CN105975676A - 高速铁路线下结构病害位置分布检测方法及装置 - Google Patents
高速铁路线下结构病害位置分布检测方法及装置 Download PDFInfo
- Publication number
- CN105975676A CN105975676A CN201610285896.1A CN201610285896A CN105975676A CN 105975676 A CN105975676 A CN 105975676A CN 201610285896 A CN201610285896 A CN 201610285896A CN 105975676 A CN105975676 A CN 105975676A
- Authority
- CN
- China
- Prior art keywords
- position distribution
- matrix
- disease
- speed railway
- grid cell
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及土木工程检测技术领域,提供一种高速铁路线下结构病害位置分布检测方法,该方法通过获取高速铁路现场的检测点的波形特征值的矩阵,将高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,获得对比结果,每个病害位置分布模型对应一种高速铁路线下结构病害模式,根据对比结果,确定最小匹配误差的病害位置分布模型,根据病害位置分布模型确定高速铁路现场的病害位置分布。本发明提供的高速铁路线下结构病害位置分布检测方法,能够快速、精确地检测高速铁路线下结构存在的病害位置分布。
Description
技术领域
本发明涉及土木工程检测技术领域,尤其是涉及一种高速铁路线下结构病害位置分布检测方法及装置。
背景技术
目前,高速铁路线下结构存在的病害复杂多样,主要的病害模式有:轨道板空洞、开裂;CA砂浆层板间脱空、破损;支承层开裂;底座与基床顶面间翻浆;路基:冻胀、下沉、上拱等。由于高速铁路受到的荷载比较大,并且高速铁路线下结构有着严格的设计标准和运营标准,即使面积很小的病害也会影响乘车的安全性,甚至是造成安全隐患。
由于无损检测对高速铁路线下结构不会造成破坏,因此无损检测被大量的应用于高速铁路线下结构病害检测中。高速铁路线下结构病害主要检测方法有:回弹法、车载雷达检测方法、超声检测、人工目测等方法。回弹仪是一种直射锤击式仪器,通过对混凝土表面固定能量的锤击得到的回弹高度来判断混凝土的强度,回弹仪回弹高度可以反映出混凝土的强度,然而回弹仪只是检测材料表面的强度,对于介质内部质量缺陷不能检测到,而高速铁路主要缺陷是发生在轨道板、支撑板内,或者是层间结构中。因此回弹仪检测高速铁路线下结构病害的适用性比较低;车载雷达是一种经常使用的高速铁路检测方法总体来说,雷达检测是一种比较快速、非常直观而且分辨率较高的无损检测方法,然而雷达检测只能反映被检测结构病害的分布和大小,不能定量的反映出被检测病害的关键物理力学性质,因此雷达检测只能得到一个定性检测结果,而且雷达检测的精度受到检测目标体内的钢筋或者金属物的信号屏蔽,通常来说,雷达波的穿透深度较低;超声波法检测速度较慢,并且易受内部骨料和钢筋的影响,对于大型混凝土结构的大面积检测,不仅花费时间长,效果也不佳;人工目测只适用于高铁病害明显处检测,而且效果不佳。此外,上述检测方法能够检测的病害种类较少,可适用范围小,对于某些特定的病害问题,具有良好的效果,而对于另外一些病害,则非常的不适用。因此,针对于高速铁路线下结构中病害的检测,这些方法由于各自的缺陷及原理上的限制,很难满足检测要求。
如何快速、精确地检测高速铁路线下结构存在的病害位置分布,是本领域技术人员亟需解决的问题。
发明内容
本发明旨在提供一种高速铁路线下结构病害位置分布检测方法及装置,能够快速、精确地检测高速铁路线下结构存在的病害位置分布。
第一方面,本发明提供一种高速铁路线下结构病害位置分布检测方法,其具体说明如下:
本发明提供一种高速铁路线下结构病害位置分布检测方法,包括:
获取高速铁路现场的检测点的波形特征值的矩阵;
将高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,获得对比结果,每个病害位置分布模型对应一种高速铁路线下结构病害模式;
根据对比结果,确定最小匹配误差的病害位置分布模型,根据病害位置分布模型确定高速铁路现场的病害位置分布。
进一步地,在将高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比之前,该方法还包括:
针对各个高速铁路线下结构病害模式,分别建立相应的病害位置分布模型,并对病害位置分布模型进行网格化处理,产生网格单元节点;
基于网格化处理后的各个病害位置分布模型,分别通过仿真,获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵。
进一步地,在获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵之后,与高速铁路现场的检测点的波形特征值的矩阵进行对比之前,该方法还包括:
根据病害位置分布模型仿真的网格单元节点的波形特征值的矩阵和病害位置分布模型对应的病害模式的病害分布位置,确定对病害位置分布的敏感程度最高的目标波形特征值;
将高速铁路现场的检测点的波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,具体包括:将高速铁路现场的检测点的目标波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的目标波形特征值的矩阵进行对比。
进一步地,获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵,具体包括:获取病害位置分布模型仿真的网格单元节点的波形振幅的矩阵;根据病害位置分布模型仿真的网格单元节点的波形振幅的矩阵,获得病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵;波形特征值包括平均响应能量。
基于上述任意高速铁路线下结构病害位置分布检测方法实施例,进一步地,获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵,具体包括:
获取病害位置分布模型仿真的网格单元节点的波形振幅的矩阵;
对病害位置分布模型仿真的网格单元节点的波形振幅的矩阵进行频谱分析,获得病害位置分布模型仿真的网格单元节点的频谱峰值的矩阵;波形特征值包括频谱峰值。
基于上述任意高速铁路线下结构病害位置分布检测方法实施例,进一步地,获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵,具体包括:获取病害位置分布模型仿真的网格单元节点的波形持续时间的矩阵;波形特征值包括波形持续时间。
本发明高速铁路线下结构病害模式匹配检测方法,通过在高速铁路现场进行检测,获取检测点的波形特征值的矩阵,将实际获取的检测点的波形特征值的矩阵与预有的不同病害位置分布模型仿真的网格单元节点的波形特征值的矩阵对比,以最小误差的病害位置分布模型确定高速铁路现场的病害位置分布,检测方法简便、快捷,准确度高。基于高速铁路的类型和规格,该方法预先获取各种不同的病害位置分布模型仿真的波形特征值的矩阵,缩短工作人员现场操作时间,提高位置确定的准确度,且该检测方法不受病害模式的限制,应用广泛。
第二方面,本发明提供一种高速铁路线下结构病害位置分布检测装置,其具体说明如下:
本发明提供一种高速铁路线下结构病害位置分布检测装置,该装置包括数据获取模块、对比模块和位置获取模块,数据获取模块用于获取高速铁路现场的检测点的波形特征值的矩阵,对比模块用于将高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,获得对比结果,每个病害位置分布模型对应一种高速铁路线下结构病害模式,位置获取模块用于根据对比结果,确定最小匹配误差的病害位置分布模型,根据病害位置分布模型确定高速铁路现场的病害位置分布。
进一步地,本实施例高速铁路线下结构病害位置分布检测装置还包括病害仿真模块,病害仿真模块用于针对各个高速铁路线下结构病害模式,分别建立相应的病害位置分布模型,并对病害位置分布模型进行网格化处理,产生网格单元节点;
基于网格化处理后的各个病害位置分布模型,分别通过仿真获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵。
进一步地,病害仿真模块还用于:根据病害位置分布模型仿真的网格单元节点的波形特征值的矩阵和病害位置分布模型对应的病害模式的病害分布位置,确定对病害位置分布的敏感程度最高的目标波形特征值;对比模块具体用于将高速铁路现场的检测点的目标波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的目标波形特征值的矩阵进行对比。
进一步地,在获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵时,病害仿真模块具体用于:获取病害位置分布模型仿真的网格单元节点的波形振幅的矩阵;根据病害位置分布模型仿真的网格单元节点的波形振幅的矩阵,获得病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵;波形特征值包括平均响应能量。
本发明高速铁路线下结构病害模式匹配检测装置,采用数据获取模块1获取现场检测的矩阵,在对比模块2中,将现场检测的波形特征值的矩阵与病害位置分布模型仿真的波形特征值的矩阵进行对比,获得对比结果,再由位置获取模块3根据最小误差的病害位置分布模型的病害位置分布,确定现场检测的病害位置分布。该装置是基于高速铁路的类型和规格,预先获取各个不同的病害位置分布模型仿真的波形特征值的矩阵,与现场获得检测点的矩阵进行对比,检测结果准确可靠,且能够降低工作人员现场的操作时间,不受病害类型的限制,应用广泛。
因此,本发明提供的高速铁路线下结构病害位置分布检测方法及装置,能够快速、精确地检测高速铁路线下结构存在的病害位置分布。
附图说明
图1是本发明提供的一个高速铁路线下结构病害位置分布检测方法流程图;
图2是本发明提供的一个建立病害模式数据库方法流程图;
图3是本发明提供的另一个高速铁路线下结构病害位置分布检测方法流程图;
图4是本发明提供的一个高速铁路线下结构病害位置分布检测装置示意图。
具体实施方式
下面通过具体的实施例进一步说明本发明,但是,应当理解为,这些实施例仅仅是用于更详细具体地说明之用,而不应理解为用于以任何形式限制本发明。
第一方面,本发明提供一种高速铁路线下结构病害位置分布检测方法,其具体说明如下:
本实施例提供一种高速铁路线下结构病害位置分布检测方法,结合图1,具体步骤如下:
步骤S11,获取高速铁路现场的检测点的波形特征值的矩阵;
步骤S12,将高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,获得对比结果,每个病害位置分布模型对应一种高速铁路线下结构病害模式;
步骤S13,根据对比结果,确定最小匹配误差的病害位置分布模型,根据病害位置分布模型确定高速铁路现场的病害位置分布。
本实施例高速铁路线下结构病害模式匹配检测方法,通过在高速铁路现场进行检测,获取检测点的波形特征值的矩阵,将实际获取的检测点的波形特征值的矩阵与预有的不同病害位置分布模型仿真的网格单元节点的波形特征值的矩阵对比,以最小误差的病害位置分布模型确定高速铁路现场的病害位置分布,检测方法简便、快捷,准确度高。基于高速铁路的类型和规格,该方法预先获取各种不同的病害位置分布模型仿真的波形特征值的矩阵,缩短工作人员现场操作时间,提高位置确定的准确度,且该检测方法不受病害模式的限制,应用广泛。因此,本实施例高速铁路线下结构病害位置分布检测方法,能够快速、精确地检测高速铁路线下结构存在的病害位置分布。
为了有效获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵,提高该高速铁路线下结构病害位置分布检测方法的准确性,优选地,该方法采用有限元动力分析方法,进行弹性波场模拟,具体步骤包括:针对各个高速铁路线下结构病害模式,分别建立相应的病害位置分布模型,并对病害位置分布模型进行网格化处理,产生网格单元节点;基于网格化处理后的各个病害位置分布模型,分别通过仿真,获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵。本实施例高速铁路线下结构病害位置分布检测方法,针对每一种高速铁路线下结构的病害模式分布位置,建立相应的病害位置分布模型,获取各个病害位置分布模型仿真的波形特征值的矩阵,采用有限元动力分析方法,能够对复杂的数学模型进行计算,在已建立好的模型上进行弹性波场模拟,方便建立与实际结构和弹性参数相同的模型,降低了仿真结果与实际测量结果的误差。
本实施例高速铁路线下结构病害位置分布检测方法,通过对波形特征值进行分析,获取对病害位置分布较为敏感的目标波形特征值,优选地,在获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵之后,与高速铁路现场的检测点的波形特征值的矩阵进行对比之前,该方法还包括根据病害位置分布模型仿真的网格单元节点的波形特征值的矩阵和病害位置分布模型对应的病害模式的病害分布位置,确定对病害位置分布的敏感程度最高的目标波形特征值;将高速铁路现场的检测点的波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比具体包括:将高速铁路现场的检测点的目标波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的目标波形特征值的矩阵进行对比。在获得目标波形特征值后,该方法仅根据目标波形特征值的对比结果,即可获得对比结果,降低计算复杂度,提高处理效率。
本实施例高速铁路线下结构病害位置分布检测方法的波形特征值包括平均相应能量、频谱峰值和波形持续时间。具体地,获取波形特征值的过程如下:获取病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵,具体步骤包括:获取病害位置分布模型仿真的网格单元节点的波形振幅的矩阵;根据病害位置分布模型仿真的网格单元节点的波形振幅的矩阵,获得病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵。获取病害位置分布模型仿真的网格单元节点的频谱峰值的矩阵,具体步骤包括:获取病害位置分布模型仿真的网格单元节点的波形振幅的矩阵;对病害位置分布模型仿真的网格单元节点的波形振幅的矩阵进行频谱分析,获得病害位置分布模型仿真的网格单元节点的频谱峰值的矩阵。该方法还包括获取病害位置分布模型仿真的网格单元节点的波形持续时间的矩阵。在病害位置分布模型中,病害的分布位置会在波形特征值的数据中表征出来,采用平均响应能量、频谱峰值和波形持续时间,能够很好地反应病害的位置分布,准确可靠。
本实施例提供一种病害模式数据库的建立方法,结合图2,具体步骤如下:
步骤S21,建立高速铁路实际尺寸的病害位置分布模型,根据《高速铁路设计规范》建立高铁线下结构三维有限元模型,根据高速铁路实际尺寸设置模型尺寸如下:轨道板6.4m×2.6m×0.2m,水泥沥青砂浆层6.4m×2.6m×0.03m,支撑板6.4m×3.2m×0.3m,路基厚度0.6m、梯形凸台坡度1:1。设置的病害模式为水泥沥青砂浆层空洞和路基顶部脱空,设置的水泥沥青砂浆层空洞的尺寸为1.0m×0.6m×0.03m,路基顶部脱空缺陷0.8m×0.8m×0.3m。
步骤S22,病害位置分布模型网格化处理,产生网格单元节点,为了满足波长在最大频率下的要求,通过计算分析来确定模拟六面体单元网格尺寸合理范围,综合考虑有限单元网格大小对计算的速度、精度的影响,经计算,将网格设置为0.1×0.1×0.1立方米的正六面体单元。整个病害位置分布模型划分了774408个单元,89055个节点。同时,为了将高速铁路线下结构简化为半无限多层介质模型,因此计算中除将模型上表面外,其他边界均采用无限元边界。
步骤S23,采用有限元动力分析法进行仿真,在有限元分析软件中,采用有限元动力分析方法进行弹性波波场模拟,在预定网格单元节点定义震源波形,模拟冲击产生的弹性波,在预定间隔距离的网格单元节点模拟检测点处的弹性波的响应波,获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵。
步骤S24,分析波形特征值,获取目标特征值,在病害分布位置,弹性波的波形持续时间长,平均相应能量大,频谱峰值出现的位置与病害分布的位置一致。在相同的仿真参数下,设置相对激发位置和接收位置不同位置病害模式的工况,激发位置产生弹性波,在接收位置获取弹性波的响应波,计算不同工况下,接收位置处的平均响应能量放大倍率,其中平均响应能量放大倍率为各工况与工况一的平均响应能量的比值。具体数值如表1所示,确定平均响应能量对病害位置分布最为敏感,作为目标波形特征值。
工况 | 激发位置 | 接收位置 | 响应能量放大倍率 |
工况一 | 无病害 | 无病害 | 1 |
工况二 | 无病害 | 病害边界 | 1.27 |
工况三 | 无病害 | 病害 | 1.36 |
工况四 | 病害 | 无病害 | 7.26 |
工况五 | 病害 | 病害边界 | 7.88 |
工况六 | 病害 | 病害 | 9.86 |
工况七 | 病害边界 | 无病害 | 1.28 |
工况八 | 病害边界 | 病害边界 | 2.66 |
工况九 | 病害边界 | 病害 | 2.8 |
表1
步骤S25,针对目标特征值的矩阵,建立病害模式数据库,根据病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵,建立病害模式数据库。
因为我国高速铁路的类型、规格都是一样的,完全可以通过建立模型,人为全面定义病害模式,采用有限元数值模拟技术,实现高速铁路线下结构病害模式匹配数据库的建立,从而为病害位置分布的检测提供便利。
本实施例提供另一种高速铁路线下结构病害位置分布检测方法,结合图3,具体步骤如下:
步骤S31,建立不同病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵,该病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵可以是上述病害模式数据库中的矩阵;
步骤S32,获取高速铁路现场的检测点的平均响应能量的矩阵;
步骤S33,将获取高速铁路现场的检测点的平均响应能量的矩阵与某一个病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵进行对比,获取对比结果;
若对比结果有误差,则执行步骤S34,更换病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵,继续对比,直至对比结果无误差;
若对比结果无误差,则执行步骤S35,确定无误差的病害位置分布模型,根据该病害位置分布模型确定高速铁路现场的病害位置分布。
若所有病害位置分布模型的对比结果均有误差,则根据最小误差的病害位置分布模型确定高速铁路现场的病害位置分布。
基于预先获得的不同病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵,工作人员仅需要采集高速铁路现场检测的平均响应能量的矩阵,根据对比结果,确定病害位置的分布,缩短操作时间,实现一种自动、快速、精确且广泛适应的检测技术手段。
第二方面,本发明提供一种高速铁路线下结构病害位置分布检测装置,其具体说明如下:
本实施例提供一种高速铁路线下结构病害位置分布检测装置,结合图4,该高速铁路线下结构病害位置分布检测装置包括数据获取模块1、对比模块2和位置获取模块3,数据获取模块1用于获取高速铁路现场的检测点的波形特征值的矩阵;对比模块2用于将高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,获得对比结果,每个病害位置分布模型对应一种高速铁路线下结构病害模式;位置获取模块3用于根据对比结果,确定最小匹配误差的病害位置分布模型,根据病害位置分布模型确定高速铁路现场的病害位置分布。
本实施例高速铁路线下结构病害模式匹配检测装置,采用数据获取模块1获取现场检测的矩阵,在对比模块2中,将现场检测的波形特征值的矩阵与病害位置分布模型仿真的波形特征值的矩阵进行对比,获得对比结果,再由位置获取模块3根据最小误差的病害位置分布模型的病害位置分布,确定现场检测的病害位置分布。该装置是基于高速铁路的类型和规格,预先获取各个不同的病害位置分布模型仿真的波形特征值的矩阵,与现场获得检测点的矩阵进行对比,检测结果准确可靠,且能够降低工作人员现场的操作时间,不受病害类型的限制,应用广泛。因此,本实施例高速铁路线下结构病害位置分布检测装置,能够快速、精确地检测高速铁路线下结构存在的病害位置分布。
为了有效获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵,提高该高速铁路线下结构病害位置分布检测方法的准确性,优选地,本实施例高速铁路线下结构病害位置分布检测装置还包括病害仿真模块,病害仿真模块用于针对各个高速铁路线下结构病害模式,分别建立相应的病害位置分布模型,并对病害位置分布模型进行网格化处理,产生网格单元节点;基于网格化处理后的各个病害位置分布模型,分别通过仿真获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵。本实施例高速铁路线下结构病害位置分布检测装置的病害仿真模块,采用有限元动力分析方法,针对每一种高速铁路的病害位置分布模型,进行弹性波场模拟,获得的仿真数据与实际测量的结果误差小,提高对比结果的准确度。病害仿真模块还用于:根据病害位置分布模型仿真的网格单元节点的波形特征值的矩阵和病害位置分布模型对应的病害模式的病害分布位置,确定对病害位置分布的敏感程度最高的目标波形特征值;对比模块2具体用于将高速铁路现场的检测点的目标波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的目标波形特征值的矩阵进行对比。病害仿真模块还能够获得对病害位置分布敏感的目标波形特征值,根据现场检测的各检测点的目标波形特征值的矩阵与病害位置分布模型仿真的各网格单元节点的目标波形特征值的矩阵进行对比,即可获得准确的对比结果,对比模块2的计算复杂度。
本实施例高速铁路线下结构病害位置分布检测装置检测的波形特征值包括平均相应能量、频谱峰值和波形持续时间。在获取波形特征值时,数据获取模块1具体用于:获取病害位置分布模型仿真的网格单元节点的波形振幅的矩阵和波形持续时间的矩阵;根据病害位置分布模型仿真的网格单元节点的波形振幅的矩阵,获得病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵。对病害位置分布模型仿真的网格单元节点的波形振幅的矩阵进行频谱分析,获得病害位置分布模型仿真的网格单元节点的频谱峰值的矩阵。在病害位置分布模型中,病害的分布位置会在波形特征值的数据中表征出来,采用平均响应能量、频谱峰值和波形持续时间,能够很好地反应病害的位置分布,准确可靠。
尽管本发明已进行了一定程度的描述,明显地,在不脱离本发明的精神和范围的条件下,可进行各个条件的适当变化。可以理解,本发明不限于实施方案,而归于权利要求的范围,其包括每个因素的等同替换。
Claims (10)
1.一种高速铁路线下结构病害位置分布检测方法,其特征在于,包括:
获取高速铁路现场的检测点的波形特征值的矩阵;
将所述高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,获得对比结果,每个病害位置分布模型对应一种高速铁路线下结构病害模式;
根据所述对比结果,确定最小匹配误差的病害位置分布模型,根据所述病害位置分布模型确定高速铁路现场的病害位置分布。
2.根据权利要求1所述高速铁路线下结构病害位置分布检测方法,其特征在于,
在将所述高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比之前,该方法还包括:
针对各个高速铁路线下结构病害模式,分别建立相应的病害位置分布模型,并对所述病害位置分布模型进行网格化处理,产生网格单元节点;
基于网格化处理后的各个病害位置分布模型,分别通过仿真,获取所述病害位置分布模型仿真的网格单元节点的波形特征值的矩阵。
3.根据权利要求2所述高速铁路线下结构病害位置分布检测方法,其特征在于,
在获取所述病害位置分布模型仿真的网格单元节点的波形特征值的矩阵之后,与所述高速铁路现场的检测点的波形特征值的矩阵进行对比之前,该方法还包括:
根据所述病害位置分布模型仿真的网格单元节点的波形特征值的矩阵和病害位置分布模型对应的病害模式的病害分布位置,确定对病害位置分布的敏感程度最高的目标波形特征值;
所述将高速铁路现场的检测点的波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,具体包括:
将高速铁路现场的检测点的目标波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的目标波形特征值的矩阵进行对比。
4.根据权利要求3所述高速铁路线下结构病害位置分布检测方法,其特征在于,
所述获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵,具体包括:
获取所述病害位置分布模型仿真的网格单元节点的波形振幅的矩阵;
根据所述病害位置分布模型仿真的网格单元节点的波形振幅的矩阵,获得所述病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵;
所述波形特征值包括所述平均响应能量。
5.根据权利要求3所述高速铁路线下结构病害位置分布检测方法,其特征在于,
所述获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵,具体包括:
获取所述病害位置分布模型仿真的网格单元节点的波形振幅的矩阵;
对所述病害位置分布模型仿真的网格单元节点的波形振幅的矩阵进行频谱分析,获得所述病害位置分布模型仿真的网格单元节点的频谱峰值的矩阵;
所述波形特征值包括所述频谱峰值。
6.根据权利要求3所述高速铁路线下结构病害位置分布检测方法,其特征在于,
所述获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵,具体包括:
获取所述病害位置分布模型仿真的网格单元节点的波形持续时间的矩阵;
所述波形特征值包括所述波形持续时间。
7.一种高速铁路线下结构病害位置分布检测装置,其特征在于,包括:
数据获取模块,用于获取高速铁路现场的检测点的波形特征值的矩阵;
对比模块,用于将所述高速铁路现场的检测点的波形特征值的矩阵与不同的病害位置分布模型仿真的网格单元节点的波形特征值的矩阵进行对比,获得对比结果,每个病害位置分布模型对应一种高速铁路线下结构病害模式;
位置获取模块,用于根据所述对比结果,确定最小匹配误差的病害位置分布模型,根据所述病害位置分布模型确定高速铁路现场的病害位置分布。
8.根据权利要求7所述高速铁路线下结构病害位置分布检测装置,其特征在于,还包括:
病害仿真模块,用于针对各个高速铁路线下结构病害模式,分别建立相应的病害位置分布模型,并对所述病害位置分布模型进行网格化处理,产生网格单元节点;基于网格化处理后的各个病害位置分布模型,分别通过仿真获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵。
9.根据权利要求8所述高速铁路线下结构病害位置分布检测装置,其特征在于,
所述病害仿真模块还用于:根据所述病害位置分布模型仿真的网格单元节点的波形特征值的矩阵和病害位置分布模型对应的病害模式的病害分布位置,确定对病害位置分布的敏感程度最高的目标波形特征值;
所述对比模块具体用于:将高速铁路现场的检测点的目标波形特征值的矩阵与病害位置分布模型仿真的网格单元节点的目标波形特征值的矩阵进行对比。
10.根据权利要求9所述高速铁路线下结构病害位置分布检测装置,其特征在于,
在获取病害位置分布模型仿真的网格单元节点的波形特征值的矩阵时,所述病害仿真模块具体用于:获取所述病害位置分布模型仿真的网格单元节点的波形振幅的矩阵;根据所述病害位置分布模型仿真的网格单元节点的波形振幅的矩阵,获得所述病害位置分布模型仿真的网格单元节点的平均响应能量的矩阵;所述波形特征值包括所述平均响应能量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610285896.1A CN105975676A (zh) | 2016-04-29 | 2016-04-29 | 高速铁路线下结构病害位置分布检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610285896.1A CN105975676A (zh) | 2016-04-29 | 2016-04-29 | 高速铁路线下结构病害位置分布检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105975676A true CN105975676A (zh) | 2016-09-28 |
Family
ID=56994938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610285896.1A Pending CN105975676A (zh) | 2016-04-29 | 2016-04-29 | 高速铁路线下结构病害位置分布检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105975676A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106638243A (zh) * | 2016-11-09 | 2017-05-10 | 华南理工大学 | 水泥混凝土路面板底脱空识别机器人及其连续识别方法 |
CN108277728A (zh) * | 2018-01-04 | 2018-07-13 | 中国恩菲工程技术有限公司 | 道路面层病害检测方法及系统 |
CN108934032A (zh) * | 2017-05-24 | 2018-12-04 | 中国移动通信集团设计院有限公司 | 室内吸顶天线定位方法及装置 |
CN113032875A (zh) * | 2021-03-17 | 2021-06-25 | 中铁第四勘察设计院集团有限公司 | 一种基于直流通路模型的高铁隧道区段仿真检测方法 |
CN115063525A (zh) * | 2022-04-06 | 2022-09-16 | 广州易探科技有限公司 | 一种城市道路路基及管道的三维成图方法及装置 |
-
2016
- 2016-04-29 CN CN201610285896.1A patent/CN105975676A/zh active Pending
Non-Patent Citations (2)
Title |
---|
杨鸿凯等: "基于弹性波理论的高铁线下结构病害快速检测方法", 《上海交通大学学报》 * |
汤政等: "高铁多层线下结构病害全波场无损检测方法与技术", 《上海交通大学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106638243A (zh) * | 2016-11-09 | 2017-05-10 | 华南理工大学 | 水泥混凝土路面板底脱空识别机器人及其连续识别方法 |
CN108934032A (zh) * | 2017-05-24 | 2018-12-04 | 中国移动通信集团设计院有限公司 | 室内吸顶天线定位方法及装置 |
CN108934032B (zh) * | 2017-05-24 | 2021-09-28 | 中国移动通信集团设计院有限公司 | 室内吸顶天线定位方法及装置 |
CN108277728A (zh) * | 2018-01-04 | 2018-07-13 | 中国恩菲工程技术有限公司 | 道路面层病害检测方法及系统 |
CN113032875A (zh) * | 2021-03-17 | 2021-06-25 | 中铁第四勘察设计院集团有限公司 | 一种基于直流通路模型的高铁隧道区段仿真检测方法 |
CN113032875B (zh) * | 2021-03-17 | 2022-06-21 | 中铁第四勘察设计院集团有限公司 | 一种基于直流通路模型的高铁隧道区段仿真检测方法 |
CN115063525A (zh) * | 2022-04-06 | 2022-09-16 | 广州易探科技有限公司 | 一种城市道路路基及管道的三维成图方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105975676A (zh) | 高速铁路线下结构病害位置分布检测方法及装置 | |
Diamanti et al. | Numerical modelling and experimental verification of GPR to investigate ring separation in brick masonry arch bridges | |
Solla et al. | Ground-penetrating radar for the structural evaluation of masonry bridges: Results and interpretational tools | |
Lubowiecka et al. | Historic bridge modelling using laser scanning, ground penetrating radar and finite element methods in the context of structural dynamics | |
Goktepe et al. | Advances in backcalculating the mechanical properties of flexible pavements | |
CN112363163B (zh) | 一种基于雷达无损检测的路面空洞含水率计算方法及装置 | |
CN103675920B (zh) | 道路基层隐含裂缝深度和水平位置的无损检测方法 | |
Rucka et al. | GPR investigation of the strengthening system of a historic masonry tower | |
Birgisson et al. | Determination and prediction of crack patterns in hot mix asphalt (HMA) mixtures | |
CN112731377B (zh) | 一种介电常数反演方法、路基检测方法和检测系统 | |
CN104374828A (zh) | 一种隐患探测的超声波层析成像方法 | |
Aggelis et al. | Numerical simulation of elastic waves for visualization of defects | |
CN108469364A (zh) | 水工混凝土隐蔽缺陷检测的模型试验装置及方法 | |
Lachowicz et al. | A novel heterogeneous model of concrete for numerical modelling of ground penetrating radar | |
Lachowicz et al. | 3-D finite-difference time-domain modelling of ground penetrating radar for identification of rebars in complex reinforced concrete structures | |
Lachowicz et al. | Application of GPR method in diagnostics of reinforced concrete structures | |
CN115390033A (zh) | 基于探地雷达路面下空洞及水损检测方法、系统及装置 | |
Capizzi et al. | Some tests of 3D ultrasonic traveltime tomography on the Eleonora d'Aragona statue (F. Laurana, 1468) | |
CN104777227A (zh) | 基于三视图原理的混凝土内部缺陷检测方法 | |
CN104165795A (zh) | 一种古建筑木梁的剩余抗弯承载力测定方法 | |
CN106251402B (zh) | 填筑工程填筑施工三维模型构建、密实度检测方法 | |
JP6773878B1 (ja) | コンクリート構造物内部状況点検方法及びその方法に使用するシステム | |
Lachowicz et al. | Experimental and numerical investigations for GPR evaluation of reinforced concrete footbridge | |
Huang et al. | Research on void signal recognition algorithm of 3D ground-penetrating radar based on the digital image | |
Cheng et al. | Defects visualization using acoustic emission tomography technique |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 226000, building 8, building 9, No. three or four East Road, Nantong Development Zone, Jiangsu, China Applicant after: Jiangsu build up Civil Engineering Technology Co., Ltd. Address before: Tongsheng Road Development Zone 226000 Jiangsu city of Nantong province No. 188 building C 509 Applicant before: Nantong Zhu Sheng Civil Co., Ltd. |
|
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160928 |
|
WD01 | Invention patent application deemed withdrawn after publication |