CN113591355A - 基于大数据的桥梁拉索钢丝腐蚀程度智能自动测量平台 - Google Patents

Abstract

本发明公开了一种基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其包括以下步骤：S1：建立拉索桥梁数字化的拉索桥云端数据库；S2：建立桥梁拉索钢丝蚀坑数字化的蚀坑云端数据库；S3：使用测量仪器实时监测桥梁拉索钢丝蚀坑的损伤参量；S4：建立本地数据库分类储存并分析所监测到的桥梁拉索钢丝蚀坑的损伤参量；S5：确定所述蚀坑所等效的表面裂纹类型；S6：建立带有等效表面裂纹的桥梁拉索钢丝结构有限元模型，并通过该有限元模型计算出应力强度因子；S7：根据所述应力强度因子计算得出所监测的桥梁拉索钢丝结构的剩余疲劳寿命；S8：根据所述的剩余疲劳寿命制定桥梁养护方案或进行风险预警。本发明可以提高监控拉索桥梁腐蚀程度的准确性。

Description

基于大数据的桥梁拉索钢丝腐蚀程度智能自动测量平台

技术领域

本发明涉及计算机大数据的技术领域，特别是涉及一种基于大数据的桥梁拉索钢丝腐蚀程度监测方法及智能自动测量平台。

背景技术

随着我国交通行业的迅速发展，斜拉桥因其跨越能力强、构造简明、施工方便等特点大量运用在基础设施建设中，成为了跨越江河、峡谷和海湾的重要枢纽。而我国也逐步成为了世界上拥有斜拉桥最多的国家。斜拉桥是一种组合受力体系桥梁，斜拉桥将主梁所承受的恒载及活载通过斜拉索传递至索塔。作为体系中的主要承重构件，斜拉索必须具有高强度性能、抗疲劳性能、耐久性和良好的抗腐蚀性。通常斜拉索被认为受环境作用较为敏感的构件，而且，其耐久性则直接影响了桥梁整体使用寿命。拉索的保护分为钢丝保护和拉索保护。当前大规模投入使用的斜拉桥是通过钢材镀铸、填充防锈油脂、挤裹聚乙烯护套等方式来防止钢丝腐蚀的。而其拉索大部分采用的是PE护套，其长期暴露在自然环境中，容易磨损破坏，这种情况极易导致腐蚀性介质通过缝隙进入拉索内部。拉索钢丝常因遭到腐蚀介质的侵蚀而发生锈蚀，其中点蚀是最为常见且最危险的局部腐蚀形态。随着腐蚀程度的不断增加，拉索钢丝的截面有效面积也随之减少，这将严重影响斜拉索的工作安全，甚至会造成重大经济损失和安全事故。

为了解决上述问题，中国专利CN108225906B公开了一种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。该种评估方法通过拉索锚固端的透时检查窗，拍摄腐蚀高强钢丝图像，并从中提取图像特征，然后对腐蚀程度评价模型建模，再对疲劳寿命特性能数评价模型建模，与人工加速腐蚀试验下的钢丝腐蚀疲劳性能退化状态进行匹配，最终完成在役拉索的腐蚀状态识别和疲劳寿命评估。通过该种方案，用户提高了拉索腐蚀监测识别与疲劳寿命评估的自动化、智能化、准确性和鲁棒性，为桥梁结构拉索腐蚀疲劳的自动监测与识别提供了一种良好的解决方案。

然而，实际中上述评估方法的判断准确率还有待提高，通过采用上述的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对混凝土开裂和剥落、钢筋暴露和屈曲的平均识别准确率在80%左右，其平均覆盖率大于在88%左右。而且，上述方法在应对城市与区域大规模建筑群的多尺度、多视角图像大数据的处理效率还需提高，以及在基于损伤物理信息特征的多源结构损伤普适化识别效率还存在不足。纵观国内外拉索桥梁的各类事故案例，其中由于桥梁拉索产生疲劳裂纹而损坏为拉索桥梁发生事故的主要原因。在拉索桥梁的实际运营过程中，拉索承受的荷载的大小、方向是随时间改变的，带有损伤的拉索钢丝在这种交变应力作用下容易发生疲劳破坏，而可以认为腐蚀加速了疲劳裂纹的萌生。经典的断裂力学认为材料内的缺陷是客观存在的，裂纹扩展是断裂发生的主要原因，而裂纹端点的场强又决定了裂纹的失稳扩展。其中经典的断裂力学采用断裂参量来表征裂纹尖端区域的应力应变场强度。因此，通过对桥梁拉索蚀坑当量化研究，结合现有的实验数据，以蚀坑的损伤参量为依据，通过完善腐蚀钢丝的蚀坑等效方法以及研究蚀坑当量与拉索剩余寿命的关系，可以提高监控拉索桥梁腐蚀程度的准确性。

发明内容

基于此，有必要针对如何提高桥梁拉索钢丝腐蚀程度的监控效率的问题，提供一种基于大数据的桥梁拉索钢丝腐蚀程度监测方法。

一种基于大数据的桥梁拉索钢丝腐蚀程度监测方法，包括以下步骤：

S1：建立拉索桥梁数字化的拉索桥云端数据库；

S2：建立桥梁拉索钢丝蚀坑数字化的蚀坑云端数据库；

S3：使用测量仪器实时监测桥梁拉索钢丝蚀坑的损伤参量；

S4：建立本地数据库分类储存并分析所监测到的桥梁拉索钢丝蚀坑的损伤参量；

S5：将本地数据库对所监测到的蚀坑损伤参量数据进行分析后所得到的数据分析结果匹配所述蚀坑云端数据库后，再确定所述蚀坑所等效的表面裂纹类型；

S6：将所述蚀坑所等效的表面裂纹类型匹配所述拉索桥云端数据库后，根据所等效的表面裂纹类型、桥梁拉索钢丝的尺寸数据以及桥梁拉索钢丝的材料数据建立带有等效表面裂纹的桥梁拉索钢丝结构有限元模型，并通过该有限元模型计算出应力强度因子；

S7：根据所述应力强度因子计算得出所监测的桥梁拉索钢丝结构的剩余疲劳寿命；

S8：根据所述的剩余疲劳寿命制定桥梁养护方案或进行风险预警。

具体的，所述步骤S1中，所述拉索桥云端数据库包括：拉索桥梁的设计图纸、拉索桥历史养护方案以及拉索桥历史监测数据。

具体的，所述步骤S2中，所述蚀坑包括：浅球形蚀坑、深椭球形蚀坑、浅椭球形蚀坑以及长槽形蚀坑。

具体的，所述步骤S4中，所述的蚀坑损伤参量包括：蚀坑深度、蚀坑宽度、蚀坑投影面积以及蚀坑长宽比。

具体的，所述步骤S5中，所述浅球形蚀坑以及所述浅椭球形蚀坑等效为半圆表面裂纹；所述深椭球形蚀坑以及所述长槽形蚀坑等效为半椭圆表面裂纹。

进一步的，以蚀坑投影面积的两倍再除以π然后将其结果开平方根得到的计算结果作为等效半圆表面裂纹的半径，或以蚀坑的深度作为等效半圆表面裂纹的半径。

进一步的，以蚀坑深度作为半椭圆表面裂纹的椭圆长半轴并以蚀坑宽度的一半作为半椭圆表面裂纹的椭圆短半轴。

进一步的，以蚀坑深度作为半椭圆表面裂纹的椭圆长半轴并以蚀坑投影面积的两倍分别除以蚀坑深度与π所得到的结果作为椭圆短半轴。

具体的，所述步骤S6中，所述有限元软件为ABAQUS、ANSYS或MSC。

更进一步的，一种基于大数据的桥梁拉索钢丝腐蚀程度智能自动测量平台包含以上任一项所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法。

综上所述，本发明一种基于大数据的桥梁拉索钢丝腐蚀程度监测方法首先通过建立所述拉索桥云端数据库以及所述蚀坑云端数据库以便用户便于调用或更新所监测区域范围内的拉索桥梁钢丝的基础信息，然后，使用对应的设备仪器实时监控桥梁钢丝的每一损伤参量，并且对所述的损伤参量进行比对、计算以及分析后确定该桥梁钢丝蚀坑的具体形态，然后将所述蚀坑的形态通过比对蚀坑云端数据库后确定所述蚀坑所对应的等效表面裂纹类型，然后，根据所监测的蚀坑损伤参量分析、计算得出所述的等效表面裂纹参数，再通过该等效表面裂纹参数建立对应桥梁钢丝结构的有限元模型，并通过对应的有限元软件结合拉索桥云端数据库的数据计算得出相应的等效表面裂纹应力强度因子，然后，再结合Paris公式反推得出相应的计算公式，并使用该计算公式进行估算受腐蚀钢丝的剩余疲劳寿命，最后，综合评估所有的受腐蚀钢丝的剩余疲劳寿命情况，给出对应的养护建议或者进行风险预警。通过本发明可以简化常见桥梁拉索结构中由蚀坑扩展至裂纹的问题，并且，可以提高对拉索桥梁剩余寿命评估的准确性。此外，本发明还通过云端大数据资料与拉索桥梁实时监控相结合，使桥梁拉索结构可以区域化以及智能化，有利于提高桥梁拉索结构监控的效率。

附图说明

图1为本发明基于大数据的桥梁拉索钢丝腐蚀程度监测方法的流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。

请参阅图1，图1为本发明基于大数据的桥梁拉索钢丝腐蚀程度监测方法的流程图。本发明包括以下步骤：

S1：建立拉索桥梁数字化的拉索桥云端数据库；

S2：建立桥梁拉索钢丝蚀坑数字化的蚀坑云端数据库；

S3：使用测量仪器实时监测桥梁拉索钢丝蚀坑的损伤参量；

S4：建立本地数据库分类储存并分析所监测到的桥梁拉索钢丝蚀坑的损伤参量；

S5：将本地数据库对所监测到的蚀坑损伤参量数据进行分析后所得到的数据分析结果匹配所述蚀坑云端数据库后，再确定所述蚀坑所等效的表面裂纹类型；

S6：将所述蚀坑所等效的表面裂纹类型匹配所述拉索桥云端数据库后，根据所等效的表面裂纹类型、桥梁拉索钢丝的尺寸数据以及桥梁拉索钢丝的材料数据建立带有等效表面裂纹的桥梁拉索钢丝结构有限元模型，并通过该有限元模型计算出应力强度因子；

S7：根据所述应力强度因子计算得出所监测的桥梁拉索钢丝结构的剩余疲劳寿命；

S8：根据所述的剩余疲劳寿命制定桥梁养护方案或进行风险预警。

具体的，上述步骤S1中，可以根据监控区域范围内所需监控的对应拉索桥梁的设计图纸、历史养护方案以及拉索桥历史监测数据等资料在云端建立数字化的拉索桥云端数据库，所述数据化的拉索桥云端数据库包括对应拉索桥的BIM模型、GIS模型、材料明细以及维修记录明细等相关资料，以便于用户可以随时查阅以及调用对应拉索桥的所有结构以及材料等数据。并且，该所述拉索桥云端数据库可以通过指定的网络IP以及用户口令进行数据实时更新。

具体的，上述步骤S2中，可以根据监控区域内所监控的拉索桥的钢丝结构的蚀坑形态建立经验数据库，即建立所述的蚀坑云端数据库。例如，可以根据蚀坑长度、深度以及宽度等参数的特征关系，将蚀坑分为以下几种类型：浅球形蚀坑、深椭球形蚀坑、浅椭球形蚀坑以及长槽形蚀坑。更具体的，所述蚀坑类型的划分规则为：所述的浅圆球形蚀坑是指坑长度和宽度相等，坑口呈圆形，蚀坑深度小于0.1mm的蚀坑。所述深椭球形蚀坑是指蚀坑宽度和长度相等，但其坑口呈短椭圆形，蚀坑深度大于0.1mm的蚀坑。所述浅椭球形蚀坑是指坑口呈长椭圆形，蚀坑深度小于0.1mm的蚀坑。所述长槽形蚀坑是指蚀坑长度大于蚀坑宽度４倍，并且，其蚀坑深度大于0.1mm的蚀坑。由于不同监控区域内拉索桥所产生的蚀坑形态具有地域性的特征，因此，可以建立所述蚀坑云端数据库以便于实时更新不同的蚀坑形态划分标准。

具体的，上述步骤S3中，可以使用多种方法来测量桥梁拉索钢丝蚀坑的损伤参量，例如可以通过超声波、x射线以及光散射等方法测量获得蚀坑形貌，所对应的仪器分别为超声波探测仪、x射线显微镜以及光散射仪等，然后再运用数字图像对蚀坑形貌进行分析。一般可以使用蚀坑深度、投影面积、矩形度以及长宽比等参数对蚀坑的形貌以及尺寸进行描述。

更具体的，上述步骤S4中，所述的蚀坑损伤参量可以分为：蚀坑深度、蚀坑宽度、蚀坑投影面积以及蚀坑长宽比。通过观察钢丝疲劳断口形式、统计不同深度蚀坑的疲劳寿命可知，蚀坑深度对钢丝的疲劳寿命有较大的影响，在相同荷载作用下，随着蚀坑深度的增加疲劳寿命会随之减小，且相较于表面方向的生长速度，蚀坑在深度方向的生长速度更快，可认为蚀坑深度方向的尺寸不小于蚀坑表面尺寸，因此将所述蚀坑深度作为蚀坑损伤参量的重要监测数据。类似的，蚀坑宽度作为蚀坑截面上另一个尺寸参量，其对钢丝疲劳寿命的影响与蚀坑深度对钢丝疲劳寿命的影响较为相似，但是宽度影响具有区间性，即蚀坑宽度在一些特定数值区间内对疲劳寿命影响较大，而其他范围内的影响较弱，因此所述蚀坑宽度亦作为所述的蚀坑损伤参量之一。进一步的，蚀坑投影面积增大会直接减少钢丝的有效截面面积，使得截面更容易出现应力集中等现象，从而加速了裂纹的萌生和扩展，因而所述蚀坑投影面积同样应作为监测蚀坑损伤参量的重要数据之一。最后，通过系统地对预腐蚀与实体桥钢丝疲劳断口分析，可以得知疲劳断裂多源于蚀坑，而蚀坑形状则会影响蚀坑底部裂纹的扩展驱动力的分布。所以蚀坑长宽比可以作为形状参数，主要用于描述蚀坑形状。蚀坑长宽比能直接影响蚀坑前缘应力强度因子的分布与裂纹的扩展方向，因此蚀坑长宽度比也常作为蚀坑的损伤参量之一。

进一步的，上述步骤S5中，可以使用以下三种等效方法来分析确定桥梁拉索钢丝的腐蚀蚀坑所等效的表面裂纹类型：

1.以平均蚀坑深度与蚀坑宽度将蚀坑等效成半椭圆表面裂纹；

2.以裂纹萌生的蚀坑深度与蚀坑宽度将蚀坑等效成半椭圆表面裂纹；

3.或以相同面积将蚀坑等效成半圆表面裂纹。

以上规则中，还需明确前提条件，即所述浅球形蚀坑以及浅椭球形蚀坑等效为半圆表面裂纹；而所述深椭球形蚀坑以及所述长槽形蚀坑等效为半椭圆表面裂纹。进一步的，根据上述第一种等效方法，是指以蚀坑深度作为半椭圆表面裂纹的椭圆长半轴并以蚀坑宽度的一半作为半椭圆表面裂纹的椭圆短半轴。进一步的，根据上述第二种等效方法，是指以蚀坑深度作为半椭圆表面裂纹的椭圆长半轴并以蚀坑投影面积的两倍分别除以蚀坑深度与π所得到的结果作为椭圆短半轴。更进一步的，根据上述第三种等效方法，是指以蚀坑投影面积的两倍再除以π然后将其结果开平方根得到的计算结果作为等效半圆表面裂纹的半径，或以蚀坑的深度作为等效半圆表面裂纹的半径。

具体的，上述步骤S6中，可以使用ABAQUS、ANSYS或MSC等有限元软件建立所述的带有等效表面裂纹的桥梁拉索钢丝结构有限元模型。根据所述拉索桥云端数据库获取所需的桥梁拉索钢丝设计尺寸以及桥梁拉索钢丝材料信息，可以分别确定受腐蚀钢丝的直径、长度、弹性模量、抗拉强度、屈服强度以及泊松比等信息，并且，可根据所述拉索桥云端数据库查阅调用所需的应力值作为上述有限元软件模型的载荷边界条件，该所述的应力值为以往通过动态应变记录仪所记录的拉索桥应变数值。完成调用计算所述等效表面裂纹的应力强度因子所需的各种数据后，可以通过有限元软件计算得出所需的应力强度因子。以ABSQUS软件为例，该有限元软件提供了两种计算应力强度因子的方法，分别为围线积分法与扩张有限元法，所述围线积分法是指预先设置裂纹，并指定裂缝的裂尖与扩张方向；所述扩张有限元法是指无需定义裂纹扩展方向，所述裂纹不依赖于单元边界并可以在单元内部进行扩展。

进一步的，上述步骤S7中，可以通过Paris公式来计算所述拉索桥钢丝的剩余疲劳寿命。由于桥梁拉索钢丝主要受恒应力幅的作用，因此，所述拉索钢丝上的腐蚀蚀坑转变为钢丝内部的疲劳裂纹的过程会稳定且持续发展，并且，结合Paris公式的使用条件，所述拉索钢丝的材料常数C以及m为固定值，所述拉索钢丝承受的应力比、记载频率、平均应力以及材料微观组织对拉索钢丝疲劳裂纹的扩展影响亦不明显，因此符合使用Paris公式反推疲劳裂纹剩余寿命的条件。所使用的公式如下：

上述公式中，N是指剩余疲劳循环次数，可以根据此数值确定拉索桥梁是剩余使用寿命；a_c是指临界裂纹长度；a₀是指初始裂纹长度；此外，C以及m为材料常数；△K为所述应力强度因子；根据所述拉索桥云端数据库、所述蚀坑云端数据库以及步骤S6中所计算得出的应力强度因子可以通过上述公式计算得出拉索钢丝的剩余疲劳循环次数，并进一步判断出桥梁拉索钢丝的剩余使用寿命。

进一步的，上述步骤S8中，经过前述步骤的数据判断，可综合所监测桥梁的监测数据以及计算数据的结果，根据所述拉索桥梁当前钢丝所被腐蚀的严重程度以及受腐蚀钢丝的具体数量，进一步给出拉索桥梁的养护意见。例如，可以针对腐蚀严重的拉索钢丝进行替换维修或者增加防腐蚀处理措施。针对桥梁钢丝受腐蚀情况严重的，可以进一步发出预警信息，通知对应的职能部门进行停用维护。而且，可以根据每一受腐蚀钢丝的具体情况建立对应的大数据资料库，使监控区域范围内的拉索桥梁形成统一监控的预警网格，并结合区域范围内的拉索桥梁书记资料，统一调度每一拉索桥交替维护保养的周期或当单一大桥处于维护保养时进行交通智能调度。通过云端的数据库资料可以将拉索桥梁从设计、实时监控到维护以及停用进行统筹管理。

进一步的，可以根据上述各基于大数据的桥梁拉索钢丝腐蚀程度监测方法搭建一种基于大数据的桥梁拉索钢丝腐蚀程度智能自动测量平台。该种基于大数据的桥梁拉索钢丝腐蚀程度智能自动测量平台包括监测硬件终端、总控中心以及可视化操作界面。所述监测硬件终端负责采集并上传桥梁拉索钢丝的各种现场数据；所述总控中心负责接收并分析所述监测硬件终端所上传的现场数据，所述总控中心包含所述基于大数据的桥梁拉索钢丝腐蚀程度监测方法；所述可视化操作界面负责连接终端用户与所述总控中心。

综上所述，本发明一种基于大数据的桥梁拉索钢丝腐蚀程度监测方法首先通过建立所述拉索桥云端数据库以及所述蚀坑云端数据库以便用户便于调用或更新所监测区域范围内的拉索桥梁钢丝的基础信息，然后，使用对应的设备仪器实时监控桥梁钢丝的每一损伤参量，并且对所述的损伤参量进行比对、计算以及分析后确定该桥梁钢丝蚀坑的具体形态，然后将所述蚀坑的形态通过比对蚀坑云端数据库后确定所述蚀坑所对应的等效表面裂纹类型，然后，根据所监测的蚀坑损伤参量分析、计算得出所述的等效表面裂纹参数，再通过该等效表面裂纹参数建立对应桥梁钢丝结构的有限元模型，并通过对应的有限元软件结合拉索桥云端数据库的数据计算得出相应的等效表面裂纹应力强度因子，然后，再结合Paris公式反推得出相应的计算公式，并使用该计算公式进行估算受腐蚀钢丝的剩余疲劳寿命，最后，综合评估所有的受腐蚀钢丝的剩余疲劳寿命情况，给出对应的养护建议或者进行风险预警。在以往的断裂力学中，半圆表面裂纹以及半椭圆表面裂纹的扩展机理已经得到了充分的研究认可，经过等效后的表面裂纹是断裂力学中一种常见的问题，能用多种方法对其求解。因此，通过本发明可以简化常见桥梁拉索结构中由蚀坑扩展至裂纹的问题，并且，可以提高对拉索桥梁剩余寿命评估的准确性。此外，本发明还通过云端大数据资料与拉索桥梁实时监控相结合，使桥梁拉索结构可以区域化以及智能化，有利于提高桥梁拉索结构监控的效率。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于，包括以下步骤：

S1：建立拉索桥梁数字化的拉索桥云端数据库；

S2：建立桥梁拉索钢丝蚀坑数字化的蚀坑云端数据库；

S3：使用测量仪器实时监测桥梁拉索钢丝蚀坑的损伤参量；

S4：建立本地数据库分类储存并分析所监测到的桥梁拉索钢丝蚀坑的损伤参量；

S5：将本地数据库对所监测到的蚀坑损伤参量数据进行分析后所得到的数据分析结果匹配所述蚀坑云端数据库后，再确定所述蚀坑所等效的表面裂纹类型；

S6：将所述蚀坑所等效的表面裂纹类型匹配所述拉索桥云端数据库后，根据所等效的表面裂纹类型、桥梁拉索钢丝的尺寸数据以及桥梁拉索钢丝的材料数据建立带有等效表面裂纹的桥梁拉索钢丝结构有限元模型，并通过该有限元模型计算出应力强度因子；

S7：根据所述应力强度因子计算得出所监测的桥梁拉索钢丝结构的剩余疲劳寿命；

S8：根据所述的剩余疲劳寿命制定桥梁养护方案或进行风险预警。

2.根据权利要求1所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于：所述步骤S1中，所述拉索桥云端数据库包括拉索桥梁的设计图纸、拉索桥历史养护方案以及拉索桥历史监测数据。

3.根据权利要求1所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于：所述步骤S2中，所述蚀坑包括浅球形蚀坑、深椭球形蚀坑、浅椭球形蚀坑以及长槽形蚀坑。

4.根据权利要求1所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于：所述步骤S4中，所述的蚀坑损伤参量包括蚀坑深度、蚀坑宽度、蚀坑投影面积以及蚀坑长宽比。

5.根据权利要求1所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于：所述步骤S5中，所述浅球形蚀坑以及所述浅椭球形蚀坑等效为半圆表面裂纹；所述深椭球形蚀坑以及所述长槽形蚀坑等效为半椭圆表面裂纹。

6.根据权利要求5所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于：以蚀坑投影面积的两倍再除以π然后将其结果开平方根得到的计算结果作为等效半圆表面裂纹的半径，或以蚀坑的深度作为等效半圆表面裂纹的半径。

7.根据权利要求5所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于：以蚀坑深度作为半椭圆表面裂纹的椭圆长半轴并以蚀坑宽度的一半作为半椭圆表面裂纹的椭圆短半轴。

8.根据权利要求5所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于：以蚀坑深度作为半椭圆表面裂纹的椭圆长半轴并以蚀坑投影面积的两倍分别除以蚀坑深度与π所得到的结果作为椭圆短半轴。

9.根据权利要求1所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法，其特征在于：所述步骤S6中，所述有限元软件为ABAQUS、ANSYS或MSC。

10.一种基于大数据的桥梁拉索钢丝腐蚀程度智能自动测量平台，其特征在于：本基于大数据的桥梁拉索钢丝腐蚀程度智能自动测量平台包含权利要求1-9任一项所述的基于大数据的桥梁拉索钢丝腐蚀程度监测方法。

Images