CN109840891A - 一种智能夹片式锚具及预应力监测方法及检测系统、终端 - Google Patents
一种智能夹片式锚具及预应力监测方法及检测系统、终端 Download PDFInfo
- Publication number
- CN109840891A CN109840891A CN201910012118.9A CN201910012118A CN109840891A CN 109840891 A CN109840891 A CN 109840891A CN 201910012118 A CN201910012118 A CN 201910012118A CN 109840891 A CN109840891 A CN 109840891A
- Authority
- CN
- China
- Prior art keywords
- module
- prestressing force
- image
- anchorage
- 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.)
- Pending
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于预应力监测技术领域,公开了一种智能夹片式锚具及预应力监测方法,通过预应力数据采集模块利用压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;通过数据传输模块利用无线发射芯片将采集的预应力信号数据发送到主控模块;主控模块通过缺陷检测模块利用摄像机采集夹片锚具图像检测的夹片锚具尺寸缺陷数据;通过预应力分析模块利用分析程序根据检测的预应力信号数据构建预应力损失模型分析预应力。本发明通过已经施工建筑工程和未施工建筑工程的匹配,获得准确预应力分析结果;可以对未施工建筑工程的模型参数的设计值进行调整,大大提高了设计值的准确性。
Description
技术领域
本发明属于预应力监测技术领域,尤其涉及一种智能夹片式锚具及预应力监测方法及检测系统、终端。
背景技术
锚具是指预应力混凝土中所用的永久性锚固装置,是在后张法结构或构件中,为保持预应力筋的拉力并将其传递到混凝土内部的锚固工具,也称之为预应力锚具。锚具根据使用型式可分为两大类:(a):安装在预应力筋端部且可以在预应力筋的张拉过程中始终对预应力筋保持锚固状态的锚固工具。张拉端锚具根据锚固型式的不同还可分为:用于张拉预应力钢绞线的夹片式锚具(YJM),用于张拉高强钢丝的钢制锥形锚(GZM),用于镦头后张拉高强钢丝的墩头锚(DM),用于张拉精轧螺纹钢筋的螺母(YGM),用于张拉多股平行钢丝束的冷铸镦头锚(LZM)等多种类型。(b)固定端锚具:安装在预应力筋端部,通常埋入混凝土中且不用以张拉的锚具,也被称作挤压锚或者P锚。然而,现有对夹片锚具尺寸缺陷的检测为人工检测,其不足是:检测速度慢、效率较低、成本高、容易造成人为误差检测;同时,在施工过程中通常造成的预应力损失比按设计规范的预应力损失要大,甚至在长索拉张时出现预应力损失过大,甚至有时长索拉张后沿程损失殆尽;不能准确的分析预应力数据。
综上所述,现有技术存在的问题是:
现有对夹片锚具尺寸缺陷的检测为人工检测,其不足是:检测速度慢、效率较低、成本高、容易造成人为误差检测;
同时,在施工过程中通常造成的预应力损失比按设计规范的预应力损失要大,甚至在长索拉张时出现预应力损失过大,甚至有时长索拉张后沿程损失殆尽;
不能准确的分析预应力数据。
发明内容
针对现有技术存在的问题,本发明提供了一种智能夹片式锚具及预应力监测方法及检测系统、终端。
本发明是这样实现的,一种智能夹片式锚具预应力监测系统包括:
预应力数据采集模块、数据传输模块、主控模块、缺陷检测模块、预应力分析模块、报警模块、数据存储模块、显示模块。
预应力数据采集模块,与数据传输模块连接,用于通过压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;
数据传输模块,与主控模块连接,用于通过无线发射芯片将采集的预应力信号数据发送到主控模块;
主控模块,与预应力数据采集模块、数据传输模块、缺陷检测模块、预应力分析模块、报警模块、数据存储模块、显示模块连接,用于通过单片机接收检测的预应力信号数据,并控制各个模块正常工作;
缺陷检测模块,与主控模块连接,用于通过摄像机采集夹片锚具图像检测的夹片锚具尺寸缺陷数据;
预应力分析模块,与主控模块连接,用于通过分析程序根据检测的预应力信号数据构建预应力损失模型分析预应力;
报警模块,与主控模块连接,用于通过报警器根据检测的异常预应力信号数据进行及时报警通知;
数据存储模块,与主控模块连接,用于通过存储器存储检测的预应力信号数据、预应力分析结果;
显示模块,与主控模块连接,用于通过显示器显示智能夹片式锚具预应力监测系统界面及检测的预应力信号数据、预应力分析结果。
本发明另一目的在于提供一种搭载所述智能夹片式锚具预应力监测系统的智能夹片式锚具预应力监测平台。
本发明的另一目的在于提供一种智能夹片式锚具预应力监测方法包括以下步骤:
步骤一,通过预应力数据采集模块利用压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;
步骤二,通过数据传输模块利用无线发射芯片将采集的预应力信号数据发送到主控模块;
步骤三,主控模块通过缺陷检测模块利用摄像机采集夹片锚具图像检测的夹片锚具尺寸缺陷数据;
步骤四,通过预应力分析模块利用分析程序根据检测的预应力信号数据构建预应力损失模型分析预应力;
步骤五,通过报警模块利用报警器根据检测的异常预应力信号数据进行及时报警通知;
步骤六,通过数据存储模块利用存储器存储检测的预应力信号数据、预应力分析结果;并通过显示模块利用显示器显示检测的数据信息。
进一步,所述缺陷检测模块检测方法如下:
(1)对监测相机供电,并配置夹片锚具图像采集参数;
(2)相机标定,使用基准的夹片锚具对象作为标定参照物,测定水平方向的实际尺寸Dx与对应的像素点个数Nx之间的比例Kx,测定竖直方向的实际尺寸Dy与对应的像素点个数Ny之间的比例Ky,世界坐标和像素坐标的对应关系为:
其中(i,j)是像素坐标,(x,y)是像素坐标对应的世界坐标;
(3)图像采集,在红色的碗灯光源下采集夹片锚具图像;
(4)将采集到的夹片锚具图像进行增强处理;
将使用RGB色彩模式表示的夹片锚具图像的每个像素的红色灰度值、蓝色灰度值以及绿色灰度值转换为使用HSI颜色空间表示的所述夹片锚具图像的每个像素的色调值、色饱和度值以及亮度值;
对所述夹片锚具图像的每个像素的色饱和度值进行增强处理;
根据所述夹片锚具图像的每个像素的亮度值以及预设亮度阈值,对增强处理后的夹片锚具图像的每个像素的色饱和度值进行修正,以避免所述夹片锚具图像出现色偏现象;
将修正后的所述夹片锚具图像的每个像素的色调值、色饱和度值以及亮度值转换为修正后的所述夹片锚具图像的每个像素的红色灰度值、蓝色灰度值以及绿色灰度值,以便于进行夹片锚具图像显示;
(5)ROI图像的提取,对夹片锚具图像二值化、连通域处理和闭运算得到二值图像、再对二值图像进行ROI区域提取;
(6)角点检测,用Harris角点检测ROI区域图像;
(7)尺寸测量,对角点集corner(x,y)进行相机标定,将ROI图像中检测对象的角点位置坐标之间的直线距离或角点到另两角点连线的垂直距离转换成相应的真实几何尺寸;
(8)合格判定,采用设置上下偏差的方法进行合格产品的判别。
进一步,所述步骤(6)中,所述Harris角点检测,具体步骤如下:
a)计算图像像素在x和y方向上的梯度,以及两者的乘积,得到矩阵M:
其中I(x,y)灰度值,Ix为图像I的x方向的梯度;Iy为y方向的梯度;
b)对图像进行高斯滤波,得到新的矩阵M:
其中G为高斯模板;
c)计算原图像上对应每个像素点的角点响应函数CRF的值:
CRF(x,y)=det(M)-K(trace(M))2
其中,det(M)表示矩阵M的行列式,trace(M)表示矩阵的迹,K一般取为0.04;
d)选取局部极值点;
e)设定阈值,选取角点,得到角点集:corner(x,y)。
进一步,所述步骤(7)中,两角点之间真实尺寸,计算公式如下:
其中A(m1,n1)和B(m2,n2)为图像中任意两角点的像素坐标,Δx=Kx(m2-m1)、Δy=Ky(n2-n1)、ΔAB分别为真实距离的水平分量、垂直分量和AB间的真实距离。
进一步,所述预应力分析模块时分析方法如下:
1)通过压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;
2)设置未施工的建筑工程的设计参数、预应力体系参数、预压应力施加方法;
3)根据所述设计参数构建建筑工程的三维模型;
4)构建预应力损失模型,包括:构建预应力筋与孔道壁之间的摩擦引起的应力损失的第一模型σS1;构建锚具变形、钢筋回缩和接缝压缩引起的应力损失的第二模型σS2;构建预应力筋和台座间温差引起的应力损失的第三模型σS3;构建混凝土弹性压缩引起的应力损失的第四模型σS4;构建预应力筋松弛引起的应力损失的第五模型σS5;构建混凝土收缩和徐变引起的应力损失的第六模型σS6;
5)根据预压应力施加方法,按照施工阶段对不同模型进行组合,得到不同阶段的预应力损失组合模型,从而结合锚下张拉控制应力得到不同阶段的有效预应力模型,其中,当预应力施加方法选择先张法时,预加应力阶段的预应力损失组合模型使用阶段的预应力损失组合模型当预应力施加方法选择后张法时,预加应力阶段的预应力损失组合模型使用阶段的预应力损失组合模型
6)存储已经施工的建筑工程的设计参数、预应力体系参数以及已经施工建筑工程的预应力损失模型的模型参数,所述模型参数包括采用曲线预应力孔道摩阻实验获得管道每米长度的局部偏差对摩擦的影响系数k和预应力筋与管道壁之间的摩擦系数μ;
7)根据设计参数和预应力体系参数将未施工的建筑工程与已经施工的建筑工程进行匹配,得到与未施工建筑工程相似的已施工建筑工程;
8)通过相似的已施工建筑工程的模型参数在设定范围内调整未施工模型的模型参数。
进一步,所述分析方法还包括:采用获得模型参数的未施工的预应力损失组合模型计算预应力索各位置的损失,计算索的延伸量偏差,与实测值比较,判定预应力损失组合模型的合理性。
进一步,所述分析方法还包括:采用曲线预应力孔道摩阻实验获得未施工建筑工程的管道每米长度的局部偏差对摩擦的影响系数k和预应力筋与管道壁之间的摩擦系数μ;
判断模型参数获得部获得的未施工建筑工程的影响系数和摩擦系数与预应力实验单元获得的已施工建筑工程的影响系数和摩擦系数的误差是否均在各自的误差范围内,均在各自的误差范围内,模型参数获得部获得的影响系数和摩擦系数正。
进一步,步骤一中,利用压电传感器检测预应力数据的方法包括:
1)使用MapReduce计算模型得到频繁1项集的集合L1,产生候选k项集的集合Ck;
2)在Map函数处理阶段,每个Map任务计算其所处理的事务数据集中每个事务记录中包含在Ck中的项目集的出现次数,对于每个Map任务来说,如果候选k项集的某个项集(包含k个项目)出现在一个事务记录中,则Map函数产生并输出<某个项集,1>键值对给Combiner函数,由Combiner函数处理后交给Reduce函数;
3)在Reduce函数处理阶段,Reduce函数累加Ck中的项目集的出现次数,得到所有项目集的支持频度,所有支持频度≥设定的最小支持频度的项目集组成频繁项集Lk的集合,如果k<最大的迭代次数且不为空,则执行k++,转入步骤2);否则,结束运行。
本发明的优点及积极效果为:
本发明通过缺陷检测模块具有较高的检测准确率和鲁棒性,缺陷检测的准确率可以达到96%;基于机器视觉的夹片锚具尺寸缺陷检测方法,将机器视觉测量技术引入到夹片锚具的尺寸测量,其检测流程不受操作人员的经验、测量工具、疲劳度等因素的影响,保证了测量的精度,检测速度快;同时,通过预应力分析模块根据不同的预压应力施加方法和不同的施工阶段具有不同的预应力损失组合模型,且通过已经施工建筑工程和未施工建筑工程的匹配,获得准确预应力分析结果;可以对未施工建筑工程的模型参数的设计值进行调整,大大提高了设计值的准确性。
本发明利用压电传感器检测预应力数据的方法包括:使用MapReduce计算模型得到频繁1项集的集合L1,产生候选k项集的集合Ck;在Map函数处理阶段,每个Map任务计算其所处理的事务数据集中每个事务记录中包含在Ck中的项目集的出现次数,对于每个Map任务来说,如果候选k项集的某个项集(包含k个项目)出现在一个事务记录中,则Map函数产生并输出<某个项集,1>键值对给Combiner函数,由Combiner函数处理后交给Reduce函数;在Reduce函数处理阶段,Reduce函数累加Ck中的项目集的出现次数,得到所有项目集的支持频度,所有支持频度≥设定的最小支持频度的项目集组成频繁项集Lk的集合,如果k<最大的迭代次数且不为空,则执行k++,否则,结束运行。可实时检测到准确的预应力数据信息。
附图说明
图1是本发明实施例提供的智能夹片式锚具预应力监测方法流程图。
图2是本发明实施例提供的智能夹片式锚具预应力监测系统结构框图。
图中:1、预应力数据采集模块;2、数据传输模块;3、主控模块;4、缺陷检测模块;5、预应力分析模块;6、报警模块;7、数据存储模块;8、显示模块。
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。
现有对夹片锚具尺寸缺陷的检测为人工检测,其不足是:检测速度慢、效率较低、成本高、容易造成人为误差检测;
同时,在施工过程中通常造成的预应力损失比按设计规范的预应力损失要大,甚至在长索拉张时出现预应力损失过大,甚至有时长索拉张后沿程损失殆尽;
不能准确的分析预应力数据。
为解决现有技术存在的问题,下面结合具体方案对本发明的应用原理作详细描述。
如图1所示,本发明实施例提供的智能夹片式锚具预应力监测方法包括以下步骤:
S101,通过预应力数据采集模块利用压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;
S102,通过数据传输模块利用无线发射芯片将采集的预应力信号数据发送到主控模块;
S103,主控模块通过缺陷检测模块利用摄像机采集夹片锚具图像检测的夹片锚具尺寸缺陷数据;
S104,通过预应力分析模块利用分析程序根据检测的预应力信号数据构建预应力损失模型分析预应力;
S105,通过报警模块利用报警器根据检测的异常预应力信号数据进行及时报警通知;
S106,通过数据存储模块利用存储器存储检测的预应力信号数据、预应力分析结果;并通过显示模块利用显示器显示检测的数据信息。
如图2所示,本发明实施例提供的智能夹片式锚具预应力监测系统包括:预应力数据采集模块1、数据传输模块2、主控模块3、缺陷检测模块4、预应力分析模块5、报警模块6、数据存储模块7、显示模块8。
预应力数据采集模块1,与数据传输模块2连接,用于通过压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据。
数据传输模块2,与主控模块3连接,用于通过无线发射芯片将采集的预应力信号数据发送到主控模块。
主控模块3,与预应力数据采集模块1、数据传输模块2、缺陷检测模块4、预应力分析模块5、报警模块6、数据存储模块7、显示模块8连接,用于通过单片机接收检测的预应力信号数据,并控制各个模块正常工作。
缺陷检测模块4,与主控模块3连接,用于通过摄像机采集夹片锚具图像检测的夹片锚具尺寸缺陷数据。
预应力分析模块5,与主控模块3连接,用于通过分析程序根据检测的预应力信号数据构建预应力损失模型分析预应力。
报警模块6,与主控模块3连接,用于通过报警器根据检测的异常预应力信号数据进行及时报警通知;
数据存储模块7,与主控模块3连接,用于通过存储器存储检测的预应力信号数据、预应力分析结果。
显示模块8,与主控模块3连接,用于通过显示器显示智能夹片式锚具预应力监测系统界面及检测的预应力信号数据、预应力分析结果。
在本发明实施例中,本发明提供的缺陷检测模块4检测方法如下:
(1)对监测相机供电,并配置夹片锚具图像采集参数;
(2)相机标定,使用基准的夹片锚具对象作为标定参照物,测定水平方向的实际尺寸Dx与对应的像素点个数Nx之间的比例Kx,测定竖直方向的实际尺寸Dy与对应的像素点个数Ny之间的比例Ky,世界坐标和像素坐标的对应关系为:
其中(i,j)是像素坐标,(x,y)是像素坐标对应的世界坐标;
(3)图像采集,在红色的碗灯光源下采集夹片锚具图像;
(4)将采集到的夹片锚具图像进行增强处理;
将使用RGB色彩模式表示的夹片锚具图像的每个像素的红色灰度值、蓝色灰度值以及绿色灰度值转换为使用HSI颜色空间表示的所述夹片锚具图像的每个像素的色调值、色饱和度值以及亮度值。
对所述夹片锚具图像的每个像素的色饱和度值进行增强处理。
根据所述夹片锚具图像的每个像素的亮度值以及预设亮度阈值,对增强处理后的夹片锚具图像的每个像素的色饱和度值进行修正,以避免所述夹片锚具图像出现色偏现象。
将修正后的所述夹片锚具图像的每个像素的色调值、色饱和度值以及亮度值转换为修正后的所述夹片锚具图像的每个像素的红色灰度值、蓝色灰度值以及绿色灰度值,以便于进行夹片锚具图像显示。
(5)ROI图像的提取,对夹片锚具图像二值化、连通域处理和闭运算得到二值图像、再对二值图像进行ROI区域提取;
(6)角点检测,用Harris角点检测ROI区域图像。
(7)尺寸测量,对角点集corner(x,y)进行相机标定,将ROI图像中检测对象的角点位置坐标之间的直线距离或角点到另两角点连线的垂直距离转换成相应的真实几何尺寸。
(8)合格判定,采用设置上下偏差的方法进行合格产品的判别。
在本发明实施例中,所述步骤(6)中,所述Harris角点检测,具体步骤如下:
a)计算图像像素在x和y方向上的梯度,以及两者的乘积,得到矩阵M:
其中I(x,y)灰度值,Ix为图像I的x方向的梯度;Iy为y方向的梯度;
b)对图像进行高斯滤波,得到新的矩阵M:
其中G为高斯模板;
c)计算原图像上对应每个像素点的角点响应函数CRF的值:
CRF(x,y)=det(M)-K(trace(M))2
其中,det(M)表示矩阵M的行列式,trace(M)表示矩阵的迹,K一般取为0.04;
d)选取局部极值点。
e)设定阈值,选取角点,得到角点集:corner(x,y)。
在本发明实施例中,所述步骤(7)中,两角点之间真实尺寸,计算公式如下:
其中A(m1,n1)和B(m2,n2)为图像中任意两角点的像素坐标,Δx=Kx(m2-m1)、Δy=Ky(n2-n1)、ΔAB分别为真实距离的水平分量、垂直分量和AB间的真实距离。
在本发明实施例中,本发明提供的预应力分析模块5分析方法如下:
1)通过压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;
2)设置未施工的建筑工程的设计参数、预应力体系参数、预压应力施加方法;
3)根据所述设计参数构建建筑工程的三维模型。
4)构建预应力损失模型,包括:构建预应力筋与孔道壁之间的摩擦引起的应力损失的第一模型σS1;构建锚具变形、钢筋回缩和接缝压缩引起的应力损失的第二模型σS2;构建预应力筋和台座间温差引起的应力损失的第三模型σS3;构建混凝土弹性压缩引起的应力损失的第四模型σS4;构建预应力筋松弛引起的应力损失的第五模型σS5;构建混凝土收缩和徐变引起的应力损失的第六模型σS6。
5)根据预压应力施加方法,按照施工阶段对不同模型进行组合,得到不同阶段的预应力损失组合模型,从而结合锚下张拉控制应力得到不同阶段的有效预应力模型,其中,当预应力施加方法选择先张法时,预加应力阶段的预应力损失组合模型使用阶段的预应力损失组合模型当预应力施加方法选择后张法时,预加应力阶段的预应力损失组合模型使用阶段的预应力损失组合模型
6)存储已经施工的建筑工程的设计参数、预应力体系参数以及已经施工建筑工程的预应力损失模型的模型参数,所述模型参数包括采用曲线预应力孔道摩阻实验获得管道每米长度的局部偏差对摩擦的影响系数k和预应力筋与管道壁之间的摩擦系数μ。
7)根据设计参数和预应力体系参数将未施工的建筑工程与已经施工的建筑工程进行匹配,得到与未施工建筑工程相似的已施工建筑工程。
8)通过相似的已施工建筑工程的模型参数在设定范围内调整未施工模型的模型参数。
本发明提供的分析方法还包括:采用获得模型参数的未施工的预应力损失组合模型计算预应力索各位置的损失,计算索的延伸量偏差,与实测值比较,判定预应力损失组合模型的合理性。
本发明提供的分析方法还包括:采用曲线预应力孔道摩阻实验获得未施工建筑工程的管道每米长度的局部偏差对摩擦的影响系数k和预应力筋与管道壁之间的摩擦系数μ。
判断模型参数获得部获得的未施工建筑工程的影响系数和摩擦系数与预应力实验单元获得的已施工建筑工程的影响系数和摩擦系数的误差是否均在各自的误差范围内,均在各自的误差范围内,模型参数获得部获得的影响系数和摩擦系数正。
在本发明实施例中,利用压电传感器检测预应力数据的方法包括:使用MapReduce计算模型得到频繁1项集的集合L1,产生候选k项集的集合Ck;在Map函数处理阶段,每个Map任务计算其所处理的事务数据集中每个事务记录中包含在Ck中的项目集的出现次数,对于每个Map任务来说,如果候选k项集的某个项集(包含k个项目)出现在一个事务记录中,则Map函数产生并输出<某个项集,1>键值对给Combiner函数,由Combiner函数处理后交给Reduce函数;在Reduce函数处理阶段,Reduce函数累加Ck中的项目集的出现次数,得到所有项目集的支持频度,所有支持频度≥设定的最小支持频度的项目集组成频繁项集Lk的集合,如果k<最大的迭代次数且不为空,则执行k++,否则,结束运行。可实时检测到准确的预应力数据信息。
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 (10)
1.一种智能夹片式锚具预应力监测方法,其特征在于,所述智能夹片式锚具预应力监测方法包括以下步骤:
步骤一,通过预应力数据采集模块利用压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;
步骤二,通过数据传输模块利用无线发射芯片将采集的预应力信号数据发送到主控模块;
步骤三,主控模块通过缺陷检测模块利用摄像机采集夹片锚具图像检测的夹片锚具尺寸缺陷数据;
步骤四,通过预应力分析模块利用分析程序根据检测的预应力信号数据构建预应力损失模型分析预应力;
步骤五,通过报警模块利用报警器根据检测的异常预应力信号数据进行及时报警通知;
步骤六,通过数据存储模块利用存储器存储检测的预应力信号数据、预应力分析结果;并通过显示模块利用显示器显示检测的数据信息。
2.如权利要求1所述智能夹片式锚具预应力监测方法,其特征在于,所述缺陷检测模块检测方法包括:
(1)对监测相机供电,并配置夹片锚具图像采集参数;
(2)相机标定,使用基准的夹片锚具对象作为标定参照物,测定水平方向的实际尺寸Dx与对应的像素点个数Nx之间的比例Kx,测定竖直方向的实际尺寸Dy与对应的像素点个数Ny之间的比例Ky,世界坐标和像素坐标的对应关系为:
其中(i,j)是像素坐标,(x,y)是像素坐标对应的世界坐标;
(3)图像采集,在红色的碗灯光源下采集夹片锚具图像;
(4)将采集到的夹片锚具图像进行增强处理;
将使用RGB色彩模式表示的夹片锚具图像的每个像素的红色灰度值、蓝色灰度值以及绿色灰度值转换为使用HSI颜色空间表示的所述夹片锚具图像的每个像素的色调值、色饱和度值以及亮度值;
对所述夹片锚具图像的每个像素的色饱和度值进行增强处理;
根据所述夹片锚具图像的每个像素的亮度值以及预设亮度阈值,对增强处理后的夹片锚具图像的每个像素的色饱和度值进行修正,以避免所述夹片锚具图像出现色偏现象;
将修正后的所述夹片锚具图像的每个像素的色调值、色饱和度值以及亮度值转换为修正后的所述夹片锚具图像的每个像素的红色灰度值、蓝色灰度值以及绿色灰度值,以便于进行夹片锚具图像显示;
(5)ROI图像的提取,对夹片锚具图像二值化、连通域处理和闭运算得到二值图像、再对二值图像进行ROI区域提取;
(6)角点检测,用Harris角点检测ROI区域图像;
(7)尺寸测量,对角点集corner(x,y)进行相机标定,将ROI图像中检测对象的角点位置坐标之间的直线距离或角点到另两角点连线的垂直距离转换成相应的真实几何尺寸;
(8)合格判定,采用设置上下偏差的方法进行合格产品的判别。
3.如权利要求2所述智能夹片式锚具预应力监测方法,其特征在于,所述步骤(6)中,所述Harris角点检测,具体步骤包括:
a)计算图像像素在x和y方向上的梯度,以及两者的乘积,得到矩阵M:
其中I(x,y)灰度值,Ix为图像I的x方向的梯度;Iy为y方向的梯度;
b)对图像进行高斯滤波,得到新的矩阵M:
其中G为高斯模板;
c)计算原图像上对应每个像素点的角点响应函数CRF的值:
CRF(x,y)=det(M)-K(trace(M))2
其中,det(M)表示矩阵M的行列式,trace(M)表示矩阵的迹,K一般取为0.04;
d)选取局部极值点;
e)设定阈值,选取角点,得到角点集:corner(x,y);
所述步骤(7)中,两角点之间真实尺寸,计算公式包括:
其中A(m1,n1)和B(m2,n2)为图像中任意两角点的像素坐标,Δx=Kx(m2-m1)、Δy=Ky(n2-n1)、ΔAB分别为真实距离的水平分量、垂直分量和AB间的真实距离。
4.如权利要求1所述智能夹片式锚具预应力监测方法,其特征在于,所述预应力分析模块时分析方法包括:
1)通过压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;
2)设置未施工的建筑工程的设计参数、预应力体系参数、预压应力施加方法;
3)根据所述设计参数构建建筑工程的三维模型;
4)构建预应力损失模型,包括:构建预应力筋与孔道壁之间的摩擦引起的应力损失的第一模型σS1;构建锚具变形、钢筋回缩和接缝压缩引起的应力损失的第二模型σS2;构建预应力筋和台座间温差引起的应力损失的第三模型σS3;构建混凝土弹性压缩引起的应力损失的第四模型σS4;构建预应力筋松弛引起的应力损失的第五模型σS5;构建混凝土收缩和徐变引起的应力损失的第六模型σS6;
5)根据预压应力施加方法,按照施工阶段对不同模型进行组合,得到不同阶段的预应力损失组合模型,从而结合锚下张拉控制应力得到不同阶段的有效预应力模型,其中,当预应力施加方法选择先张法时,预加应力阶段的预应力损失组合模型使用阶段的预应力损失组合模型当预应力施加方法选择后张法时,预加应力阶段的预应力损失组合模型使用阶段的预应力损失组合模型
6)存储已经施工的建筑工程的设计参数、预应力体系参数以及已经施工建筑工程的预应力损失模型的模型参数,所述模型参数包括采用曲线预应力孔道摩阻实验获得管道每米长度的局部偏差对摩擦的影响系数k和预应力筋与管道壁之间的摩擦系数μ;
7)根据设计参数和预应力体系参数将未施工的建筑工程与已经施工的建筑工程进行匹配,得到与未施工建筑工程相似的已施工建筑工程;
8)通过相似的已施工建筑工程的模型参数在设定范围内调整未施工模型的模型参数;
所述分析方法还包括:采用获得模型参数的未施工的预应力损失组合模型计算预应力索各位置的损失,计算索的延伸量偏差,与实测值比较,判定预应力损失组合模型的合理性;
所述分析方法还包括:采用曲线预应力孔道摩阻实验获得未施工建筑工程的管道每米长度的局部偏差对摩擦的影响系数k和预应力筋与管道壁之间的摩擦系数μ;
判断模型参数获得部获得的未施工建筑工程的影响系数和摩擦系数与预应力实验单元获得的已施工建筑工程的影响系数和摩擦系数的误差是否均在各自的误差范围内,均在各自的误差范围内,模型参数获得部获得的影响系数和摩擦系数正。
5.如权利要求1所述智能夹片式锚具预应力监测方法,其特征在于,步骤一中,利用压电传感器检测预应力数据的方法包括:
1)使用MapReduce计算模型得到频繁1项集的集合L1,产生候选k项集的集合Ck;
2)在Map函数处理阶段,每个Map任务计算其所处理的事务数据集中每个事务记录中包含在Ck中的项目集的出现次数,对于每个Map任务来说,如果候选k项集的某个项集(包含k个项目)出现在一个事务记录中,则Map函数产生并输出<某个项集,1>键值对给Combiner函数,由Combiner函数处理后交给Reduce函数;
3)在Reduce函数处理阶段,Reduce函数累加Ck中的项目集的出现次数,得到所有项目集的支持频度,所有支持频度≥设定的最小支持频度的项目集组成频繁项集Lk的集合,如果k<最大的迭代次数且不为空,则执行k++,转入步骤2);否则,结束运行。
6.一种智能夹片式锚具预应力监测计算机程序,其特征在于,所述智能夹片式锚具预应力监测计算机程序实现权利要求1~5任意一项所述的智能夹片式锚具预应力监测方法。
7.一种终端,其特征在于,所述终端至少搭载实现权利要求1~5任意一项所述智能夹片式锚具预应力监测方法的服务器。
8.一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任意一项所述的智能夹片式锚具预应力监测方法。
9.一种智能夹片式锚具预应力监测系统,其特征在于,所述智能夹片式锚具预应力监测系统包括:
预应力数据采集模块,与数据传输模块连接,用于通过压电传感器检测预应力钢绞线张拉时所测得的信号能量指标数据;
数据传输模块,与主控模块连接,用于通过无线发射芯片将采集的预应力信号数据发送到主控模块;
主控模块,与预应力数据采集模块、数据传输模块、缺陷检测模块、预应力分析模块、报警模块、数据存储模块、显示模块连接,用于通过单片机接收检测的预应力信号数据,并控制各个模块正常工作;
缺陷检测模块,与主控模块连接,用于通过摄像机采集夹片锚具图像检测的夹片锚具尺寸缺陷数据;
预应力分析模块,与主控模块连接,用于通过分析程序根据检测的预应力信号数据构建预应力损失模型分析预应力;
报警模块,与主控模块连接,用于通过报警器根据检测的异常预应力信号数据进行及时报警通知;
数据存储模块,与主控模块连接,用于通过存储器存储检测的预应力信号数据、预应力分析结果;
显示模块,与主控模块连接,用于通过显示器显示智能夹片式锚具预应力监测系统界面及检测的预应力信号数据、预应力分析结果。
10.一种搭载权利要求9所述智能夹片式锚具预应力监测系统的智能夹片式锚具预应力监测平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910012118.9A CN109840891A (zh) | 2019-01-07 | 2019-01-07 | 一种智能夹片式锚具及预应力监测方法及检测系统、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910012118.9A CN109840891A (zh) | 2019-01-07 | 2019-01-07 | 一种智能夹片式锚具及预应力监测方法及检测系统、终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109840891A true CN109840891A (zh) | 2019-06-04 |
Family
ID=66883667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910012118.9A Pending CN109840891A (zh) | 2019-01-07 | 2019-01-07 | 一种智能夹片式锚具及预应力监测方法及检测系统、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840891A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116612101A (zh) * | 2023-05-31 | 2023-08-18 | 广州市盛通建设工程质量检测有限公司 | 锚固件锚固过程中的可视化控制方法、装置、设备及存储介质 |
CN116659573A (zh) * | 2023-05-23 | 2023-08-29 | 南通理工学院 | 一种适用于锚具结构健康监测的cfrp传感器布点方法 |
CN117037143A (zh) * | 2023-09-27 | 2023-11-10 | 深圳市特区建工科工集团盛腾科技有限公司 | 基于图像处理的预应力构件性能数据分析方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6421902B1 (en) * | 1998-04-30 | 2002-07-23 | Loeffler Thomas | Method and device for producing and checking screwed connections |
CN201236341Y (zh) * | 2008-06-20 | 2009-05-13 | 王菁晓 | 锚索或锚杆预应力全自动遥控监测及预警系统 |
CN102156168A (zh) * | 2011-03-04 | 2011-08-17 | 赵永贵 | 一种桥梁预应力孔道注浆缺陷检测方法 |
CN102507067A (zh) * | 2011-10-19 | 2012-06-20 | 山东科技大学 | 基于振弦传感技术的预应力锚索受力状态实时监测系统 |
US20120222485A1 (en) * | 2011-02-18 | 2012-09-06 | Stickel Manfred | Ultrasound measurement system |
CN102967657A (zh) * | 2012-11-23 | 2013-03-13 | 河海大学常州校区 | 一种基于合成孔径超声成像技术的无损检测方法 |
CN108508020A (zh) * | 2018-03-23 | 2018-09-07 | 桂林电子科技大学 | 一种基于机器视觉的锚具夹片缺陷检测系统 |
CN108519400A (zh) * | 2018-02-06 | 2018-09-11 | 温州市交通工程试验检测有限公司 | 一种预应力梁灌浆饱满度智能检测方法及系统 |
CN108571928A (zh) * | 2018-04-13 | 2018-09-25 | 桂林电子科技大学 | 一种基于机器视觉的夹片锚具尺寸缺陷检测方法 |
CN108614919A (zh) * | 2018-03-30 | 2018-10-02 | 中交路桥北方工程有限公司 | 桥梁预应力分析方法及系统 |
CN108647385A (zh) * | 2018-03-30 | 2018-10-12 | 中交路桥北方工程有限公司 | 孔道预应力损失分析系统及方法 |
CN108898243A (zh) * | 2018-06-04 | 2018-11-27 | 宁德师范学院 | 一种电力系统输电网络安全性测试系统 |
CN109035232A (zh) * | 2018-07-24 | 2018-12-18 | 桂林电子科技大学 | 一种基于深度学习和机器视觉融合的夹片缺陷检测方法 |
-
2019
- 2019-01-07 CN CN201910012118.9A patent/CN109840891A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6421902B1 (en) * | 1998-04-30 | 2002-07-23 | Loeffler Thomas | Method and device for producing and checking screwed connections |
CN201236341Y (zh) * | 2008-06-20 | 2009-05-13 | 王菁晓 | 锚索或锚杆预应力全自动遥控监测及预警系统 |
US20120222485A1 (en) * | 2011-02-18 | 2012-09-06 | Stickel Manfred | Ultrasound measurement system |
CN102156168A (zh) * | 2011-03-04 | 2011-08-17 | 赵永贵 | 一种桥梁预应力孔道注浆缺陷检测方法 |
CN102507067A (zh) * | 2011-10-19 | 2012-06-20 | 山东科技大学 | 基于振弦传感技术的预应力锚索受力状态实时监测系统 |
CN102967657A (zh) * | 2012-11-23 | 2013-03-13 | 河海大学常州校区 | 一种基于合成孔径超声成像技术的无损检测方法 |
CN108519400A (zh) * | 2018-02-06 | 2018-09-11 | 温州市交通工程试验检测有限公司 | 一种预应力梁灌浆饱满度智能检测方法及系统 |
CN108508020A (zh) * | 2018-03-23 | 2018-09-07 | 桂林电子科技大学 | 一种基于机器视觉的锚具夹片缺陷检测系统 |
CN108614919A (zh) * | 2018-03-30 | 2018-10-02 | 中交路桥北方工程有限公司 | 桥梁预应力分析方法及系统 |
CN108647385A (zh) * | 2018-03-30 | 2018-10-12 | 中交路桥北方工程有限公司 | 孔道预应力损失分析系统及方法 |
CN108571928A (zh) * | 2018-04-13 | 2018-09-25 | 桂林电子科技大学 | 一种基于机器视觉的夹片锚具尺寸缺陷检测方法 |
CN108898243A (zh) * | 2018-06-04 | 2018-11-27 | 宁德师范学院 | 一种电力系统输电网络安全性测试系统 |
CN109035232A (zh) * | 2018-07-24 | 2018-12-18 | 桂林电子科技大学 | 一种基于深度学习和机器视觉融合的夹片缺陷检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116659573A (zh) * | 2023-05-23 | 2023-08-29 | 南通理工学院 | 一种适用于锚具结构健康监测的cfrp传感器布点方法 |
CN116612101A (zh) * | 2023-05-31 | 2023-08-18 | 广州市盛通建设工程质量检测有限公司 | 锚固件锚固过程中的可视化控制方法、装置、设备及存储介质 |
CN116612101B (zh) * | 2023-05-31 | 2023-11-21 | 广州市盛通建设工程质量检测有限公司 | 锚固件锚固过程中的可视化控制方法、装置、设备及存储介质 |
CN117037143A (zh) * | 2023-09-27 | 2023-11-10 | 深圳市特区建工科工集团盛腾科技有限公司 | 基于图像处理的预应力构件性能数据分析方法及系统 |
CN117037143B (zh) * | 2023-09-27 | 2023-12-08 | 深圳市特区建工科工集团盛腾科技有限公司 | 基于图像处理的预应力构件性能数据分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110501224A (zh) | 一种测定材料真实应力应变曲线的试验与计算方法 | |
CN109840891A (zh) | 一种智能夹片式锚具及预应力监测方法及检测系统、终端 | |
US20210063376A1 (en) | Method for automatic quantitative statistical distribution characterization of dendrite structures in a full view field of metal materials | |
CN110175658A (zh) | 一种基于YOLOv3深度学习的混凝土裂缝识别方法 | |
CN110059440A (zh) | 一种起重机疲劳分析系统及分析方法 | |
CN105987672B (zh) | 基于轮廓线影像叠差分析的结构变形监测方法 | |
CN109490072B (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
CN109472486B (zh) | 试验检测混凝土试块数据集成评价系统 | |
CN108225906A (zh) | 基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法 | |
US10451416B1 (en) | Optimizing sensor placement for structural health monitoring based on information entropy or total modal energy | |
CN111598879A (zh) | 一种结构疲劳累积损伤评估的方法、系统及设备 | |
CN108519400A (zh) | 一种预应力梁灌浆饱满度智能检测方法及系统 | |
Guo et al. | Experimental study on direct tension behavior of concrete through combined digital image correlation and acoustic emission techniques | |
CN103839271A (zh) | 一种基于最佳匹配的图像纹理合成方法 | |
CN111709664A (zh) | 一种基于大数据的桥梁结构安全监测管理系统 | |
CN109993742A (zh) | 基于对角倒数算子的桥梁裂缝快速识别方法 | |
Zhang et al. | Transverse and longitudinal vibration measurement of vertical rope of hoisting system based on machine vision | |
CN109374171A (zh) | 用于检测在役斜拉索索力的方法 | |
KR100856734B1 (ko) | 현수 시스템의 케이블 장력 측정을 위한 표준 실험 장치 | |
CN106403858B (zh) | 一种超高空大悬挑钢平台端部挠度监测方法 | |
Krishna et al. | Numerical and experimental study on flexural behavior of reinforced concrete beams: Digital image correlation approach | |
CN115830024A (zh) | 基于图像分割的桥梁拉索微小运动振动检测方法 | |
CN111896200B (zh) | 短索抗弯刚度测试方法 | |
CN109490334A (zh) | 一种运用残余应力预测模型的t字型锻件无损测试方法 | |
KR20190130257A (ko) | 콘크리트 시설물의 표면 이미지 및 딥 컨볼루션 신경망 알고리즘을 이용한 콘크리트 압축강도 예측 방법 및 그 시스템 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190604 |
|
WD01 | Invention patent application deemed withdrawn after publication |