CN110567661B - 基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法 - Google Patents

基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法 Download PDF

Info

Publication number
CN110567661B
CN110567661B CN201910859335.1A CN201910859335A CN110567661B CN 110567661 B CN110567661 B CN 110567661B CN 201910859335 A CN201910859335 A CN 201910859335A CN 110567661 B CN110567661 B CN 110567661B
Authority
CN
China
Prior art keywords
bridge
acceleration
trolley
damage
small
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
Application number
CN201910859335.1A
Other languages
English (en)
Other versions
CN110567661A (zh
Inventor
阳洋
成泉
沈小俊
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.)
Chongqing Expressway Group Co Ltd Northeast Operation Branch
Chongqing University
Original Assignee
Chongqing Communications Committee Engineering Quality And Safety Supervision Bureau
Chongqing Communications Planning Survey And Design Institute Co ltd
Chongqing Traffic Engineering Quality Inspection Co ltd
Chongqing Transportation Planning And Technology Development Center Chongqing Transportation Engineering Cost Station
Fuling District Bureau Of Communications Of Chongqing Municipality
Northeast Operation Branch Of Chongqing Expressway Group Co ltd
Chongqing University
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 Chongqing Communications Committee Engineering Quality And Safety Supervision Bureau, Chongqing Communications Planning Survey And Design Institute Co ltd, Chongqing Traffic Engineering Quality Inspection Co ltd, Chongqing Transportation Planning And Technology Development Center Chongqing Transportation Engineering Cost Station, Fuling District Bureau Of Communications Of Chongqing Municipality, Northeast Operation Branch Of Chongqing Expressway Group Co ltd, Chongqing University filed Critical Chongqing Communications Committee Engineering Quality And Safety Supervision Bureau
Priority to CN201910859335.1A priority Critical patent/CN110567661B/zh
Publication of CN110567661A publication Critical patent/CN110567661A/zh
Application granted granted Critical
Publication of CN110567661B publication Critical patent/CN110567661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
    • 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
    • G01M5/0066—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明属于桥梁损伤识别技术领域，具体涉及基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法，包括，第一步：大、小两辆检测车在有动力的牵引车拖动下依次驶过桥梁，采集两辆检测车的质心处加速度信号；第二步：将大车加速度信号、小车加速度信号进行时间上平移；第三步：将第二步处理之后的大车加速度减去小车加速度得到新的加速度信号设为a3，通过a3并根据理论可以推导出桥面与车之间的接触点的位移响应信号d3，将d3分成10小段，再对每小段接触点位移响应求四阶中心矩；第四步：建立小车通过没有粗糙度的车桥耦合优化模型；第五步：运行第四步的模型并得到小车的加速度响应a3’；第六步：采用GPSA优化算法得到刚度系数，通过对比判定损伤位置。

Description

基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法
技术领域
本发明属于桥梁损伤识别技术领域，具体涉及基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法。
背景技术
由于长时间的交通以及自然灾害的影响，桥梁结构不可避免的存在损伤。桥梁的频率、模态以及阻尼等桥梁模态参数是结构诊断中的重要信息。通过模态参数的变化，能够识别出桥梁的损伤情况。传统的方法是直接将布置于桥上的传感器所采集的信号进行分析，但存在传感器优化布置、海量数据难以处理等传统监测问题。杨永斌等首次在国际上提出了间接测量技术，即利用测试车辆在桥梁上运行，基于测试车上采集的传感器信号识别桥梁频率。之后国内外许多学者在此基础上进行了一系列研究，Keenahan和Obrien通过分析两轴的加速度差异频谱，理论上初步识别了桥梁的阻尼比变化。Oshima等人通过多车辆组成测试系统提取出桥梁模态后，利用平均的MAC指标进行损伤识别。Obrien等针对车桥耦合模型利用改进的短时傅里叶变换方法分提取了桥梁模态，并结合经验模态分解(EMD)提取桥频来进行了无路面粗糙度下的损伤识别研究。Keenahan和Obrien通过模拟提出了一种可替代标准信号处理技术的最优化方法，用于克服移动车辆采集信号和车桥耦合系统的非线性关系。Li和Au提出了一种基于遗传算法来从移动车辆的响应中识别桥梁的损伤情况。Hester和Gonzalez通过使用三维的车桥耦合模型展示了即使是在高速荷载作用下，滤波后的桥梁加速度响应的范围也会随着损伤程度的加大而扩大。OBrien和Keenahan在进行桥梁的损伤识别的过程中使用了装备有交通速度偏转仪(TSD)的检测车，通过这种设备可以测量桥梁的桥面粗糙度。Yin针对移动车辆以初始速度以及恒定的加速和减速通过简支梁桥提出了半解析解。He等对移动荷载下的桥梁动力响应进行小波变换处理并进行了单处损伤的数值模拟研究。Zhu等对车桥耦合响应识别移动车辆荷载和桥梁结构参数的逆问题进行了总结，指出目前的数值模拟还不成熟，距离实际应用还需考虑诸多因素，且缺少试验验证。Kong基于车桥耦合系统，利用桥梁与测试车动力响应间的频响函数构建传递率关系，建立了传递率损伤指标(TDI)来进行桥梁的损伤识别。张彬和杨永斌等将运动中的测试车上采集的传感器信号反演到对应的运动中的测试车与桥梁桥面接触点上的响应，提取了更高阶的桥梁频率。
以上的损伤识别方法大部分还仅限于初步判断结构是否发生损伤，对损伤位置及损伤程度的判断仍有很大不足。
发明内容
针对现有技术中存在的上述不足之处，本发明提供了基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法，不仅可以判断结构是否发生损伤，而且可以判断出损伤位置及损伤程度。
为了解决上述技术问题，本发明采用了如下技术方案：
基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法，包括以下步骤：
第一步：大、小两辆检测车(质量大的为大车、质量小的为小车)在有动力的牵引车拖动下依次驶过桥梁，采集两辆检测车的质心处加速度信号；
第二步：将大车加速度信号、小车加速度信号进行时间上平移，使得两车加速度信号都是对应于经过桥面上同一位置处的响应信号；
第三步：将第二步处理之后的大车加速度减去小车加速度得到新的加速度信号设为a3，通过a3并根据理论可以推导出桥面与车之间的接触点(移动接触点)的位移响应信号d3，将d3分成10小段，再对每小段接触点位移响应求四阶中心矩，最终可以得到10个位移四阶中心矩，称为目标四节矩向量；
第四步：建立小车通过没有粗糙度的车桥耦合优化模型，其中桥梁划分成2n个基本单元(梁单元)，将2n个基本单元分成2个大单元，即每个大单元包含桥梁的左右2(n-1)个小单元，设置每个大单元初始刚度系数为1，计算时每个基本单元实际初始弯曲刚度为1*EI；
第五步：运行第四步的模型并得到小车的加速度响应a3’,将a3’反算出车和桥之间的移动接触点位移信号，同样可以得到10个位移四阶中心矩，称为模型四阶矩向量，将模型四阶矩向量与目标四阶矩向量做差再求二范数；
第六步：以二范数为目标值，两个大单元的刚度系数为变量，采用GPSA优化算法，最终可以得到优化后的刚度系数，通过对比原始刚度系数可以初步判定桥梁哪个区域出现了损伤；
第七步：将出现有刚度降低的大单元(2(n-1)个基本单元)，继续按照第四步至第六步的方法进行优化，直至最终优化模型中大单元数中包含的基本单元数为1个，优化识别结束，同时桥梁损伤的位置和程度识别出。
附图说明
图1为本发明基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法实施例的示意图；
图2为本发明基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法实施例中工况1的损伤识别结果图；
图3为本发明基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法实施例中工况2的损伤识别结果图(第二步)；
图4为本发明基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法实施例中工况2的损伤识别结果图(第三步)；
图5为本发明基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法实施例中工况2的损伤识别结果图(第四步)；
图6为本发明基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法实施例中工况2的损伤识别结果图(第五步)；
图7为本发明基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法实施例中工况3的损伤识别结果图。
具体实施方式
为了使本领域的技术人员可以更好地理解本发明，下面结合附图和实施例对本发明技术方案进一步说明。
一、方法原理
设计自振频率相同，质量、刚度成比例的大、小两辆桥梁检测车，在每辆检测车的质心位置处放置一个加速度传感器，在有动力的汽车拖动下，两辆检测车沿桥面(有粗糙度)的同一路径通过桥梁，然后将大、小两辆检测车采集到的加速度信号(分别为a1、a2)进行处理后相减(大车减去小车)，得到新的加速度信号a3，即a3＝a1-a2，如图1所示。
通过理论分析可以得出以下结论：a3与在桥面没有粗糙度时质量小的检测车(小车)通过桥梁采集到的加速度信号接近。因此可以用小车通过没有粗糙度的桥梁这一车桥耦合模型来对桥梁单元的刚度进行优化识别得到一个最优的桥梁单元刚度值，进而通过识别到的单元刚度值和原始标准刚度值进行对比来识别桥梁结构的损伤。其中优化识别的方法采用广义模式搜索算法，即GPSA算法。
方法的具体流程步骤为：
第一步：大、小两辆检测车(质量大的为大车、质量小的为小车)在有动力的牵引车拖动下依次驶过桥梁，采集两辆检测车的质心处加速度信号；
第二步：将大车加速度信号、小车加速度信号进行时间上平移，使得两车加速度信号都是对应于经过桥面上同一位置处的响应信号；
第三步：将第二步处理之后的大车加速度减去小车加速度得到新的加速度信号设为a3，通过a3并根据理论可以推导出桥面与车之间的接触点(移动接触点)的位移响应信号d3，将d3分成10小段，再对每小段接触点位移响应求四阶中心矩，最终可以得到10个位移四阶中心矩，称为目标四节矩向量；
第四步：建立小车通过没有粗糙度的车桥耦合优化模型，其中桥梁划分成2n个基本单元(梁单元)，将2n个基本单元分成2个大单元，即每个大单元包含桥梁的左右2(n-1)个小单元，设置每个大单元初始刚度系数为1，计算时每个基本单元实际初始弯曲刚度为1*EI；
第五步：运行第四步的模型并得到小车的加速度响应a3’,将a3’反算出车和桥之间的移动接触点位移信号，同样可以得到10个位移四阶中心矩，称为模型四阶矩向量，将模型四阶矩向量与目标四阶矩向量做差再求二范数；
第六步：以二范数为目标值，两个大单元的刚度系数为变量，采用GPSA优化算法，最终可以得到优化后的刚度系数，通过对比原始刚度系数可以初步判定桥梁哪个区域出现了损伤；
第七步：将出现有刚度降低的大单元(2(n-1)个基本单元)，继续按照第四步至第六步的方法进行优化，直至最终优化模型中大单元数中包含的基本单元数为1个，优化识别结束，同时桥梁损伤的位置和程度识别出。
(1)四阶中心矩计算公式为：
Figure BDA0002199262870000041
式中
Figure BDA0002199262870000042
为平均值
(2)用一个例子说明广义模式搜索算法(GPSA)原理：
求minf(x1，x2)＝x1(x1-x2-7)+3x2(x2-1)
a)假设初始向量为
Figure BDA0002199262870000043
初始网格大小为1，网格缩小因子为0.5，网格放大因子为2，基本模式向量有2N个，即2*2＝4个，分别为：
Figure BDA0002199262870000044
b)求得f(x0)＝0,并且第一次迭代计算需要用的模式向量分别为：
Figure BDA0002199262870000045
Figure BDA0002199262870000046
Figure BDA0002199262870000047
Figure BDA0002199262870000051
求
Figure BDA0002199262870000052
c)将
Figure BDA0002199262870000053
分别与f(x0)比较，发现
Figure BDA0002199262870000054
将第二步迭代的初始向量设为x1，同时令
Figure BDA0002199262870000055
因为第一步迭代找到了比f(x0)＝0要小的点，此种情况视为成功迭代，此时模式向量应为上一步的网格大小乘以网格放大因子2再乘以基本模式向量最后加上x1即：
Figure BDA0002199262870000056
Figure BDA0002199262870000057
Figure BDA0002199262870000058
Figure BDA0002199262870000059
计算并分别比较f(x1)与
Figure BDA00021992628700000510
的大小，如果在所有模式向量的函数值中未能找到比上一步迭代的函数值小的向量，视为迭代失败，则将基本模式向量乘以网格缩小因子0.5再乘以上一步迭代的网格大小再加上上一步的迭代初始向量得到新的模式向量；
d)重复a)-c)步直到迭代网格大小要小于设定的阈值，例如1e-7,此时迭代终止，将最终的模式向量中使得函数值最小的视为最小值点，搜索结束。
二、数值模拟：
将30米跨桥梁分成32个基本梁单元(基本单元)，损伤程度采用弯曲刚度折减来表示。
损伤设置工况1:在第8个基本单元处设置10％的损伤，即桥梁的第8个基本单元的刚度系数为0.9，实际计算目标四阶矩时，桥梁的第8个基本单元的弯曲刚度为0.9*EI，其余基本单元弯曲刚度为1*EI，以下工况采用同样的损伤设置方法，以说明本方法能够识别单处损伤，最终识别结果如图2所示，具体刚度系数如表1所示。
Figure BDA00021992628700000511
表1
表1中，0.913为第8个基本单元识别出的刚度，说明在一定的偏差范围内能够识别出单处损伤位置及损伤程度，具体的识别步骤与工况2相同。
损伤设置工况2:损伤设置第8个基本单元、第25个基本单元(小单元)各设置20％的损伤，以说明该方法能够识别不同位置、相同程度的损伤。识别步骤如下：
第一步：将桥梁划分成两段，各包含16个基本单元，设置两个刚度系数，左右16个单元分别乘以刚度系数，可以得到模型中桥梁基本单元的刚度。其识别结果如表2所示：
Figure BDA0002199262870000061
表2
表2中，0.994、0.993分别为优化识别出左跨桥梁(1-16号基本单元)，右跨桥梁(17-32号基本单元)的刚度系数。均小于1说明左右跨均需要继续进一步识别。
第二步：将桥梁划分成4个大单元，每个大单元包含8个基本单元，分别为1-8号、9-16号、17-24号、25-32号基本单元。设置4个刚度系数，识别结果如图3所示。
从图3中可知，在第一个大单元和第四个大单元处的刚度系数明显小于1，说明在1-8基本单元和25-32基本单元处存在损伤，下一步只需对这16个基本单元进行优化识别。
第三步：将16个基本单元划分成4个大单元，每个大单元包含4个基本单元，分别为1-4基本单元，5-8基本单元，25-28基本单元，29-32基本单元，并对其进行优化，识别结果如图4、表3所示。
Figure BDA0002199262870000062
表3
表3中0.936和0.932分别为第二、三个大单元的刚度系数，说明在5-8基本单元和25-28基本单元中存在损伤，下一步只需对这8个基本单元做进一步识别。
第四步：将上一步待识别的8个基本单元划分成4个大单元，每个大单元包含2个基本单元，分别为5-6基本单元，7-8基本单元，25-26基本单元，27-28基本单元，进一步优化识别结果如图5、表4所示。
Figure BDA0002199262870000063
表4
表4中0.886和0.881分别为第二个大单元和第三个大单元的刚度系数，也就是说在第7-8基本单元和25-26基本单元处存在损伤，下一步只需对这四个基本单元做进一步识别。
第五步：将上一步待识别的四个基本单元划分成4个大单元，此时每个大单元只包含1个基本单元，分别为7号、8号、25号、26号基本单元，对其进行优化，优化识别结果如图6、表5所示。
Figure BDA0002199262870000071
表5
表5中0.806和0.798分别为第二、第三个大单元优化识别处的刚度系数，也表示8号、25号基本单元的刚度系数，说明在这两处存在明显的刚度折减，也即存在损伤，这和预先设置的损伤情况基本一致，说明确实识别到了损伤位置以及损伤程度。
损伤设置工况3:第5单元、28单元(小单元)分别设置20％、10％的损伤，以说明该方法能够识别不同位置，不同程度的损伤，最终识别结果如图7所示，具体数值如表6所示。
Figure BDA0002199262870000072
表6
表6中，0.811、0.906分别为优化识别出第8个基本单元、第25个基本的单元刚度系数，说明该方法在一定的偏差范围内能够识别不同位置，不同程度的损伤，具体的识别步骤与工况2相同。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法，其特征在于，包括以下步骤：
第一步：大、小两辆检测车在有动力的牵引车拖动下依次驶过桥梁，采集两辆检测车的质心处加速度信号；
第二步：将大车加速度信号、小车加速度信号进行时间上平移，使得两车加速度信号都是对应于经过桥面上同一位置处的响应信号；
第三步：将第二步处理之后的大车加速度减去小车加速度得到新的加速度信号设为a3，通过a3并根据理论可以推导出桥面与车之间的接触点的位移响应信号d3，将d3分成10小段，再对每小段接触点位移响应求四阶中心矩，最终可以得到10个位移四阶中心矩，称为目标四节矩向量；
第四步：建立小车通过没有粗糙度的车桥耦合优化模型，其中桥梁划分成2n个基本单元，将2n个基本单元分成2个大单元，即每个大单元包含桥梁的左右2(n-1)个小单元，设置每个大单元初始刚度系数为1，计算时每个基本单元实际初始弯曲刚度为1*EI；
第五步：运行第四步的模型并得到小车的加速度响应a3’,将a3’反算出车和桥之间的移动接触点位移信号，同样可以得到10个位移四阶中心矩，称为模型四阶矩向量，将模型四阶矩向量与目标四阶矩向量做差再求二范数；
第六步：以二范数为目标值，两个大单元的刚度系数为变量，采用GPSA优化算法，最终可以得到优化后的刚度系数，通过对比原始刚度系数可以初步判定桥梁哪个区域出现了损伤；
第七步：将出现有刚度降低的大单元，继续按照第四步至第六步的方法进行优化，直至最终优化模型中大单元数中包含的基本单元数为1个，优化识别结束，同时桥梁损伤的位置和程度识别出。
CN201910859335.1A 2019-09-11 2019-09-11 基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法 Active CN110567661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910859335.1A CN110567661B (zh) 2019-09-11 2019-09-11 基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910859335.1A CN110567661B (zh) 2019-09-11 2019-09-11 基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法

Publications (2)

Publication Number Publication Date
CN110567661A CN110567661A (zh) 2019-12-13
CN110567661B true CN110567661B (zh) 2021-02-09

Family

ID=68779268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910859335.1A Active CN110567661B (zh) 2019-09-11 2019-09-11 基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法

Country Status (1)

Country Link
CN (1) CN110567661B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111750819B (zh) * 2020-07-06 2021-09-07 重庆大学 一种桥面粗糙度检测系统
CN111750810B (zh) * 2020-07-06 2021-09-07 重庆大学 一种基于两连接测量车振动信号的桥面粗糙度识别方法
CN113946989A (zh) * 2021-05-14 2022-01-18 重庆大学 基于广义模式搜索算法的结构损伤检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110154903A1 (en) * 2007-06-04 2011-06-30 Drexel University Method for structural health monitoring using a smart sensor system
CN106802222A (zh) * 2017-01-13 2017-06-06 重庆大学 一种基于车桥耦合系统的桥梁损伤诊断方法
CN107246944A (zh) * 2017-04-07 2017-10-13 重庆大学 一种基于统计矩理论的结构损伤识别方法
CN107727338A (zh) * 2017-06-01 2018-02-23 重庆大学 一种基于车桥耦合系统的桥梁损伤诊断方法
CN108106802A (zh) * 2017-12-19 2018-06-01 山西省交通科学研究院 一种加固试验梁桥结构参数的识别方法
CN109357822A (zh) * 2018-08-13 2019-02-19 东南大学 一种基于车桥耦合系统时变动力特征改变的桥梁快速测试与评估方法
CN109855823A (zh) * 2019-01-25 2019-06-07 重庆大学 一种利用测试车进行桥梁结构损伤识别的方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825014A (zh) * 2016-03-17 2016-08-03 中铁大桥勘测设计院集团有限公司 一种基于车桥耦合分析的车桥安全健康评估系统及方法
CN106780164B (zh) * 2016-12-29 2021-04-13 广东盛翔交通工程检测有限公司 一种高效的桥梁结构损伤识别系统
CN106802221A (zh) * 2017-01-13 2017-06-06 重庆大学 一种基于车桥耦合系统的桥梁损伤诊断方法的检测车装置
WO2018138943A1 (ja) * 2017-01-25 2018-08-02 パナソニックＩｐマネジメント株式会社 剛性測定装置および剛性測定方法
CN110057514A (zh) * 2019-03-22 2019-07-26 天津大学 一种用于桥梁损伤识别试验的车桥耦合系统模型及方法
CN110132511B (zh) * 2019-05-30 2020-10-27 山东省建筑科学研究院有限公司 一种基于动挠度衰减规律的桥梁结构监测评估方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110154903A1 (en) * 2007-06-04 2011-06-30 Drexel University Method for structural health monitoring using a smart sensor system
CN106802222A (zh) * 2017-01-13 2017-06-06 重庆大学 一种基于车桥耦合系统的桥梁损伤诊断方法
CN107246944A (zh) * 2017-04-07 2017-10-13 重庆大学 一种基于统计矩理论的结构损伤识别方法
CN107727338A (zh) * 2017-06-01 2018-02-23 重庆大学 一种基于车桥耦合系统的桥梁损伤诊断方法
CN108106802A (zh) * 2017-12-19 2018-06-01 山西省交通科学研究院 一种加固试验梁桥结构参数的识别方法
CN109357822A (zh) * 2018-08-13 2019-02-19 东南大学 一种基于车桥耦合系统时变动力特征改变的桥梁快速测试与评估方法
CN109855823A (zh) * 2019-01-25 2019-06-07 重庆大学 一种利用测试车进行桥梁结构损伤识别的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Optimization method based on Generalized Pattern Search Algorithm to identify bridge parameters indirectly by a passing vehicle;Li W M,Jiang Z H,Wang T L,et al.;《Journal of Sound & Vibration》;20141231;第333卷(第2期);第364-380页 *
梁式结构基于间接测量法的损伤识别方法研究;贾宝玉龙;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170315(第3期);C038-1099 *
考虑粗糙度影响的桥梁损伤识别间接测量方法;阳洋 等;《中国公路学报》;20190131;第32卷(第1期);第99-106页 *

Also Published As

Publication number Publication date
CN110567661A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110567661B (zh) 基于广义模式搜索算法和车桥耦合的桥梁损伤识别方法
CN109855823B (zh) 一种利用测试车进行桥梁结构损伤识别的方法
Liu et al. Advances of research on high-speed railway catenary
CN111299815A (zh) 一种用于低灰度橡胶垫视觉检测与激光切割轨迹规划方法
CN103465107B (zh) 一种刀具磨损监测方法
CN110568069B (zh) 基于加速度比值的平均值和gpsa算法的梁式桥损伤识别方法
CN104309435B (zh) 一种路面不平度在线辨识方法
AU2020104486A4 (en) Pavement flatness measurement method and system
CN109489584B (zh) 一种基于3d技术的隧道限界检测系统及隧道限界识别方法
CN102788696A (zh) 基于改进bp神经网络和模糊集理论的轴承健康度评价方法
CN114881076B (zh) 基于支持向量机的钢轨波磨识别方法、装置、设备及介质
CN115758289B (zh) 一种基于多任务学习神经网络的钢轨波磨识别方法
CN116881819B (zh) 一种基于孤立森林的斜拉索工作状态监测方法
CN110243682A (zh) 一种基于路面动态弯沉的道路承载性能评价方法
CN111310686A (zh) 一种ipso-bp神经网络的钢丝绳断丝损伤识别方法
CN108920766A (zh) 一种基于基函数表示和稀疏正则化的桥梁影响线识别方法
CN114444187A (zh) 一种振动传递大数据与胶囊网络融合的桥梁损伤诊断方法
CN115371724A (zh) 轨道状态评价方法及装置
CN109919511B (zh) 既有铁路线形评估方法及系统
CN112464397A (zh) 一种铁路道岔钢轨打磨廓形优化方法
CN116644278A (zh) 基于样本筛选和特征提取的双模型轴承异常检测算法
CN116819549A (zh) 基于自走行的接触网自动测量方法及装置
CN115524086A (zh) 基于车桥耦合振动的统计矩曲率梁式桥损伤识别方法
CN113836476B (zh) 一种基于智能手机的路面平整度测量方法
CN114119710B (zh) 一种计算敞车车厢剩余冻煤体积的方法及系统

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
TA01 Transfer of patent application right

Effective date of registration: 20200426

Address after: 400044 Shapingba District Sha Street, No. 174, Chongqing

Applicant after: Chongqing University

Applicant after: Chongqing Communications Committee engineering quality and Safety Supervision Bureau

Applicant after: Chongqing Traffic Engineering Quality Inspection Co., Ltd

Applicant after: CHONGQING EXPRESSWAY GROUP CO., LTD. NORTHEAST OPERATION BRANCH

Applicant after: Chongqing communications planning, survey and Design Institute Co., Ltd

Applicant after: Chongqing highway engineering quality inspection center

Applicant after: Fuling District Bureau of communications of Chongqing Municipality

Address before: 400044 Shapingba District Sha Street, No. 174, Chongqing

Applicant before: Chongqing University

TA01 Transfer of patent application right
CB02 Change of applicant information

Address after: 400044 No. 174 Sha Jie street, Shapingba District, Chongqing

Applicant after: Chongqing University

Applicant after: Chongqing Communications Committee engineering quality and Safety Supervision Bureau

Applicant after: Chongqing Traffic Engineering Quality Inspection Co.,Ltd.

Applicant after: Northeast Operation Branch of Chongqing Expressway Group Co.,Ltd.

Applicant after: Chongqing communications planning, survey and Design Institute Co.,Ltd.

Applicant after: Chongqing transportation planning and Technology Development Center (Chongqing transportation engineering cost station)

Applicant after: Fuling District Bureau of communications of Chongqing Municipality

Address before: 400044 No. 174 Sha Jie street, Shapingba District, Chongqing

Applicant before: Chongqing University

Applicant before: Chongqing Communications Committee engineering quality and Safety Supervision Bureau

Applicant before: Chongqing Traffic Engineering Quality Inspection Co.,Ltd.

Applicant before: Northeast Operation Branch of Chongqing Expressway Group Co.,Ltd.

Applicant before: Chongqing communications planning, survey and Design Institute Co.,Ltd.

Applicant before: Chongqing highway engineering quality inspection center

Applicant before: Fuling District Bureau of communications of Chongqing Municipality

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant