CN108399277B - 一种基于温度与应变关联性的桥梁损伤识别方法 - Google Patents
一种基于温度与应变关联性的桥梁损伤识别方法 Download PDFInfo
- Publication number
- CN108399277B CN108399277B CN201810066849.7A CN201810066849A CN108399277B CN 108399277 B CN108399277 B CN 108399277B CN 201810066849 A CN201810066849 A CN 201810066849A CN 108399277 B CN108399277 B CN 108399277B
- Authority
- CN
- China
- Prior art keywords
- data
- bridge
- strain
- temperature
- normal distribution
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000012417 linear regression Methods 0.000 claims abstract description 19
- 230000036541 health Effects 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 5
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims description 9
- 238000010835 comparative analysis Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000001422 normality test Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于温度与应变关联性的桥梁损伤识别方法，包括步骤：1)对桥梁健康监测数据进行异常值去除并提取受温度影响的应变分量；2)使用线性回归模型对温度与应变分量数据进行拟合，提取对应的回归系数；3)对回归系数进行正态化检验、正态化转换操作，然后统计均值μ与标准差σ；4)对最新监测数据进行预处理并使用线性回归模型拟合得到回归系数，根据3σ准则判定桥梁是否出现损伤。本发明方法原理简单高效，不涉及过于复杂的运算，能够有效地利用监测系统采集到的大量数据(所需数据直接来自现有的桥梁健康监测系统，不需要增加额外的传感器等设备，降低桥梁运营成本)，并且不断累积的监测数据可进一步提升方法的效果。
Description
技术领域
本发明涉及桥梁结构的损伤检测与识别的技术领域，尤其是指一种基于温度与应变关联性的桥梁损伤识别方法。
背景技术
桥梁的建设是国家基础设施建造中的重点部分，是交通网络系统的重要组成部分，随着国家经济建设的快速发展，国内大部分地区的路面交通量处于与日俱增的状态；桥梁自投入使用后，便长期处于外界环境和自然灾害的侵蚀环境中，此外在桥面车辆荷载长期的累积疲劳效应、偶然荷载的破坏作用以及越来越频繁出现的超重荷载等负面因素的影响下，桥梁结构不可避免地将随着时间的推移而出现损伤累积和抗力衰退，导致位移和变形的出现。为保障桥梁运营期内的结构安全，必须对桥梁进行健康监测，并利用监测数据对桥梁健康状态进行分析，及时识别桥梁损伤，做出应对措施，防止或减少桥梁垮塌等重大事故的发生。
目前各国对桥梁健康监测理论的研究主要集中于结构整体性评估和损伤识别，基于桥梁健康监测数据的研究也在不断的发展，近年来在该方面的研究主要可以大致分为两大类：第一类是数据驱动的分析方法，如损伤动力指纹法、基于小波分析的信号分析处理方法等；第二类是模型驱动的分析方法，如基于模型修正理论的结构损伤识别方法、神经网络识别法等。但是大部分研究成果主要是建立在理论分析、模型试验和仿真分析的基础上，在实际的测量中，桥梁会受到各种外界因素的影响导致监测数据噪声大，此外在监测过程中由于设备出现故障也可能导致监测数据的缺失，而许多损伤方法对数据完整性要求较高或者对噪声比较敏感，在实测数据上的表现欠佳。
发明内容
本发明的目的在于克服现有技术的不足，提出了一种基于温度与应变关联性的桥梁损伤识别方法，该方法通过利用长时间的桥梁健康监测数据，对温度与应变进行关联性分析，然后根据温度与应变关联性的变化来确定是否出现损伤。
为实现上述目的，本发明所提供的技术方案为：一种基于温度与应变关联性的桥梁损伤识别方法，包括以下步骤：
1)对桥梁健康监测系统的历史实测数据进行预处理，检测异常值并进行替换，对应变数据进行分解并提取受温度影响的应变分量；
2)将步骤1)预处理后的数据按预设时间段划分成多部分，对每部分数据中的温度与应变分量使用线性回归模型进行回归，提取对应的回归系数，所有部分的回归系数组成一组新数据；
3)对步骤2)中得到的数据进行正态性检验，若数据不服从正态分布，则对数据进行正态化，再统计正态化后数据的均值μ与标准差σ，作为后续识别损伤的判断依据；
4)对最新监测数据进行步骤1)的预处理，并使用LR模型拟合得到回归系数，根据3σ准则若该回归系数落在(μ-3σ,μ+3σ)范围之外，则说明桥梁出现损伤，反之桥梁未出现损伤。
在步骤1)中，由于桥梁健康监测系统在采集、传输或处理过程中可能会出现故障，也可能由于复杂的外界环境导致数据出现极端异常值，因此需要对异常值进行检测替换，以减小异常值对后续识别效果的影响；此外，由于桥梁应变受到诸多外界环境的影响，在研究温度与应变关联性的时候，需要将受温度影响的应变分量提取出来，降低其它因素对关联性的影响；其中，检测并替换异常值的过程步骤如下：
首先，定义一个大小为M的窗口，M取奇数，该窗口沿着数据移动直到覆盖所有数据，对每个窗口中的数据，记窗口中间位置的数据为MID，然后对窗口数据按从小到大顺序进行排序，取一分位数Q1、二分位数Q2、三分位数Q3，此时计算上阈值UT＝Q3+1.5(Q3-Q1)、下阈值LT＝Q1-1.5(Q3-Q1)，判断MID是否处于[LT,UT]范围内，若在[LT,UT]范围之内，则MID不是异常值，否则MID为异常值，此时令MID＝Q2完成异常值替换；而对于去除异常值后的数据，使用小波变换将应变数据分解到第七层，提取第七层数据作为受温度影响的应变分量。
在步骤2)中，对桥梁健康监测的历史数据进行观察与分析，发现温度与应变存在线性关系，然后按照月份或季度将历史数据划分为N个部分，对于每个部分的数据进行观察与分析，发现温度与应变也存在线性关系，因此采用相应的线性回归模型对每部分数据进行回归，假定线性回归模型的函数形式为y＝ɑx+β，将温度数据作为x，应变数据作为y输入到线性回归模型进行回归，此时能够得到回归系数ɑ；而后再对其它部分数据做相同操作，即可得到ɑ1、ɑ2...ɑN。
在步骤3)中，由于正态分布是很多计量数据比较分析的假设前提，因此首先要检验数据是否服从正态分布，如果数据服从正态分布，那么使用相应的统计方法进行比较分析；如果数据不服从正态分布，那么通过变换将不服从正态分布的数据转变为服从正态分布的数据；具体如下：
首先，使用K-S检验方法检验数据是否服从正态分布，如果数据不服从正态分布，那么使用Box-Cox变换对数据进行正态化转换，然后计算正态化后数据的均值μ与方差σ。
在步骤4)中，对于最新监测数据取其中一个月或者一个季度数据，进行预处理操作，并相应地使用线性回归模型对该数据进行回归，得到回归系数ɑ；而后再根据步骤3)得到的历史数据的均值μ与方差σ，根据3σ准则能够得到一个置信区间(μ-3σ,μ+3σ)，接下来判断ɑ是否在置信区间内，如果在该区间内则有99.73％的把握说明桥梁未出现损伤，反之有99.73％的把握说明桥梁出现损伤。
本发明与现有技术相比，具有如下优点与有益效果：
1、所需数据直接来自现有的桥梁健康监测系统，不需要增加额外的传感器等设备，降低桥梁运营成本。
2、本发明方法原理简单高效，不涉及过于复杂的运算，能够有效地利用监测系统采集到的大量数据，并且不断累积的监测数据可进一步提升方法的效果。
3、由于对数据进行了初步的去除异常值操作，并且使用了大量监测数据进行模型训练拟合，因此方法对异常存在的情况也能达到较好的识别效果。
4、本发明方法对于数据的完整性要求不高，即使监测过程中出现部分数据缺失也不影响本方法的效果。
附图说明
图1为本发明的损伤识别总体流程图。
图2为本发明的温度与应变分量关系示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1所示，本实施例所提供的基于温度与应变关联性的桥梁损伤识别方法，其具体情况如下：
1)对桥梁健康监测系统的历史实测数据(假定桥梁此前为无损状态)进行预处理，检测异常值并进行替换，对应变数据进行分解并提取受温度影响的应变分量；由于桥梁健康监测系统在采集、传输或处理过程中可能会出现故障，也可能由于复杂的外界环境导致数据出现极端异常值，因此需要对异常值进行检测替换，以减小异常值对后续识别效果的影响；此外，由于桥梁应变受到诸多外界环境(如车载、台风、地震、温度等)的影响，在研究温度与应变关联性的时候，需要将受温度影响的应变分量提取出来，降低其他因素对关联性的影响；其中，检测并替换异常值的过程步骤如下：
首先，定义一个大小为M的窗口，M一般取奇数，该窗口沿着数据移动直到覆盖所有数据，对每个窗口中的数据，记窗口中间位置的数据为MID，然后对窗口数据按从小到大顺序进行排序，取一分位数Q1、二分位数Q2、三分位数Q3，此时计算上阈值UT＝Q3+1.5(Q3-Q1)、下阈值LT＝Q1-1.5(Q3-Q1)，判断MID是否处于[LT,UT]范围内，若在[LT,UT]范围之内，则MID不是异常值，否则MID为异常值，此时令MID＝Q2完成异常值替换；而对于去除异常值后的数据，使用小波变换将应变数据分解到第七层，提取第七层数据作为受温度影响的应变分量。
2)将步骤1)预处理后的数据按一定时间段(月份、季度等)划分成多部分，对每部分数据中的温度与应变分量使用线性回归(Linear Regression，LR)模型进行回归，提取对应的回归系数，所有部分的回归系数组成一组新数据；一般情况下使用多年的历史监测数据，进行完预处理之后，按照月份或季度将历史数据划分为N个部分，对于每一个部分的数据，通过观察与分析发现温度与应变存在一定的线性关系，如图2所示，因此采用相应的线性回归模型对每部分数据进行回归，假定线性回归模型的函数形式为y＝ɑx+β，将温度数据作为x，应变数据作为y输入到线性回归模型进行回归，此时能够得到回归系数ɑ；而后再对其它部分数据做相同操作，即可得到ɑ1、ɑ2...ɑN。
3)对步骤2)中得到的数据进行正态性检验，由于正态分布是很多计量数据比较分析的假设前提，因此首先要检验数据是否服从正态分布，如果数据服从正态分布，那么使用相应的统计方法进行比较分析；如果数据不服从正态分布，那么通过变换将不服从正态分布的数据转变为服从正态分布的数据；具体如下：
根据步骤2)得到的回归系数ɑ1、ɑ2...ɑN，首先使用K-S检验方法检验数据是否服从正态分布，如果数据不服从正态分布，那么使用Box-Cox变换对数据进行正态化转换，然后计算正态化后数据的均值μ与方差σ。
4)对于最新监测数据取其中一个月或者一个季度数据，进行预处理操作，并相应地使用线性回归模型对该数据进行回归，可以得到回归系数ɑ；而后再根据步骤3)得到的历史数据的均值μ与方差σ，根据3σ准则可得到一个置信区间(μ-3σ,μ+3σ)，接下来判断ɑ是否在置信区间内，如果在该区间内则有99.73％的把握说明桥梁未出现损伤，反之有99.73％的把握说明桥梁出现损伤。
以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。
Claims (4)
1.一种基于温度与应变关联性的桥梁损伤识别方法，其特征在于，包括以下步骤：
1)对桥梁健康监测系统的历史实测数据进行预处理，检测异常值并进行替换，对应变数据进行分解并提取受温度影响的应变分量；
2)将步骤1)预处理后的数据按预设时间段划分成多部分，对每部分数据中的温度与应变分量使用线性回归模型进行回归，提取对应的回归系数，所有部分的回归系数组成一组新数据；对桥梁健康监测的历史数据进行观察与分析，发现温度与应变存在线性关系，然后按照月份或季度将历史数据划分为N个部分，对于每个部分的数据进行观察与分析，发现温度与应变也存在线性关系，因此采用相应的线性回归模型对每部分数据进行回归，假定线性回归模型的函数形式为y＝ɑx+β，将温度数据作为x，应变数据作为y输入到线性回归模型进行回归，此时能够得到回归系数ɑ；而后再对其它部分数据做相同操作，即可得到ɑ1、ɑ2...ɑN；
3)对步骤2)中得到的数据进行正态性检验，若数据不服从正态分布，则对数据进行正态化，再统计正态化后数据的均值μ与标准差σ，作为后续识别损伤的判断依据；
4)对最新监测数据进行步骤1)的预处理，并使用LR模型拟合得到回归系数，根据3σ准则若该回归系数落在(μ-3σ,μ+3σ)范围之外，则说明桥梁出现损伤，反之桥梁未出现损伤。
2.根据权利要求1所述的一种基于温度与应变关联性的桥梁损伤识别方法，其特征在于：在步骤1)中，由于桥梁健康监测系统在采集、传输或处理过程中可能会出现故障，也可能由于复杂的外界环境导致数据出现极端异常值，因此需要对异常值进行检测替换，以减小异常值对后续识别效果的影响；此外，由于桥梁应变受到诸多外界环境的影响，在研究温度与应变关联性的时候，需要将受温度影响的应变分量提取出来，降低其它因素对关联性的影响；其中，检测并替换异常值的过程步骤如下：
首先，定义一个大小为M的窗口，M取奇数，该窗口沿着数据移动直到覆盖所有数据，对每个窗口中的数据，记窗口中间位置的数据为MID，然后对窗口数据按从小到大顺序进行排序，取一分位数Q1、二分位数Q2、三分位数Q3，此时计算上阈值UT＝Q3+1.5(Q3-Q1)、下阈值LT＝Q1-1.5(Q3-Q1)，判断MID是否处于[LT,UT]范围内，若在[LT,UT]范围之内，则MID不是异常值，否则MID为异常值，此时令MID＝Q2完成异常值替换；而对于去除异常值后的数据，使用小波变换将应变数据分解到第七层，提取第七层数据作为受温度影响的应变分量。
3.根据权利要求1所述的一种基于温度与应变关联性的桥梁损伤识别方法，其特征在于：在步骤3)中，由于正态分布是很多计量数据比较分析的假设前提，因此首先要检验数据是否服从正态分布，如果数据服从正态分布，那么使用相应的统计方法进行比较分析；如果数据不服从正态分布，那么通过变换将不服从正态分布的数据转变为服从正态分布的数据；具体如下：
首先，使用K-S检验方法检验数据是否服从正态分布，如果数据不服从正态分布，那么使用Box-Cox变换对数据进行正态化转换，然后计算正态化后数据的均值μ与方差σ。
4.根据权利要求1所述的一种基于温度与应变关联性的桥梁损伤识别方法，其特征在于：在步骤4)中，对于最新监测数据取其中一个月或者一个季度数据，进行预处理操作，并相应地使用线性回归模型对该数据进行回归，得到回归系数ɑ；而后再根据步骤3)得到的历史数据的均值μ与方差σ，根据3σ准则能够得到一个置信区间(μ-3σ,μ+3σ)，接下来判断ɑ是否在置信区间内，如果在该区间内则有99.73％的把握说明桥梁未出现损伤，反之有99.73％的把握说明桥梁出现损伤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810066849.7A CN108399277B (zh) | 2018-01-24 | 2018-01-24 | 一种基于温度与应变关联性的桥梁损伤识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810066849.7A CN108399277B (zh) | 2018-01-24 | 2018-01-24 | 一种基于温度与应变关联性的桥梁损伤识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108399277A CN108399277A (zh) | 2018-08-14 |
| CN108399277B true CN108399277B (zh) | 2021-09-21 |
Family
ID=63093999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810066849.7A Expired - Fee Related CN108399277B (zh) | 2018-01-24 | 2018-01-24 | 一种基于温度与应变关联性的桥梁损伤识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108399277B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109583314A (zh) * | 2018-10-31 | 2019-04-05 | 同济大学 | 一种混凝土梁式桥安全监测指标的优化方法及装置 |
| CN109992815B (zh) * | 2018-12-24 | 2023-06-20 | 中铁大桥（南京）桥隧诊治有限公司 | 一种基于关联性雨流计数的支座累计位移计算方法 |
| CN109684774B (zh) * | 2019-01-23 | 2022-12-27 | 同济大学 | 一种梁式桥安全监测与评估装置 |
| CN112651066A (zh) * | 2020-09-22 | 2021-04-13 | 重庆市城投路桥管理有限公司 | 基于多元线性回归的桥梁健康监测智能评价系统及评价方法 |
| CN112949131B (zh) * | 2021-03-05 | 2022-04-12 | 哈尔滨工业大学 | 连续桥梁集群损伤诊断的概率损伤定位向量法 |
| CN113884258B (zh) * | 2021-11-18 | 2023-04-18 | 郑州大学 | 一种考虑温度对桥梁刚度影响的检验系数修正方法 |
| CN114358058B (zh) * | 2021-12-16 | 2024-09-27 | 中国人民解放军战略支援部队信息工程大学 | 基于深度神经网络的无线通信信号开集识别方法及系统 |
| CN115031620B (zh) * | 2022-06-07 | 2023-05-30 | 山东高速工程检测有限公司 | 基于无线低功耗多通道采集技术的桥梁监测方法及装置 |
| CN115565379B (zh) * | 2022-12-06 | 2023-05-02 | 成都智元汇信息技术股份有限公司 | 一种替换历史客流数据中异常客流数据的方法及系统 |
| CN116542146A (zh) * | 2023-01-06 | 2023-08-04 | 中路高科交通检测检验认证有限公司 | 桥梁监测温度场-应变场时空相关模型及健康诊断方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000155059A (ja) * | 1998-11-24 | 2000-06-06 | Shinko Wire Co Ltd | 緊張ケーブルの張力測定方法及び横荷重測定治具 |
| CN104866923A (zh) * | 2015-05-17 | 2015-08-26 | 天津理工大学 | 一种钢铁企业高炉副产煤气发生量预测方法 |
| CN106156892A (zh) * | 2016-07-13 | 2016-11-23 | 国网福建省电力有限公司 | 一种电网线损率预测模型的建立方法 |
| CN107247737A (zh) * | 2017-05-10 | 2017-10-13 | 国家电网公司 | 基于用电量的台区违约用电分析与挖掘方法 |
| CN108021732A (zh) * | 2017-10-26 | 2018-05-11 | 南京工程学院 | 一种索承桥梁模数式伸缩缝的在线损伤预警方法 |
-
2018
- 2018-01-24 CN CN201810066849.7A patent/CN108399277B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000155059A (ja) * | 1998-11-24 | 2000-06-06 | Shinko Wire Co Ltd | 緊張ケーブルの張力測定方法及び横荷重測定治具 |
| CN104866923A (zh) * | 2015-05-17 | 2015-08-26 | 天津理工大学 | 一种钢铁企业高炉副产煤气发生量预测方法 |
| CN106156892A (zh) * | 2016-07-13 | 2016-11-23 | 国网福建省电力有限公司 | 一种电网线损率预测模型的建立方法 |
| CN107247737A (zh) * | 2017-05-10 | 2017-10-13 | 国家电网公司 | 基于用电量的台区违约用电分析与挖掘方法 |
| CN108021732A (zh) * | 2017-10-26 | 2018-05-11 | 南京工程学院 | 一种索承桥梁模数式伸缩缝的在线损伤预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 多元线性回归在桥梁应变监测温度效应分析中的应用;陈夏春等;《结构工程师》;20110430;第27卷(第2期);第120-126页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108399277A (zh) | 2018-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108399277B (zh) | 一种基于温度与应变关联性的桥梁损伤识别方法 | |
| CN113469060A (zh) | 多传感器融合卷积神经网络航空发动机轴承故障诊断方法 | |
| CN103754718B (zh) | 电梯运行安全监测系统及其方法 | |
| CN111946559B (zh) | 一种风机基础和塔架结构检测方法 | |
| CN109029589B (zh) | 一种桥梁结构安全状态监测系统 | |
| CN204113701U (zh) | 一种矿井风机在线监测与故障诊断系统 | |
| CN112417763B (zh) | 输电线路的缺陷诊断方法、装置、设备及存储介质 | |
| CN112131797B (zh) | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 | |
| CN111753776B (zh) | 基于回声状态与多尺度卷积联合模型的结构损伤识别方法 | |
| CN112393906A (zh) | 一种地铁车辆转向架轴承微弱信号故障诊断、分类和健康评估的方法 | |
| CN111678699A (zh) | 一种面向滚动轴承早期故障监测与诊断方法及系统 | |
| CN107727333A (zh) | 一种用于液压缸泄漏分析的诊断方法 | |
| CN110553789A (zh) | 一种压阻式压力传感器的状态检测方法、装置及制动系统 | |
| CN112668526A (zh) | 基于深度学习和压电主动传感的螺栓群松动定位监测方法 | |
| CN118114186B (zh) | 一种基于人工智能的设备振动故障诊断方法 | |
| CN117909668B (zh) | 基于卷积神经网络的轴承故障诊断方法及系统 | |
| CN110220885B (zh) | 一种机械设备磨损状态综合判断方法 | |
| CN111505064A (zh) | 一种催化燃烧式甲烷传感器服役状态评价方法 | |
| CN115688555B (zh) | 一种桥梁寿命预测方法 | |
| CN114638039B (zh) | 一种基于低秩矩阵恢复的结构健康监测特征数据解释方法 | |
| CN116304636A (zh) | 一种基于故障树的电梯冲顶事故动态预测方法及系统 | |
| CN115270875A (zh) | 一种基于深度学习的隔膜泵运行状态监测方法 | |
| CN115062891A (zh) | 一种长距离有压输水管道渗漏快速定位方法 | |
| CN113392576A (zh) | 一种系留气球主缆绳拉力状态评估预警方法 | |
| CN113283375A (zh) | 一种矿山液压支架系统早期故障实时预警方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210921 |