CN111637925A - 一种桥梁伸缩缝状态的预警方法和预警系统 - Google Patents
一种桥梁伸缩缝状态的预警方法和预警系统 Download PDFInfo
- Publication number
- CN111637925A CN111637925A CN202010462331.2A CN202010462331A CN111637925A CN 111637925 A CN111637925 A CN 111637925A CN 202010462331 A CN202010462331 A CN 202010462331A CN 111637925 A CN111637925 A CN 111637925A
- Authority
- CN
- China
- Prior art keywords
- temperature
- expansion joint
- displacement
- bridge
- early warning
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请公开一种桥梁伸缩缝状态的预警方法,涉及土木工程结构健康监测的技术领域,预警方法包括:持续采集桥梁的温度和伸缩缝位移;根据采集到的桥梁的温度和伸缩缝位移,计算桥梁的温度‑位移相关系数;按照时间序列获取桥梁的多个温度‑位移相关系数,得到温度‑位移相关系数组;根据得到的温度‑位移相关系数组,在时域上构建温度‑位移相关系数的自回归模型;采用自回归模型对温度‑位移相关系数组进行建模,计算得到预测结果,并利用预测结果对桥梁的伸缩缝状态进行预警。本申请公开还公开了一种桥梁伸缩缝状态的预警系统。本申请能够对伸缩缝状态在未来时间段进行预测,实现伸缩缝状态异常的提前预警,提升伸缩缝状态判断的时效性。
Description
技术领域
本申请涉及土木工程结构健康监测的技术领域,特别涉及一种桥梁伸缩缝状态的预警方法和预警系统。
背景技术
在桥梁巡检及定检工作中发现,伸缩缝性能损坏是常见的桥梁病害之一,也是造成梁体、墩柱开裂的主要原因之一。一旦伸缩缝性能发生损害,将会对桥梁上部结构造成极大的安全隐患,同时严重影响行车的速度、舒适性与安全,甚至导致安全事故的发生。
伸缩缝作为桥梁的主要构件,其作用是降低车辆荷载、风荷载、温度效应等外界作用对桥梁产生的不利影响,保证梁体自由伸缩。研究表明,外界温度效应是造成伸缩缝位移的主要原因,利用常用的桥梁健康监测系统,可以得到桥梁温度和伸缩缝位移的实时监测数据,当前,利用桥梁健康监测系统监测伸缩缝性能,并对其进行状态预警,是保障桥梁安全运营的重要手段。主要方法是通过建立桥梁伸缩缝的温度-位移关系模型,通过考虑桥梁温度和伸缩缝位移的相关性变化,来判断伸缩缝性能是否正常,若新的监测数据不符合该模型规律,说明伸缩缝状态异常。
公开号为CN105507139A的中国申请专利公开了一种大跨度桥梁伸缩缝损伤识别方法,通过求得梁端纵向位移数据曲线和主梁温度数据曲线的相似性指数c,根据c值判断伸缩缝工作状态。然而,这种方法只是基于获取实时数据后再进行状态判断,往往具有一定的滞后性,未能真正达到提前预警效果。
发明内容
本申请实施例提供一种桥梁伸缩缝状态的预警方法和预警系统,能够对伸缩缝状态在未来时间段进行预测,实现伸缩缝状态异常的提前预警,提升伸缩缝状态判断的时效性。
第一方面,本申请实施例提供一种桥梁伸缩缝状态的预警方法,所述预警方法包括以下步骤:
持续采集桥梁的温度和伸缩缝位移;
根据采集到的桥梁的温度和伸缩缝位移,计算桥梁的温度-位移相关系数;
按照时间序列获取桥梁的多个温度-位移相关系数,得到温度-位移相关系数组;
根据得到的所述温度-位移相关系数组,在时域上构建温度-位移相关系数的自回归模型;
采用所述自回归模型对所述温度-位移相关系数组进行建模,计算得到预测结果,并利用所述预测结果对所述桥梁的伸缩缝状态进行预警。
在本实施例中,优选地,所述根据采集到的桥梁的温度和伸缩缝位移,计算桥梁的温度-位移相关系数的具体步骤为:
按照时间序列获取n个测量点的温度、伸缩缝位移,得到最后一个测量点时刻t的温度时序数据Tt=[T1,T2,...,Tn]、伸缩缝位移时序数据St=[S1,S2,...,Sn];
利用得到的所述温度时序数据、伸缩缝位移时序数据计算所述时刻t的温度-位移相关系数,其中,该温度-位移相关系数的计算公式为:
式中,rt为t时刻的温度-位移相关系数,n为用于计算温度-位移相关系数中温度的数量,Ti为第i个测量点对应的温度,Si为第i个测量点对应的伸缩缝位移。
优选地,所述按照时间序列获取桥梁的多个温度-位移相关系数,得到温度-位移相关系数组的具体步骤为:
按照时间序列获取m个测量点的温度-位移相关系数,得到最后一个测量点时刻a的温度-位移相关系数组r(a)=[r1,r2,...,rm]。
优选地,所述获取n个测量点的取样频率与所述获取m个测量点的取样频率相同,且m>n。
优选地,所述自回归模型的数学模型为:
其中,所述自回归模型的阶次、所述自回归模型的参数分别采用最小信息准则、最小二乘法确定。
优选地,所述利用预测结果对所述桥梁的伸缩缝状态进行预警的具体步骤为:
根据所述得到的温度-位移相关系数组确定预警的控制范围;
判断所述预测结果是否在所述控制范围之内,若是,所述伸缩缝状态正常,否则,伸缩缝状态异常。
优选地,所述根据得到的温度-位移相关系数组确定预警的控制范围的具体步骤为:
根据得到的温度-位移相关系数组r(a)=[r1,r2,...,rm],计算该温度-位移相关系数组的平均值μ与标准差σ;
根据所述平均值μ与标准差σ确定控制上限UCL、控制中心线CL、控制下限LCL,其数学公式为:
CL=μ,
UCL=μ+3σ,
LCL=μ-3σ,
若UCL>1,则取UCL=1;LCL<-1,则取LCL=-1。
优选地,根据所述预测结果的平均值μ',判断该平均值μ'是否大于UCL或小于LCL,若是,则所述伸缩缝状态异常,否则,所述伸缩缝状态正常;
其中,所述预测结果为预测的温度-位移相关系数组。
第二方面,本申请实施例还提供一种桥梁伸缩缝状态的预警系统,所述预警系统包括:
存储器,其用于存储可执行指令;
处理器,其与所述存储器连接,用于运行所述可执行指令以执行如上述的桥梁伸缩缝状态的预警方法。
本申请提供的技术方案带来的有益效果包括:
本申请实施例提供了一种桥梁伸缩缝状态的预警方法,根据桥梁的温度和伸缩缝位移计算按时间序列排布的多个相关系数,并通过多个相关系数形成的相关系数组来构建自回归模型以得到预测结果,能够对伸缩缝状态在未来时间段进行预测,实现伸缩缝状态异常的提前预警,提升伸缩缝状态判断的时效性。同时,经过实验验证,本申请实施例提供的预警方法的预测结果绝对误差均在0.03以内,能够实现对伸缩缝在未来时间段内的有效及时预警。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述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申请的一些实施例,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为本申请实施例提供的一种桥梁伸缩缝状态的预警方法的流程图;
图2为桥梁的温度的时程曲线图;
图3为桥梁的伸缩缝位移的时程曲线图;
图4为桥梁的温度-位移相关系的时程曲线图;
图5为桥梁的预测的温度-位移相关系的预测误差的时程曲线图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1所示,本申请实施例提供一种桥梁伸缩缝状态的预警方法,所述预警方法包括以下步骤:
步骤S1:持续采集桥梁的温度和伸缩缝位移;
步骤S2:根据采集到的桥梁的温度和伸缩缝位移,计算桥梁的温度-位移相关系数;
步骤S3:按照时间序列获取桥梁的多个温度-位移相关系数,得到温度-位移相关系数组;
步骤S4:根据得到的所述温度-位移相关系数组,在时域上构建温度-位移相关系数的自回归模型;
步骤S5:采用所述自回归模型对所述温度-位移相关系数组进行建模,计算得到预测结果,并利用所述预测结果对所述桥梁的伸缩缝状态进行预警。
本申请实施例提供了一种桥梁伸缩缝状态的预警方法,根据桥梁的温度和伸缩缝位移计算按时间序列排布的多个相关系数,并通过多个相关系数形成的相关系数组来构建自回归模型以得到预测结果,能够对伸缩缝状态在未来时间段进行预测,实现伸缩缝状态异常的提前预警,提升伸缩缝状态判断的时效性。
具体地,所述步骤S2的具体步骤为:
按照时间序列获取n个测量点的温度、伸缩缝位移,得到最后一个测量点时刻t的温度时序数据Tt=[T1,T2,...,Tn]、伸缩缝位移时序数据St=[S1,S2,...,Sn];其中,所述温度、伸缩缝位移的数据同步获取;
利用得到的所述温度时序数据、伸缩缝位移时序数据计算所述时刻t的温度-位移相关系数,其中,该温度-位移相关系数的计算公式为:
式中,rt为t时刻的温度-位移相关系数,n为用于计算温度-位移相关系数中温度的数量,Ti为第i个测量点对应的温度,Si为第i个测量点对应的伸缩缝位移。
具体地,所述步骤S3的具体步骤为:
按照时间序列获取m个测量点的温度-位移相关系数,得到最后一个测量点时刻a的温度-位移相关系数组r(a)=[r1,r2,...,rm]。
其中,所述获取n个测量点的取样频率与所述获取m个测量点的取样频率相同,且m>n。在仿真模拟实验中,我们发现,当m>n时,计算得到的预测结果更为准确。
在所述步骤S4中,所述自回归模型的数学模型为:
其中,所述自回归模型的阶次、所述自回归模型的参数分别采用最小信息准则、最小二乘法确定。
进一步地,在所述步骤S5中,所述利用预测结果对所述桥梁的伸缩缝状态进行预警的具体步骤为:
步骤S501:根据所述得到的温度-位移相关系数组确定预警的控制范围;
步骤S502:判断所述预测结果是否在所述控制范围之内,若是,所述伸缩缝状态正常,否则,伸缩缝状态异常。
更进一步地,所述步骤S501的具体步骤为:
根据得到的温度-位移相关系数组r(a)=[r1,r2,...,rm],计算该温度-位移相关系数组的平均值μ与标准差σ;
根据所述平均值μ与标准差σ确定控制上限UCL、控制中心线CL、控制下限LCL,其数学公式为:
CL=μ,
UCL=μ+3σ,
LCL=μ-3σ,
若UCL>1,则取UCL=1;LCL<-1,则取LCL=-1。
所述步骤S502的具体步骤为:
根据所述预测结果的平均值μ',判断该平均值μ'是否大于UCL或小于LCL,若是,则所述伸缩缝状态异常,否则,所述伸缩缝状态正常;
其中,所述预测结果为预测的温度-位移相关系数组。
下面结合一具体实施例对本申请进行阐述,并验证本申请提供的预警方法有效及时。本申请实施例以某大跨度桥梁为实验对象,设定相关系数的数据样本的时间长度为6天,取所述大跨度桥梁7天的温度、伸缩缝位移的实时数据作为试验样本进行预测,并取7天之后监测到的桥梁的温度、伸缩缝位移的数据加以验证。
第一步,使用桥梁健康监测系统持续采集大跨度桥梁7天的温度、伸缩缝位移,参见图2和图3所示,其分别为本申请实施例中桥梁的温度的时程曲线图、桥梁的伸缩缝位移的时程曲线图。其中,该桥梁健康监测系统为本领域常见的产品,在此不再赘述。
第二步,按照时间序列获取n个测量点的温度、伸缩缝位移,得到最后一个测量点时刻t的温度时序数据Tt=[T1,T2,...,Tn]、伸缩缝位移时序数据St=[S1,S2,...,Sn];在本实施例中,取n=100,n个测量点的取样频率与桥梁健康监测系统的取样频率f相同;再利用得到的所述温度时序数据、伸缩缝位移时序数据计算所述时刻t的温度-位移相关系数,其中,该温度-位移相关系数的计算公式为:
式中,rt为t时刻的温度-位移相关系数,n为用于计算温度-位移相关系数中温度或伸缩缝位移的数量,Ti为第i个测量点对应的温度,Si为第i个测量点对应的伸缩缝位移。
第三步,按照时间序列获取m个测量点的温度-位移相关系数,得到最后一个测量点时刻a的温度-位移相关系数组r(a)=[r1,r2,...,rm]。参见图4所示,其为桥梁的温度-位移相关系数的时程曲线图,在本实施例中,m个测量点对应的时长为6天,对应的时间段为第二天到第七天,其m值为864,且n个测量点的取样频率与桥梁健康监测系统的取样频率f相同,每天的取样数量为144个。
第四步,根据得到的所述温度-位移相关系数组,在时域上构建温度-位移相关系数的自回归模型;其中,所述自回归模型的数学模型为:
第五步,采用所述自回归模型对所述温度-位移相关系数组r(a)=[r1,r2,...,rm]进行建模,计算得到预测结果r(a)′=[r1,r2,...,rk],k为预测步长;且预测步长的值根据实际需求设定,通常来说,预测步长越短,预测结果越准确;在本实施例中,预测结果的预测步长k=10。
第六步,根据得到的温度-位移相关系数组r(a)=[r1,r2,...,rm],计算该温度-位移相关系数组的平均值μ与标准差σ;其中,
根据所述平均值μ与标准差σ确定控制上限UCL、控制中心线CL、控制下限LCL,其数学公式为:
CL=μ,
UCL=μ+3σ,
LCL=μ-3σ,
若UCL>1,则取UCL=1;LCL<-1,则取LCL=-1;在本实施例中,LCL<-1,故取LCL=-1。
第七步,根据所述预测结果r(a)′=[r1,r2,...,rk]的平均值μ',判断该平均值μ'是否大于UCL或小于LCL,若是,则所述伸缩缝状态异常,否则,所述伸缩缝状态正常。
在所述第四步中,所述自回归模型的阶次采用最小信息准则确定,其信息准则模型的数学公式为:
其中,为所述自回归模型的阶次p=1,2,3,…,m时,预测结果与历史结果的方差,且当p=1,2,3,…,m时,能使AIC(p)取值最小的值对应的p即为所求的自回归模型的阶次,同时,为了防止过拟合,所述自回归模型的阶次p的范围通常控制在m/10或以内,即求解参数问题转化为该条件下,求使AIC(p)最小的p值问题,依次代入即可求解。
所述自回归模型的参数采用最小二乘法进行自回归模型估计,这里令:
Y=[rp+1,rp+2,…,rm]T,
ε=[εp+1,εp+2,…,εm]T,
则p阶自回归模型表示为:
由最小二乘法可得出模型参数为:
其中,由于Y与A均可根据已知的温度-位移相关系数求得,因此,可以进一步求得所述自回归模型的参数,从而与阶次p构建完整的自回归模型。
参见图5所示,其为桥梁的预测的温度-位移相关系的预测误差的时程曲线图;该预测误差为实际的温度-位移相关系数与预测的温度-位移相关系数的差值,从图5中可知,预测结果绝对误差均在0.03以内,能够实现对伸缩缝在未来时间段内的有效及时预警。
本申请实施例还提供一种桥梁伸缩缝状态的预警系统,所述预警系统包括:
存储器,其用于存储可执行指令;
处理器,其与所述存储器连接,用于运行所述可执行指令以执行如上述的桥梁伸缩缝状态的预警方法。
在本申请的描述中,需要说明的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是,在本申请中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种桥梁伸缩缝状态的预警方法,其特征在于,所述预警方法包括以下步骤:
持续采集桥梁的温度和伸缩缝位移;
根据采集到的桥梁的温度和伸缩缝位移,计算桥梁的温度-位移相关系数;
按照时间序列获取桥梁的多个温度-位移相关系数,得到温度-位移相关系数组;
根据得到的所述温度-位移相关系数组,在时域上构建温度-位移相关系数的自回归模型;
采用所述自回归模型对所述温度-位移相关系数组进行建模,计算得到预测结果,并利用所述预测结果对所述桥梁的伸缩缝状态进行预警。
3.如权利要求2所述的桥梁伸缩缝状态的预警方法,其特征在于,所述按照时间序列获取桥梁的多个温度-位移相关系数,得到温度-位移相关系数组的具体步骤为:
按照时间序列获取m个测量点的温度-位移相关系数,得到最后一个测量点时刻a的温度-位移相关系数组r(a)=[r1,r2,...,rm]。
4.如权利要求3所述的桥梁伸缩缝状态的预警方法,其特征在于,所述获取n个测量点的取样频率与所述获取m个测量点的取样频率相同,且m>n。
7.如权利要求1所述的桥梁伸缩缝状态的预警方法,其特征在于,所述利用预测结果对所述桥梁的伸缩缝状态进行预警的具体步骤为:
根据所述得到的温度-位移相关系数组确定预警的控制范围;
判断所述预测结果是否在所述控制范围之内,若是,所述伸缩缝状态正常,否则,伸缩缝状态异常。
8.如权利要求7所述的桥梁伸缩缝状态的预警方法,其特征在于,所述根据得到的温度-位移相关系数组确定预警的控制范围的具体步骤为:
根据得到的温度-位移相关系数组r(a)=[r1,r2,...,rm],计算该温度-位移相关系数组的平均值μ与标准差σ;
根据所述平均值μ与标准差σ确定控制上限UCL、控制中心线CL、控制下限LCL,其数学公式为:
CL=μ,
UCL=μ+3σ,
LCL=μ-3σ,
若UCL>1,则取UCL=1;LCL<-1,则取LCL=-1。
9.如权利要求8所述的桥梁伸缩缝状态的预警方法,其特征在于,根据所述预测结果的平均值μ',判断该平均值μ'是否大于UCL或小于LCL,若是,则所述伸缩缝状态异常,否则,所述伸缩缝状态正常;
其中,所述预测结果为预测的温度-位移相关系数组。
10.一种桥梁伸缩缝状态的预警系统,其特征在于,所述预警系统包括:
存储器,其用于存储可执行指令;
处理器,其与所述存储器连接,用于运行所述可执行指令以执行如权利要求1~9任意一项所述的桥梁伸缩缝状态的预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462331.2A CN111637925A (zh) | 2020-05-27 | 2020-05-27 | 一种桥梁伸缩缝状态的预警方法和预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462331.2A CN111637925A (zh) | 2020-05-27 | 2020-05-27 | 一种桥梁伸缩缝状态的预警方法和预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111637925A true CN111637925A (zh) | 2020-09-08 |
Family
ID=72329144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010462331.2A Pending CN111637925A (zh) | 2020-05-27 | 2020-05-27 | 一种桥梁伸缩缝状态的预警方法和预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111637925A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112989456A (zh) * | 2021-02-10 | 2021-06-18 | 中铁大桥局集团有限公司 | 一种桥梁性能退化诊断方法及系统 |
CN113377744A (zh) * | 2021-06-16 | 2021-09-10 | 北京建筑大学 | 具有环境温度相关性的结构异常监测数据重建方法及装置 |
CN117787568A (zh) * | 2024-02-23 | 2024-03-29 | 深圳市南粤建工有限公司 | 一种道路施工进度智能监测及预警方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004027596A (ja) * | 2002-06-25 | 2004-01-29 | Tokai Rubber Ind Ltd | 伸縮継手装置 |
KR20050023803A (ko) * | 2003-09-02 | 2005-03-10 | 유니슨 주식회사 | 레일형 신축이음장치 |
CN101782372A (zh) * | 2010-02-04 | 2010-07-21 | 东南大学 | 基于梁端纵向位移的桥梁伸缩缝损伤诊断智能方法 |
CN104048843A (zh) * | 2014-06-13 | 2014-09-17 | 东南大学 | 基于gps位移监测的大跨桥梁钢箱梁损伤预警方法 |
CN106529145A (zh) * | 2016-10-27 | 2017-03-22 | 浙江工业大学 | 一种基于arima‑bp神经网络的桥梁监测数据预测方法 |
CN107169241A (zh) * | 2017-06-26 | 2017-09-15 | 大连三维土木监测技术有限公司 | 一种基于温度‑位移关系模型的桥梁伸缩缝性能预警方法 |
CN108919681A (zh) * | 2018-07-11 | 2018-11-30 | 宿州云宏建设安装有限公司 | 一种高速公路桥隧动态健康信息的分析系统 |
-
2020
- 2020-05-27 CN CN202010462331.2A patent/CN111637925A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004027596A (ja) * | 2002-06-25 | 2004-01-29 | Tokai Rubber Ind Ltd | 伸縮継手装置 |
KR20050023803A (ko) * | 2003-09-02 | 2005-03-10 | 유니슨 주식회사 | 레일형 신축이음장치 |
CN101782372A (zh) * | 2010-02-04 | 2010-07-21 | 东南大学 | 基于梁端纵向位移的桥梁伸缩缝损伤诊断智能方法 |
CN104048843A (zh) * | 2014-06-13 | 2014-09-17 | 东南大学 | 基于gps位移监测的大跨桥梁钢箱梁损伤预警方法 |
CN106529145A (zh) * | 2016-10-27 | 2017-03-22 | 浙江工业大学 | 一种基于arima‑bp神经网络的桥梁监测数据预测方法 |
CN107169241A (zh) * | 2017-06-26 | 2017-09-15 | 大连三维土木监测技术有限公司 | 一种基于温度‑位移关系模型的桥梁伸缩缝性能预警方法 |
CN108919681A (zh) * | 2018-07-11 | 2018-11-30 | 宿州云宏建设安装有限公司 | 一种高速公路桥隧动态健康信息的分析系统 |
Non-Patent Citations (1)
Title |
---|
丁幼亮 王高新 岳青 吴来义: "《高速铁路桥梁安全预警理论及其应用》", 30 September 2015 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112989456A (zh) * | 2021-02-10 | 2021-06-18 | 中铁大桥局集团有限公司 | 一种桥梁性能退化诊断方法及系统 |
CN113377744A (zh) * | 2021-06-16 | 2021-09-10 | 北京建筑大学 | 具有环境温度相关性的结构异常监测数据重建方法及装置 |
CN113377744B (zh) * | 2021-06-16 | 2023-07-18 | 北京建筑大学 | 具有环境温度相关性的结构异常监测数据重建方法及装置 |
CN117787568A (zh) * | 2024-02-23 | 2024-03-29 | 深圳市南粤建工有限公司 | 一种道路施工进度智能监测及预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111637925A (zh) | 一种桥梁伸缩缝状态的预警方法和预警系统 | |
WO2019127944A1 (zh) | 一种考虑时变效应的大跨桥梁主梁性能预警方法 | |
CN107292023B (zh) | 一种基于损伤指标体系窄域特性的桥梁结构状态诊断方法 | |
EP1360557B1 (en) | Adaptive modelling of changed states in predictive condition monitoring | |
WO2023060672A1 (zh) | 一种基于健康监测数据的桥梁冲刷动力识别方法 | |
US20020128731A1 (en) | Global state change indicator for empirical modeling in condition based monitoring | |
CN103389472B (zh) | 一种基于nd-ar模型的锂离子电池循环寿命的预测方法 | |
KR101711606B1 (ko) | 유사도 기반 해양 구조물 손상 추정 방법 | |
Lim et al. | Optimal designs of the variable sample size and sampling interval X chart when process parameters are estimated | |
CA2689246C (en) | Monitoring methods and apparatus | |
CN115392134B (zh) | 车辆动力电池综合性能评估方法及相关装置 | |
WO2006126647A1 (ja) | 石油精製プラントのパラメータ予測装置及びパラメータ予測方法 | |
CN112883478B (zh) | 钢结构位移预测方法、装置、终端设备和系统 | |
CN113987925A (zh) | 一种基于滑窗高斯过程模型的钢渡槽结构极值应力预警方法 | |
JP2020129233A (ja) | 異常検知装置 | |
CN113112123B (zh) | 一种基于关联矩阵的飞机航电系统故障诊断评估方法 | |
CN112288126B (zh) | 一种采样数据异常变化在线监测与诊断方法 | |
Abdul-Wahab et al. | Building inferential estimators for modeling product quality in a crude oil desalting and dehydration process | |
CN102914970B (zh) | 工业过程控制系统中不能直接测量的性能参数的在线数据驱动估计方法 | |
CN115600747B (zh) | 一种基于物联网的隧道状态监测管理方法及系统 | |
CN113868967B (zh) | 结构监测数据预测方法、装置及存储介质 | |
Qu et al. | Outlier Detection and Forecasting for Bridge Health Monitoring Based on Time Series Intervention Analysis. | |
CN113901665A (zh) | 一种基于条件穿越率的时变可靠度准确分析方法 | |
JP2002108412A (ja) | モデル構築方法およびモデル構築システム | |
CN110532698A (zh) | 一种基于数据模型的工业设备振动特征值趋势预测方法 |
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: 20200908 |
|
RJ01 | Rejection of invention patent application after publication |