的距离/>;
分别计算锈蚀区域在、/>、/>三个方向上的磁场强度测值/>、/>、/>,磁场强度测值的计算公式包括:
;
;
;
计算锈蚀区域的总磁场强度测值;
其中,为未锈蚀状态下锈蚀区域所在位置的轴向磁化强度,/>为未锈蚀状态下锈蚀区域所在位置的径向磁化强度,/>为锈蚀区域的磁通量,/>为吊杆的直径,/>为锈蚀区域中心与吊杆中轴线之间的连线与磁场检测点/>与吊杆中轴线之间的连线的夹角,/>为锈蚀区域中心的/>轴坐标,/>为锈蚀区域中心的/>轴坐标,/>为锈蚀区域中心的/>轴坐标。
可选地,距离、/>、/>、/>的计算方法包括:
以磁场检测点为原点,建立坐标系,其中/>轴与吊杆的中轴线平行;
确定磁场检测点与锈蚀区域的上下左右极值点的向量:
;
;
;
。
具体地,计算吊杆的锈蚀损失系数,其中,/>为未锈蚀的吊杆的磁场总强度平均值,/>为锈蚀区域的总磁场强度测值;
结构构件的抗力概率密度函数的获取方法包括:
确定钢拱桥的桥梁结构抗力影响因素:材料性能不确定性、结构构件几何参数不确定性、计算模式不确定性;
构建材料性能不确定性概率密度模型、结构构件几何参数不确定性概率密度模型、计算模式不确定性概率密度模型,并获得概率密度函数的偏度均值和异变系数/>,其中偏度均值和异变系数均按照轴心受拉构件取值;
利用间接法获得结构构件的抗力概率密度函数,其中,为未锈蚀的吊杆的理论抗力计算值,/>为钢拱桥承载的载荷水平,/>为自然常数。
具体地,组合载荷包括死载荷、活载荷、温度载荷和环境载荷,所述环境载荷为地质载荷、风载荷、冰雪载荷、自然灾害载荷和/或水载荷;
载荷概率密度函数为,其中,/>为组合载荷作用下吊杆的理论拉力值,/>为钢拱桥承载的载荷水平,/>为自然常数。
具体地,构建吊杆锈蚀损坏概率密度函数,,其中,/>为载荷水平为/>时通过抗力概率密度函数计算获得的抗力,/>为载荷水平为/>时通过抗力概率密度函数计算获得的载荷,/>为载荷水平为/>时的载荷概率密度函数。
可选地,确定锈蚀区域的方法包括:
通过无人机获取吊杆的高分辨率图像,并对图像进行预处理;
通过训练后的卷积神经网络模型识别出吊杆的锈蚀区域,并通过Canny边缘检测算法获取锈蚀区域的初始轮廓;
在初始轮廓的基础上,利用轮廓检测算法获取锈蚀区域的实际轮廓;
使用矩形拟合算法对实际轮廓进行矩形拟合,并使拟合后的矩形的两条边平行于吊杆的中轴线;
拟合获得实际轮廓的最小外接矩形,并将其作为吊杆的锈蚀区域。
一种钢拱桥吊杆非接触式损坏预测终端,包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的一种钢拱桥吊杆非接触式损坏预测方法。
一种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,所述计算机程序被处理器执行时实现如上所述的一种钢拱桥吊杆非接触式损坏预测方法。
一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述的一种钢拱桥吊杆非接触式损坏预测方法。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明通过构建吊杆的锈蚀破损磁场函数,可以非接触地获取任意锈蚀区域的总磁场强度测值,通过获取结构构件的抗力概率密度函数,可以更准确地预测吊杆在实际工况下的抗力变化,通过建立钢拱桥有限元模型,并考虑组合载荷作用下的吊杆拉力,并构建载荷概率密度函数获得载荷概率密度分布,根据载荷概率密度函数和抗力概率密度函数计算吊杆锈蚀损坏概率,并通过设定的损坏风险值进行风险判断,对吊杆的健康状态进行预测。
本发明通过锈蚀破损磁场函数,实现了对吊杆锈蚀损失的非接触式检测,不仅避免了传统接触式检测方法可能带来的二次损伤,还能大幅减少检测对桥梁正常使用的影响,提高检测效率。
结合抗力概率密度函数和载荷概率密度函数,能够综合考虑材料性能、结构特性、载荷变化等多种因素,对吊杆的锈蚀损坏概率进行更为精确的预测,提升了损坏预测的可靠性和准确性。
附图说明
图1是根据本发明所述的一种钢拱桥吊杆非接触式损坏预测方法的流程示意图。
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,下面结合附图和实施方式对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施方式仅用于解释相关内容,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分。
在不冲突的情况下,本发明中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本发明。
实施例一
如图1所示,一种钢拱桥吊杆非接触式损坏预测方法,包括:
第一步,构建吊杆的锈蚀破损磁场函数,并通过锈蚀破损磁场函数获取任意锈蚀区域的总磁场强度测值;通过磁场强度测值获得对应位置的吊杆锈蚀损失系数。
通过建立磁场模型,可以非接触式地评估吊杆的锈蚀程度。吊杆的锈蚀会影响其磁性,通过测量磁场的变化,可以推断出吊杆的锈蚀状况,因此构建一个锈蚀破损磁场函数,该模型基于磁场与物质状态(如锈蚀程度)之间的关系,从而来预测吊杆的损坏情况。在实际使用中,通过无人机搭载磁场发生源和磁场探测器,通过磁场发生源使吊杆处于磁场内,通过磁场探测器可以获得锈蚀区域的磁场强度。
将磁场强度测值转换为一个更直观的参数——锈蚀损失系数,以评估吊杆的损失程度,通过比较锈蚀区域和未锈蚀区域的磁场强度,可以定量地计算出锈蚀损失系数。
第二步,获取结构构件的抗力概率密度函数。
通过建立抗力概率密度函数,定量分析结构构件在不确定性影响下的抗力变化,模型考虑了材料性能、结构几何参数、载荷作用等因素的不确定性。通过概率统计方法,可以预测在不同条件下,结构构件的抗力分布情况。
第三步,建立钢拱桥有限元模型,获得吊杆在组合载荷作用下的组合拉力值,有限元分析是一种常规的计算机模拟技术,能够模拟结构在各种载荷作用下的响应,通过将结构划分为有限个小单元,并对每个单元进行分析,可以得到整个结构的受力状态。即构建钢拱桥的有限元模型,包括材料属性、几何尺寸、边界条件等,然后施加死载荷、活载荷、温度载荷等组合载荷,计算吊杆的组合拉力值。
基于组合拉力值获得吊杆在广义效应下的载荷概率密度函数。
在实际工况中,吊杆承受的载荷可能会因多种因素而变化,如交通流量、环境影响等。载荷概率密度函数能够描述在不同载荷水平下吊杆受力的概率分布。
第四步,通过抗力概率密度函数和载荷概率密度函数获得吊杆锈蚀损坏概率;锈蚀损坏概率指在考虑吊杆材料抗力和实际承受载荷的基础上,吊杆发生锈蚀损坏的可能性。通过结合抗力概率密度函数和载荷概率密度函数,可以定量地评估吊杆在不同锈蚀状态下的安全性。
第五步,设定损坏风险值,若吊杆锈蚀损坏概率大于损坏风险值,则设定吊杆处于损坏风险状态;否则设定吊杆处于非损坏风险状态。可以直接将吊杆锈蚀损坏概率发送,也可以进发送大于损坏风险值的吊杆,从而实现对吊杆寿命的预警。
实施例二
吊杆的锈蚀破损磁场函数的方法包括:
S1、确定吊杆锈蚀区域的位置,获取锈蚀区域的轴向长度和周向宽度/>;锈蚀区域的位置和大小是评估其对吊杆整体性能影响的基础。通常通过视觉检测、图像处理技术或其他非接触式检测方法实现。在本实施例中,通过无人机携带高清摄像头拍摄吊杆的实时图像,并通过图像处理技术获得确定对应的位置。
S2、确定锈蚀区域处吊杆的轴向拉力和径向应力/>;应力状态会影响锈蚀区域的磁化特性,因此通过建立钢拱桥的有限元模型,可以分析吊杆任意位置的应力,在确定锈蚀区域后,即可以获得对应位置的轴向拉力/>和径向应力/>。
S3、计算获得磁场检测点与锈蚀区域的轴向上负磁荷之间的距离/>,计算获得磁场检测点/>与锈蚀区域的轴向上正磁荷之间的距离/>,计算获得磁场检测点/>与锈蚀区域的轴向下负磁荷之间的距离/>,计算获得磁场检测点/>与锈蚀区域的轴向下正磁荷之间的距离/>;
在本实施例中,磁场检测点出设置有磁场发生源和磁场探测器,在磁场模型中,锈蚀区域的磁性变化可以简化为磁荷的分布。磁荷用于表示物体在磁场中产生磁效应的能力。在这里,正磁荷和负磁荷分别模拟锈蚀区域内的磁化强度变化。
在本实施例中,无人机携带磁场发生器沿着吊杆飞行,发生器在吊杆旁侧产生一个稳定的、已知强度的和已知分布的磁场。吊杆的锈蚀区域会改变磁场的分布。当无人机上的磁场发生器产生磁场后,锈蚀区域的磁性特性(例如磁导率的变化)会导致磁场发生变化。磁场探测器在磁场检测点测量经过锈蚀区域影响后的磁场。
本实施例中的磁场发生器,需要能够在距离吊杆一定距离的位置产生足够强度和稳定性的磁场,以便于锈蚀区域的磁性变化能够被有效检测。
磁场发生器产生的磁场可能会干扰磁场探测器的正常工作,需要采取措施(如使用屏蔽材料、设计合理的空间布局等)来最小化这种干扰,同时由于磁场测量可能受到无人机本身的电磁场干扰,需要在数据处理和分析阶段采用适当的算法来消除这些潜在的干扰。
距离、/>、/>、/>的计算方法包括:
S31、以磁场检测点为原点,建立参照坐标系——坐标系,其中/>轴与吊杆的中轴线平行。
S32、确定磁场检测点与锈蚀区域的上下左右极值点的向量:
;,分别代表磁场检测点P到锈蚀区域的轴向上负磁荷和正磁荷的位置向量;/>;;分别代表磁场检测点P到锈蚀区域的轴向下负磁荷和正磁荷的位置向量;
其中,为吊杆的直径,/>为锈蚀区域中心与吊杆中轴线之间的连线与磁场检测点与吊杆中轴线之间的连线的夹角,/>为锈蚀区域中心的/>轴坐标,/>为锈蚀区域中心的/>轴坐标,/>为锈蚀区域中心的/>轴坐标。
S33、计算各向量的长度,获得各个距离。通过计算向量的欧几里得长度(通常是向量各分量的平方和的平方根),可以得到磁场检测点到锈蚀区域各磁荷点的实际距离。
S4、分别计算锈蚀区域在、/>、/>三个方向上的磁场强度测值/>、/>、/>,磁场强度测值的计算公式包括:
;
;
;
其中,为未锈蚀状态下锈蚀区域所在位置的轴向磁化强度,/>为未锈蚀状态下锈蚀区域所在位置的径向磁化强度。根据磁场发生器产生的磁场强度,通过实验或者理论计算获得未锈蚀状态的下的磁化强度。/>为锈蚀区域的磁通量,通过磁场探测器探测获得。
S5、计算锈蚀区域的总磁场强度测值。
实施例三
计算吊杆的锈蚀损失系数,其中,/>为未锈蚀的吊杆的磁场总强度平均值,/>为锈蚀区域的总磁场强度测值;
结构构件的抗力概率密度函数的获取方法包括:
确定钢拱桥的桥梁结构抗力影响因素:材料性能不确定性——考虑材料特性的变异对结构性能的影响、结构构件几何参数不确定性——考虑由于制造误差、装配误差等导致的几何尺寸变异、计算模式不确定性——涉及到建模和计算过程中的假设和近似;
构建材料性能不确定性概率密度模型、结构构件几何参数不确定性概率密度模型、计算模式不确定性概率密度模型,并获得概率密度函数的偏度均值和异变系数/>,其中偏度均值和异变系数均按照轴心受拉构件取值;偏度均值反映了概率密度分布的不对称性,异变系数反映了相对于平均值的离散程度。
利用间接法获得结构构件的抗力概率密度函数,其中,为未锈蚀的吊杆的理论抗力计算值,/>为钢拱桥承载的载荷水平,/>为自然常数。
收集关于钢拱桥材料性能、几何参数和计算模式的大量数据,根据收集的数据,可以使用统计方法(如拟合分布、回归分析等)来确定每个不确定性的概率密度函数的具体形式。常用的分布包括正态分布、对数正态分布、贝塔分布等,确定了概率密度函数的形式,接下来需要估计其参数,如均值、标准差、偏度、峰度等,可以通过统计方法(如最大似然估计、贝叶斯估计等)来实现,最后建立上述概率密度函数,本领域技术人员能够实施。
实施例四
组合载荷包括死载荷、活载荷、温度载荷和环境载荷,环境载荷为地质载荷、风载荷、冰雪载荷、自然灾害载荷和/或水载荷。
死载荷是结构自身重量产生的恒定载荷。活载荷是使用过程中变动的载荷,如车辆、行人等。温度载荷是由温度变化引起的载荷。
地质载荷涉及到地质条件对桥梁的影响,例如地震、地基沉降、土壤压力等。特别是在地震活跃区域,地质载荷可能是设计中需要考虑的重要因素,以确保桥梁的稳定性和抗震性能。
风载荷是桥梁结构的重要外部载荷,强风可能导致桥梁产生风振现象,对结构施加振动荷载,需要考虑风的方向、速度和横向荷载,以确保桥梁在各种气象条件下都能安全运行。
在寒冷气候条件下,积雪和冰冻可能对桥梁造成负荷,包括积雪的重量、冰覆盖和融化过程对结构的影响。
自然灾害载荷是自然灾害如洪水、地质滑坡等可能对桥梁产生破坏性的影响。需要考虑这些自然灾害可能带来的水流、地质变动等因素,以确保桥梁在灾害发生时有足够的稳定性和耐受力。
对于桥梁跨越河流或水体的情况,水流可能对桥梁产生水动力荷载。这包括考虑水流的流速、水位变化、洪水等因素。设计需要确保桥梁在水载荷下稳定,并防止水流对桥梁结构的损害。
载荷概率密度函数为,其中,/>为组合载荷作用下吊杆的理论拉力值,/>为钢拱桥承载的载荷水平,/>为自然常数。
构建吊杆锈蚀损坏概率密度函数,,其中,/>为载荷水平为/>时通过抗力概率密度函数计算获得的抗力,/>为载荷水平为/>时通过抗力概率密度函数计算获得的载荷,/>为载荷水平为/>时的载荷概率密度函数,描述了吊杆承受不同载荷水平的概率分布。
计算涉及对载荷概率密度函数,从/>到无穷大的积分,反映了在实际载荷超过结构构件抗力的情况下发生锈蚀损坏的概率。
实施例五
确定锈蚀区域的方法包括:
通过无人机获取吊杆的高分辨率图像,并对图像进行预处理;利用无人机搭载高分辨率摄像头获取吊杆的图像,可以提高获取图像的灵活性和安全性,特别是在难以接近的高度或角度。图像预处理包括图像的清晰化、去噪声、对比度增强等,以便更好地识别锈蚀区域。
通过训练后的卷积神经网络模型识别出吊杆的锈蚀区域,并通过Canny边缘检测算法获取锈蚀区域的初始轮廓;CNN是一种深度学习算法,擅长处理图像识别任务,可以准确地识别和定位图像中的锈蚀区域;Canny边缘检测是一种边缘检测算法,能够清晰地标识出图像中物体的轮廓。
在初始轮廓的基础上,利用轮廓检测算法获取锈蚀区域的实际轮廓;使用轮廓检测算法来获取锈蚀区域的精确轮廓,更准确地刻画锈蚀区域的形状和大小。
使用矩形拟合算法对实际轮廓进行矩形拟合,并使拟合后的矩形的两条边平行于吊杆的中轴线;将精确轮廓拟合为矩形,使拟合后的矩形的两条边平行于吊杆的中轴线,简化锈蚀区域的几何表示,便于后续的分析和计算。
拟合获得实际轮廓的最小外接矩形,并将其作为吊杆的锈蚀区域。
实施例六
一种钢拱桥吊杆非接触式损坏预测终端,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上的一种钢拱桥吊杆非接触式损坏预测方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的执行程序等。
存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件、或其他易失性固态存储器件。
一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上的一种钢拱桥吊杆非接触式损坏预测方法。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令数据结构,程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储技术,CD-ROM、DVD或其他光学存储﹑磁带盒﹑磁带﹑磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的***存储器和大容量存储设备可以统称为存储器。
一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述的一种钢拱桥吊杆非接触式损坏预测方法。
计算机程序产品包括用于执行特定任务或实现特定功能的计算机程序或指令集。这些程序或指令被设计为能够由处理器执行,从而实现一系列预定义的步骤或操作。该程序产品可能被存储在各种形式的计算机存储介质中,如内存、硬盘、固态驱动器、光盘或其他形式的数字存储设备。可能以编译后的二进制代码形式存在,也可能以可由解释器执行的脚本或字节码形式存在。程序产品通过精心设计的算法和逻辑指令,使得处理器能够按照特定的顺序和方式处理数据,完成如数据分析、用户交互、设备控制等多种功能。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本发明,而并非是对本发明的范围进行限定。对于所属领域的技术人员而言,在上述发明的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本发明的范围内。
Claims (8)
1.一种钢拱桥吊杆非接触式损坏预测方法,其特征在于,包括:
构建吊杆的锈蚀破损磁场函数,并通过锈蚀破损磁场函数获取任意锈蚀区域的总磁场强度测值;
通过磁场强度测值获得对应位置的吊杆锈蚀损失系数其中,H0为未锈蚀的吊杆的磁场总强度平均值,H为锈蚀区域的总磁场强度测值;
获取结构构件的抗力概率密度函数R(t);
建立钢拱桥有限元模型,获得吊杆在组合载荷作用下的组合拉力值;
基于组合拉力值获得吊杆在广义效应下的载荷概率密度函数 其中,F为组合载荷作用下吊杆的理论拉力值,t为钢拱桥承载的载荷水平,e为自然常数;
通过抗力概率密度函数和载荷概率密度函数获得吊杆锈蚀损坏概率;
设定损坏风险值,若吊杆锈蚀损坏概率大于损坏风险值,则设定吊杆处于损坏风险状态;否则设定吊杆处于非损坏风险状态;
其中,结构构件的抗力概率密度函数的获取方法包括:
确定钢拱桥的桥梁结构抗力影响因素:材料性能不确定性、结构构件几何参数不确定性和计算模式不确定性;
构建材料性能不确定性概率密度模型、结构构件几何参数不确定性概率密度模型和计算模式不确定性概率密度模型,并获得概率密度函数的偏度均值λ和异变系数c,其中偏度均值和异变系数均按照轴心受拉构件取值;
利用间接法获得结构构件的抗力概率密度函数其中,r为未锈蚀的吊杆的理论抗力计算值,t为钢拱桥承载的载荷水平,e为自然常数;
其中,通过构建吊杆锈蚀损坏概率密度函数获得吊杆锈蚀损坏概率,吊杆锈蚀损坏概率密度函数,其中,R为载荷水平为t时通过抗力概率密度函数计算获得的抗力,S(t)为载荷水平为t时的载荷概率密度函数,S为载荷水平为t时通过抗力概率密度函数计算获得的载荷。
2.根据权利要求1所述的一种钢拱桥吊杆非接触式损坏预测方法,其特征在于,任意锈蚀区域的总磁场强度测值的获取方法包括:
确定吊杆锈蚀区域的位置,获取锈蚀区域的轴向长度a和周向宽度γ;
确定锈蚀区域处吊杆的轴向拉力σa和径向应力σh;
计算获得磁场检测点P与锈蚀区域的轴向上负磁荷之间的距离r1,计算获得磁场检测点P与锈蚀区域的轴向上正磁荷之间的距离r2,计算获得磁场检测点P与锈蚀区域的轴向下负磁荷之间的距离r3,计算获得磁场检测点P与锈蚀区域的轴向下正磁荷之间的距离r4;
分别计算锈蚀区域在X、Y、Z三个方向上的磁场强度测值Hx、Hy、Hz,磁场强度测值的计算公式包括:
计算锈蚀区域的总磁场强度测值
其中,Ma为未锈蚀状态下锈蚀区域所在位置的轴向磁化强度,Mh为未锈蚀状态下锈蚀区域所在位置的径向磁化强度,B为锈蚀区域的磁通量,D为吊杆的直径,为锈蚀区域中心与吊杆中轴线之间的连线与磁场检测点P与吊杆中轴线之间的连线的夹角,x为锈蚀区域中心的X轴坐标,y为锈蚀区域中心的Y轴坐标,z为锈蚀区域中心的Z轴坐标。
3.根据权利要求2所述的一种钢拱桥吊杆非接触式损坏预测方法,其特征在于,距离r1、r2、r3、r4的计算方法包括:
以磁场检测点为原点,建立XYZ坐标系,其中Z轴与吊杆的中轴线平行;
确定磁场检测点P与锈蚀区域的上下左右极值点的向量:
计算各向量的长度,获得各个距离。
4.根据权利要求1所述的一种钢拱桥吊杆非接触式损坏预测方法,其特征在于,组合载荷包括死载荷、活载荷、温度载荷和环境载荷,所述环境载荷为地质载荷、风载荷、冰雪载荷、自然灾害载荷和/或水载荷。
5.根据权利要求2所述的一种钢拱桥吊杆非接触式损坏预测方法,其特征在于,确定锈蚀区域的方法包括:
通过无人机获取吊杆的高分辨率图像,并对图像进行预处理;
通过训练后的卷积神经网络模型识别出吊杆的锈蚀区域,并通过Canny边缘检测算法获取锈蚀区域的初始轮廓;
在初始轮廓的基础上,利用轮廓检测算法获取锈蚀区域的实际轮廓;
使用矩形拟合算法对实际轮廓进行矩形拟合,并使拟合后的矩形的两条边平行于吊杆的中轴线;
拟合获得实际轮廓的最小外接矩形,并将其作为吊杆的锈蚀区域。
6.一种钢拱桥吊杆非接触式损坏预测终端,包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的一种钢拱桥吊杆非接触式损坏预测方法。
7.一种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,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的一种钢拱桥吊杆非接触式损坏预测方法。
8.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-5中任意一项所述的一种钢拱桥吊杆非接触式损坏预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410225741.3A CN117807853B (zh) | 2024-02-29 | 2024-02-29 | 一种钢拱桥吊杆非接触式损坏预测方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410225741.3A CN117807853B (zh) | 2024-02-29 | 2024-02-29 | 一种钢拱桥吊杆非接触式损坏预测方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117807853A CN117807853A (zh) | 2024-04-02 |
CN117807853B true CN117807853B (zh) | 2024-05-07 |
Family
ID=90434900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410225741.3A Active CN117807853B (zh) | 2024-02-29 | 2024-02-29 | 一种钢拱桥吊杆非接触式损坏预测方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117807853B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261246A (zh) * | 2007-03-09 | 2008-09-10 | 清华大学 | 管道裂纹远场涡流检测方法 |
KR101598823B1 (ko) * | 2015-04-14 | 2016-03-02 | 주식회사 이제이텍 | 현수교 케이블 안전진단 방법 |
CN106198716A (zh) * | 2016-09-18 | 2016-12-07 | 中国石油大学(华东) | 一种周向电磁场管道内壁裂纹检测***及定量评估方法 |
CN106968173A (zh) * | 2017-04-28 | 2017-07-21 | 西南大学 | 基于磁场的悬索桥主缆腐蚀监测***及方法 |
CN109034492A (zh) * | 2018-08-16 | 2018-12-18 | 交通运输部公路科学研究所 | 一种桥梁拉吊索杆锈蚀断裂风险的预测方法 |
CN113152273A (zh) * | 2021-04-28 | 2021-07-23 | 重庆交通大学 | 一种吊杆病害的检测装置及检测方法 |
CN114511088A (zh) * | 2022-01-25 | 2022-05-17 | 中铁第四勘察设计院集团有限公司 | 一种用于结构损伤识别的贝叶斯模型更新方法及*** |
CN116359328A (zh) * | 2023-03-31 | 2023-06-30 | 广东省第四建筑工程有限公司 | 一种钢丝绳漏磁检测方法及实现该方法的检测*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITBO20070756A1 (it) * | 2007-11-16 | 2009-05-17 | Filippo Bastianini | Dispositivo per il monitoraggio dello stato di salute di strutture |
-
2024
- 2024-02-29 CN CN202410225741.3A patent/CN117807853B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261246A (zh) * | 2007-03-09 | 2008-09-10 | 清华大学 | 管道裂纹远场涡流检测方法 |
KR101598823B1 (ko) * | 2015-04-14 | 2016-03-02 | 주식회사 이제이텍 | 현수교 케이블 안전진단 방법 |
CN106198716A (zh) * | 2016-09-18 | 2016-12-07 | 中国石油大学(华东) | 一种周向电磁场管道内壁裂纹检测***及定量评估方法 |
CN106968173A (zh) * | 2017-04-28 | 2017-07-21 | 西南大学 | 基于磁场的悬索桥主缆腐蚀监测***及方法 |
CN109034492A (zh) * | 2018-08-16 | 2018-12-18 | 交通运输部公路科学研究所 | 一种桥梁拉吊索杆锈蚀断裂风险的预测方法 |
CN113152273A (zh) * | 2021-04-28 | 2021-07-23 | 重庆交通大学 | 一种吊杆病害的检测装置及检测方法 |
CN114511088A (zh) * | 2022-01-25 | 2022-05-17 | 中铁第四勘察设计院集团有限公司 | 一种用于结构损伤识别的贝叶斯模型更新方法及*** |
CN116359328A (zh) * | 2023-03-31 | 2023-06-30 | 广东省第四建筑工程有限公司 | 一种钢丝绳漏磁检测方法及实现该方法的检测*** |
Non-Patent Citations (8)
Title |
---|
Broken wire detection in stay cables based on guided waves;Jiang Xu等;《2010 International Conference on Mechanic Automation and Control Engineering》;20100803;第1207-1210页 * |
基于压磁效应的锈蚀钢筋应力状态检测试验研究;金伟良等;《海洋工程》;20171130;第35卷(第06期);第62-70页 * |
基于磁场强度检测的悬索桥缆索锈蚀风险概率计算方法;姚国文等;《科学技术与工程》;20200818;第20卷(第23期);第9609-9614页 * |
基于超声导波的钢桥面板纵肋对接焊缝疲劳裂纹检测方法;张清华等;《中国公路学报》;20220630;第35卷(第06期);第101-112页 * |
桥梁拉吊索无损检测与对策;李世卿等;《交通世界(建养.机械)》;20111031(第10期);第198-199页 * |
桥梁施工缆索吊悬索索力叠加算法;杜桃明等;《2022年工业建筑学术交流会论文集(下册)》;20221031;全文 * |
桥梁杆索无损检测技术研究;郭骞;《辽宁省交通高等专科学校学报》;20130815;第15卷(第04期);第86-90页 * |
郭骞.桥梁杆索无损检测技术研究.《辽宁省交通高等专科学校学报》.2013,第15卷(第04期),第86-90页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117807853A (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eftekhar Azam et al. | Damage detection in structural systems utilizing artificial neural networks and proper orthogonal decomposition | |
Alamdari et al. | Damage diagnosis in bridge structures using rotation influence line: Validation on a cable-stayed bridge | |
US11118988B2 (en) | Method for calculating earth pressure load on a tunnel | |
Zárate et al. | Bayesian model updating and prognosis of fatigue crack growth | |
Rageh et al. | Steel railway bridge fatigue damage detection using numerical models and machine learning: Mitigating influence of modeling uncertainty | |
Nanda et al. | Vibration based structural damage detection technique using particle swarm optimization with incremental swarm size | |
Faber et al. | On the value of structural health monitoring | |
US10451416B1 (en) | Optimizing sensor placement for structural health monitoring based on information entropy or total modal energy | |
Lampe et al. | Performance measure for the evaluation of mobile robot autonomy | |
Fonna et al. | Boundary element inverse analysis for rebar corrosion detection: Study on the 2004 tsunami-affected structure in Aceh | |
CN115114822A (zh) | 基于数字孪生的水下节流阀剩余使用寿命估计方法及*** | |
Shi et al. | Uncertain identification method of structural damage for beam-like structures based on strain modes with noises | |
Huang et al. | Physics-guided deep neural network for structural damage identification | |
RU2699918C1 (ru) | Способ диагностики технического состояния зданий и строительных сооружений | |
Zhang et al. | Identification of concrete surface damage based on probabilistic deep learning of images | |
CN113295212B (zh) | 应用多监测点协同作用的滑坡整体稳定性安全预警*** | |
CN117807853B (zh) | 一种钢拱桥吊杆非接触式损坏预测方法及相关产品 | |
Xie et al. | Deep gated recurrent unit networks for time-domain long-term fatigue analysis of mooring lines considering wave directionality | |
Hakim et al. | Structural damage detection using soft computing method | |
Kontoni et al. | Damage detection in reinforced concrete structures using advanced automatic systems: An overview | |
Wu et al. | Optimization of unmanned aerial vehicle inspection strategy for infrastructure based on model-enabled diagnostics and prognostics | |
CN113899746B (zh) | 一种基于dic的钢结构疲劳裂纹扩展形态测量方法 | |
Eichner et al. | Optimal vibration sensor placement for jacket support structures of offshore wind turbines based on value of information analysis | |
Pujari et al. | Optimisation of IDA-based fragility curves | |
Veltri | FEM techniques for high stress detection in accelerated fatigue simulation |
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 |