-
公开(公告)号:CN117408072A
公开(公告)日:2024-01-16
申请号:CN202311468808.8
申请日:2023-11-07
申请人: 宁波市高等级公路建设管理中心 , 辽宁省交通规划设计院有限责任公司 , 大连理工大学
IPC分类号: G06F30/20 , G06F17/11 , G06F119/14
摘要: 本发明属于桥梁建筑技术领域,公开一种混凝土简支梁桥连续桥面抗裂性能分析方法。计算主梁截面突变处的挠度和转角以及主梁端部的挠度;将桥面连续段视为承受集中力和弯矩的悬臂梁,计算悬臂梁的挠度和转角;建立主梁挠度和转角与桥面连续段挠度和转角的定量关系,得到以外荷载表示的桥面连续段的最大负弯矩;对桥面连续段进行截面受力分析,得到以材料参数表示的开裂弯矩,建立开裂弯矩与最大负弯矩的关系,得到外荷载与材料参数的定量关系;对于给定的材料参数,计算单一荷载形式下,桥面连续段开裂时的外荷载,给出不同荷载组合形式下,桥面连续段开裂时的外荷载。
-
公开(公告)号:CN116740408A
公开(公告)日:2023-09-12
申请号:CN202310380935.6
申请日:2023-04-11
IPC分类号: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08
摘要: 本发明属于工程结构监测数据分析技术领域,提出一种数据均衡的桥梁数据异常检测方法及装置。基于目前网络训练过程中由于数据不均衡而导致对异常数据无法进行准确识别的问题,计算正常数据与异常数据的比例,考虑数据不均衡是否带来的影响,对数据进行均衡调整。本发明所提出的方法可以缓解数据不均衡问题,避免所选目标桥梁数据集因某类数据图像过多如正常数据,使得模型对数据图像较少的其他类数据如异常数据识别准确率偏低的问题,经该方法进行判定后,检测模型目标桥梁数据集中数据图像较少的其他类数据如异常数据,识别准确率明显提高。
-
公开(公告)号:CN116229165A
公开(公告)日:2023-06-06
申请号:CN202310170107.X
申请日:2023-02-27
申请人: 云基智慧工程股份有限公司 , 东南大学 , 大连理工大学
IPC分类号: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/04 , G06N3/08
摘要: 本发明属于工程结构监测数据分析技术领域,提出一种不同桥梁间数据图像迁移的识别方法及装置。桥梁监测数据时域转换为图像,根据转换后图像的轮廓特征,将图像分类;预训练模型以调整后的Resnet 50网络模型为主,采取迁移学习的方法,利用预训练模型对分类好的图像进行训练;针对目标桥梁数据集不均衡的问题,利用其他桥梁数据对其各类别数据进行补充,提高与训练模型对目标桥梁的各类别数据的识别准确率。本发明可以缓解数据不均衡问题,避免所选目标桥梁数据集因某类数据图像过少,导致模型对该类数据识别准确率偏低的问题。经本发明进行扩充后的目标桥梁监测数据图像数据集,检测模型对各类别数据的识别准确率明显提高。
-
公开(公告)号:CN116188860A
公开(公告)日:2023-05-30
申请号:CN202310169332.1
申请日:2023-02-27
申请人: 云基智慧工程股份有限公司 , 东南大学 , 大连理工大学
IPC分类号: G06V10/764 , G06V10/774 , G06V10/44 , G06N3/0464 , G06N3/08
摘要: 本发明属于工程结构监测数据分析技术领域,提出一种参数自适应调节的结构监测异常数据的识别方法及装置。对桥梁监测数据进行时域转换,转换为图像。根据图像的轮廓特征,将桥梁监测数据分类。然后采取迁移学习的方法,选取预训练模型对分类好的桥梁监测数据进行训练。在数据训练过程中,进行参数自适应稳定收敛判断。若符合稳定收敛判别条件,则可终止多次迁移学习,参数完成最佳配置,模型获得最好的识别性能,对各类别图像识别准确率达到最佳。本发明可以在不对参数进行精细调节的情况下,使得迁移学习参数配置达到最佳。可以大大减少时间及人工成本,同时使得预训练模型达到最佳性能,对数据识别获得更好的识别准确率。
-
公开(公告)号:CN115048998B
公开(公告)日:2023-04-07
申请号:CN202210660025.9
申请日:2022-06-13
申请人: 大连理工大学
IPC分类号: G06F18/24 , G06F18/214 , G06Q10/063
摘要: 本发明公开了一种基于监测数据的斜拉桥群索索力异常识别定位方法,步骤如下:(1)建立群索索力异常敏感特征指标;(2)建立基于k‑NN规则的斜拉索索力状态在线全局无监督评估模型;(3)构造斜拉索索力异常隔离和定位指标。本发明建立的群索索力异常评估指标有效反映了群索索力的分布特性;基于k‑NN规则的拉索索力状态在线评估模型有效消除了桥梁运营条件复杂外界因素对评估模型判别的干扰,进而构造预警指标并确定合理阈值,实现群索索力的在线状态评估和异常预警;通过构造并计算斜拉索异常隔离指标,可实现斜拉索的在线异常定位。该方法适用于各种结构类型的斜拉桥索力状态评估和异常定位,在斜拉桥性能评估领域的应用前景广阔。
-
公开(公告)号:CN113960165B
公开(公告)日:2023-02-14
申请号:CN202111174993.0
申请日:2021-10-09
申请人: 大连理工大学
摘要: 本发明属于桥梁检测的技术领域,提供了一种使用从移动车辆响应提取的振型进行板梁桥铰缝损伤检测的方法,步骤如下:首先,通过正弦扫频测试获得桥梁的前几阶自振频率。其次,确定在检测过程中固定激励车的激励参数,包括激励的幅值和频率。然后,固定激励车放置在桥梁跨中的边部对桥梁进行激振,另一辆车沿着行驶路径匀速移动并采集车辆加速度。接着,使用希尔伯特变换从滤波后的车辆加速度中提取桥梁振型。最后,利用基于振型曲率的损伤指标确定铰缝损伤位置。利用固定激励车激发桥梁的振动,通过移动车辆的加速度响应得到的桥梁振型就可实现装配式板梁桥铰缝损伤的快速定位。
-
公开(公告)号:CN115456104A
公开(公告)日:2022-12-09
申请号:CN202211180718.4
申请日:2022-09-27
申请人: 大连理工大学
摘要: 本发明公开了一种对传感器故障不敏感的桥梁拉索异常识别定位方法,步骤如下:(1)基于监测数据的群索索力特征向量提取;(2)基于索力特征向量局部变异性检测的斜拉索在线评估模型的建立;(3)索力特征向量中异常成分的隔离。本发明构造了反映不同拉索间车致索力稳定相关性的群索索力特征向量;建立了基于群索索力特征向量变异性检测的桥梁拉索异常识别方法,实现了斜拉索的在线监测。基于异常索力成分的隔离方法,可准确定位异常拉索。最后,该方法对传感器故障不敏感,在某个索力传感器故障情况下,模型不需要重新训练仍可继续对斜拉索索力异常进行有效的在线监测识别。因此,本发明在桥梁拉索索力异常评估领域具有较高的工程应用价值。
-
公开(公告)号:CN114674511A
公开(公告)日:2022-06-28
申请号:CN202210293054.6
申请日:2022-03-24
申请人: 大连理工大学
摘要: 本发明属于桥梁结构健康监测领域,提出了一种用于剔除时变环境因素影响的桥梁模态异常预警方法。首先,利用慢特征分析技术提取实测桥梁模态频率的慢特征,降低数据维度并消除冗余信息影响;其次,以相似环境荷载激励产生相似桥梁响应输出为原则,采用距离法从训练数据库中自动搜索与当前样本具有高相似度的k近邻样本集,计算其均值向量并估计模态频率的慢特征;接着,通过计算实测与估计模态频率慢特征的差分矩阵,消除时变环境因素影响;最后,针对差分矩阵构造桥梁模态异常预警指标并确定基准预警控制限。本发明无需环境监测数据,同时考虑了时变环境荷载作用下模态数据的非线性和非高斯分布特性,有利于桥梁性能异常的可靠预警。
-
公开(公告)号:CN111366317B
公开(公告)日:2021-07-16
申请号:CN202010173038.4
申请日:2020-03-13
申请人: 大连理工大学
摘要: 本发明属于桥梁检测的技术领域,提供了一种基于振动的混凝土梁式桥桥面板的损伤检测方法。首先,通过检测车的定点扫频激励来确定检测过程中的激励频率带宽,周期和幅值。其次,根据桥梁的设计图或现场测量,确定出梁式桥主梁个数,主梁间距和桥梁跨度,进一步确定出检测车辆的检测路径。然后,测试车辆根据确定的检测路径从桥的一端移动到另一端,并收集车辆的加速度响应。最后,通过损伤检测算法对加速度进行处理实现损伤定位。算法包括以下五步:将加速度响应按照激励周期分段;对每段加速度求自功率谱;对功率谱幅值进行采样形成向量;对任意两个向量求相似系数Q形成矩阵;将矩阵与车辆定位数据结合生成桥面板损伤的结果图。
-
公开(公告)号:CN108363679B
公开(公告)日:2021-04-20
申请号:CN201810211974.2
申请日:2018-03-12
申请人: 大连理工大学
IPC分类号: G06F17/16
摘要: 本发明属于结构健康监测技术领域,提供了一种自动追踪结构模态参数的方法。首先,利用自然激励技术处理随机响应,并采用特征系统实现算法结合稳定图识别在不同时段的模态参数;然后,根据指定被追踪时段内各模态观测向量与前一时段追踪后参考模态所构成的子空间之间的相关性,将被追踪时段内的模态划分为可追踪模态和不可追踪模态两类;最后,将可追踪模态按照模态观测向量相关性最大且频率偏差最小的原则,逐一归入具有相同结构特性的模态类;同时,将不可追踪模态与原参考模态的合集作为新的参考模态,用于后一时段的模态追踪。本发明算法无需人为设定阈值和参考模态,可实现模态参数的自动追踪。
-
-
-
-
-
-
-
-
-