CN108896625A - 一种应变场融合机敏网结构裂缝监测方法 - Google Patents
一种应变场融合机敏网结构裂缝监测方法 Download PDFInfo
- Publication number
- CN108896625A CN108896625A CN201810758767.9A CN201810758767A CN108896625A CN 108896625 A CN108896625 A CN 108896625A CN 201810758767 A CN201810758767 A CN 201810758767A CN 108896625 A CN108896625 A CN 108896625A
- Authority
- CN
- China
- Prior art keywords
- mixed mud
- strain
- crack
- alertness
- field
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/20—Investigating the presence of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/20—Investigating the presence of flaws
- G01N27/205—Investigating the presence of flaws in insulating materials
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种应变场融合机敏网结构裂缝监测方法,属于混泥土安全评估技术领域,该方法包含如下步骤:S1:在被测混泥土结构物表面布置机敏网结构;S2:对机敏网结构进行被测混泥土结构物表面的应变时变信息采集;S3:根据表面采样的应变时变信息还原表面完整裂缝;S4:根据表面完整裂缝与应变场反演结构裂缝的内部形态,获得混泥土结构裂缝的全面信息。本发明方法从表面完整裂缝与应变场反演结构裂缝内部形态,进而获得混凝土结构裂缝的全面信息,为判断混凝土结构的健康状况提供重要、完善、准确的参考。
Description
技术领域
本发明属于混泥土安全评估技术领域,涉及一种应变场融合机敏网结构裂缝监测方法。
背景技术
混凝土结构从正常使用极限状态向承载能力极限状态变化(乃至突破)的过程中,混凝土结构的功能迅速削弱,安全度急剧降低,其各种工程参数、力学场量都在发生相应的变化,其中最直观的就是裂缝。超设计裂缝、非设计裂缝从安全、使用和耐久三个方面严重削弱混凝土结构可靠度,常常造成重大的社会经济损失,甚至危及生命安全。因此,对裂缝的检测和监测,在整个混凝土结构技术体系中,一直以来都是难以回避的基本问题。
裂缝的形态、发展,以及在结构中的位置和受力状况等不同,对结构的危害性也有很大的区别。严重的裂缝及其发展可能危害结构的整体性和稳定性,对结构的安全运行产生很大影响,稳定的在混凝土结构早期裂缝对结构的影响程度则要小得多,而由表面温度变化或干燥收缩引起的浅裂缝则无大的影响。有鉴于此,对结构评定的要求,不但要监测到结构表面缝口信息,还需要提取裂缝深度、内部宽度、尖端扩展量等内部信息,以进一步明确裂缝力学性状,才能分析裂缝影响程度及延伸趋势,判断其危害性。同时,对于裂缝的修补,如裂缝充填和裂缝补强等均需要在明确裂缝的状态信息的基础上才能合理、有效地进行。
目前主要的混凝土结构裂缝监测方法有①利用蛇形分布式光时域反射计监测结构裂缝;②利用外层绕装螺旋形导电层的同轴电缆制作的电时域反射计预埋在混凝土接近表面处来实现对横向裂缝的大致位置、大小的监测;③利用光频域反射计监测结构裂缝;④利用多线分布式光时域反射计监测结构裂缝;⑤利用基于光纤的裂缝传感网络,通过感知裂缝与光纤传感网络相交来确定裂缝的宽度、位置和方向;⑥利用图像识别方法进行结构表面裂缝监测;⑦利用压电超声的方法可以实现裂缝深度监测。
上述研究方法均具有一定的局限性:①图像识别方法仅能判断结构物表面裂缝,但是确定是受力裂缝还是由于温度、结构表面材料收缩等形变造成的表面龟裂还很困难;②利用光时域、光频域的监测方法,需要使用大量的元件、连线及电路埋设或粘贴在结构表面,要实现大型混凝土结构的裂缝监测还存在很大的工艺难度。③压电超声监测法需要埋入结构使用,因此在监测范围、精度、环境适应性等方面存在诸多问题。
发明内容
有鉴于此,本发明的目的在于提供一种应变场融合机敏网结构裂缝监测方法,从表面采样信息还原表面裂缝与应变完整时变形态,再从表面完整裂缝与应变场反演结构裂缝内部形态,进而获得混凝土结构裂缝的全面信息,为判断混凝土结构的健康状况提供重要、完善、准确的参考。
为达到上述目的,本发明提供如下技术方案:
一种应变场融合机敏网结构裂缝监测方法,该方法包含如下步骤:
S1:在被测混泥土结构物表面布置机敏网结构;
S2:采用机敏网结构进行被测混泥土结构物表面的应变信息采集;
S3:根据表面采样的应变信息还原表面完整裂缝;
S4:根据表面完整裂缝与应变场反演结构裂缝的内部形态,获得混泥土结构裂缝的全面信息。
进一步,步骤S1中所述机敏网结构包含网状布置的机敏线以及网格布置的应变丝,且机敏线与应变丝之间不重叠。
进一步,所述应变丝为康铜丝或铜铬合金丝。
进一步,步骤S4包含如下步骤:
S41:建立被测混泥土结构内部裂缝近域场量的表面映射模型;
S42:建立被测混泥土结构表面增量二维场对内部裂缝增量三维场的反演模型;
S43:重构被测混泥土结构表面裂缝及应变场采样信息;
S44:对被测混泥土结构裂缝产生情况进行反演。
进一步,步骤S41具体包含如下步骤:
S411:建立典型的混泥土裂缝模型,并进行仿真分析,建立混泥土模型结构场量的内-表映射关系模板数据库;
S412:利用三维有限元模型,确定混凝土结构内部裂缝在结构表面的映射关系,建立混泥土内部场量初步的内-表映射关系集合;
S413:结合内-表映射关系模板数据库以及内-表映射关系集合建立混凝土结构场量的内-表映射深度神经网络模型。
进一步,步骤S42具体包含如下步骤:
S421:根据混泥土裂缝和混泥土内部场量初步的内-表映射关系集合提取出混泥土表面应变场分布特征的标签数据集;
S422:根据所述标签数据集利用深度学习算法,获得混泥土内部裂缝三维形态矩阵与表面增量二维场的关系模型,并对混泥土结构内部裂缝的三维信息进行反演。
进一步,步骤S43具体为:
结合混泥土模型结构场量的内-表映射关系模板数据库,采用反距离加权平均方法对混泥土结构表面应力场量采样信息进行重构:
假定待求区域上散乱分布n个节点zk(xk,yk),在待测值节点处(x,y)定义函数值由已知数据与该点距离的远近作加权平均,则待测点到已知点的距离满足:
定义二元函数:
式中,wk表示权重,zk表示已知关键测点的应变值。
进一步,步骤S44具体为:
通过对机敏网结构进行定时采样,结合步骤S43,重构出混泥土结构表面应变场的时域变化情况。
本发明的有益效果在于:本发明方法根据圣维南原理,利用融合机敏网实现表面裂缝与应变时变信息采样,从表面采样信息还原表面裂缝与应变完整时变形态,再从表面完整裂缝与应变场反演结构裂缝内部形态,进而获得混凝土结构裂缝的全面信息,为判断混凝土结构的健康状况提供重要、完善、准确的参考。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明机敏网结构示意图;
图2为本发明流程图;
图3为本发明反演流程图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
本发明方法在机敏网的基础上,如图1所示,在布置机敏线的同时布置,在机敏线上同时布置康铜丝或铜铬合金丝,然后与机敏线一起粘贴在被测结构物表面,使应变丝能够随着被测对象的应变一起伸缩,如图1中所示,网状的为机敏线,矩形格状布置的为应变丝,原点为加热元件。
如图2所示,本发明方法具体包含如下步骤:
步骤一:在被测混泥土结构物表面布置机敏网结构;
步骤二:采用机敏网结构进行被测混泥土结构物表面的应变信息采集;
步骤三:根据表面采样的应变信息还原表面完整裂缝;
步骤四:根据表面完整裂缝与应变场反演结构裂缝的内部形态,获得混泥土结构裂缝的全面信息。
应变场的建立:
由于康铜丝、铜铬合金丝(以下简称应变丝)等材料具有稳定的电阻变化率、较低的温度电阻系数以及较宽的使用温度范围,且加工性能良好,本发明实施例选用康铜丝、铜铬合金丝作为应变丝。
当应变丝粘贴在结构物表面后,结构物应变场发生变化会拉伸或压缩机敏丝,从而引起应变丝电阻发生变化:
式中,k表示应变丝比例常数,ε表示应变量,ΔR表示应变丝阻值变化量,R表示应变丝原有阻值。
通过测量应变丝的电阻变化情况,就可以计算出结构物表面应变变化情况,进而建立结构物表面应变场模型。
应变场反演:
受力裂缝表面特征与非受力裂缝表面特征的区别在于受力裂缝出现后有较大范围的表面应力重分布,因此分辨表面裂缝出现前后的结构表面应力重分布范围与状态是判断是否受力裂缝的重要标准。通过增加具有高阶特性的表面应变场监测可以较方便地反演内部裂缝的真正情况。由圣维南原理可知,已知初始条件及边界条件情况下,结构内外部力学场量发展是确定的。结构内部位移场与1阶应变场会在表面形成映射。确定初始裂缝形态及其表面场量分布,再结合裂缝扩展变化及表面应变场时变变化,各种初始场量状态与边界条件可以做出限定性假设与计算。在此基础上即可由表面裂缝发生、形态及其演变状态与表面应变场演变初步反演内部裂缝状态。
由于应变丝因结构应变带来的电阻变化非常小,要精确地测量这么微小的电阻变化非常困难,因此本实施例中,应变场的测量电路通过电桥电路实现,通过将电桥电路接入机敏网结构,来实现应变场的定量测量。
如图3所示,步骤四具体包含如下步骤:
4.1:建立被测混泥土结构内部裂缝近域场量的表面映射模型
利用三维有限元模型,在混泥土结构约束条件下,确定混凝土结构内部裂缝在结构表面的映射关系,建立内部场量初步的内-表映射关系集合(映射A),结合弹性力学及裂缝发生过程分析,进一步明确结构内部场量在表面的映射关系。
针对典型仿真结构模型,在相同的混泥土结构约束条件下进行大量仿真试验验证,建立结构场量的内-表映射关系模板数据库,进而建立结构场量的内-表映射深度神经网络模型(映射B)。
4.2:建立被测混泥土结构表面增量二维场对内部裂缝增量三维场的反演模型
根据裂缝和应变场量的内-表映射模板数据库的映射关系,形成表面裂缝的图形形态特征和多尺度特征以及表面应变场分布特征的标签数据集;
利用深度学习算法,特征数据集的变化特点,采用深度神经网络算法获得混泥土内部裂缝三维形态矩阵与表面增量二维场的关系模型(映射C),实现混泥土结构内部裂缝的三维信息反演。
通过深度网络训练方法,对混泥土裂缝的类型进行分类,判别混泥土裂缝的力学特性,识别非设计裂缝及超设计裂缝(映射D)。
4.3:重构被测混泥土结构表面裂缝及应变场采样信息
结合混泥土结构应变场量内-表映射模板数据库,采用反距离加权平均方法实现结构表面应力场量采样信息重构。
假定待求区域上散乱分布n个节点zk(xk,yk),在待测值节点处(x,y)定义函数值由已知数据与该点距离的远近作加权平均,则待测点到已知点的距离满足:
定义二元函数:
式中,wk表示权重,zk表示已知关键测点的应变值。
根据以上公式,利用机敏网结构采集到的若干离散点的应变值,推导出其它未知点的应变值。
4.4:对被测混泥土结构裂缝产生情况进行反演。
通过对机敏网及应变丝的定时采样,结合式(1)(2)重构出结构表面应变场的时域变化情况,根据结构表面应变场的分布情况及机敏网监测的裂缝产生情况,判断出混泥土结构出现的裂缝类型。
最后说明的是,以上优选实施例仅用以说明发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (8)
1.一种应变场融合机敏网结构裂缝监测方法,其特征在于:该方法包含如下步骤:
S1:在被测混泥土结构物表面布置机敏网结构;
S2:采用机敏网结构进行被测混泥土结构物表面的应变信息采集;
S3:根据表面采样的应变信息还原表面完整裂缝;
S4:根据表面完整裂缝与应变场反演结构裂缝的内部形态,获得混泥土结构裂缝的全面信息。
2.根据权利要求1所述的一种应变场融合机敏网结构裂缝监测方法,其特征在于:步骤S1中所述机敏网结构包含网状布置的机敏线以及网格布置的应变丝,且机敏线与应变丝之间不重叠。
3.根据权利要求2所述的一种应变场融合机敏网结构裂缝监测方法,其特征在于:所述应变丝为康铜丝或铜铬合金丝。
4.根据权利要求2所述的一种应变场融合机敏网结构裂缝监测方法,其特征在于:步骤S4包含如下步骤:
S41:建立被测混泥土结构内部裂缝近域场量的表面映射模型;
S42:建立被测混泥土结构表面增量二维场对内部裂缝增量三维场的反演模型;
S43:重构被测混泥土结构表面裂缝及应变场采样信息;
S44:对被测混泥土结构裂缝产生情况进行反演。
5.根据权利要求4所述的一种应变场融合机敏网结构裂缝监测方法,其特征在于:步骤S41具体包含如下步骤:
S411:建立典型的混泥土裂缝模型,并进行仿真分析,建立混泥土模型结构场量的内-表映射关系模板数据库;
S412:利用三维有限元模型,确定混凝土结构内部裂缝在结构表面的映射关系,建立混泥土内部场量初步的内-表映射关系集合;
S413:结合内-表映射关系模板数据库以及内-表映射关系集合建立混凝土结构场量的内-表映射深度神经网络模型。
6.根据权利要求5所述的一种应变场融合机敏网结构裂缝监测方法,其特征在于:步骤S42具体包含如下步骤:
S421:根据混泥土裂缝和混泥土内部场量初步的内-表映射关系集合提取出混泥土表面应变场分布特征的标签数据集;
S422:根据所述标签数据集利用深度学习算法,获得混泥土内部裂缝三维形态矩阵与表面增量二维场的关系模型,并对混泥土结构内部裂缝的三维信息进行反演。
7.根据权利要求6所述的一种应变场融合机敏网结构裂缝监测方法,其特征在于:步骤S43具体为:
结合混泥土模型结构场量的内-表映射关系模板数据库,采用反距离加权平均方法对混泥土结构表面应力场量采样信息进行重构:
假定待求区域上散乱分布n个节点zk(xk,yk),在待测值节点处(x,y)定义函数值由已知数据与该点距离的远近作加权平均,则待测点到已知点的距离满足:
定义二元函数:
式中,wk表示权重,zk表示已知关键测点的应变值。
8.根据权利要求7所述的一种应变场融合机敏网结构裂缝监测方法,其特征在于:步骤S44具体为:
通过对机敏网结构进行定时采样,结合步骤S43,重构出混泥土结构表面应变场的时域变化情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810758767.9A CN108896625B (zh) | 2018-07-11 | 2018-07-11 | 一种应变场融合机敏网结构裂缝监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810758767.9A CN108896625B (zh) | 2018-07-11 | 2018-07-11 | 一种应变场融合机敏网结构裂缝监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108896625A true CN108896625A (zh) | 2018-11-27 |
CN108896625B CN108896625B (zh) | 2021-04-23 |
Family
ID=64349846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810758767.9A Active CN108896625B (zh) | 2018-07-11 | 2018-07-11 | 一种应变场融合机敏网结构裂缝监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108896625B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766617A (zh) * | 2019-01-02 | 2019-05-17 | 大连理工大学 | 一种基于应变传感器的位移场重构方法 |
CN116698854A (zh) * | 2023-08-04 | 2023-09-05 | 广州市市政工程试验检测有限公司 | 一种工程结构健康检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1830181A1 (en) * | 2006-03-02 | 2007-09-05 | Igor Gennadievich Korolev | Method of reinforced concrete roof or floor carrying capacity monitoring |
CN101299032A (zh) * | 2008-06-06 | 2008-11-05 | 重庆交通大学 | 结构裂缝仿生监测系统及其监测方法 |
CN101561430A (zh) * | 2009-05-25 | 2009-10-21 | 重庆交通大学 | 压电阵列融合机敏网结构裂缝监测系统及监测和安装方法 |
CN105547538A (zh) * | 2016-02-04 | 2016-05-04 | 山东大学 | 一种混凝土结构物应力应变传感器及其监测方法 |
CN206146872U (zh) * | 2016-11-08 | 2017-05-03 | 兰州理工大学 | 一种监测混凝土表面裂缝的装置 |
-
2018
- 2018-07-11 CN CN201810758767.9A patent/CN108896625B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1830181A1 (en) * | 2006-03-02 | 2007-09-05 | Igor Gennadievich Korolev | Method of reinforced concrete roof or floor carrying capacity monitoring |
CN101299032A (zh) * | 2008-06-06 | 2008-11-05 | 重庆交通大学 | 结构裂缝仿生监测系统及其监测方法 |
CN101561430A (zh) * | 2009-05-25 | 2009-10-21 | 重庆交通大学 | 压电阵列融合机敏网结构裂缝监测系统及监测和安装方法 |
CN105547538A (zh) * | 2016-02-04 | 2016-05-04 | 山东大学 | 一种混凝土结构物应力应变传感器及其监测方法 |
CN206146872U (zh) * | 2016-11-08 | 2017-05-03 | 兰州理工大学 | 一种监测混凝土表面裂缝的装置 |
Non-Patent Citations (1)
Title |
---|
张奔牛 等: "基于机敏网的混凝土结构裂缝宽度监测方法研究", 《重庆交通大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766617A (zh) * | 2019-01-02 | 2019-05-17 | 大连理工大学 | 一种基于应变传感器的位移场重构方法 |
CN116698854A (zh) * | 2023-08-04 | 2023-09-05 | 广州市市政工程试验检测有限公司 | 一种工程结构健康检测方法及系统 |
CN116698854B (zh) * | 2023-08-04 | 2023-11-21 | 广州市市政工程试验检测有限公司 | 一种工程结构健康检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108896625B (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107402175B (zh) | 一种变形条件下土-水特征曲线的分形预测方法 | |
CN110378252A (zh) | 一种基于深度迁移学习的混凝土裂缝识别方法 | |
Malone et al. | Multifrequency electrical impedance tomography using spectral constraints | |
Dong et al. | Application of electrical resistance tomography to two-phase pipe flow parameters measurement | |
CN107203670B (zh) | 一种粗糙随机型离散节理网络模型构建方法 | |
CN111339700B (zh) | 核电汽轮机叶片的疲劳损伤评估方法、装置和存储介质 | |
CN110415167A (zh) | 一种基于数字图像技术的粗糙面裂隙生成方法及试验系统 | |
CN105223336B (zh) | 一种模拟地铁盾构隧道地层空洞引发地层损失的试验装置及方法 | |
CN109101742A (zh) | 基于电阻抗成像损伤监测的复合材料强度预测方法 | |
CN108896625A (zh) | 一种应变场融合机敏网结构裂缝监测方法 | |
Ni et al. | Reconstruction of different scales of pore-fractures network of coal reservoir and its permeability prediction with Monte Carlo method | |
CN109931876A (zh) | 一种通过摄影测量土工试样形变的方法 | |
Li et al. | An experimental method to visualize shear-induced channelization of fluid flow in a rough-walled fracture | |
Luo et al. | Characterization of the stiffness distribution in two and three dimensions using boundary deformations: a preliminary study | |
CN108613869A (zh) | 结构面抗剪强度试验全过程视踪试验方法 | |
CN106546628A (zh) | 一种基于温度场层析成像的无损检测方法 | |
Wang et al. | Computational focusing sensor: Enhancing spatial resolution of electrical impedance tomography in region of interest | |
Fan et al. | Convolutional neural network method for damage detection of CFRP in electrical impedance tomography | |
CN108007771A (zh) | 基于注塑成形和强度校核的塑件材料测试分析设备及方法 | |
Lyu et al. | An image processing approach to measuring the sphericity and roundness of fracturing proppants | |
Tan et al. | Analysis of porosity, permeability, and anisotropy of sandstone in freeze–thaw environments using computed tomography and fractal theory | |
Gupta et al. | Characterization and localization of sub-surface structural features using non-contact tomography | |
Kriz et al. | Electrical impedance tomography in the testing of material defects | |
Jin-Qi et al. | Resistivity tomography study on samples with water-bearing structure | |
Wu et al. | Characterization and reconstruction of rough fractures based on vector statistics |
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 |