CN109490072B - 一种土木工程建筑用检测系统及其检测方法 - Google Patents
一种土木工程建筑用检测系统及其检测方法 Download PDFInfo
- Publication number
- CN109490072B CN109490072B CN201811172076.7A CN201811172076A CN109490072B CN 109490072 B CN109490072 B CN 109490072B CN 201811172076 A CN201811172076 A CN 201811172076A CN 109490072 B CN109490072 B CN 109490072B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- crack
- component
- detection
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 121
- 238000004458 analytical method Methods 0.000 claims abstract description 72
- 238000010276 construction Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000006073 displacement reaction Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 239000000463 material Substances 0.000 claims abstract description 14
- 238000009412 basement excavation Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 48
- 238000011156 evaluation Methods 0.000 claims description 28
- 239000013307 optical fiber Substances 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 16
- 229910000831 Steel Inorganic materials 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 239000010959 steel Substances 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000013501 data transformation Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000005553 drilling Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004040 coloring Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 7
- 238000012546 transfer Methods 0.000 claims 1
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
- G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/006—Crack, flaws, fracture or rupture
- G01N2203/0062—Crack or flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/06—Indicating or recording means; Sensing means
- G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
- G01N2203/0647—Image analysis
Abstract
本发明属于建筑工程检测技术领域，公开了一种土木工程建筑用检测系统及其检测方法，包括，输入模块、测量模块、造价模块、进度模块、分析模块、强度检测模块、位移检测模块、裂缝检测模块、反馈模块；通过输入模块使结构信息等进行输入；通过测量模块，获取土方开挖、测量放线的数据；通过造价模块，计算工程造价数据；通过进度模块，统计工程进度数据；通过强度检测模块获得构件的强度；通过位移检测模块获得构件和整体建筑的位移；通过裂缝检测模块获得构件的裂缝数据。本发明能够将数据统一进行分析处理，节省人力物力；能够将各个检测环节结合起来，增强各部分的联系。
Description
技术领域
本发明属于建筑工程检测技术领域，尤其涉及土木工程建筑用检测系统及其检测方法。
背景技术
目前，业内常用的现有技术是这样的：中国的建设速度领先世界，今年了中国的建设速度受到全世界瞩目，在速度提高的同时，质量也受到重视；目前的土木工程建筑检测不仅消耗大量的人力物力采集数据，而且使用的设备也五花八门，无法将这些数据统一分析处理；从项目定下来之后到勘探、设计，再到预算、施工，中间的技术人员数目太多，缺少一种将这些人员集合起来的系统；当建筑物复杂时，检测工作就更加困难，并且单个构件检测不能很好的反应真实的问题，缺少一个能综合这些数据的系统。
综上所述，现有技术存在的问题是：
(1)目前的土木工程建筑检测不仅消耗大量的人力物力采集数据，而且使用的设备也五花八门，无法将这些数据统一分析处理，对各种数据的分析速率较慢，工作效率较低。
(2)从项目定下来之后到勘探、设计，再到预算、施工，中间的技术人员数目太多，缺少一种将这些人员集合起来的系统，造价与进度的预测误差较大，易造成在施工时对造价与进度难以进行掌控。
(3)建筑物复杂时，检测工作就更加困难，并且单个构件检测不能很好的反应真实的问题，缺少一个能综合这些数据的系统。
(4)钻芯法会对结构混凝土造成局部损伤，检测成本高，难以广泛使用，加上操作流程长，检测数据可能会出现遗漏，替换等情况，数据的真实性不高。
(5)结构裂缝监测是评估结构安全性的重要依据之一，由于混凝土上分布裂缝多，容易造成漏检。
(6)传统采用的换算截面法虽然公式简单，但是没有考虑到组合梁的滑移效应，高估了组合梁截面的抗弯刚度，导致换算截面法计算的挠度小于实际值，偏于不安全。
发明内容
针对现有技术存在的问题，本发明提供了一种土木工程建筑用检测系统及其检测方法。
本发明是这样实现的，一种土木工程建筑用检测方法包括：
通过强度检测模块获得构件的强度数据；具体包括：
将强度检测模块集成的影像检测器内置的图像去噪模型应用到同一区域构件样本预处理中，建立带权的高斯平滑滤波器矩阵模型，计算高斯平滑中心点相对左右阀值的差值和，最后计算高斯平滑处理后的样本值；
将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度，得到对构件单项指标评价；计算综合权重，得到不同强度对应的综合评定权重；最后使用模糊模型中统一化权重计算，得到构件综合权重矩阵，计算得到构件状况；
区域性分析，通过不同构件区域强度偏差热力图着色情况，了解到各构件强度偏差对比度，通过构件名称关键字索引，调用云服务端接口，实时与库存数据进行强度对比；服务器端调用构件评价模块完成构件数据处理、评定；结合构件位置，转换成能提供强度偏差热力图使用的JSON格式数据包；实现动态实时刷新热力图；
改进的因子定权模型成果展示，各项指标评价子模块是前期构件预处理结果的呈现，将海量数据通过高斯去噪模型处理后，得到合理指标数据；通过因子定权模型分析，将数据经傅立叶加权变换转换成对应强度偏差度的强度偏差值，得到最后构件强度偏差等级；构件基础信息子模块实时显示构件预处理和评价过程中的关键数据信息，让用户直观了解构件评价中各项指标动态因子权重和强度偏差等级因子隶属概率；
结合相关分析算法对当前各项超标构件指标和预测超标指标向用户发出警报，以构件评价模块计算数据为基础，设置强度偏差警报指数，根据BP神经网络预测算法，预测下一区域的构件各项强度偏差指标值，根据监控数据实时自动向用户发出警报；
通过位移检测模块获得构件和整体建筑的位移数据；通过裂缝检测模块获得构件的裂缝数据；构件的强度数据、位移数据、裂缝数据均传输到分析模块。
进一步，所述土木工程建筑用检测方法具体包括：
步骤一，通过输入模块使勘探人员、设计人员将建筑的地质信息，材料信息、建筑信息、结构信息进行输入，传输到分析模块；
步骤二，通过测量模块，获取土方开挖、测量放线的数据，传输到分析模块；
步骤三，通过造价模块，计算工程造价数据，传输到分析模块，造价模块对工程造价的预测采用数列灰色预测法，数列灰色预测步骤为：
(1)数列级比检验：设X(0)＝(x(0)(1)，x(0)(2)，...，x(0)(n))，
x(0)(k)，x(0)(k-1)∈X(0)，则称
为X(0)的向前级比，称
为X(0)的向后级比，当
或
时则序列X(0)可作为GM(1，1)建模；
(2)数据变换处理：数据变换处理的原则是经过处理的序列级比落在可容覆盖中，对于级比不合格的序列，可保证经过选择数据变换处理后能够进行GM(1，1)建模；
(3)GM建模：GM(1，1)模型为：x(0)(k)+az(1)(k)＝b；GM(2，1)模型为：
x(-1)(k)+a1x(0)(k)+a2z(1)(k)＝b；Verhulst模型：x(0)(k)+az(1)(k)＝b[z(1)(k)]2；
灰色Verhulst模型的时间响应序列为：
步骤四，通过进度模块，统计工程进度数据，传输到分析模块，通过进度模块可以进行工程进度的预测，预测的数学模型为：
式中：
为某一种测度；TM计划目标进度；TY预测进度；
步骤五，通过强度检测模块获得构件的强度；通过位移检测模块获得构件和整体建筑的位移；通过裂缝检测模块获得构件的裂缝数据；传输到分析模块；
步骤六，通过分析模块，将获得的数据与输入的各种信息进行计算分析，将结果传输到反馈模块，分析模块采用模糊聚类分析法进行数据分析，模糊聚类分析法的步骤为：
(1)对检测到的原始数据矩阵作如下两种变换：
①平移*标准差变换：
②平移*极差变换：
(2)建立模糊相似矩阵
应用数量积法求出被分类对象间相似程度的相似系数rij，建立模糊相似矩阵R＝(rij)，数量积法计算公式为：
(3)建立模糊等价关系矩阵
由模糊相似矩阵,用平方法求R的传递闭包t(R)＝R*，求R2＝RR,R4＝R2R2,……经n次褶积运算后,得到R2n＝Rn。则R*＝Rn,即是所求的模糊等价矩阵；
(4)模糊聚类
根据模糊等价矩阵,取不同的置信水平λ，得到不同的归类情况,随着λ值不断降低,由细到粗逐渐分类,得到聚类结果；
步骤七，通过反馈模块将超限数据、进度落后数据反馈，并将数据传输到输入模块与原始数据进行对比。
进一步，位移检测模块获得构件和整体建筑的位移数据方法、裂缝检测模块获得构件的裂缝数据方法可采用强度检测模块获得构件的强度数据的运算法则，只是检测的对象差异；
高斯去噪模型的步骤如下：
步骤一，建立带权的高斯平滑滤波器矩阵模型：
式中:Q为滤波器矩阵，Q为1*n的矩阵；
n为矩阵大小阀值；
i为距离中心坐标点的相对坐标值，即Q[i]所得为该坐标点相对中心点的权重差；
步骤二，计算高斯平滑中心点相对左右阀值的差值和；
式中:S[k]为中心点相对左右阀值的差值和；
buf[k]为中心点的样本测量值；
n为滤波器矩阵大小；
步骤三，计算高斯平滑处理后的样本值：
式中:buf′[k]为中心点处理后的值；
buf[k]为中心点的样本测量值；
n为滤波器矩阵大小；
因子定权模型的算法步骤如下：
步骤一，将因子分子与模糊数学隶属度结合得到因子隶属度，如公式：
式中x0代表构件指标前一个强度偏差等级。
进一步，强度检测模块的修正方法为钻芯修正法，对回弹法检测结果及超声回弹综合法检测结果进行修正，修正系数η计算公式如下：
式中：
为对应于第i个芯样试件的混凝土抗压强度推定值；
为第i个芯样(80mm×80mm)试件的抗压强度实测值；n为芯样数量。
进一步，裂缝检测模块的检测方法为，基于分布式光纤传感的混凝土裂缝识别，对应裂缝形成阶段的光纤理论应变仅为混凝土应变，
εf＝ε1；
其中，εf为光纤测试应变，ε1为混凝土应变值，其值小于混凝土极限拉应变；
裂缝发展阶段:光纤理论应变由未裂缝混凝土应变和裂缝宽度变化引起，如下式所示:
其中，L'为标距为L的光纤受拉后的长度，ε1…εn为各段混凝土的应变值，d1…dn为各未开裂段混凝土长度，w1…wn为各条裂缝宽度值；
裂缝稳定开展阶段:裂缝稳定发展阶段，不再出现新裂缝，混凝土退出工作，光纤理论应变仅由裂缝宽度变化引起:
位移检测模块的梁挠度计算方法为，改进折减刚度法，在挠度计算时考虑滑移效应的折减刚度B按下式确定：
式中：E为钢材的弹性模量；Ieq为组合梁的换算截面惯性矩；ζ为刚度折减系数，按下式计算：
式中：Acf、A分别为混凝土翼板和钢梁的截面面积；Icf、I分别为混凝土翼板和钢梁的截面惯性矩；dc为钢梁截面形心到混凝土翼板截面形心的距离；h为组合梁截面高度；l为组合梁的跨度；k为抗剪连接件刚度系数；p为抗剪连接件的纵向平均间距；ns为抗剪连接件在一根梁上的列数；αE为钢材与混凝土弹性模量的比值。
本发明的另一目的在于提供一种实现所述土木工程建筑用检测方法的计算机程序。
本发明的另一目的在于提供一种实现所述土木工程建筑用检测方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的土木工程建筑用检测方法。
本发明的另一目的在于提供一种实施所述土木工程建筑用检测方法的土木工程建筑用检测系统，所述的土木工程建筑用检测系统包括：输入模块、测量模块、造价模块、进度模块、分析模块、强度检测模块、位移检测模块、裂缝检测模块、反馈模块；
输入模块与分析模块连接，用于输入模块使勘探人员、设计人员将建筑的地质信息，材料信息、建筑信息；
测量模块与分析模块连接，用以获取土方开挖、测量放线的数据；
造价模块与分析模块连接，用以计算工程造价数据；
进度模块与分析模块连接，用以统计工程进度数据；
强度检测模块、位移检测模块、裂缝检测模块与分析模块连接，用以获得构件的强度、裂缝、构件和整体建筑的位移数据；
分析模块与反馈模块连接，反馈模块与输入模块连接，用以超限数据、进度落后数据的反馈，病情将数据传输到输入模块进行原始数据对比。
本发明的另一目的在于提供一种建筑工程检测平台，所述建筑工程检测平台至少搭载所述的土木工程建筑用检测系统。
本发明的优点及积极效果为：
本发明能够将数据统一进行分析处理，分析模块采用模糊聚类分析方法，能够通过对原始数据矩阵的改进，能够处理大量的数据，节省人力物力，提高工作效率。
本发明能够将各个检测环节结合起来，增强各部分的联系，通过采用改进的工程造价与进度的预测方法，提高了对工程造价和进度预测的准确性，提高了对造价与进度的掌控程度。
建筑物复杂时，检测工作的单个构件数据能通过系统综合起来，使检测结果更加准确。
钻取混凝土芯样修正超声回弹检测值，可以有效排除混凝土原材料品种、原材料用量、龄期、碳化、表面状况等因素的影响，保证检测结果的准确性和可靠性。
分布式光纤裂缝监测技术(BOTDA/R)可有效避免点式检测空间不连续造成的漏检现象。
改进的折减刚度法克服了现行规范中采用的折减刚度法所存在随着抗剪连接程度的增大，挠度反而变大的反常现象；并且考虑了边界条件对组合梁折减刚度的影响；通过对已有不同计算方法进行对比分析，改进折减刚度法不仅形式简单，计算方便，而且检测结果与精确解吻合较好，使结构更加安全。
本发明通过强度检测模块获得构件的强度数据；
将强度检测模块集成的影像检测器内置的图像去噪模型应用到同一区域构件样本预处理中，建立带权的高斯平滑滤波器矩阵模型，计算高斯平滑中心点相对左右阀值的差值和，最后计算高斯平滑处理后的样本值；
将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度，得到对构件单项指标评价；计算综合权重，得到不同强度对应的综合评定权重；最后使用模糊模型中统一化权重计算，得到构件综合权重矩阵，计算得到构件状况；
区域性分析，通过不同构件区域强度偏差热力图着色情况，了解到各构件强度偏差对比度，通过构件名称关键字索引，调用云服务端接口，实时与库存数据进行强度对比；服务器端调用构件评价模块完成构件数据处理、评定；结合构件位置，转换成能提供强度偏差热力图使用的JSON格式数据包；实现动态实时刷新热力图；
改进的因子定权模型成果展示，各项指标评价子模块是前期构件预处理结果的呈现，将海量数据通过高斯去噪模型处理后，得到合理指标数据；通过因子定权模型分析，将数据经傅立叶加权变换转换成对应强度偏差度的强度偏差值，得到最后构件强度偏差等级；构件基础信息子模块实时显示构件预处理和评价过程中的关键数据信息，让用户直观了解构件评价中各项指标动态因子权重和强度偏差等级因子隶属概率；
结合相关分析算法对当前各项超标构件指标和预测超标指标向用户发出警报，以构件评价模块计算数据为基础，设置强度偏差警报指数，根据BP神经网络预测算法，预测下一区域的构件各项强度偏差指标值，根据监控数据实时自动向用户发出警报；
上述方案的运行，保证了检测的构件质量是否达标，相比于现有技术的人工处理方法，节省了大量劳动了和快捷性。
附图说明
图1是本发明实施例提供的土木工程建筑用检测方法流程图；
图2是本发明实施例提供的土木工程建筑用检测系统结构示意图；
图中：1、输入模块；2、测量模块；3、造价模块；4、进度模块；5、分析模块；6、强度检测模块；7、位移检测模块；8、裂缝检测模块；9、反馈模块。
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。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的土木工程建筑用检测方法包括以下步骤：
S101：通过输入模块使勘探人员、设计人员将建筑的地质信息，材料信息、建筑信息、结构信息等进行输入，传输到分析模块。
S102：通过测量模块，获取土方开挖、测量放线的数据，传输到分析模块。
S103：通过造价模块，计算工程造价数据，传输到分析模块。
S104：通过进度模块，统计工程进度数据，传输到分析模块。
S105：通过强度检测模块获得构件的强度；通过位移检测模块获得构件和整体建筑的位移；通过裂缝检测模块获得构件的裂缝数据；传输到分析模块。
S106：通过分析模块，将获得的数据与输入的各种信息进行计算分析，将结果传输到反馈模块。
S107：通过反馈模块将超限数据、进度落后数据反馈，并将数据传输到输入模块与原始数据进行对比。
如图2所示，本发明实施例提供的土木工程建筑用检测系统包括：
输入模块1、测量模块2、造价模块3、进度模块4、分析模块5、强度检测模块6、位移检测模块7、裂缝检测模块8、反馈模块9。
输入模块1与分析模块5连接，用于输入模块使勘探人员、设计人员将建筑的地质信息，材料信息、建筑信息；
测量模块2与分析模块5连接，用以获取土方开挖、测量放线的数据；造价模块3与分析模块5连接，用以计算工程造价数据；
进度模块4与分析模块5连接，用以统计工程进度数据；
强度检测模块6、位移检测模块7、裂缝检测模块8与分析模块5连接，用以获得构件的强度、裂缝、构件和整体建筑的位移数据；
分析模块5与反馈模块9连接，反馈模块9与输入模块1连接，用以超限数据、进度落后数据的反馈，病情将数据传输到输入模块进行原始数据对比。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的土木工程建筑用检测方法包括：
通过强度检测模块获得构件的强度数据；具体包括：
将强度检测模块集成的影像检测器内置的图像去噪模型应用到同一区域构件样本预处理中，建立带权的高斯平滑滤波器矩阵模型，计算高斯平滑中心点相对左右阀值的差值和，最后计算高斯平滑处理后的样本值；
将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度，得到对构件单项指标评价；计算综合权重，得到不同强度对应的综合评定权重；最后使用模糊模型中统一化权重计算，得到构件综合权重矩阵，计算得到构件状况；
区域性分析，通过不同构件区域强度偏差热力图着色情况，了解到各构件强度偏差对比度，通过构件名称关键字索引，调用云服务端接口，实时与库存数据进行强度对比；服务器端调用构件评价模块完成构件数据处理、评定；结合构件位置，转换成能提供强度偏差热力图使用的JSON格式数据包；实现动态实时刷新热力图；
改进的因子定权模型成果展示，各项指标评价子模块是前期构件预处理结果的呈现，将海量数据通过高斯去噪模型处理后，得到合理指标数据；通过因子定权模型分析，将数据经傅立叶加权变换转换成对应强度偏差度的强度偏差值，得到最后构件强度偏差等级；构件基础信息子模块实时显示构件预处理和评价过程中的关键数据信息，让用户直观了解构件评价中各项指标动态因子权重和强度偏差等级因子隶属概率；
结合相关分析算法对当前各项超标构件指标和预测超标指标向用户发出警报，以构件评价模块计算数据为基础，设置强度偏差警报指数，根据BP神经网络预测算法，预测下一区域的构件各项强度偏差指标值，根据监控数据实时自动向用户发出警报；
通过位移检测模块获得构件和整体建筑的位移数据；通过裂缝检测模块获得构件的裂缝数据；构件的强度数据、位移数据、裂缝数据均传输到分析模块。
所述土木工程建筑用检测方法具体包括：
步骤一，通过输入模块使勘探人员、设计人员将建筑的地质信息，材料信息、建筑信息、结构信息进行输入，传输到分析模块；
步骤二，通过测量模块，获取土方开挖、测量放线的数据，传输到分析模块；
步骤三，通过造价模块，计算工程造价数据，传输到分析模块，造价模块对工程造价的预测采用数列灰色预测法，数列灰色预测步骤为：
(1)数列级比检验：设X(0)＝(x(0)(1)，x(0)(2)，...，x(0)(n))，
x(0)(k)，x(0)(k-1)∈X(0)则称
为X(0)的向前级比，称
为X(0)的向后级比，当
或
时则序列X(0)可作为GM(1，1)建模；
(2)数据变换处理：数据变换处理的原则是经过处理的序列级比落在可容覆盖中，对于级比不合格的序列，可保证经过选择数据变换处理后能够进行GM(1，1)建模；
(3)GM建模：GM(1，1)模型为：x(0)(k)+az(1)(k)＝b；GM(2，1)模型为：
x(-1)(k)+a1x(0)(k)+a2z(1)(k)＝b；Verhulst模型：x(0)(k)+az(1)(k)＝b[z(1)(k)]2；
灰色Verhulst模型的时间响应序列为：
步骤四，通过进度模块，统计工程进度数据，传输到分析模块，通过进度模块可以进行工程进度的预测，预测的数学模型为：
式中：
为某一种测度；TM计划目标进度；TY预测进度；
步骤五，通过强度检测模块获得构件的强度；通过位移检测模块获得构件和整体建筑的位移；通过裂缝检测模块获得构件的裂缝数据；传输到分析模块；
步骤六，通过分析模块，将获得的数据与输入的各种信息进行计算分析，将结果传输到反馈模块，分析模块采用模糊聚类分析法进行数据分析，模糊聚类分析法的步骤为：
(1)对检测到的原始数据矩阵作如下两种变换：
①平移*标准差变换：
②平移*极差变换：
(2)建立模糊相似矩阵
应用数量积法求出被分类对象间相似程度的相似系数rij，建立模糊相似矩阵R＝(rij)，数量积法计算公式为：
(3)建立模糊等价关系矩阵
由模糊相似矩阵,用平方法求R的传递闭包t(R)＝R*，求R2＝RR,R4＝R2R2,……经n次褶积运算后,得到R2n＝Rn。则R*＝Rn,即是所求的模糊等价矩阵；
(4)模糊聚类
根据模糊等价矩阵,取不同的置信水平λ，得到不同的归类情况,随着λ值不断降低,由细到粗逐渐分类,得到聚类结果；
步骤七，通过反馈模块将超限数据、进度落后数据反馈，并将数据传输到输入模块与原始数据进行对比。
位移检测模块获得构件和整体建筑的位移数据方法、裂缝检测模块获得构件的裂缝数据方法可采用强度检测模块获得构件的强度数据的运算法则，只是检测的对象差异；
高斯去噪模型的步骤如下：
步骤一，建立带权的高斯平滑滤波器矩阵模型：
式中:Q为滤波器矩阵，Q为1*n的矩阵；
n为矩阵大小阀值；
i为距离中心坐标点的相对坐标值，即Q[i]所得为该坐标点相对中心点的权重差；
步骤二，计算高斯平滑中心点相对左右阀值的差值和；
式中:S[k]为中心点相对左右阀值的差值和；
buf[k]为中心点的样本测量值；
n为滤波器矩阵大小；
步骤三，计算高斯平滑处理后的样本值：
式中:buf′[k]为中心点处理后的值；
buf[k]为中心点的样本测量值；
n为滤波器矩阵大小；
因子定权模型的算法步骤如下：
步骤一，将因子分子与模糊数学隶属度结合得到因子隶属度，如公式：
式中x0代表构件指标前一个强度偏差等级。
进一步，强度检测模块的修正方法为钻芯修正法，对回弹法检测结果及超声回弹综合法检测结果进行修正，修正系数η计算公式如下：
式中：
为对应于第i个芯样试件的混凝土抗压强度推定值；
为第i个芯样(80mm×80mm)试件的抗压强度实测值；n为芯样数量。
进一步，裂缝检测模块的检测方法为，基于分布式光纤传感的混凝土裂缝识别，对应裂缝形成阶段的光纤理论应变仅为混凝土应变，
εf＝ε1；
其中，εf为光纤测试应变，ε1为混凝土应变值，其值小于混凝土极限拉应变；
裂缝发展阶段:光纤理论应变由未裂缝混凝土应变和裂缝宽度变化引起，如下式所示:
其中，L'为标距为L的光纤受拉后的长度，ε1…εn为各段混凝土的应变值，d1…dn为各未开裂段混凝土长度，w1…wn为各条裂缝宽度值；
裂缝稳定开展阶段:裂缝稳定发展阶段，不再出现新裂缝，混凝土退出工作，光纤理论应变仅由裂缝宽度变化引起:
位移检测模块的梁挠度计算方法为，改进折减刚度法，在挠度计算时考虑滑移效应的折减刚度B按下式确定：
式中：E为钢材的弹性模量；Ieq为组合梁的换算截面惯性矩；ζ为刚度折减系数，按下式计算：
式中：Acf、A分别为混凝土翼板和钢梁的截面面积；Icf、I分别为混凝土翼板和钢梁的截面惯性矩；dc为钢梁截面形心到混凝土翼板截面形心的距离；h为组合梁截面高度；l为组合梁的跨度；k为抗剪连接件刚度系数；p为抗剪连接件的纵向平均间距；ns为抗剪连接件在一根梁上的列数；αE为钢材与混凝土弹性模量的比值。
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 (9)
1.一种土木工程建筑用检测方法，其特征在于，所述土木工程建筑用检测方法包括：
通过强度检测模块获得构件的强度数据；具体包括：
将强度检测模块集成的影像检测器内置的图像去噪模型应用到同一区域构件样本预处理中，建立带权的高斯平滑滤波器矩阵模型，计算高斯平滑中心点相对左右阀值的差值和，最后计算高斯平滑处理后的样本值；
将因子分子与模糊数学隶属度结合得到单项指标的因子隶属度，得到对构件单项指标评价；计算综合权重，得到不同强度对应的综合评定权重；最后使用模糊模型中统一化权重计算，得到构件综合权重矩阵，计算得到构件状况；
区域性分析，通过不同构件区域强度偏差热力图着色情况，了解到各构件强度偏差对比度，通过构件名称关键字索引，调用云服务端接口，实时与库存数据进行强度对比；服务器端调用构件评价模块完成构件数据处理、评定；结合构件位置，转换成能提供强度偏差热力图使用的JSON格式数据包；实现动态实时刷新热力图；
改进的因子定权模型成果展示，各项指标评价子模块是前期构件预处理结果的呈现，将海量数据通过高斯去噪模型处理后，得到合理指标数据；通过因子定权模型分析，将数据经傅立叶加权变换转换成对应强度偏差度的强度偏差值，得到最后构件强度偏差等级；构件基础信息子模块实时显示构件预处理和评价过程中的关键数据信息，让用户直观了解构件评价中各项指标动态因子权重和强度偏差等级因子隶属概率；
结合相关分析算法对当前各项超标构件指标和预测超标指标向用户发出警报，以构件评价模块计算数据为基础，设置强度偏差警报指数，根据BP神经网络预测算法，预测下一区域的构件各项强度偏差指标值，根据监控数据实时自动向用户发出警报；
通过位移检测模块获得构件和整体建筑的位移数据；通过裂缝检测模块获得构件的裂缝数据；构件的强度数据、位移数据、裂缝数据均传输到分析模块。
2.如权利要求1所述的土木工程建筑用检测方法，其特征在于，所述土木工程建筑用检测方法具体包括：
步骤一，通过输入模块使勘探人员、设计人员将建筑的地质信息，材料信息、建筑信息、结构信息进行输入，传输到分析模块；
步骤二，通过测量模块，获取土方开挖、测量放线的数据，传输到分析模块；
步骤三，通过造价模块，计算工程造价数据，传输到分析模块，造价模块对工程造价的预测采用数列灰色预测法，数列灰色预测步骤为：
(1)数列级比检验：设X(0)＝(x(0)(1)，x(0)(2)，...，x(0)(n))，x(0)(k)，x(0)(k-1)∈X(0)，则称
为X(0)的向前级比，称
为X(0)的向后级比，当
或
时则序列X(0)作为GM(1,1)建模；
(2)数据变换处理：数据变换处理的原则是经过处理的序列级比落在可容覆盖中，对于级比不合格的序列，保证经过选择数据变换处理后能够进行GM(1,1)建模；
(3)GM建模：GM(1,1)模型为：x(0)(k)+az(1)(k)＝b；GM(2,1)模型为：x(-1)(k)+a1x(0)(k)+a2z(1)(k)＝b；Verhulst模型：x(0)(k)+az(1)(k)＝b[z(1)(k)]2；灰色Verhulst模型的时间响应序列为：
步骤四，通过进度模块，统计工程进度数据，传输到分析模块，通过进度模块可以进行工程进度的预测，预测的数学模型为：
式中：
为某一种测度；TM计划目标进度；TY预测进度；
步骤五，通过强度检测模块获得构件的强度；通过位移检测模块获得构件和整体建筑的位移；通过裂缝检测模块获得构件的裂缝数据；传输到分析模块；
步骤六，通过分析模块，将获得的数据与输入的各种信息进行计算分析，将结果传输到反馈模块，分析模块采用模糊聚类分析法进行数据分析，模糊聚类分析法的步骤为：
(1)对检测到的原始数据矩阵作如下两种变换：
①平移*标准差变换：
②平移*极差变换：
(2)建立模糊相似矩阵
应用数量积法求出被分类对象间相似程度的相似系数rij，建立模糊相似矩阵R＝(rij)，数量积法计算公式为：
(3)建立模糊等价关系矩阵
由模糊相似矩阵,用平方法求R的传递闭包t(R)＝R*，求R2＝RR,R4＝R2R2,……经n次褶积运算后,得到R2n＝Rn；则R*＝Rn,即是所求的模糊等价矩阵；
(4)模糊聚类
根据模糊等价矩阵,取不同的置信水平λ，得到不同的归类情况,随着λ值不断降低,由细到粗逐渐分类,得到聚类结果；
步骤七，通过反馈模块将超限数据、进度落后数据反馈，并将数据传输到输入模块与原始数据进行对比。
3.如权利要求1所述的土木工程建筑用检测方法，其特征在于，
位移检测模块获得构件和整体建筑的位移数据方法、裂缝检测模块获得构件的裂缝数据方法可采用强度检测模块获得构件的强度数据的运算法则，只是检测的对象差异；
高斯去噪模型的步骤如下：
步骤一，建立带权的高斯平滑滤波器矩阵模型：
式中:Q为滤波器矩阵，Q为1*n的矩阵；
n为矩阵大小阀值；
i为距离中心坐标点的相对坐标值，即Q[i]所得为该坐标点相对中心点的权重差；
步骤二，计算高斯平滑中心点相对左右阀值的差值和；
式中:S[k]为中心点相对左右阀值的差值和；
buf[k]为中心点的样本测量值；
n为滤波器矩阵大小；
步骤三，计算高斯平滑处理后的样本值：
式中:buf′[k]为中心点处理后的值；
buf[k]为中心点的样本测量值；
n为滤波器矩阵大小；
因子定权模型的算法步骤如下：
步骤一，将因子分子与模糊数学隶属度结合得到因子隶属度，如公式：
式中x0代表构件指标前一个强度偏差等级。
4.如权利要求1所述的土木工程建筑用检测方法，其特征在于，强度检测模块的修正方法为钻芯修正法，对回弹法检测结果及超声回弹综合法检测结果进行修正，修正系数η计算公式如下：
式中：
为对应于第i个芯样试件的混凝土抗压强度推定值；
为第i个芯样(80mm×80mm)试件的抗压强度实测值；n为芯样数量。
5.如权利要求1所述的土木工程建筑用检测方法，其特征在于，裂缝检测模块的检测方法为，基于分布式光纤传感的混凝土裂缝识别，对应裂缝形成阶段的光纤理论应变仅为混凝土应变，
εf＝ε1；
其中，εf为光纤测试应变，ε1为混凝土应变值，其值小于混凝土极限拉应变；
裂缝发展阶段:光纤理论应变由未裂缝混凝土应变和裂缝宽度变化引起，如下式所示:
其中，L'为标距为L的光纤受拉后的长度，ε1…εn为各段混凝土的应变值，d1…dn为各未开裂段混凝土长度，w1…wn为各条裂缝宽度值；
裂缝稳定开展阶段:裂缝稳定发展阶段，不再出现新裂缝，混凝土退出工作，光纤理论应变仅由裂缝宽度变化引起:
位移检测模块的梁挠度计算方法为，改进折减刚度法，在挠度计算时考虑滑移效应的折减刚度B按下式确定：
式中：E为钢材的弹性模量；Ieq为组合梁的换算截面惯性矩；ζ为刚度折减系数，按下式计算：
式中：Acf、A分别为混凝土翼板和钢梁的截面面积；Icf、I分别为混凝土翼板和钢梁的截面惯性矩；dc为钢梁截面形心到混凝土翼板截面形心的距离；h为组合梁截面高度；l为组合梁的跨度；k为抗剪连接件刚度系数；p为抗剪连接件的纵向平均间距；ns为抗剪连接件在一根梁上的列数；αE为钢材与混凝土弹性模量的比值。
6.一种实现权利要求1～5任意一项所述土木工程建筑用检测方法的信息数据处理终端。
7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的土木工程建筑用检测方法。
8.一种实施权利要求1所述土木工程建筑用检测方法的土木工程建筑用检测系统，其特征在于，所述的土木工程建筑用检测系统包括：输入模块、测量模块、造价模块、进度模块、分析模块、强度检测模块、位移检测模块、裂缝检测模块、反馈模块；
输入模块与分析模块连接，用于输入模块使勘探人员、设计人员将建筑的地质信息，材料信息、建筑信息；
测量模块与分析模块连接，用以获取土方开挖、测量放线的数据；
造价模块与分析模块连接，用以计算工程造价数据；
进度模块与分析模块连接，用以统计工程进度数据；
强度检测模块、位移检测模块、裂缝检测模块与分析模块连接，用以获得构件的强度、裂缝、构件和整体建筑的位移数据；
分析模块与反馈模块连接，反馈模块与输入模块连接，用以超限数据、进度落后数据的反馈，病情将数据传输到输入模块进行原始数据对比。
9.一种建筑工程检测平台，其特征在于，所述建筑工程检测平台至少搭载权利要求8所述的土木工程建筑用检测系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811172076.7A CN109490072B (zh) | 2018-10-09 | 2018-10-09 | 一种土木工程建筑用检测系统及其检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811172076.7A CN109490072B (zh) | 2018-10-09 | 2018-10-09 | 一种土木工程建筑用检测系统及其检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109490072A CN109490072A (zh) | 2019-03-19 |
| CN109490072B true CN109490072B (zh) | 2021-07-27 |
Family
ID=65690176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811172076.7A Active CN109490072B (zh) | 2018-10-09 | 2018-10-09 | 一种土木工程建筑用检测系统及其检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109490072B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111832259B (zh) * | 2019-04-12 | 2023-09-12 | 中国联合网络通信集团有限公司 | Json数据生成方法及设备 |
| CN110414580A (zh) * | 2019-07-19 | 2019-11-05 | 东南大学 | 基于随机森林算法的钢筋混凝土深梁承载力评估方法 |
| CN111948289B (zh) * | 2020-08-24 | 2023-07-21 | 四川升拓检测技术股份有限公司 | 基于冲击弹性波的混凝土冷缝质量检测方法、装置及系统 |
| CN113654504B (zh) * | 2021-09-03 | 2022-06-14 | 招商局重庆交通科研设计院有限公司 | 一种基于裂缝表观特征的预应力混凝土梁桥评定方法 |
| CN113702165B (zh) * | 2021-10-29 | 2022-02-11 | 邳州市耿联军机械制造厂 | 一种建筑材料强度检测装置 |
| CN114580825B (zh) * | 2021-12-09 | 2024-02-23 | 北京交通大学 | 一种基于数值分析的连接件组合梁分析系统 |
| CN115522437A (zh) * | 2022-09-30 | 2022-12-27 | 交通运输部公路科学研究所 | 路面激光高速弯沉仪弯沉测量性能的评价方法和装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102129673A (zh) * | 2011-04-19 | 2011-07-20 | 大连理工大学 | 一种随意光照下彩色数字图像增强和去噪方法 |
| CN102184532A (zh) * | 2011-05-27 | 2011-09-14 | 北方工业大学 | 基于单一尺度的医学图像边缘检测 |
| US8125777B1 (en) * | 2008-07-03 | 2012-02-28 | Ctm Magnetics, Inc. | Methods and apparatus for electrical components |
| WO2013036677A1 (en) * | 2011-09-06 | 2013-03-14 | The Regents Of The University Of California | Medical informatics compute cluster |
| CN104574324A (zh) * | 2014-12-30 | 2015-04-29 | 华中科技大学 | 一种对地建筑群遥感图像频谱特性约束的去噪方法 |
| CN105913411A (zh) * | 2016-05-10 | 2016-08-31 | 云南大学 | 一种基于因子定权模型的湖泊水质评价预测系统及方法 |
| CN105976297A (zh) * | 2016-05-28 | 2016-09-28 | 广东交通职业技术学院 | 一种多Agent的区域物流配送系统及其控制调度方法 |
| CN106157373A (zh) * | 2016-07-27 | 2016-11-23 | 中测高科（北京）测绘工程技术有限责任公司 | 一种建筑物三维模型构建方法及系统 |
| CN108038301A (zh) * | 2017-11-29 | 2018-05-15 | 山东工商学院 | 一种土木工程建筑监测系统 |
| WO2018112352A1 (en) * | 2016-12-15 | 2018-06-21 | President And Fellows Of Harvard College | Techniques of automated fault detection and related systems and methods |
| CN207626894U (zh) * | 2017-04-03 | 2018-07-20 | 广东交通职业技术学院 | 一种混凝土座椅 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8599255B2 (en) * | 2010-12-07 | 2013-12-03 | Qnap Systems, Inc. | Video surveillance system based on Gaussian mixture modeling with two-type learning rate control scheme |
| CN106295652A (zh) * | 2016-07-27 | 2017-01-04 | 中测高科（北京）测绘工程技术有限责任公司 | 一种直线特征匹配方法及系统 |
| CN106780509A (zh) * | 2016-12-01 | 2017-05-31 | 山东交通学院 | 融合多维特征的建筑物点云层次聚类分割方法 |
-
2018
- 2018-10-09 CN CN201811172076.7A patent/CN109490072B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8125777B1 (en) * | 2008-07-03 | 2012-02-28 | Ctm Magnetics, Inc. | Methods and apparatus for electrical components |
| CN102129673A (zh) * | 2011-04-19 | 2011-07-20 | 大连理工大学 | 一种随意光照下彩色数字图像增强和去噪方法 |
| CN102184532A (zh) * | 2011-05-27 | 2011-09-14 | 北方工业大学 | 基于单一尺度的医学图像边缘检测 |
| WO2013036677A1 (en) * | 2011-09-06 | 2013-03-14 | The Regents Of The University Of California | Medical informatics compute cluster |
| CN104574324A (zh) * | 2014-12-30 | 2015-04-29 | 华中科技大学 | 一种对地建筑群遥感图像频谱特性约束的去噪方法 |
| CN105913411A (zh) * | 2016-05-10 | 2016-08-31 | 云南大学 | 一种基于因子定权模型的湖泊水质评价预测系统及方法 |
| CN105976297A (zh) * | 2016-05-28 | 2016-09-28 | 广东交通职业技术学院 | 一种多Agent的区域物流配送系统及其控制调度方法 |
| CN106157373A (zh) * | 2016-07-27 | 2016-11-23 | 中测高科（北京）测绘工程技术有限责任公司 | 一种建筑物三维模型构建方法及系统 |
| WO2018112352A1 (en) * | 2016-12-15 | 2018-06-21 | President And Fellows Of Harvard College | Techniques of automated fault detection and related systems and methods |
| CN207626894U (zh) * | 2017-04-03 | 2018-07-20 | 广东交通职业技术学院 | 一种混凝土座椅 |
| CN108038301A (zh) * | 2017-11-29 | 2018-05-15 | 山东工商学院 | 一种土木工程建筑监测系统 |
Non-Patent Citations (3)
| Title |
|---|
| ABAQUS中混凝土塑性损伤因子的合理取值研究;田连波;《湖北大学学报》;20150731;第37卷(第4期);340-358 * |
| Open architecture test system:system architecture and design;R Rajsuman;《INTERATIONAL CONFERCE ON TEST》;20050131;403-412 * |
| 混凝土结构实体强度检测方法实验对比分析;尚静媛;《天津城市建设学院学报》;20121231;第18卷(第4期);275-279 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109490072A (zh) | 2019-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109490072B (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
| CN108489402B (zh) | 基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法 | |
| Silva et al. | Statistical models applied to service life prediction of rendered façades | |
| CN105758361A (zh) | 一种结构面粗糙度系数各向异性定量评价方法 | |
| CN107784191A (zh) | 基于神经网络模型的异性结构面峰值抗剪强度预测方法 | |
| CN111625988A (zh) | 基于深度学习的桥梁健康管理分析与预测系统及方法 | |
| CN103644850A (zh) | 土质边坡表面位移监测及安全预警方法 | |
| CN108830507A (zh) | 一种食品安全风险预警方法 | |
| Yang et al. | Damage identification of frame structure based on approximate Metropolis–Hastings algorithm and probability density evolution method | |
| CN110889440A (zh) | 基于主成分分析和bp神经网络的岩爆等级预测方法及系统 | |
| CN112418683A (zh) | 一种盾构下穿既有构筑物施工风险评价方法 | |
| CN110188399B (zh) | 一种基于多相关序列的大坝安全监测单测点评价方法 | |
| CN113065267B (zh) | 一种隧洞裂缝检测及安全评价系统 | |
| RU2699918C1 (ru) | Способ диагностики технического состояния зданий и строительных сооружений | |
| CN103984856A (zh) | 一种基于神经网络的墙体纵向裂缝宽度预测系统及方法 | |
| CN115063337A (zh) | 埋地管道智能维修决策方法及装置 | |
| CN116522085A (zh) | 一种全自动拉索频率提取、定阶和索力识别方法与应用 | |
| CN110489916A (zh) | 基于损伤状态倾角影响线曲率的等截面梁损伤识别方法 | |
| CN110501127A (zh) | 一种基于损伤状态倾角斜率的等截面梁损伤识别方法 | |
| CN109101759A (zh) | 一种基于正逆响应面法的参数识别方法 | |
| CN108427837A (zh) | 一种装配粗差判定方法及系统 | |
| CN111811827B (zh) | 基于瑞利分布的产品性能一致性检验方法 | |
| CN106771062A (zh) | 岩体完整性的定量描述方法 | |
| CN106643907B (zh) | 用于结构监测数据异常识别的加权主成分分析方法 | |
| KR102421808B1 (ko) | 릴랙세이션에 의한 장기거동을 고려한 구조물 유지관리 지표 산출 시스템 및 방법 |
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 |