CN108956638A - 一种用于土木工程结构表观缺陷的评定检测系统 - Google Patents

一种用于土木工程结构表观缺陷的评定检测系统 Download PDF

Info

Publication number
CN108956638A
CN108956638A CN201810390546.0A CN201810390546A CN108956638A CN 108956638 A CN108956638 A CN 108956638A CN 201810390546 A CN201810390546 A CN 201810390546A CN 108956638 A CN108956638 A CN 108956638A
Authority
CN
China
Prior art keywords
module
civil engineering
assessment
engineering structure
evaluation
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
Application number
CN201810390546.0A
Other languages
English (en)
Inventor
黄志刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Arts and Science
Original Assignee
Hunan University of Arts and Science
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan University of Arts and Science filed Critical Hunan University of Arts and Science
Priority to CN201810390546.0A priority Critical patent/CN108956638A/zh
Publication of CN108956638A publication Critical patent/CN108956638A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0041—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress
    • G01M5/005—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress by means of external apparatus, e.g. test benches or portable test systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于土木工程技术领域，公开了一种用于土木工程结构表观缺陷的评定检测系统，包括：图像采集模块、压力检测模块、中央处理模块、无人机模块、图像处理模块、缺陷评定模块、寿命预测模块、显示模块。本发明通过图像采集模块、无人机模块可以通过无人机采集工程结构各个角落的图像数据，可以获取更加完整的图像数据，使评定结果更加准确；同时通过寿命预测模块根据数值分析或力学知识判断结构可能的控制截面，计算荷载、收缩及徐变影响下的刚度衰减系数，预测结构经历荷载步后结构剩余使用寿命；最后，结合实测信息不断更新剩余寿命预测结果；可以更加准确的预测工程结构的寿命。

Description

一种用于土木工程结构表观缺陷的评定检测系统
技术领域
本发明属于土木工程技术领域，尤其涉及一种用于土木工程结构表观缺陷的评定检测系统。
背景技术
目前，业内常用的现有技术是这样的：
土木工程是建造各类土地工程设施的科学技术的统称。它既指所应用的材料、设备和所进行的勘测、设计、施工、保养、维修等技术活动，也指工程建设的对象。即建造在地上或地下、陆上，直接或间接为人类生活、生产、军事、科研服务的各种工程设施，例如房屋、道路、铁路、管道、隧道、桥梁、运河、堤坝、港口、电站、飞机场、海洋平台、给水排水以及防护工程等。土木工程是指除房屋建筑以外，为新建、改建或扩建各类工程的建筑物、构筑物和相关配套设施等所进行的勘察、规划、设计、施工、安装和维护等各项技术工作及其完成的工程实体。然而，现有对土木工程结构评定时，图像采集局限，不能采集到工程结构死角部分，获取的数据不完整；同时不能准确的预测工程结构的寿命。
土木工程结构的安全可靠性评价就显得尤为重要。与其他方法相比，用磁记忆检测实现缺陷量化，再由此对土木工程结构进行的综合安全评价具有鲜明的特点：首先磁记忆检测作为一种新兴的无损检测手段，其检测全面、细致，不受是否运营的影响，操作简便、劳动强度小，得出的结果精确，适合现场检测；其次采用在役土木工程结构安全指标体系对其安全问题进行分析和评价，使评价者对在役土木工程结构安全综合评价的定位由经验上升为科学评价，利于合理度量或评价在役土木工程结构的安全，最后可以动态监测在役土木工程结构灾害的变化趋势，分析和发现失效发生的前兆，尤其是各种灾害之间的关联性，以及其引发的次生灾害。因此，基于磁记忆检测缺陷量化的综合安全评价以其鲜明的特点必将成为以后土木工程结构安全可靠性评价的重要手段，并具有其他评价方法不可替代的优势。
在役土木工程结构的安全评价过程中，影响其安全性能的因素是多方面的，有些因素能实现定量化，而有些因素只能定性分析，各因素之间又具有相关性，并且影响在役土木工程结构安全的主要因素即缺陷，其检测过程十分复杂，量化结果又不精准，这些情况给其安全评定带来很大的困难和疑惑。目前的在役土木工程结构安全评定多采用单一角度评定的方式，从理论方面得出在役土木工程结构是否能安全工作的结论，且不能综合各方面因素解决它的安全程度问题。具体分析如下：缺陷的检测、量化不准确；采用单一角度评定的方式，过分依赖或现场数据，不能综合考虑影响在役土木工程结构安全性的所有主要因素，并明确各影响的相互联系，与实际情况不符；评定的结果只是从理论上得出是否能安全工作的结论，不能解决安全程度问题，更不能动态监测灾害的变化趋势，以便更好、更准确的及时发现灾害，做到提前预防。以上问题都会使安全评估结果不理想，其结果往往是：评估的理论结果还在安全许可内，而实际上土木工程结构已经失效、不能使用。
综上所述，现有技术存在的问题是：
现有对土木工程结构评定时，图像采集局限，不能采集到工程结构死角部分，获取的数据不完整；同时不能准确的预测工程结构的寿命。
现有评价方法存在的在役土木工程结构缺陷检测困难、检测结果不精确、不能动态监测灾害的变化趋势、评价过程复杂和评估结果与实际不相符的问题。
发明内容
针对现有技术存在的问题，本发明提供了一种用于土木工程结构表观缺陷的评定检测系统。
本发明是这样实现的，一种用于土木工程结构表观缺陷的评定检测系统包括：
图像采集模块、压力检测模块、中央处理模块、无人机模块、图像处理模块、缺陷评定模块、寿命预测模块、显示模块；
图像采集模块，与中央处理模块连接，用于通过摄像器采集土木工程结构图像数据；
压力检测模块，与中央处理模块连接，用于通过压力传感器采集土木工程结构压力数据；
中央处理模块，与图像采集模块、压力检测模块、无人机模块、图像处理模块、缺陷评定模块、寿命预测模块、显示模块连接，用于控制各个模块正常工作；
中央处理模块集成有信号L0范数最小化优化模块，所述信号L0范数最小化优化模块的信号L0范数最小化优化方法包括：
基于L0范数最小化的优化算法为：
其中，f表示待处理的谱线向量，维数为V×1，e表示处理后的谱线向量，维数为V×1；ΦBV表示B×V维的测量矩阵，其中，ΦBV取用随机的高斯矩阵，|| ||2表示向量的2范数，|| ||0表示向量的0范数；
优化算法采用的迭代公式为：
其中，f(j)表示第j次迭代得到的谱线向量，s表示ΦΓ×Φ的最大特征值，Γ表示对矩阵求转置，k～(1,V)，χ＝σ/4，σ表示噪声的标准差，由下式求得：
σ＝Median(|f|)/0.6745；
其中，Median表示求向量中元素的中位数；
优化算法的终止条件为：
||f(j+1)-f(j)||2≤ε。
中央处理模块还集成有信号局部阈值模块，所述信号局部阈值模块的信号局部阈值方法包括：
局部阈值为z*σ′，其中，z为一常数，σ′是每一个窗内的谱线的幅度标准差，定义为：
其中，Q为每个窗内的谱线条数，|S(fi)|表示频率为fi的谱线对应的幅度值；
中央处理模块还集成有信号窗内谱线强度均值比局部最大值计算模块，所述信号窗内谱线强度均值比局部最大值计算模块的信号窗内谱线强度均值比局部最大值计算方法包括：
谱线强度均值比|I(fi)|的表达式为：
对每一个窗内的谱线求强度均值比，并搜索得到窗内强度均值比的局部最大值|I(f0)|，f0为一个窗内强度均值比最大值所对应的频率；
无人机模块，与中央处理模块连接，用于通过无人机携带摄像器进行全方位图像采集；
图像处理模块，与中央处理模块连接，用于对采集图像中结构缺陷特征元素进行处理；
缺陷评定模块，与中央处理模块连接，用于通过图像处理模块5获取的结构缺陷特征元素进行计算缺陷的长度、宽度和深度信息，土木工程结构表观缺陷的损伤评定；缺陷评定模块，首先使用金属磁记忆检测仪对在役土木工程结构进行全方位检测，把检测数据代入公式，使缺陷量化，然后根据缺陷的量化结果进行在役土木工程结构失效因素的评定即：平面缺陷的断裂评定、平面缺陷的疲劳评定，再根据各失效因素建立模糊综合评价体系，对在役土木工程结构进行综合安全评价；
寿命预测模块，与中央处理模块连接，用于对土木工程结构寿命进行预测；
显示模块，与中央处理模块连接，用于显示采集图像数据信息。
进一步，在役土木工程结构失效因素评定：
平面缺陷的断裂评定，评定方法为采用失效评定图的方法进行，失效评定曲线方程为：
垂直线的方程为：
的值取决于材料的特性：
平面缺陷的疲劳评定方法：
平首先依据疲劳裂纹扩展速率da/dN与裂纹尖端应力强度因子变化幅度ΔK关系式确定在规定的循环周期内疲劳裂纹的扩展量和最终尺寸；然后根据所给出的判别条件和方法，来判断该平面缺陷是否会发生裂缝和疲劳断裂，除所规定的平面缺陷外，还包括裂纹、未融合、未焊透。
进一步，模糊综合评价系统包括：
建立因素集：
影响在役土木工程结构的各种参数组成因素集合，取二级因素U＝{u1,u2,u3,u4}＝{缺陷，重要部件，材质，内部环境}，u1＝{u11,u12}＝{平面缺陷的断裂失效，平面缺陷的疲劳失效}，u2＝{u21,u22,u23,u24}＝{胶芯，活塞，密封圈，液压控制油路}，u3＝{u31,u32,u33}＝{材料加工质量，材料机械性能，设计合理性}，u4＝{u41,u42,u43}＝{压力，温度，腐蚀性}；
建立评价集：
为了对各评价指标进行定量分析需要确定各指标的评价集，采用5级百分制评价把评价集V划分5个评价等级，即V＝{v1，v2，v3，v4，v5}＝{极小，很小，小，较大，大}，其中v1为在役土木工程结构多因素失效危险性极小，评分区间为90～100，中值为95；v2为危险性很小，评分区间为80～89，中值为84.5；依此类推；选择各区间的中值作为等级的参数，则5个等级所对应的参数为{95，84.5，74.5，64.5，49.5}，参数列向量为ν＝{95，84.5，74.5，64.5，49.5}T；
建立权重集：
(1)建立递阶层次结构：
根据建立的在役土木工程结构评价因素集即评价指标体系，将问题所包含的各因素分为四个层次：第一层是评价的总目标层G，即在役土木工程结构综合安全；第二层是准则层C，即缺陷，重要部件，材质和内部环境；最后将个具体指标作为第三层，即指标层P；
(2)构造两两比较判断矩阵：
邀请土木工程结构安全方面，根据1～9标度法逐层对各个要素两两之间进行重要性程度赋值，构造判断矩阵U＝(uij)n×n，其中uij表示因素ui和uj相对于准则层的重要值，矩阵U具有性质：uii＝1,uij＝1/uji,i,j＝1,2,…,n，得出判断矩阵：将矩阵X1～X5按列归一化，即：
计算出矩阵Y为：
(3)单一准则下元素相对权重的计算：
将Y矩阵按行相加，由公式得出：
W1＝(2.652 0.686 0.253 0.409)T
W2＝(1 1)T
W3＝(1.273 0.371 0.221 2.135)T
W4＝(1.9 0.319 0.781)T
W5＝(2.121 0.604 0.275)T
将得到的和向量进行归一化处理，由公式可得权向量：
(4)判断矩阵的一致性检验：
计算判断矩阵的最大特征根λmax，由公式计算得出:
根据公式进行一致性检验，得到：
CI1＝0.019
CI2＝0
CI3＝0.031
CI4＝0.020
CI5＝0.048
由公式得：
CR1＝0.022
CR2＝0
CR3＝0.035
CR4＝0.038
CR5＝0.092
CR＜0.1，均满足一致性要求，因此各因素的相对权重
隶属度计算：
多位使用频数统计法，对被评价的各项指标按评价集对在役土木工程结构各项指标的危险程度进行评级，得到因素集的隶属度：
确定评判隶属矩阵：
由得到第k个因素集的相对隶属度矩阵：
其中：
式中：Rk—第k个因素集的相对隶属度矩阵；
rkij—第k个因素集的第i个因素属于评价集中的j的隶属度；
pkij—组成员对第k个因素集的第i个因素指标评级为j的频数；
构造模糊评判矩阵：
由各指标的权向量和矩阵R可构造模糊评判矩阵B，
计算综合评判结果：
由模糊评判矩阵B和评价集的参数列向量，可求得综合评判结果Z；
Z＝B·V
由上式可得到模糊综合评价的结果，再根据评价等级规定，可以评定在役土木工程结构多因素失效危险性大小。
进一步，所述图像处理模块处理方法如下：
首先，表观缺陷图像特征点的匹配是通过图像匹配的方法，寻找出两幅图像中特征点之间相互的对应关系，从而确定出同一个特征点分别在两幅图像中的坐标，缺陷图像的特征匹配需要对两幅表观缺陷图像进行特征提取，可采用Harris角点提取算法、SUSAN角点提取算法或SIFT特征点提取算法；
然后，在获取图像的坐标时，采用交互识别和自动特征匹配两种方法，先通过自动匹配方法进行特征点的匹配，如匹配结果不能够达到要求，再使用交互识别的方法进行匹配；
最后，对应特征点的匹配主要是两幅图像中点、边缘或者区域等几何基元的相似程度，再由同一特征点分别投影到两幅图像中形成的对应点的图像坐标，就能够根据数学模型计算出特征点的空间坐标；
进一步，所述缺陷评定模块评定方法如下：
首先，在获取到结构表观缺陷特征点的空间坐标之后，缺陷的长度就可按空间中两点的距离求得，设空间中两点的坐标分别为P1(X1，Y1，Z1)，P2(X2，Y2，Z2)，则长度计算公式为：
然后，缺陷的深度测量首先需要建立一个测量基准面，所求到的深度就是相对于此基准面的，这个基准面是空间的，利用三维空间中的特征点，根据空间平面的计算公式求得该空间平面，设空间中三个点的坐标分别为P1(X1，Y1，Z1)，P2(X2，Y2，Z2)，P3(X3，Y3，Z3)，则空间平面方程为：
(Y1Z2+Y2Z3+Y3Z1)-(Y3Z2+Y2Z1+Y1Z3)＝A
(X1Z2+X2Z3+X3Z1)-(X2Z2+X2Z.+X1Z3)＝B
令
(X1Y2+X2Y3+X3Y1)-(X3Y1+X2Y1+X3Y3)＝C
(X1Y2Z3+X2Y3Z1+X3Y1Z3)-(X3Y2Z1+X2Y1Z3+X1Y3Z2)＝D
则平面方程为AX+BY+CZ+D＝0，
最后，设空间点的坐标为K(Xk，Yk，Zk)，则空间点到空间平面的距离为：
由此计算出结构表观缺陷的长度、宽度和深度信息，
因此只要获得了空间点在图像中的坐标，就能够计算出空间点的三维坐标，进而求得空间点的相对位置关系，也就完成了土木工程结构表观缺陷的损伤评定。
进一步，所述寿命预测模块预测方法如下：
首先，根据数值分析或力学知识判断结构可能的控制截面；
其次，通过初始设计信息的统计结果假设各参数所服从分布，并由此计算结构抗力及荷载所服从的概率分布；
再次，计算荷载、收缩及徐变影响下的刚度衰减系数D(i)；进一步，更新结构抗力分布函数，由此得到此时的抗力概率分布，并到得可靠度-荷载曲线关系；
然后，建立可靠度-时间曲线，预测结构经历荷载步i后结构剩余使用寿命；
最后，结合实测信息不断更新剩余寿命预测结果，并以各控制截面的寿命最短值作为整个结构的剩余使用寿命。
本发明的优点及积极效果为：
本发明通过图像采集模块、无人机模块可以通过无人机采集工程结构各个角落的图像数据，可以获取更加完整的图像数据，使评定结果更加准确；同时通过寿命预测模块根据数值分析或力学知识判断结构可能的控制截面，计算荷载、收缩及徐变影响下的刚度衰减系数，预测结构经历荷载步后结构剩余使用寿命；最后，结合实测信息不断更新剩余寿命预测结果；可以更加准确的预测工程结构的寿命。
中央处理模块集成有信号L0范数最小化优化模块，信号L0范数最小化优化模块的信号L0范数最小化优化方法、信号局部阈值模块的信号局部阈值方法、信号窗内谱线强度均值比局部最大值计算模块的信号窗内谱线强度均值比局部最大值计算方法充分保证了数据控制的精度要求。
使用具有较高精度的计算公式来实现缺陷的量化，从而使检测出的结果更准确、真实、可靠；采用磁记忆的检测结果对在役土木工程结构进行平面缺陷的断裂评定、平面缺陷的疲劳评定、气孔缺陷强度评定、气孔缺陷疲劳评定、夹渣缺陷强度评定、夹渣缺陷疲劳评定、凹坑缺陷强度评定和咬边缺陷疲劳评定，并计算对在役土木工程结构造成的损伤；得出在役土木工程结构能承受的最大压力、最终裂纹长度、最终裂纹深度、能承受的剩余压力、剩余疲劳寿命和相应的安全分值等技术指标，克服不能动态检测灾害趋势的困难，能更好、更准确的及时发现灾害，做到提前预防；采用模糊综合评价系统，定量化与定性分析相结合，结合工程实际建立评价集，建立综合评价判断矩阵，根据每一失效因素对土木工程结构的损伤率及其对土木工程结构安全影响的权重计算总的损伤率，摒弃采用单一角度评定、过分依赖或现场数据的方式，综合考虑影响在役土木工程结构安全性的所有主要因素，并明确各影响的相互联系，在此基础上作出综合性安全评价；不仅能正确得出是否能安全工作的结论，还能解决安全程度的问题；简化评价过程，消除评价的主观随意性，便于普通的工程技术人员应用于工程实际。本发明的可靠性高、可操作性好，使评估结果能更客观真实地反映工程实际。
附图说明
图1是本发明实施例提供的用于土木工程结构表观缺陷的评定检测系统结构框图。
图中：1、图像采集模块；2、压力检测模块；3、中央处理模块；4、无人机模块；5、图像处理模块；6、缺陷评定模块；7、寿命预测模块；8、显示模块。
图2是本发明实施例提供的表观缺陷的表征图例示意图；
图3是本发明实施例提供的应力变化范围分布直线示意图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
如图1所示，本发明提供的用于土木工程结构表观缺陷的评定检测系统包括：图像采集模块1、压力检测模块2、中央处理模块3、无人机模块4、图像处理模块5、缺陷评定模块6、寿命预测模块7、显示模块8。
图像采集模块1，与中央处理模块3连接，用于通过摄像器采集土木工程结构图像数据；
压力检测模块2，与中央处理模块3连接，用于通过压力传感器采集土木工程结构压力数据；
中央处理模块3，与图像采集模块1、压力检测模块2、无人机模块4、图像处理模块5、缺陷评定模块6、寿命预测模块7、显示模块8连接，用于控制各个模块正常工作；
中央处理模块集成有信号L0范数最小化优化模块，所述信号L0范数最小化优化模块的信号L0范数最小化优化方法包括：
基于L0范数最小化的优化算法为：
其中，f表示待处理的谱线向量，维数为V×1，e表示处理后的谱线向量，维数为V×1；ΦBV表示B×V维的测量矩阵，其中，ΦBV取用随机的高斯矩阵，|| ||2表示向量的2范数，||||0表示向量的0范数；
优化算法采用的迭代公式为：
其中，f(j)表示第j次迭代得到的谱线向量，s表示ΦΓ×Φ的最大特征值，Γ表示对矩阵求转置，k～(1,V)，χ＝σ/4，σ表示噪声的标准差，由下式求得：
σ＝Median(|f|)/0.6745；
其中，Median表示求向量中元素的中位数；
优化算法的终止条件为：
||f(j+1)-f(j)||2≤ε。
中央处理模块还集成有信号局部阈值模块，所述信号局部阈值模块的信号局部阈值方法包括：
局部阈值为z*σ′，其中，z为一常数，σ′是每一个窗内的谱线的幅度标准差，定义为：
其中，Q为每个窗内的谱线条数，|S(fi)|表示频率为fi的谱线对应的幅度值；
中央处理模块还集成有信号窗内谱线强度均值比局部最大值计算模块，所述信号窗内谱线强度均值比局部最大值计算模块的信号窗内谱线强度均值比局部最大值计算方法包括：
谱线强度均值比|I(fi)|的表达式为：
对每一个窗内的谱线求强度均值比，并搜索得到窗内强度均值比的局部最大值|I(f0)|，f0为一个窗内强度均值比最大值所对应的频率；
无人机模块4，与中央处理模块3连接，用于通过无人机携带摄像器进行全方位图像采集；
图像处理模块5，与中央处理模块3连接，用于对采集图像中结构缺陷特征元素进行处理；
缺陷评定模块6，与中央处理模块3连接，用于通过图像处理模块5获取的结构缺陷特征元素进行计算缺陷的长度、宽度和深度信息，土木工程结构表观缺陷的损伤评定；
寿命预测模块7，与中央处理模块3连接，用于对土木工程结构寿命进行预测；
显示模块8，与中央处理模块3连接，用于显示采集图像数据信息。
本发明提供的图像处理模块5处理方法如下：
首先，表观缺陷图像特征点的匹配是通过图像匹配的方法，寻找出两幅图像中特征点之间相互的对应关系，从而确定出同一个特征点分别在两幅图像中的坐标，缺陷图像的特征匹配需要对两幅表观缺陷图像进行特征提取，可采用Harris角点提取算法、SUSAN角点提取算法或SIFT特征点提取算法；
然后，在获取图像的坐标时，采用交互识别和自动特征匹配两种方法，先通过自动匹配方法进行特征点的匹配，如匹配结果不能够达到要求，再使用交互识别的方法进行匹配；
最后，对应特征点的匹配主要是两幅图像中点、边缘或者区域等几何基元的相似程度，再由同一特征点分别投影到两幅图像中形成的对应点的图像坐标，就能够根据数学模型计算出特征点的空间坐标；
本发明提供的缺陷评定模块6评定方法如下：
首先，在获取到结构表观缺陷特征点的空间坐标之后，缺陷的长度就可按空间中两点的距离求得，设空间中两点的坐标分别为P1(X1，Y1，Z1)，P2(X2，Y2，Z2)，则长度计算公式为：
然后，缺陷的深度测量首先需要建立一个测量基准面，所求到的深度就是相对于此基准面的，这个基准面是空间的，利用三维空间中的特征点，根据空间平面的计算公式求得该空间平面，设空间中三个点的坐标分别为P1(X1，Y1，Z1)，P2(X2，Y2，Z2)，P3(X3，Y3，Z3)，则空间平面方程为：
(Y1Z2+Y2Z3+Y3Z1)-(Y3Z2+Y2Z1+Y1Z3)＝A
(X1Z2+X2Z3+X3Z1)-(X2Z2+X2Z.+X1Z3)＝B
令
(X2Y2+X2Y3+X3Y1)-(X3Y1+X2Y1+X3Y3)＝C
(X1Y2Z3+X2Y3Z1+X3Y1Z3)-(X3Y2Z1+X2Y1Z3+X1Y3Z2)＝D
则平面方程为AX+BY+CZ+D＝0，
最后，设空间点的坐标为K(Xk，Yk，Zk)，则空间点到空间平面的距离为：
由此计算出结构表观缺陷的长度、宽度和深度信息，
因此只要获得了空间点在图像中的坐标，就能够计算出空间点的三维坐标，进而求得空间点的相对位置关系，也就完成了土木工程结构表观缺陷的损伤评定。
本发明提供的寿命预测模块7预测方法如下：
首先，根据数值分析或力学知识判断结构可能的控制截面；
其次，通过初始设计信息的统计结果假设各参数所服从分布，并由此计算结构抗力及荷载所服从的概率分布；
再次，计算荷载、收缩及徐变影响下的刚度衰减系数D(i)；进一步，更新结构抗力分布函数，由此得到此时的抗力概率分布，并到得可靠度-荷载曲线关系；
然后，建立可靠度-时间曲线，预测结构经历荷载步i后结构剩余使用寿命；
最后，结合实测信息不断更新剩余寿命预测结果，并以各控制截面的寿命最短值作为整个结构的剩余使用寿命。
本发明工作时，通过图像采集模块1采集土木工程结构图像数据；通过压力检测模块2采集土木工程结构压力数据；中央处理模块3调度无人机模块4通过无人机携带摄像器进行全方位图像采集；接着，通过图像处理模块5对采集图像中结构缺陷特征元素进行处理；通过缺陷评定模块6根据图像处理模块5获取的结构缺陷特征元素进行计算缺陷的长度、宽度和深度信息，土木工程结构表观缺陷的损伤评定；通过寿命预测模块7对土木工程结构寿命进行预测；最后，通过显示模块8显示采集图像数据信息。
下面结合具体分析对本发明作进一步描述。
缺陷评定模块，首先使用金属磁记忆检测仪对在役土木工程结构进行全方位检测，把检测数据代入公式，使缺陷量化，然后根据缺陷的量化结果进行在役土木工程结构失效因素的评定即：平面缺陷的断裂评定、平面缺陷的疲劳评定，再根据各失效因素建立模糊综合评价体系，对在役土木工程结构进行综合安全评价；
在役土木工程结构失效因素评定：
平面缺陷的断裂评定，评定方法为采用失效评定图的方法进行，失效评定曲线方程为：
垂直线的方程为：
的值取决于材料的特性：
平面缺陷的疲劳评定方法：
平首先依据疲劳裂纹扩展速率da/dN与裂纹尖端应力强度因子变化幅度ΔK关系式确定在规定的循环周期内疲劳裂纹的扩展量和最终尺寸；然后根据所给出的判别条件和方法，来判断该平面缺陷是否会发生裂缝和疲劳断裂，除所规定的平面缺陷外，还包括裂纹、未融合、未焊透。
进一步，模糊综合评价系统包括：
建立因素集：
影响在役土木工程结构的各种参数组成因素集合，取二级因素U＝{u1,u2,u3,u4}＝{缺陷，重要部件，材质，内部环境}，u1＝{u11,u12}＝{平面缺陷的断裂失效，平面缺陷的疲劳失效}，u2＝{u21,u22,u23,u24}＝{胶芯，活塞，密封圈，液压控制油路}，u3＝{u31,u32,u33}＝{材料加工质量，材料机械性能，设计合理性}，u4＝{u41,u42,u43}＝{压力，温度，腐蚀性}；
建立评价集：
为了对各评价指标进行定量分析需要确定各指标的评价集，采用5级百分制评价把评价集V划分5个评价等级，即V＝{v1，v2，v3，v4，v5}＝{极小，很小，小，较大，大}，其中v1为在役土木工程结构多因素失效危险性极小，评分区间为90～100，中值为95；v2为危险性很小，评分区间为80～89，中值为84.5；依此类推；选择各区间的中值作为等级的参数，则5个等级所对应的参数为{95，84.5，74.5，64.5，49.5}，参数列向量为ν＝{95，84.5，74.5，64.5，49.5}T；
建立权重集：
(1)建立递阶层次结构：
根据建立的在役土木工程结构评价因素集即评价指标体系，将问题所包含的各因素分为四个层次：第一层是评价的总目标层G，即在役土木工程结构综合安全；第二层是准则层C，即缺陷，重要部件，材质和内部环境；最后将个具体指标作为第三层，即指标层P；
(2)构造两两比较判断矩阵：
邀请土木工程结构安全方面，根据1～9标度法逐层对各个要素两两之间进行重要性程度赋值，构造判断矩阵U＝(uij)n×n，其中uij表示因素ui和uj相对于准则层的重要值，矩阵U具有性质：uii＝1,uij＝1/uji,i,j＝1,2,…,n，得出判断矩阵：将矩阵X1～X5按列归一化，即：
计算出矩阵Y为：
(3)单一准则下元素相对权重的计算：
将Y矩阵按行相加，由公式得出：
W1＝(2.652 0.686 0.253 0.409)T
W2＝(1 1)T
W3＝(1.273 0.371 0.221 2.135)T
W4＝(1.9 0.319 0.781)T
W5＝(2.121 0.604 0.275)T
将得到的和向量进行归一化处理，由公式可得权向量：
(4)判断矩阵的一致性检验：
计算判断矩阵的最大特征根λmax，由公式计算得出:
根据公式进行一致性检验，得到：
CI1＝0.019
CI2＝0
CI3＝0.031
CI4＝0.020
CI5＝0.048
由公式得：
CR1＝0.022
CR2＝0
CR3＝0.035
CR4＝0.038
CR5＝0.092
CR＜0.1，均满足一致性要求，因此各因素的相对权重
隶属度计算：
多位使用频数统计法，对被评价的各项指标按评价集对在役土木工程结构各项指标的危险程度进行评级，得到因素集的隶属度：
确定评判隶属矩阵：
由得到第k个因素集的相对隶属度矩阵：
其中：
式中：Rk—第k个因素集的相对隶属度矩阵；
rkij—第k个因素集的第i个因素属于评价集中的j的隶属度；
pkij—组成员对第k个因素集的第i个因素指标评级为j的频数；
构造模糊评判矩阵：
由各指标的权向量和矩阵R可构造模糊评判矩阵B，
计算综合评判结果：
由模糊评判矩阵B和评价集的参数列向量，可求得综合评判结果Z；
Z＝B·V
由上式可得到模糊综合评价的结果，再根据评价等级规定，可以评定在役土木工程结构多因素失效危险性大小。
图2是本发明实施例提供的表观缺陷的表征图例示意图；
图3是本发明实施例提供的应力变化范围分布直线示意图。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种用于土木工程结构表观缺陷的评定检测系统，其特征在于，所述用于土木工程结构表观缺陷的评定检测系统包括：
图像采集模块，与中央处理模块连接，用于通过摄像器采集土木工程结构图像数据；
压力检测模块，与中央处理模块连接，用于通过压力传感器采集土木工程结构压力数据；
中央处理模块，与图像采集模块、压力检测模块、无人机模块、图像处理模块、缺陷评定模块、寿命预测模块、显示模块连接，用于控制各个模块正常工作；
中央处理模块集成有信号L0范数最小化优化模块，所述信号L0范数最小化优化模块的信号L0范数最小化优化方法包括：
基于L0范数最小化的优化算法为：
其中，f表示待处理的谱线向量，维数为V×1，e表示处理后的谱线向量，维数为V×1；ΦBV表示B×V维的测量矩阵，其中，ΦBV取用随机的高斯矩阵，|| ||2表示向量的2范数，|| ||0表示向量的0范数；
优化算法采用的迭代公式为：
其中，f(j)表示第j次迭代得到的谱线向量，s表示ΦΓ×Φ的最大特征值，Γ表示对矩阵求转置，k～(1,V)，χ＝σ/4，σ表示噪声的标准差，由下式求得：
σ＝Median(|f|)/0.6745；
其中，Median表示求向量中元素的中位数；
优化算法的终止条件为：
||f(j+1)-f(j)||2≤ε。
中央处理模块还集成有信号局部阈值模块，所述信号局部阈值模块的信号局部阈值方法包括：
局部阈值为z*σ′，其中，z为一常数，σ′是每一个窗内的谱线的幅度标准差，定义为：
其中，Q为每个窗内的谱线条数，|S(fi)|表示频率为fi的谱线对应的幅度值；
中央处理模块还集成有信号窗内谱线强度均值比局部最大值计算模块，所述信号窗内谱线强度均值比局部最大值计算模块的信号窗内谱线强度均值比局部最大值计算方法包括：
谱线强度均值比|I(fi)|的表达式为：
对每一个窗内的谱线求强度均值比，并搜索得到窗内强度均值比的局部最大值|I(f0)|，f0为一个窗内强度均值比最大值所对应的频率；
无人机模块，与中央处理模块连接，用于通过无人机携带摄像器进行全方位图像采集；
图像处理模块，与中央处理模块连接，用于对采集图像中结构缺陷特征元素进行处理；
缺陷评定模块，与中央处理模块连接，用于通过图像处理模块5获取的结构缺陷特征元素进行计算缺陷的长度、宽度和深度信息，土木工程结构表观缺陷的损伤评定；缺陷评定模块，首先使用金属磁记忆检测仪对在役土木工程结构进行全方位检测，把检测数据代入公式，使缺陷量化，然后根据缺陷的量化结果进行在役土木工程结构失效因素的评定即：平面缺陷的断裂评定、平面缺陷的疲劳评定，再根据各失效因素建立模糊综合评价体系，对在役土木工程结构进行综合安全评价；
寿命预测模块，与中央处理模块连接，用于对土木工程结构寿命进行预测；
显示模块，与中央处理模块连接，用于显示采集图像数据信息。
2.如权利要求1所述用于土木工程结构表观缺陷的评定检测系统，其特征在于，
在役土木工程结构失效因素评定：
平面缺陷的断裂评定，评定方法为采用失效评定图的方法进行，失效评定曲线方程为：
垂直线的方程为：
的值取决于材料的特性：
平面缺陷的疲劳评定方法：
平首先依据疲劳裂纹扩展速率da/dN与裂纹尖端应力强度因子变化幅度ΔK关系式确定在规定的循环周期内疲劳裂纹的扩展量和最终尺寸；然后根据所给出的判别条件和方法，来判断该平面缺陷是否会发生裂缝和疲劳断裂，除所规定的平面缺陷外，还包括裂纹、未融合、未焊透。
3.如权利要求1所述用于土木工程结构表观缺陷的评定检测系统，其特征在于，
模糊综合评价系统包括：
建立因素集：
影响在役土木工程结构的各种参数组成因素集合，取二级因素U＝{u1,u2,u3,u4}＝{缺陷，重要部件，材质，内部环境}，u1＝{u11,u12}＝{平面缺陷的断裂失效，平面缺陷的疲劳失效}，u2＝{u21,u22,u23,u24}＝{胶芯，活塞，密封圈，液压控制油路}，u3＝{u31,u32,u33}＝{材料加工质量，材料机械性能，设计合理性}，u4＝{u41,u42,u43}＝{压力，温度，腐蚀性}；
建立评价集：
为了对各评价指标进行定量分析需要确定各指标的评价集，采用5级百分制评价把评价集V划分5个评价等级，即V＝{v1，v2，v3，v4，v5}＝{极小，很小，小，较大，大}，其中v1为在役土木工程结构多因素失效危险性极小，评分区间为90～100，中值为95；v2为危险性很小，评分区间为80～89，中值为84.5；依此类推；选择各区间的中值作为等级的参数，则5个等级所对应的参数为{95，84.5，74.5，64.5，49.5}，参数列向量为ν＝{95，84.5，74.5，64.5，49.5}T；
建立权重集：
(1)建立递阶层次结构：
根据建立的在役土木工程结构评价因素集即评价指标体系，将问题所包含的各因素分为四个层次：第一层是评价的总目标层G，即在役土木工程结构综合安全；第二层是准则层C，即缺陷，重要部件，材质和内部环境；最后将个具体指标作为第三层，即指标层P；
(2)构造两两比较判断矩阵：
邀请土木工程结构安全方面，根据1～9标度法逐层对各个要素两两之间进行重要性程度赋值，构造判断矩阵U＝(uij)n×n，其中uij表示因素ui和uj相对于准则层的重要值，矩阵U具有性质：uii＝1,uij＝1/uji,i,j＝1,2,…,n，得出判断矩阵：将矩阵X1～X5按列归一化，即：
计算出矩阵Y为：
(3)单一准则下元素相对权重的计算：
将Y矩阵按行相加，由公式得出：
W1＝(2.652 0.686 0.253 0.409)T
W2＝(1 1)T
W3＝(1.273 0.371 0.221 2.135)T
W4＝(1.9 0.319 0.781)T
W5＝(2.121 0.604 0.275)T
将得到的和向量进行归一化处理，由公式可得权向量：
(4)判断矩阵的一致性检验：
计算判断矩阵的最大特征根λmax，由公式计算得出:
根据公式进行一致性检验，得到：
CI1＝0.019
CI2＝0
CI3＝0.031
CI4＝0.020
CI5＝0.048
由公式得：
CR1＝0.022
CR2＝0
CR3＝0.035
CR4＝0.038
CR5＝0.092
CR＜0.1，均满足一致性要求，因此各因素的相对权重
隶属度计算：
多位使用频数统计法，对被评价的各项指标按评价集对在役土木工程结构各项指标的危险程度进行评级，得到因素集的隶属度：
确定评判隶属矩阵：
由得到第k个因素集的相对隶属度矩阵：
其中：
式中：Rk—第k个因素集的相对隶属度矩阵；
rkij—第k个因素集的第i个因素属于评价集中的j的隶属度；
pkij—组成员对第k个因素集的第i个因素指标评级为j的频数；
构造模糊评判矩阵：
由各指标的权向量和矩阵R可构造模糊评判矩阵B，
计算综合评判结果：
由模糊评判矩阵B和评价集的参数列向量，可求得综合评判结果Z；
Z＝B·V
由上式可得到模糊综合评价的结果，再根据评价等级规定，可以评定在役土木工程结构多因素失效危险性大小。
4.如权利要求1所述用于土木工程结构表观缺陷的评定检测系统，其特征在于，所述图像处理模块处理方法如下：
首先，表观缺陷图像特征点的匹配是通过图像匹配的方法，寻找出两幅图像中特征点之间相互的对应关系，从而确定出同一个特征点分别在两幅图像中的坐标，缺陷图像的特征匹配需要对两幅表观缺陷图像进行特征提取，可采用Harris角点提取算法、SUSAN角点提取算法或SIFT特征点提取算法；
然后，在获取图像的坐标时，采用交互识别和自动特征匹配两种方法，先通过自动匹配方法进行特征点的匹配，如匹配结果不能够达到要求，再使用交互识别的方法进行匹配；
最后，对应特征点的匹配主要是两幅图像中点、边缘或者区域等几何基元的相似程度，再由同一特征点分别投影到两幅图像中形成的对应点的图像坐标，就能够根据数学模型计算出特征点的空间坐标。
5.如权利要求1所述用于土木工程结构表观缺陷的评定检测系统，其特征在于，所述缺陷评定模块评定方法还包括：
首先，在获取到结构表观缺陷特征点的空间坐标之后，缺陷的长度就可按空间中两点的距离求得，设空间中两点的坐标分别为P1(X1，Y1，Z1)，P2(X2，Y2，Z2)，则长度计算公式为：
然后，缺陷的深度测量首先需要建立一个测量基准面，所求到的深度就是相对于此基准面的，这个基准面是空间的，利用三维空间中的特征点，根据空间平面的计算公式求得该空间平面，设空间中三个点的坐标分别为P1(X1，Y1，Z1)，P2(X2，Y2，Z2)，P3(X3，Y3，Z3)，则空间平面方程为：
[(Y1Z2+Y2Z3+Y3Z1)-(Y3Z2+Y2Z1+Y1Z3)]X
+[(X1Z2+X2Z3+X3Z1)-(X2Z2+X2Z.+X1Z3)]Y
+[(X1Y2+X2Y3+X3Y1)-(X3Y1+X2Y1+X3Y3)]Z
+[(X1Y2Z3+X2Y3Z1+X3Y1Z3)-(X3Y2Z1+X2Y1Z3+X1Y3Z2)]＝0
(Y1Z2+Y2Z3+Y3Z1)-(Y3Z2+Y2Z1+Y1Z3)＝A
(X1Z2+X2Z3+X3Z1)-(X2Z2+X2Z.+X1Z3)＝B
令
(X1Y2+X2Y3+X3Y1)-(X3Y1+X2Y1+X3Y3)＝C
(X1Y2Z3+X2Y3Z1+X3Y1Z3)-(X3Y2Z1+X2Y1Z3+X1Y3Z2)＝D
则平面方程为AX+BY+CZ+D＝0，
最后，设空间点的坐标为K(Xk，Yk，Zk)，则空间点到空间平面的距离为：
由此计算出结构表观缺陷的长度、宽度和深度信息，
因此只要获得了空间点在图像中的坐标，就能够计算出空间点的三维坐标，进而求得空间点的相对位置关系，也就完成了土木工程结构表观缺陷的损伤评定。
6.如权利要求1所述用于土木工程结构表观缺陷的评定检测系统，其特征在于，所述寿命预测模块预测方法如下：
首先，根据数值分析或力学知识判断结构可能的控制截面；
其次，通过初始设计信息的统计结果假设各参数所服从分布，并由此计算结构抗力及荷载所服从的概率分布；
再次，计算荷载、收缩及徐变影响下的刚度衰减系数D(i)；进一步，更新结构抗力分布函数，由此得到此时的抗力概率分布，并到得可靠度-荷载曲线关系；
然后，建立可靠度-时间曲线，预测结构经历荷载步i后结构剩余使用寿命；
最后，结合实测信息不断更新剩余寿命预测结果，并以各控制截面的寿命最短值作为整个结构的剩余使用寿命。
CN201810390546.0A 2018-04-27 2018-04-27 一种用于土木工程结构表观缺陷的评定检测系统 Pending CN108956638A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810390546.0A CN108956638A (zh) 2018-04-27 2018-04-27 一种用于土木工程结构表观缺陷的评定检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810390546.0A CN108956638A (zh) 2018-04-27 2018-04-27 一种用于土木工程结构表观缺陷的评定检测系统

Publications (1)

Publication Number Publication Date
CN108956638A true CN108956638A (zh) 2018-12-07

Family

ID=64499672

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810390546.0A Pending CN108956638A (zh) 2018-04-27 2018-04-27 一种用于土木工程结构表观缺陷的评定检测系统

Country Status (1)

Country Link
CN (1) CN108956638A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109459490A (zh) * 2018-12-31 2019-03-12 李家琪 一种实验室贮气罐压力容器缺陷量化分析装置
CN109738460A (zh) * 2019-01-28 2019-05-10 西京学院 一种用于土木工程结构表观缺陷的评定检测系统
CN110132511A (zh) * 2019-05-30 2019-08-16 山东省建筑科学研究院 一种基于动挠度衰减规律的桥梁结构监测评估方法
CN110880170A (zh) * 2019-10-22 2020-03-13 四川沐迪圣科技有限公司 一种复合材料缺陷的深度预测方法
CN110910379A (zh) * 2019-11-29 2020-03-24 珠海大横琴科技发展有限公司 一种残缺检测方法及装置
CN112767322A (zh) * 2021-01-05 2021-05-07 成都圭目机器人有限公司 一种机场水泥道面fod风险评估方法和装置
CN113064450A (zh) * 2021-04-01 2021-07-02 河海大学 一种基于退火算法的量子粒子群求解无人机路径规划方法
WO2021224893A1 (en) * 2020-05-08 2021-11-11 Sun Chi Chun Systems and methods for artificial intelligence powered inspections and predictive analyses

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101122560A (zh) * 2007-08-23 2008-02-13 南京航空航天大学 机械结构的裂纹扩展率和裂纹扩展寿命预测方法
CN102183524A (zh) * 2011-01-10 2011-09-14 哈尔滨工业大学 用于土木工程结构表观缺陷评定的双ccd检测方法及系统
CN102183525A (zh) * 2011-01-20 2011-09-14 单宝华 基于ccd阵列摄像技术的桥梁表观状态自动检测装置及其方法
US20120303056A1 (en) * 2011-05-06 2012-11-29 Guoqiang Li Thermosetting Shape Memory Polymers with Ability to Perform Repeated Molecular Scale Healing
CN104112134A (zh) * 2014-07-09 2014-10-22 宁波摩视光电科技有限公司 一种基于aoi的子弹表观缺陷检测系统的图像二值化分割方法
CN105893689A (zh) * 2016-04-15 2016-08-24 中山市公路局 一种桥梁可靠度预测方法及其养护方法
CN106407625A (zh) * 2016-11-23 2017-02-15 福州大学 一种土木工程结构可靠度演化及剩余寿命预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101122560A (zh) * 2007-08-23 2008-02-13 南京航空航天大学 机械结构的裂纹扩展率和裂纹扩展寿命预测方法
CN102183524A (zh) * 2011-01-10 2011-09-14 哈尔滨工业大学 用于土木工程结构表观缺陷评定的双ccd检测方法及系统
CN102183525A (zh) * 2011-01-20 2011-09-14 单宝华 基于ccd阵列摄像技术的桥梁表观状态自动检测装置及其方法
US20120303056A1 (en) * 2011-05-06 2012-11-29 Guoqiang Li Thermosetting Shape Memory Polymers with Ability to Perform Repeated Molecular Scale Healing
CN104112134A (zh) * 2014-07-09 2014-10-22 宁波摩视光电科技有限公司 一种基于aoi的子弹表观缺陷检测系统的图像二值化分割方法
CN105893689A (zh) * 2016-04-15 2016-08-24 中山市公路局 一种桥梁可靠度预测方法及其养护方法
CN106407625A (zh) * 2016-11-23 2017-02-15 福州大学 一种土木工程结构可靠度演化及剩余寿命预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴真: "Underlay频谱共享下时频重叠信号的参数估计", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
林卉等: "《数字摄影测量学》", 31 August 2015 *
柳军等: "基于压力容器缺陷量化的综合安全评价方法", 《机械强度》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109459490A (zh) * 2018-12-31 2019-03-12 李家琪 一种实验室贮气罐压力容器缺陷量化分析装置
CN109738460A (zh) * 2019-01-28 2019-05-10 西京学院 一种用于土木工程结构表观缺陷的评定检测系统
CN110132511A (zh) * 2019-05-30 2019-08-16 山东省建筑科学研究院 一种基于动挠度衰减规律的桥梁结构监测评估方法
CN110880170A (zh) * 2019-10-22 2020-03-13 四川沐迪圣科技有限公司 一种复合材料缺陷的深度预测方法
CN110880170B (zh) * 2019-10-22 2023-10-31 四川沐迪圣科技有限公司 一种复合材料缺陷的深度预测方法
CN110910379A (zh) * 2019-11-29 2020-03-24 珠海大横琴科技发展有限公司 一种残缺检测方法及装置
WO2021224893A1 (en) * 2020-05-08 2021-11-11 Sun Chi Chun Systems and methods for artificial intelligence powered inspections and predictive analyses
CN112767322A (zh) * 2021-01-05 2021-05-07 成都圭目机器人有限公司 一种机场水泥道面fod风险评估方法和装置
CN112767322B (zh) * 2021-01-05 2023-06-13 成都圭目机器人有限公司 一种机场水泥道面fod风险评估方法和装置
CN113064450A (zh) * 2021-04-01 2021-07-02 河海大学 一种基于退火算法的量子粒子群求解无人机路径规划方法
CN113064450B (zh) * 2021-04-01 2022-02-08 河海大学 一种基于退火算法的量子粒子群求解无人机路径规划方法

Similar Documents

Publication Publication Date Title
CN108956638A (zh) 一种用于土木工程结构表观缺陷的评定检测系统
CN110246112B (zh) 基于深度学习的激光扫描slam室内三维点云质量评价方法
KR102112046B1 (ko) 시설물 안전진단 및 유지관리 방법
Jeong et al. Literature review and technical survey on bridge inspection using unmanned aerial vehicles
Sánchez‐Rodríguez et al. Detection of structural faults in piers of masonry arch bridges through automated processing of laser scanning data
Kung et al. Application of deep learning and unmanned aerial vehicle on building maintenance
CN116595121B (zh) 一种基于遥感技术数据显示监测系统
Dogan et al. Detection of damages caused by earthquake and reinforcement corrosion in RC buildings with Deep Transfer Learning
KR102669058B1 (ko) 스마트 휴대기기를 활용한 시설물 안전점검 시스템 및 그 방법
CN115879654A (zh) 一种地下巷道稳定性预测和可靠性评价方法
CN113155109A (zh) 超高层建筑工程测量的监理控制方法、系统、设备及介质
CN118171069B (zh) 基于三维点云的桥梁状态分析方法及系统
Ma et al. Complex texture contour feature extraction of cracks in timber structures of ancient architecture based on YOLO algorithm
CN118037741B (zh) 基于机器视觉的人字门焊接质量检测方法及系统
CN117688313A (zh) 一种网络协同处理测绘数据的方法
Truong-Hong et al. Measuring deformation of bridge structures using laser scanning data
Ichi Validating NDE Dataset and Benchmarking Infrared Thermography for Delamination Detection in Bridge Decks
Ma et al. Drone aided machine-learning tool for post-earthquake bridge damage reconnaissance
Mohammadi Point cloud analysis for surface defects in civil structures
Wang et al. Building damage inspection method using UAV-based data acquisition and deep learning-based crack detection
Varshavskiy et al. Analysis of monitoring data of the street-road network
Liang et al. Fast Extraction Algorithm of Planar Targets Based on Point Cloud Data for Monitoring the Synchronization of Bridge Jacking Displacements
Wang Research on Intelligent Detection and Detection of Engineering Structures Based on Particle Swarm Optimization Algorithm
Kalasapudi et al. Condition diagnostics of steel water tanks using correlated visual patterns
Truong-Hong et al. Identifying bridge deformation using laser scanning data

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181207

RJ01 Rejection of invention patent application after publication