CN111400808B - 模拟过载谱下的公路桥梁防抖和过载性能控制系统 - Google Patents
模拟过载谱下的公路桥梁防抖和过载性能控制系统 Download PDFInfo
- Publication number
- CN111400808B CN111400808B CN202010235936.8A CN202010235936A CN111400808B CN 111400808 B CN111400808 B CN 111400808B CN 202010235936 A CN202010235936 A CN 202010235936A CN 111400808 B CN111400808 B CN 111400808B
- Authority
- CN
- China
- Prior art keywords
- overload
- bridge
- data
- highway bridge
- subsystem
- 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
Images
Landscapes
- Bridges Or Land Bridges (AREA)
Abstract
本发明提出一种模拟过载谱下的公路桥梁防抖和过载性能控制系统。该模拟过载谱下的公路桥梁过载性能控制系统包括实际过载谱数据载入子系统、公路桥梁数据子系统、模拟过载谱数据生成子系统以及过载性能控制子系统；通过实际过载数据数据以及模拟过载数据联合实现过载性能预测控制；模拟过载数据基于实际过载数据对称生成，在减少了采样传感器的数量和布置点数量的同时，还能获取桥梁整体的过载数据参数；模拟过载谱下的公路桥梁防抖性能控制系统连接所述公路桥梁过载性能控制系统，基于视频采样监测得到的碳纤维薄板的视频帧序列，进行所述防抖性能控制。通过二者的结合对整体过载性能以及长期运行趋势做出全面并且准确的监测和预测。
Description
技术领域
本发明属于安全监测技术领域，尤其涉及模拟过载谱下的公路桥梁防抖和过载性能控制系统。
背景技术
近年来，随着经济的发展和科技的进步，大跨度桥梁在世界各地被大量地兴建。连续刚构桥已经成为目前大跨度梁桥主要采用的结构体系之一，其中，预应力混凝土连续刚构桥是伴随着预应力技术的发展和机械化施丁方法的出现，在混凝土连续梁桥和型刚构的基础上不断改进发展起来的一种桥梁结构形式。
高塌大跨连续刚构桥因其跨越能力大、受力性能好、行车平顺舒适、施工简便、利于养护等优点，在大跨径的梁式桥中得到越来越广泛地运用。但是，这类桥梁在建成后运营不久大多出现梁体开裂，跨中烧度持续增加等问题，而且这些问题带有相当大的普遍性，严重地影响这类桥梁的长期性能。疲劳裂纹的萌生和扩展是影响CFL加固RC构件疲劳性能的重要因素。
在预应力混凝土连续刚构桥服役期间，混凝土中的裂纹一旦形成，首先会导致钢筋锈蚀以及应力集中，从而使构件的承载力降低进而使结构失效。而且，大量的工程实例和实验资料表明，在循环载荷的作用下混凝土一旦开裂后裂纹无法闭合，只会逐渐扩展最终导致结构的破坏。事实上预应力混凝土连续刚构桥构件的疲劳破坏机理要远远比静载下的破坏机理复杂，而且其疲劳寿命也很离散。
中国的公路里程数和桥梁数量已经高居世界首位。出于经济效益的考虑，目前，国内公路运输的超载是普遍现象。超载严重损坏了公路基础设施，致使路面损坏、桥梁断裂，对结构的使用寿命产生了巨大影响，使用年限大大缩短。而且，结构的疲劳破坏是属于脆性破坏，一旦发生桥梁的疲劳破坏会导致结构突然坍塌，给人民的生命财产造成巨大的损失。因此，如何探讨车辆荷载尤其是过大载荷对桥梁结构疲劳性能的影响十分重要；此外桥梁在长期服役中可能会产生各种病害，并将逐步面对其达到使用年限的情况。为了消除病危桥的安全隐患，需要对桥梁结构进行加固。目前，桥梁等钢筋混凝土加固构件的长期性能研究已成为土木工程领域最重要的研究课题。
申请号为CN201911013899.X的中国发明专利申请提出一种智能化桥梁检查系统及检查方法，能初步对桥梁底部进行自动快速检查，并记录病害位置信息，再结合现有的载人桥梁检查车承载检索人员到达病害位置对病害进行处理，实现桥梁病害快速检修。降低了人工作业强度并提高了生产效率，特别是在铁路桥梁以及作业环境较为危险的区域，极大地降低人工作业出现的事故概率；该智能化桥梁检查方法结合了永久性的载人桥梁检查车和轻型便携式智能化桥梁检查系统两者的优势，在不影响原来预留的载人桥梁检查车的基础上，利用其原来预留的工字钢轨道加设一套可拆卸、可拼接的智能化桥梁检查系统并且将两者集成为一个智能系统。
申请号为CN201810181305.5的中国发明专利申请提出桥梁检测车支腿机构的过载保护液压系统及过载保护方法，通过电比例溢流阀控制支撑油缸的无杆腔内压力的最大值，从而限制支腿机构的最大载荷，有效防止支腿机构出现过载现象；本发明与支撑油缸无杆腔依次串联的节流阀和蓄能器可调节动态冲击载荷趋于平稳，能够在起伏颠簸地面上稳定工作，避免了支撑油缸的密封件因冲击而出现损坏；本发明所述过载保护液压系统中，通过控制器控制电比例溢流阀的溢流压力，从而调节支腿机构的最大支撑载荷，保证了支腿机构在不同工况下均能够可靠稳定地工作，适应不同路面的同时，避免作业路面或支腿机构本身遭到损坏。
然而，上述方法均不适用于现今普遍存在的大跨度桥梁尤其是前述预应力混凝土连续刚构桥的过载性能检测。例如，对于上述桥梁，无法利用 CN201911013899.X所述方案中的″对桥梁底部进行自动快速检查，并记录病害位置信息，再结合现有的载人桥梁检查车承载检索人员到达病害位置对病害进行处理″等手段，该技术只能用于小型的普通公路桥梁。此外，现有技术提到的上述检测或者监控方法，均只是简单的单点检测，无法对整个桥梁的整体性能以及长期运行趋势做出监测和预测。
发明内容
为解决上述技术问题，本发明提出一种模拟过载谱下的公路桥梁防抖和过载性能控制系统。其中模拟过载谱下的公路桥梁过载性能控制系统包括实际过载谱数据载入子系统、公路桥梁数据子系统、模拟过载谱数据生成子系统以及过载性能控制子系统；通过实际过载数据数据以及模拟过载数据联合实现过载性能预测控制；模拟过载数据基于实际过载数据对称生成，在减少了采样传感器的数量和布置点数量的同时，还能获取桥梁整体的过载数据参数；模拟过载谱下的公路桥梁防抖性能控制系统连接所述公路桥梁过载性能控制系统，基于视频采样监测得到的碳纤维薄板的视频帧序列，进行所述防抖性能控制。通过二者的结合能够对整个桥梁的整体过载性能以及长期运行趋势做出全面并且准确的监测和预测。
具体来说，在本发明的第一个方面，提出一种模拟过载谱下的公路桥梁过载性能控制系统，所述系统包括实际过载谱数据载入子系统、公路桥梁数据子系统、模拟过载谱数据生成子系统以及过载性能控制子系统；
其中，所述实际过载谱数据载入子系统，用于载入所述公路桥梁的实际过载采样数据集；所述公路桥梁数据子系统，用于预先存储所述公路桥梁的固有属性数据；
作为本发明的第一个创新点，所述模拟过载谱数据生成子系统，用于基于所述所述实际过载谱数据载入子系统载入的所述公路桥梁的实际过载采样数据集以及所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，生成模拟过载数据；
作为体现上述创新点的关键技术手段，所述模拟过载数据为基于所述过载采样参数，为所述桥梁特征段的对称特征段生成的模拟过载参数；
更具体的，所述模拟过载谱数据生成子系统，用于基于所述所述实际过载谱数据载入子系统载入的所述公路桥梁的实际过载采样数据集以及所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，生成模拟过载数据，具体包括：
获取所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，所述固有属性数据包括所述公路桥梁的高度、宽度、跨度、工程CAD 设计数据、核定载重量中的多种数据之一或者其组合；
获取所述桥梁特征段所属的三维位置参数，所述三维位置参数包括所述桥梁特征段的高度、长度；
基于所述三维位置参数，从所述公路桥梁数据子系统中匹配出所述所述桥梁特征段的对称特征段；所述对称特征段与所述桥梁特征段相对于所述桥梁中心对称。
同时，所述模拟过载数据为基于所述过载采样参数，为所述桥梁特征段的对称特征段生成的模拟过载参数，具体包括：
所述模拟过载参数为所述过载采样参数的对称参数，所述对称参数与所述过载采样参数绝对值相同，符号相反或者相同。
基于上述数据基础，作为本发明的另一个优点，所述过载性能控制系统，用于基于所述模拟过载数据，预测所述公路桥梁的过载性能；
其中，所述公路桥梁的实际过载采样数据集为过载条件下基于碳纤维薄板包裹的桥梁特征段的过载采样参数；
所述过载性能控制系统，基于所述过载采样参数以及所述模拟过载参数，采用徐变预测模型预测所述公路桥梁的过载性能。
在本发明中，所述过载条件是根据本发明的特定对象确定的，即针对预应力混凝土连续刚构桥的过载性能检测。具体来说，该预应力混凝土连续刚构桥的实际过载采样数据集为过载条件下基于碳纤维薄板包裹的桥梁特征段的过载采样参数，
所述过载条件由如下方法确定：
获取所述桥梁特征段的钢筋混凝土构件的最大压应变；
从预先设置的数据库中获取对应于所述钢筋混凝土构件类型的所述最大压应变的弯矩值；
实时测量预定时间段内经过所述公路桥梁的车辆的载荷；
如果所述车辆的所述载荷值大于所述弯矩值，则符合所述过载条件。
作为优选，采用有限元分析方法，获取所述桥梁特征段的钢筋混凝土构件的最大压应变。
更具体的，作为本发明结合具体对象提出的优选方法，所述桥梁特征段的钢筋混凝土构件的最大压应变采用如下方式计算：
其中，εcu为所要求的桥梁特征段的钢筋混凝土构件的最大压应变，εcfn为所述碳纤维薄板拉应变；xc为所述钢筋混凝土构件中混凝土受压区高度；h 为所述钢筋混凝土构件的竖截面高度；σcf为所述碳纤维薄板的拉应力；As为所述钢筋混凝土构件中受拉钢筋的截面面积；As为所述钢筋混凝土构件中受压钢筋的截面面积；Acfl为所述碳纤维薄板的横截面面积；Es为所述受压钢筋的弹性模量；Ec为所述混凝土的弹性模量；Ecfl为所述碳纤维薄板的弹性模量。
在此基础上，所述过载性能控制系统，基于所述过载采样参数以及所述模拟过载参数，采用徐变预测模型预测所述公路桥梁的过载性能，具体包括：
针对所述桥梁特征段，采用第一徐变预测模型；
针对所述对称特征段，采用第二徐变预测模型；
所述第一徐变预测模型不同于所述第二徐变预测模型。
所述第一徐变预测模型为改进的CEB-FIP(1990)模型；
所述第二徐变预测模型为改进的B3模型。
为了保证前述模拟过载谱下的公路桥梁过载性能控制系统的采样以及监测数据的稳定性，使得上述系统能够长期、全面且稳定的实现预定时间段内的性能控制与预测，在本发明的第二个方面，还提出种模拟过载谱下的公路桥梁防抖性能控制系统。所述防抖性能控制系统包含有视频监测装置，所述视频监测装置连接前述的公路桥梁过载性能控制系统，对所述基于碳纤维薄板包裹的桥梁特征段进行视频采样监测。该公路桥梁防抖性能控制系统基于所述视频采样监测得到的所述碳纤维薄板的视频帧序列，进行所述防抖性能控制。
具体来说，作为上述公路桥梁防抖性能控制系统的关键技术手段，基于所述视频采样监测得到的所述碳纤维薄板的视频帧序列，进行所述防抖性能控制，包括：
获取所述碳纤维薄板的若干采样帧；
识别出所述碳纤维薄板的每一采样帧的特征点；
将所述特征点识别为稳定特征点与非稳定特征点；
基于所述稳定特定点进行振动检测与防抖控制。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的模拟过载谱下的公路桥梁过载性能控制系统的整体架构图；
图2是图1所述系统中的桥梁特征段与其对称特征段的示意图；
图3是图2或图1所述系统中的所述过载条件示意图；
图4是桥梁特征段的钢筋混凝土构件的最大压应变结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面，结合附图以及具体实施方式，对发明做出进一步的描述：
参照图1，是本发明一个实施例的模拟过载谱下的公路桥梁过载性能控制系统的整体架构图。
所述系统包括实际过载谱数据载入子系统、公路桥梁数据子系统、模拟过载谱数据生成子系统以及过载性能控制子系统；
所述公路桥梁数据子系统，用于预先存储所述公路桥梁的固有属性数据。
在本实施例中，所述公路桥梁的固有属性数据是指所述桥梁建设完工验收通车后，在相当长的时间内会保持不变的属性数据。
作为一个示意性的例子，所述固有属性数据包括所述公路桥梁的高度、宽度、跨度、工程CAD设计数据、核定载重量中的多种数据之一或者其组合；
当然，根据实际的存储需要，还可以包括其他数据，本发明对此不作限定。
所述实际过载谱数据载入子系统，用于载入所述公路桥梁的实际过载采样数据集；
在本实例中，所述公路桥梁的实际过载采样数据集，是指在过载条件下，采样得到的相关车辆经过桥梁特征段的数据；
也就是说，所述公路桥梁的实际过载采样数据集为过载条件下基于碳纤维薄板包裹的桥梁特征段的过载采样参数；
作为一个实例，这些数据包括不同载荷车辆下的所述桥梁特征段的钢筋混凝土构件的临界弯矩以及其分布频次，以及所述碳纤维薄板的应力水平以及其频次，从而构成实际过载采样数据的过载谱；
所述模拟过载谱数据生成子系统，用于基于所述所述实际过载谱数据载入子系统载入的所述公路桥梁的实际过载采样数据集以及所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，生成模拟过载数据；
所述模拟过载数据为基于所述过载采样参数，为所述桥梁特征段的对称特征段生成的模拟过载参数；因此，图1还包括对称生成组件，用于连接所述公路桥梁数据子系统与所述模拟过载谱数据生成子系统。
所述过载性能控制系统，用于基于所述模拟过载数据以及实际过载采样数据集，预测所述公路桥梁的过载性能；
所述过载性能控制系统，基于所述过载采样参数以及所述模拟过载参数，采用徐变预测模型预测所述公路桥梁的过载性能。
在图1基础上，参见图2。图2是所述系统中的桥梁特征段与其对称特征段的示意图。
以桥梁的中轴线为对称轴，基于所述桥梁特征段，可以获得其对称特征段。
具体来说，可以如图2下方所述，将所述桥梁整体分为不同的有限元单元，基于对称性获得每一个桥梁特征段的对称特征段。
如此以来，至少可以节省一半的碳纤维薄板材料，同时还能获得桥梁整体的过载数据。
结合图1和2，所述模拟过载谱数据生成子系统，用于基于所述所述实际过载谱数据载入子系统载入的所述公路桥梁的实际过载采样数据集以及所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，生成模拟过载数据，具体包括：
获取所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，获取所述桥梁特征段所属的三维位置参数，所述三维位置参数包括所述桥梁特征段的高度、长度；
基于所述三维位置参数，从所述公路桥梁数据子系统中匹配出所述所述桥梁特征段的对称特征段；所述对称特征段与所述桥梁特征段相对于所述桥梁中心对称。
根据实际的数据类型，所述模拟过载参数为所述过载采样参数的对称参数，所述对称参数与所述过载采样参数绝对值相同，符号相反或者相同。
接下来参见图3，是本发明针对预应力混凝土连续刚构桥这一特定条件下的对象定义的过载条件判断。
具体来说，该预应力混凝土连续刚构桥的实际过载采样数据集为过载条件下基于碳纤维薄板包裹的桥梁特征段的过载采样参数，所述过载条件由如下方法确定：
获取所述桥梁特征段的钢筋混凝土构件的最大压应变；
从预先设置的数据库中获取对应于所述钢筋混凝土构件类型的所述最大压应变的弯矩值；
实时测量预定时间段内经过所述公路桥梁的车辆的载荷；
如果所述车辆的所述载荷值导致的过载谱中的最小弯矩值大于所述弯矩值，则符合所述过载条件。
在图3基础上，参见图4，图4是桥梁特征段的钢筋混凝土构件的最大压应变结构示意图。
基于图4，本实施例提出计算所述桥梁特征段的钢筋混凝土构件的最大压应变的公式如下：
其中，εcu为所要求的桥梁特征段的钢筋混凝土构件的最大压应变，εcfn为所述碳纤维薄板拉应变；xc为所述钢筋混凝土构件中混凝土受压区高度；h为所述钢筋混凝土构件的竖截面高度；σcf为所述碳纤维薄板的拉应力；As为所述钢筋混凝土构件中受拉钢筋的截面面积；As为所述钢筋混凝土构件中受压钢筋的截面面积；Acfl为所述碳纤维薄板的横截面面积；Es为所述受压钢筋的弹性模量；Ec为所述混凝土的弹性模量；Ecfl为所述碳纤维薄板的弹性模量。
在此基础上，所述过载性能控制系统，基于所述过载采样参数以及所述模拟过载参数，采用徐变预测模型预测所述公路桥梁的过载性能，具体包括：
针对所述桥梁特征段，采用第一徐变预测模型；
针对所述对称特征段，采用第二徐变预测模型；
所述第一徐变预测模型不同于所述第二徐变预测模型。
所述第一徐变预测模型为改进的CEB-FIP(1990)模型；
所述第二徐变预测模型为改进的B3模型。
本发明中，所述″碳纤维薄板″为改进型的FRP片材，具体可参见中国发明专利ZL200410026742.8；
所述改进型的徐变模型CEB-FIP(1990)或者B3模型，可参见本说明书末尾的参考文献列表，其中分别介绍了多种改进型的徐变模型 CEB-FIP(1990)或者B3模型。
为了保证前述模拟过载谱下的公路桥梁过载性能控制系统的采样以及监测数据的稳定性，使得上述系统能够长期、全面且稳定的实现预定时间段内的性能控制与预测，在本发明的第二个方面，还提出模拟过载谱下的公路桥梁防抖性能控制系统。所述防抖性能控制系统包含有视频监测装置，所述视频监测装置连接前述的公路桥梁过载性能控制系统，对所述基于碳纤维薄板包裹的桥梁特征段进行视频采样监测。该公路桥梁防抖性能控制系统基于所述视频采样监测得到的所述碳纤维薄板的视频帧序列，进行所述防抖性能控制。
具体来说，作为上述公路桥梁防抖性能控制系统的关键技术手段，基于所述视频采样监测得到的所述碳纤维薄板的视频帧序列，进行所述防抖性能控制，包括：
获取所述碳纤维薄板的若干采样帧；
识别出所述碳纤维薄板的每一采样帧的特征点；
将所述特征点识别为稳定特征点与非稳定特征点；
基于所述稳定特定点进行振动检测与防抖控制。
其中，稳定特征点的定义是指亮度值无剧烈帧间变化的所有非边缘像素点。
稳定特征点定位方法如下：
Lt(i，j)＝exp([It(i，j)-It-1(i，j)]2)，
Tt＝Et·Wg，
Θt＝{(i，j)：Lt(i，j)≤Vt且Et(i，j)≤Tt(i，j)}，
式中：
I表示一幅视频帧(I的下标为视频帧序号)；It-1和It分别代表视频序列中的第t-1帧和第t帧(即两幅连续帧)；而It(i，j)则代表第t帧中的空间坐标为(i，j)的某个像素点；m×n代表视频帧的大小；d1-d4分别代表0° /45°/90°/135°方向上的边缘检测算子。
Et是计算边缘图像Et的自适应阈值，Et(i，j)以及Tt(i，j)分别是对应于Et 和Tt的图像中坐标为(i，j)的像素点；
其中Wg为一个高斯函数窗；
最后一个公式是寻找出帧间变化低于平均值且非边缘的所有像素点，并将其标记为稳定点，θt就是记录了视频序列第t帧中所有稳定像素点坐标的集合。显然，上述公式组中各变量均会随视频帧的更新而变化，表明上述自适应算法的计算结果会随着视频场景的变化而实时更新。
通过上述方法，可以实时地筛选出视频序列中所有无显著像素值跳变的稳定特定点，从而探测出非稳定特定点较多的碳纤维薄板所在的桥梁特征段，进而进行后期的防抖控制。
本发明的各个实施例未特别定义的其他技术特征或者参数，遵从本领域的常规定义或者现有技术的常规表达。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
参考文献列表：
|中华人民共和国交通部规范公路钢筋混凝土及预应力混凝土桥涵设计规范(JTGD62-2004)；
|熊学玉，黄炜一，张亚东等预应力混凝土收缩徐变效应测试与分析工业建筑，2012；42(4)，65-68.
|Mereson，R.Compressive Creep of Prestressed Concrete Mixtures withand without Mixtures[D].Master of Science Thesis in Civil Engineering，Virginal Tech， February 2001.
|Wassira Naguib，Amir Mirmiran.Creep Analysis of Axially Loaded FiberReinforced Polymer-Confined Concrete Columns[J].Journal of Engineeringechanics.Novermber2003：1308-1319.
|CEB欧洲国际混凝土委员会.1990年CEB-FIP模式规范(混凝土结构)[S].中国建筑科学研究结构所规范室译，1991.
|BazantZP，PanulaL.Creep and shrinkage cracterization for analyzingprestressed concrete struetural[J].PCI Joumal，1980(3)：87-123.
|Bazant Z.P.，Murphy W.P.Creep and shrinkage Prediction Model forAnalysis and Design of Concrete Structures-Model B3[J].Materials sandStruetures， 1995(28)：367-365.
|B.P.Bazant，Baweja.Justification and Refinements of Model B3 forConcrete Creep And Shrinkgae Statistics and Sensitivity[J].Materials sandStruetures， 1995(28)：438-495。
Claims (9)
1.一种模拟过载谱下的公路桥梁过载性能控制系统，
所述公路桥梁过载性能控制系统包括实际过载谱数据载入子系统、公路桥梁数据子系统、模拟过载谱数据生成子系统以及过载性能控制子系统；
其特征在于：
所述实际过载谱数据载入子系统，用于载入所述公路桥梁的实际过载采样数据集；
所述公路桥梁数据子系统，用于预先存储所述公路桥梁的固有属性数据；
所述模拟过载谱数据生成子系统，用于基于所述实际过载谱数据载入子系统载入的所述公路桥梁的实际过载采样数据集以及所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，生成模拟过载数据；
所述过载性能控制系统，用于基于所述模拟过载数据，预测所述公路桥梁的过载性能；
所述公路桥梁的实际过载采样数据集为过载条件下基于碳纤维薄板包裹的桥梁特征段的过载采样参数；
所述模拟过载数据为基于所述过载采样参数，为所述桥梁特征段的对称特征段生成的模拟过载参数；
所述过载性能控制系统，基于所述过载采样参数以及所述模拟过载参数，采用徐变预测模型预测所述公路桥梁的过载性能；
其中，所述模拟过载谱数据生成子系统，用于基于所述实际过载谱数据载入子系统载入的所述公路桥梁的实际过载采样数据集以及所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，生成模拟过载数据，具体包括：
获取所述公路桥梁数据子系统预先存储的所述公路桥梁的固有属性数据，所述固有属性数据包括所述公路桥梁的高度、宽度、跨度、工程CAD设计数据、核定载重量中的多种数据之一或者其组合；
获取所述桥梁特征段所属的三维位置参数，所述三维位置参数包括所述桥梁特征段的高度、长度；
基于所述三维位置参数，从所述公路桥梁数据子系统中匹配出所述桥梁特征段的对称特征段；所述对称特征段与所述桥梁特征段相对于所述桥梁中心对称。
2.如权利要求1所述的一种模拟过载谱下的公路桥梁过载性能控制系统，其特征在于：
所述公路桥梁的实际过载采样数据集为过载条件下基于碳纤维薄板包裹的桥梁特征段的过载采样参数，所述过载条件由如下方法确定：
获取所述桥梁特征段的钢筋混凝土构件的最大压应变；
从预先设置的数据库中获取对应于所述钢筋混凝土构件类型的所述最大压应变的弯矩值；
实时测量预定时间段内经过所述公路桥梁的车辆的载荷；
如果所述车辆的所述载荷值大于所述弯矩值，则符合所述过载条件。
3.如权利要求2所述的一种模拟过载谱下的公路桥梁过载性能控制系统，其特征在于：
采用有限元分析方法，获取所述桥梁特征段的钢筋混凝土构件的最大压应变。
4.如权利要求1所述的一种模拟过载谱下的公路桥梁过载性能控制系统，其特征在于：
所述过载性能控制系统，基于所述过载采样参数以及所述模拟过载参数，采用徐变预测模型预测所述公路桥梁的过载性能，具体包括：
针对所述桥梁特征段，采用第一徐变预测模型；
针对所述对称特征段，采用第二徐变预测模型；
所述第一徐变预测模型不同于所述第二徐变预测模型。
5.如权利要求4所述的一种模拟过载谱下的公路桥梁过载性能控制系统，其特征在于：
所述第一徐变预测模型为改进的CEB-FIP(1990)模型；
所述第二徐变预测模型为改进的B3模型。
6.如权利要求1所述的一种模拟过载谱下的公路桥梁过载性能控制系统，其特征在于：
所述模拟过载数据为基于所述过载采样参数，为所述桥梁特征段的对称特征段生成的模拟过载参数，具体包括：
所述模拟过载参数为所述过载采样参数的对称参数，所述对称参数与所述过载采样参数绝对值相同，符号相反或者相同。
7.如权利要求1或3所述的一种模拟过载谱下的公路桥梁过载性能控制系统，其特征在于：
所述桥梁特征段的钢筋混凝土构件的最大压应变采用如下方式计算：
其中，εcu为所要求的桥梁特征段的钢筋混凝土构件的最大压应变，εcfn为所述碳纤维薄板拉应变；xc为所述钢筋混凝土构件中混凝土受压区高度；h为所述钢筋混凝土构件的竖截面高度；σcf为所述碳纤维薄板的拉应力；As为所述钢筋混凝土构件中受拉钢筋的截面面积；As为所述钢筋混凝土构件中受压钢筋的截面面积；Acfl为所述碳纤维薄板的横截面面积；Es为所述受压钢筋的弹性模量；Ec为所述混凝土的弹性模量；Ecfl为所述碳纤维薄板的弹性模量。
8.一种模拟过载谱下的公路桥梁防抖性能控制系统，其特征在于：
所述防抖性能控制系统包含有视频监测装置，所述视频监测装置连接权利要求1-7任一项所述的公路桥梁过载性能控制系统，对所述基于碳纤维薄板包裹的桥梁特征段进行视频采样监测。
9.如权利要求8所述的公路桥梁防抖性能控制系统，其特征在于：
基于所述视频采样监测得到的所述碳纤维薄板的视频帧序列，进行所述防抖性能控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010235936.8A CN111400808B (zh) | 2020-03-30 | 2020-03-30 | 模拟过载谱下的公路桥梁防抖和过载性能控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010235936.8A CN111400808B (zh) | 2020-03-30 | 2020-03-30 | 模拟过载谱下的公路桥梁防抖和过载性能控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111400808A CN111400808A (zh) | 2020-07-10 |
| CN111400808B true CN111400808B (zh) | 2020-09-25 |
Family
ID=71436744
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010235936.8A Active CN111400808B (zh) | 2020-03-30 | 2020-03-30 | 模拟过载谱下的公路桥梁防抖和过载性能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111400808B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111563288B (zh) * | 2020-04-16 | 2022-08-30 | 福建省永正工程质量检测有限公司 | 大跨度公路桥梁的过载性能长期监测和预测系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106774384A (zh) * | 2016-12-05 | 2017-05-31 | 王源浩 | 一种桥梁检测智能避障机器人 |
| CN108428207A (zh) * | 2018-03-15 | 2018-08-21 | 太原科技大学 | 高速公路一体化维养方法、系统、操作方法及其装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109356016A (zh) * | 2018-11-20 | 2019-02-19 | 湖南大学 | 一种轻型钢-超高性能混凝土劲性组合肋板及施工方法 |
-
2020
- 2020-03-30 CN CN202010235936.8A patent/CN111400808B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106774384A (zh) * | 2016-12-05 | 2017-05-31 | 王源浩 | 一种桥梁检测智能避障机器人 |
| CN108428207A (zh) * | 2018-03-15 | 2018-08-21 | 太原科技大学 | 高速公路一体化维养方法、系统、操作方法及其装置 |
Non-Patent Citations (3)
| Title |
|---|
| "Numerical Prediction of Long-Term Deformation for Prestressed Concrete Bridges under Random Heavy Traffic Loads ";Qingling Meng et al.;《Journal of Bridge Engineering》;20190906;1-17页 * |
| "基于路桥动态响应的过载实时监测系统研制";石岩;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120715;I140-1023 * |
| "过载谱下CFL增强RC梁疲劳性能研究";李政伟;《中国博士学位论文全文数据库 基础科学辑》;20150515;A004-4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111400808A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104834805B (zh) | 一种基于简化悬臂梁的建筑物损伤评估方法 | |
| CN105651474B (zh) | 预应力混凝土整孔预制箱梁梁上运梁模拟加载试验方法 | |
| Tong et al. | Fatigue life prediction of welded joints in orthotropic steel decks considering temperature effect and increasing traffic flow | |
| CN111368423A (zh) | 一种车载桥梁承载能力快速检测评估系统及方法 | |
| Alexakis et al. | Damage identification of brick masonry under cyclic loading based on acoustic emissions | |
| Abdessemed et al. | Dynamic analysis of a bridge repaired by CFRP: Experimental and numerical modelling | |
| JP2007270552A (ja) | 信号処理方法、信号処理プログラムおよび記録媒体 | |
| Shahsavari et al. | Diagnostic testing of a vertical lift truss bridge for model verification and decision-making support | |
| CN111400808B (zh) | 模拟过载谱下的公路桥梁防抖和过载性能控制系统 | |
| Liu et al. | Inspection, materials testing and field testing of a prestressed concrete box bridge after fire exposure | |
| CN114722858A (zh) | 一种预应力混凝土结构的安全评估方法 | |
| Karimi et al. | Damage identification in bridge structures: review of available methods and case studies | |
| Torres et al. | Long-term static and dynamic monitoring to failure scenarios assessment in steel truss railway bridges: A case study | |
| Colford et al. | Structural health monitoring–a risk-based approach | |
| Zhuang et al. | FATIGUE FLEXURAL PERFORMANCE OF SHORT-SPAN REINFORCED CONCRETE T-BEAMS CONSIDERING OVERLOADING EFFECT. | |
| CN111563288B (zh) | 大跨度公路桥梁的过载性能长期监测和预测系统 | |
| Tonelli et al. | Acoustic emission monitoring of prestressed concrete bridges: Differences before and after the first-crack opening | |
| Gaute-Alonso et al. | Structural safety assessment criteria for dismantling operations of unique structures. San Mames Roof Arch Experience | |
| Bondar et al. | INFLUENCE OF THE DEFORMED STATE OF A ROAD BRIDGE ON OPERATIONAL SAFETY. | |
| Sadeghi et al. | Grillage analogy applications in analysis of bridge decks | |
| Koh et al. | Recent development of bridge health monitoring system in Korea | |
| Martinelli et al. | Service-life extension of transport infrastructure through structural control | |
| Shahsavari et al. | Effect of damaged structural members on performance degradation of a vertical lift truss bridge | |
| Song et al. | Application of ARMAV for modal identification of the Emerson Bridge | |
| Xue et al. | Health monitoring of long-span bridges using deep learning driven by sensor measured and numerical response 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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 063000 No. 103 North New West Road, North District, Tangshan City, Hebei Province Applicant after: Zhang Hailong Address before: 210094 Nanjing University of Science and Technology, 200 Xiaolingwei street, Xuanwu District, Jiangsu, Nanjing Applicant before: Zhang Hailong |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |