-
公开(公告)号:CN105133500B
公开(公告)日:2016-11-23
申请号:CN201510541018.7
申请日:2015-08-28
发明人: 王敏 , 陈鸣 , 吴玉刚 , 崖岗 , 鲜荣 , 汪存书 , 邹晖 , 巫兴发 , 郑和晖 , 黄跃 , 游新鹏 , 黄灿 , 彭成明 , 陈龙 , 陈少林 , 邹龙颜 , 李鑫 , 曹志
IPC分类号: E01D21/00
摘要: 本发明公开了一种无测量塔的箱梁预制节段的预制安装方法,包括以下步骤:步骤一、设置固定端模板,相邻所述固定端模板浇筑第一箱梁预制节段,在所述第一箱梁预制节段表面设置4个测点A、B、C、D;步骤二、将所述第一箱梁预制节段移动到预先设定的位置;步骤三、在所述第一箱梁预制节段与所述固定端模板之间浇注第二箱梁预制节段,其中,浇注第二箱梁预制节段为重复所述步骤一;本发明通过控制相邻箱梁预制节段之间的相对位置,实现箱梁预制节段的线性控制,避免现有技术采用测量塔进行控制安装而存在的在软土地带、温度变化频繁的地区测量塔会发生移动而引起较大的误差,而且这种误差最终会积累到成桥状态,对结构受力不利。
-
公开(公告)号:CN117710810B
公开(公告)日:2024-11-08
申请号:CN202311670410.2
申请日:2023-12-07
申请人: 中交公路长大桥建设国家工程研究中心有限公司 , 广东省公路建设有限公司
摘要: 本发明公开了一种基于无人机和神经网络的桥梁病害区域的三维定位方法及系统,首先通过无人机对待检测桥梁进行拍摄,生成第一桥梁三维模型,根据第一桥梁三维模型规划巡检路径和多个视点,无人机在多个视点处拍摄桥梁的高分辨率图像;根据所述高分辨图像建立第二桥梁三维模型,通过神经网络对采集到的高分辨率图像进行病害区域的识别;通过多边形拟合算法确定每个病害区域的边界,然后通过相应的算法建立了图片二维点与模型三维点的映射关系,以此实现了病害区域在第二桥梁三维模型上的精确的三维定位。该种方法相比于现有技术中的其它三维定位方法,具有更高的精确性,使得工作人员能直观地从桥梁三维模型上看到病害区域的分布。
-
公开(公告)号:CN117851778B
公开(公告)日:2024-07-09
申请号:CN202410030781.2
申请日:2024-01-09
申请人: 中交公路长大桥建设国家工程研究中心有限公司 , 广东省公路建设有限公司
IPC分类号: G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/08 , G06Q50/08
摘要: 本发明提供了一种基于桥梁暴露度的表观识别方法及系统,涉及数据处理技术领域,包括:加载桥梁基础信息,包括桥梁结构拓扑、部署气候特征和部署地理特征;进行病害统计分析,生成高频病害区域的病害暴露度和高频病害类型;基于病害暴露度大于或等于病害暴露度阈值的高频病害类型,配置高频病害区域的表观病害识别主模型;将高频病害类型从第一病害类型集删除,获得第二病害类型集;结合孪生神经网络,搭建表观病害识别辅模型;合并构建表观病害识别组件对桥梁监测图像进行处理,生成桥梁病害标识区域发送至用户端。本发明解决了传统的桥梁病害识别方法存在病害识别的准确性较差、识别效率较低的技术问题。
-
公开(公告)号:CN117708643B
公开(公告)日:2024-07-09
申请号:CN202311474400.1
申请日:2023-11-07
申请人: 中交公路长大桥建设国家工程研究中心有限公司 , 广东省公路建设有限公司
摘要: 本发明公开一种基于融合序列特征的桥梁监测异常数据的识别方法及系统,该方法包括:获取桥梁健康监测数据,提取所述监测数据的特征向量作为数据点,构建数据异常识别树,其中,设置切分阈值,将特征向量和所述切分阈值进行对比,根据对比结果,将所述特征向量分别划分到第一子树和第二子树;根据数据异常识别树,计算数据的初始异常分数,并计算数据的初始异常分数的总概率密度,设置数据异常模型,根据所述总概率密度,计算数据的最终异常分数,根据数据的最终异常分数,对所述监测数据中的异常数据进行识别;将识别出的异常数据输入到卷积神经网络中,进行异常数据分类,将分类后的异常数据输入到长短时记忆网络中,以完成异常数据修复。
-
公开(公告)号:CN116167505A
公开(公告)日:2023-05-26
申请号:CN202310024471.5
申请日:2023-01-09
摘要: 本发明提供了一种钢筋套料裁剪方法及系统,涉及数据处理技术领域。通过根据裁切设备历史裁切数据生成裁切影响数据,将钢筋原材料、目标裁切信息和裁切影响数据输入规划模型获得预规划结果用于进行裁切实验获得裁切结果的图像采集,基于图像采集结果生成优化裁切数据进行规划模型补偿并根据补偿后模型输出裁切规划。解决现有技术中存在对于裁切设备进行钢筋原材料裁切控制依赖于人工经验,容易发生钢筋原材料浪费导致生产成本上升的技术问题。达到提高裁切设备控制智能化程度,减少裁切设备的造成资源浪费,减低钢筋原材料造成的生产成本浪费的技术效果。
-
公开(公告)号:CN118880743A
公开(公告)日:2024-11-01
申请号:CN202411051832.6
申请日:2024-08-01
摘要: 本发明公开了一种悬索桥紧缆和缠丝一体机及施工方法,一体机包括,包括行走单元、紧缆单元以及缠丝单元。其中,行走单元设于主缆上方,两侧固定设有用于保障安全作业的操作平台;紧缆单元设于缠丝单元一侧,并均通过第一连接梁设于行走单元中部;紧缆单元与缠丝单元上部均固定设有用于驱使其行走的行走单元部件,使其可沿所述第一连接梁运动,灵活进行主缆的紧缆和缠丝作业。通过多个单元的协同配合,在完成主缆紧缆作业后,便于进行缠丝作业,消除了不必要的中间步骤和转换过程,提高了设备整体的自动化水平和施工效率;同时一体机占用的施工空间相对较小,有利于解决主缆缠丝作业施工空间有限的问题,实现优化空间利用。
-
公开(公告)号:CN114186460B
公开(公告)日:2024-04-30
申请号:CN202111502534.0
申请日:2021-12-09
申请人: 中交公路长大桥建设国家工程研究中心有限公司 , 广东省公路建设有限公司 , 黄茅海跨海通道管理中心
IPC分类号: G06F30/23 , G06F30/13 , G06F111/08 , G06F111/10 , G06F119/02 , G06F119/14
摘要: 本发明公开了一种桥梁地震‑冲刷灾害耦合作用下的危险性分析方法,包括:建立桥梁结构体系地震作用下的非线性动力数值分析模型,求解得到结构系统的动力响应;建立地震作用下构件及结构的易损性曲线和地震‑冲刷耦合作用下的易损性曲面,建立地震灾害作用下的平均年失效概率和地震‑冲刷耦合灾害耦合作用下的联合平均年失效概率;确定地震‑冲刷耦合作用下的合理设计冲刷深度和荷载系数。本发明通过采用概率统计思想来考虑地震‑冲刷两种灾害耦合作用,充分考虑了桥梁结构系统中的非线性因素和地震‑冲刷耦合作用的非线性效应,有效避免了灾害组合分析中对边缘效应的忽略,实现了桥梁地震‑冲刷灾害耦合作用下的危险性分析。
-
公开(公告)号:CN117851778A
公开(公告)日:2024-04-09
申请号:CN202410030781.2
申请日:2024-01-09
申请人: 中交公路长大桥建设国家工程研究中心有限公司 , 广东省公路建设有限公司
IPC分类号: G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/08 , G06Q50/08
摘要: 本发明提供了一种基于桥梁暴露度的表观识别方法及系统,涉及数据处理技术领域,包括:加载桥梁基础信息,包括桥梁结构拓扑、部署气候特征和部署地理特征;进行病害统计分析,生成高频病害区域的病害暴露度和高频病害类型;基于病害暴露度大于或等于病害暴露度阈值的高频病害类型,配置高频病害区域的表观病害识别主模型;将高频病害类型从第一病害类型集删除,获得第二病害类型集;结合孪生神经网络,搭建表观病害识别辅模型;合并构建表观病害识别组件对桥梁监测图像进行处理,生成桥梁病害标识区域发送至用户端。本发明解决了传统的桥梁病害识别方法存在病害识别的准确性较差、识别效率较低的技术问题。
-
公开(公告)号:CN117710810A
公开(公告)日:2024-03-15
申请号:CN202311670410.2
申请日:2023-12-07
申请人: 中交公路长大桥建设国家工程研究中心有限公司 , 广东省公路建设有限公司
摘要: 本发明公开了一种基于无人机和神经网络的桥梁病害区域的三维定位方法及系统,首先通过无人机对待检测桥梁进行拍摄,生成第一桥梁三维模型,根据第一桥梁三维模型规划巡检路径和多个视点,无人机在多个视点处拍摄桥梁的高分辨率图像;根据所述高分辨图像建立第二桥梁三维模型,通过神经网络对采集到的高分辨率图像进行病害区域的识别;通过多边形拟合算法确定每个病害区域的边界,然后通过相应的算法建立了图片二维点与模型三维点的映射关系,以此实现了病害区域在第二桥梁三维模型上的精确的三维定位。该种方法相比于现有技术中的其它三维定位方法,具有更高的精确性,使得工作人员能直观地从桥梁三维模型上看到病害区域的分布。
-
公开(公告)号:CN117708643A
公开(公告)日:2024-03-15
申请号:CN202311474400.1
申请日:2023-11-07
申请人: 中交公路长大桥建设国家工程研究中心有限公司 , 广东省公路建设有限公司
摘要: 本发明公开一种基于融合序列特征的桥梁监测异常数据的识别方法及系统,该方法包括:获取桥梁健康监测数据,提取所述监测数据的特征向量作为数据点,构建数据异常识别树,其中,设置切分阈值,将特征向量和所述切分阈值进行对比,根据对比结果,将所述特征向量分别划分到第一子树和第二子树;根据数据异常识别树,计算数据的初始异常分数,并计算数据的初始异常分数的总概率密度,设置数据异常模型,根据所述总概率密度,计算数据的最终异常分数,根据数据的最终异常分数,对所述监测数据中的异常数据进行识别;将识别出的异常数据输入到卷积神经网络中,进行异常数据分类,将分类后的异常数据输入到长短时记忆网络中,以完成异常数据修复。
-
-
-
-
-
-
-
-
-