CN113673010B - 一种基于监测数据的钢箱梁评估方法与系统 - Google Patents

一种基于监测数据的钢箱梁评估方法与系统 Download PDF

Info

Publication number
CN113673010B
CN113673010B CN202110528806.8A CN202110528806A CN113673010B CN 113673010 B CN113673010 B CN 113673010B CN 202110528806 A CN202110528806 A CN 202110528806A CN 113673010 B CN113673010 B CN 113673010B
Authority
CN
China
Prior art keywords
stress
steel box
box girder
temperature
measuring points
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
CN202110528806.8A
Other languages
English (en)
Other versions
CN113673010A (zh
Inventor
鲁圣弟
熊文
崔珊珊
连俊峰
肖益民
宋晓东
韦国志
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.)
Southeast University
Anhui Transportation Holding Group Co Ltd
Original Assignee
Southeast University
Anhui Transportation Holding Group Co Ltd
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 Southeast University, Anhui Transportation Holding Group Co Ltd filed Critical Southeast University
Priority to CN202110528806.8A priority Critical patent/CN113673010B/zh
Publication of CN113673010A publication Critical patent/CN113673010A/zh
Application granted granted Critical
Publication of CN113673010B publication Critical patent/CN113673010B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Civil Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Architecture (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Bridges Or Land Bridges (AREA)

Abstract

本发明公开了一种基于监测数据的钢箱梁评估方法与系统，包括：首先对监测的钢箱梁不同测点的应力时程与温度信息进行预处理，并利用经验模态分解法分离得到快、慢变成分；其次根据多元线性回归法提取应力数据，并将其与快、慢变成分进行互校融合；然后基于监测数据对钢箱梁的疲劳损伤和疲劳寿命进行计算，并以疲劳寿命为指标评估钢箱梁的服役状态；同时建立钢箱梁应力评估系统，从而实现数据导入、预处理及状态评估等功能。本发明方法能够利用已有的监测数据对主梁服役性能进行动态评估，及时发现结构的损伤和病害，可为大跨度斜拉桥关键构件服役状态的智能预警提供理论依据。

Description

一种基于监测数据的钢箱梁评估方法与系统
技术领域
本发明属于结构健康监测技术领域，具体涉及一种基于监测数据的钢箱梁评估方法与系统。
背景技术
随着我国交通量的增长、桥梁使用年限的增加以及客观存在的超载现象，钢箱梁的疲劳损伤问题特别是钢箱梁正交异性桥面板的疲劳开裂问题日益突出，不仅需要对当前钢箱梁进行疲劳损伤评估，还需要对未来的受力形式进行预测分析。近年来，我国江阴长江大桥、润扬长江大桥等特大桥梁均出现钢箱梁桥面板损伤开裂等问题。智能化健康监测系统可实现极端环境下的不间断检测，为桥梁进行整体、全面、长期的健康监测提供了保证。但是目前相关算法还不够成熟，传感器由于受到环境干扰，部分数据中出现大段缺失、漂移等现象，使得该段数据因无法反映结构真实信息而失去研究意义，同时处理相关应力数据的算法也不成熟。因此，亟需一种能够基于监测数据对钢箱梁服役性能进行综合评估的方法和系统。
发明内容
发明目的：针对以上问题，本发明提出一种基于监测数据的钢箱梁评估方法与系统，可及时发现对结构的损伤和病害，同时也为大跨度斜拉桥关键构件服役状态的智能预警提供理论依据。
技术方案：为实现本发明的目的，本发明首先提出一种基于监测数据的钢箱梁评估方法，具体包括如下步骤：
步骤1：获取监测到的钢箱梁不同测点的应力时程与温度信息，所述温度信息包括结构温度和结构日平均温度，并对应力时程以及温度信息进行预处理，包括离群值剔除、缺失值填补以及噪声消除；
步骤2：利用经验模态分解法对预处理后的应力时程进行分离，得到钢箱梁不同测点各自对应的应力时程快变成分和慢变成分；
步骤3：根据多元线性回归法，以结构温度和结构日平均温度为自变量，以应力时程为因变量，利用最小二乘原理确定多元线性回归表达式，并提取因温度效应产生的应力数据；
步骤4：将步骤3得到的因温度效应产生的应力数据与步骤2得到的不同测点的分离结果进行拟合度互校检验；
若二者拟合度大于等于设定的拟合度阈值时，表示步骤2得到的应力时程快变成分和慢变成分结果准确；
否则，执行步骤2重新得到不同测点的快变成分和慢变成分，直至二者拟合度不小于设定的拟合度阈值；
步骤5：通过雨流计数法计算钢箱梁不同测点的疲劳损伤，并分别对每一个测点累计疲劳损伤后，转换为该测点所在结构的疲劳寿命；其中，第i个测点所在结构的疲劳寿命的表达式如下：
式中，Yeari表示第i个测点所在结构的疲劳寿命；Di表示第i个测点的疲劳损伤值；
步骤6：将步骤5得到的不同测点的疲劳寿命无纲量化至数字0-100之间，得到不同测点各自对应的应力评估值，并通过变权理论得到各测点的权重值，进而计算得到钢箱梁主梁应力的评估结果；所述各测点的权重值的计算表达式如下：
式中，为第i个测点的初始权重且/>n为测点总数；wi为第i个测点的权重值；α为均衡性系数；xi为第i个测点应力评估值；
所述钢箱梁主梁应力的评估结果计算公式如下：
式中，V表示钢箱梁主梁应力的评估结果值。
进一步地，步骤1中所述离群值剔除的方法为通过拉因达准则检验异常值并剔除异常值；所述缺失值填补的方法包括埃尔米特插值填补或时间序列预测模型填补。
进一步地，步骤2所述利用经验模态分解法对预处理后的应力数据信息进行处理，得到钢箱梁不同测点各自对应的应力时程快变成分和慢变成分，具体包括如下步骤：
通过经验模态分解法将钢箱梁不同测点应力信号分解为本征模态函数及残差，并通过本征模态函数的能量突变阶数以及复频谱主频确定阶数阈值，则将应力时程中大于阶数阈值的部分作为快变成分，小于阶数阈值的部分作为慢变成分。
具体为首先计算各阶模态函数的能量，通过能量的突变阶数，初步确定快慢变成分的阶数阈值范围，然后通过快速傅里叶变换计算各阶模态函数以及温度时程的频谱图，由于慢变成分主要由温度荷载引起，当模态函数的主频小于温度时程时，则认为该阶模态函数属于慢变成分。
进一步地，步骤3所述利用最小二乘原理确定多元线性回归表达式，如下：
Y(t)＝β0+β1T1(t-nk1)+β2T2(t-nk2)+μ(t)
式中，Y(t)表示t时刻由结构温度和结构日平均温度引起的应力；β0、β1、β2分别表示多元线性回归参数；T1表示结构温度；T2表示结构日平均温度；nk1、nk2分别表示应力相对于结构温度T1和结构日平均温度T2的滞后时长；μ(t)为随机误差。
本发明还提出一种基于监测数据的钢箱梁评估系统，包括：
获取模块，用于获取钢箱梁不同测点的应力时程与温度信息，所述温度信息包括结构温度和结构日平均温度，并发送至预处理模块；
预处理模块，用于将获取得到的钢箱梁不同测点的应力时程与温度信息进行预处理，包括离群值剔除、缺失值填补以及噪声消除；
执行模块，用于通过经验模态分解法对预处理后的应力时程进行分离，得到钢箱梁不同测点各自对应的应力时程快变成分和慢变成分；并根据多元线性回归法，以结构温度和结构日平均温度为自变量，以应力时程为因变量，利用最小二乘原理确定多元线性回归表达式，并提取因温度效应产生的应力数据；
互校检验模块，用于将从多元线性回归中提取的因温度效应产生的应力数据与钢箱梁不同测点各自对应的应力时程分离结果进行拟合度互校检验；
评估模块，用于计算钢箱梁不同测点的疲劳损伤与疲劳寿命，并将不同测点的疲劳寿命无纲量化至数字0-100之间，得到不同测点各自对应的应力评估值，并通过变权理论得到各测点的权重值，进而计算得到钢箱梁主梁应力的评估结果；
显示模块，用于显示钢箱梁不同测点的应力时程、温度信息以及钢箱梁主梁应力的评估结果。
本发明还提出一种计算机设备，该计算机设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现一种基于监测数据的钢箱梁评估方法的步骤。
本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现一种基于监测数据的钢箱梁评估方法的步骤。
有益效果：与现有技术相比，本发明技术方案具有以下有益技术效果：
本发明基于大跨径桥梁的应力、温度等实测数据，研究监测数据的处理方法，提高数据质量并识别异常数据，研究从运营数据中剥离温度效应来获得活载应力值，进而对钢箱梁的疲劳性能进行定量分析，以期实现斜拉桥关键构件健康状况的实时监测、评估及预警功能，为运营单位的养护决策提供可靠的数据支持。
附图说明
图1是一种实施例下基于监测数据的钢箱梁评估方法流程图；
图2是一种实施例下通过经验模态分解法得到快变成分和慢变成分的结果图；
图3是一种实施例下线性回归和经验模态分解法提取的温度效应图；
图4是一种实施例下某钢箱梁6-9月应力随时间变化的预测值与实际值比较图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的一种基于监测数据的钢箱梁评估方法，参考图1，以某双塔双索面斜拉桥为例，具体包括如下步骤：
步骤1，获取某双塔双索面斜拉桥监测到的钢箱梁不同测点的应力数据信息与温度数据信息，并对应力数据信息以及温度数据信息进行预处理，包括离群值剔除、缺失值填补以及噪声消除；
具体的，首先采用拉因达准则检验监测数据中的异常值，提出异常值后用线性插值进行替换；然后根据监测数据中各缺失段的长度，进行Hermite插值、时间序列预测模型填补或直接舍弃，具体为对于单点或若干点缺失采用Hermite插值填补，小段缺失通过时间序列预测模型填补，而大段缺失则不作为后续的分析数据段直接舍弃。
步骤2，然后通过经验模态分解法得到模态函数及残差，由于慢变成分主要由温度荷载引起，当模态函数的主频小于温度时程时，则认为该阶模态函数属于慢变成分。因此通过频幅谱的主频和固有模态函数的能量突变阶数可以确定阶数阈值，进而分离出快变成分和慢变成分。
具体的，参考图2，为某双塔双索面斜拉桥应力数据信息通过经验模态分解法得到12阶模态函数及残差，处理得到快变成分为1-5阶本征模态函数的和、慢变成分为原始信号与快变成分的差。
步骤3，根据多元线性回归法，以结构温度和结构日平均温度为自变量，以应力时程为因变量，利用最小二乘原理确定多元线性回归表达式，并提取因温度效应产生的应力数据；所述多元线性回归表达式如下：
Y(t)＝β0+β1T1(t-nk1)+β2T2(t-nk2)+μ(t)
式中，Y(t)表示t时刻由结构温度和结构日平均温度引起的应力；β0、β1、β2分别表示多元线性回归参数；T1表示结构温度；T2表示结构日平均温度；nk1、nk2分别表示应力相对于结构温度T1和结构日平均温度T2的滞后时长；μ(t)为随机误差。
步骤4，将步骤3得到的因温度效应产生的应力数据与步骤2得到的不同测点的分离结果进行拟合度互校检验；
若二者拟合度大于0.8，则经验模态分解法分离的快慢变成分结果准确；否则执行步骤2重新确定阶数阈值并重构快慢变成分，直至拟合度大于0.8。
具体的，通过温度和应力时程的互相关系数-时间图应力相对于温度的滞后时长，以结构温度和结构的日平均温度为自变量，以应力时程为因变量，根据最小二乘原理确定回归参数，从而得到多元线性模型的函数表达式。
本实施例下，对已建立的模型进行拟合度计算，拟合度均大于0.8；其中拟合度越接近1，则拟合值与实际值的一致性越好。通过多元线性回归法提取的应力温度效应与经验模态分解得到的快变成分如图3所示，二者的变化趋势及波动范围基本一致，故认为经验模态分解法得到的应力快变成分(即活载效应)有效。
步骤5，对钢箱梁不同测点的疲劳损伤和疲劳寿命进行计算，将快变成分通过雨流计数法计算应力幅和相应的循环次数，按照规范计算应力谱所对应的疲劳损伤D，将累计疲劳损伤转换为结构的疲劳寿命；其中，第i个测点所在结构的疲劳寿命的表达式如下：
式中，Yeari表示第i个测点所在结构的疲劳寿命；Di表示第i个测点的疲劳损伤值。
步骤6，将疲劳寿命无量纲化至于0-100之间，得到单点的应力评价值xi；在主梁应力综合评价中考虑不同测点的应力变化对桥梁整体结构的影响程度不同，因此用变权理论对各测点权重进行修正：
其中，各测点的权重值计算公式如下：
式中，为不同测点的初始权重，/>n为测点总数；wi为修正后不同测点的新权重；α为均衡性系数，α＝0.5；xi为不同测点应力评估值；
最终得到主梁应力总体评价值为
具体的，应力评估以疲劳寿命为指标，定义疲劳寿命不小于设计使用年限时为满分状态，等于零时为零分状态，两者之间按线性关系进行插值，具体如下：
若疲劳寿命Yeari不小于设计使用年限时T0为满分状态；
若疲劳寿命Yeari等于零时为零分状态；
若疲劳寿命Yeari介于零时和设计使用年限时T0两者之间时，则按照线性关系进行插值；关系式如下所示：
步骤7，利用时间序列模型对各监测点的应力监测数据的发展趋势进行分析和预测，建模过程包括平稳性检验、参数估计、模型定阶及检验4个步骤；
具体的，首先对步骤1预处理的应力序列d次(时序数据达到稳定所进行的差分化阶数)差分得到平稳的新序列，其平稳性可通过Daniel法检验；
随后根据赤池信息量准则(AIC)确定模型阶数p(时序数据本身的滞后数，即AR项)、q(预测误差的滞后数，即MA项)；
然后采用最小二乘法进行参数(AR的系数)、θ(MA的系数)的估计；
最后对于已确定的模型，将残差应进行卡方检验，若残差符合正态分布，模型通过检验。
若检验未通过则需重新构造模型。
参考图4，某双塔双索面斜拉桥钢箱梁6-9月应力随时间变化的预测值与实际值比较图，说明本实施例下大部分预测值与实际值的误差均小于5％，故时间序列预测模型有效；
本发明还提出一种基于监测数据的钢箱梁评估系统，包括：
获取模块，用于获取钢箱梁不同测点的应力数据信息，并发送至预处理模块；
预处理模块，用于将获取得到的钢箱梁不同测点的应力数据信息进行预处理，包括离群值剔除、缺失值填补以及噪声消除；
执行模块，用于通过经验模态分解法对预处理后的应力数据信息进行处理，得到钢箱梁不同测点各自对应的应力时程快变成分和慢变成分；并根据多元线性回归法，以结构温度和结构日平均温度为自变量，以应力时程为因变量，利用最小二乘原理确定多元线性回归表达式，并提取因温度效应产生的应力数据；
互校检验模块，用于将从多元线性回归中提取的因温度效应产生的应力数据与钢箱梁不同测点各自对应的应力时程分离结果进行拟合度互校检验；
评估模块，用于计算钢箱梁不同测点的疲劳损伤与疲劳寿命，并将不同测点的疲劳寿命无纲量化至数字0-100之间，得到不同测点各自对应的应力评估值，并通过变权理论得到各测点的权重值，进而计算得到钢箱梁主梁应力的评估结果；
显示模块，用于显示钢箱梁不同测点的应力数据信息以及钢箱梁主梁应力的评估结果。
本发明还提出一种计算机设备，该计算机设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现一种基于监测数据的钢箱梁评估方法的步骤。
本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现一种基于监测数据的钢箱梁评估方法的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种基于监测数据的钢箱梁评估方法，其特征在于，具体包括如下步骤：
步骤1：获取监测到的钢箱梁不同测点的应力时程与温度信息，所述温度信息包括结构温度和结构日平均温度，并对应力时程以及温度信息进行预处理，包括离群值剔除、缺失值填补以及噪声消除；
步骤2：利用经验模态分解法对预处理后的应力时程进行分离，得到钢箱梁不同测点各自对应的应力时程快变成分和慢变成分；
步骤3：根据多元线性回归法，以结构温度和结构日平均温度为自变量，以应力时程为因变量，利用最小二乘原理确定多元线性回归表达式，并提取因温度效应产生的应力数据；
步骤4：将步骤3得到的因温度效应产生的应力数据与步骤2得到的不同测点的分离结果进行拟合度互校检验；
若二者拟合度大于等于设定的拟合度阈值时，表示步骤2得到的应力时程快变成分和慢变成分结果准确；
否则，执行步骤2重新得到不同测点的快变成分和慢变成分，直至二者拟合度不小于设定的拟合度阈值；
步骤5：通过雨流计数法计算钢箱梁不同测点的疲劳损伤，并分别对每一个测点累计疲劳损伤后，转换为该测点所在结构的疲劳寿命；
步骤6：将步骤5得到的不同测点的疲劳寿命无纲量化至数字0-100之间，得到不同测点各自对应的应力评估值，并通过变权理论得到各测点的权重值，进而计算得到钢箱梁主梁应力的评估结果。
2.根据权利要求1所述的一种基于监测数据的钢箱梁评估方法，其特征在于，步骤1中所述离群值剔除的方法为通过拉因达准则检验异常值并剔除异常值；所述缺失值填补的方法包括埃尔米特插值填补或时间序列预测模型填补。
3.根据权利要求1所述的一种基于监测数据的钢箱梁评估方法，其特征在于，步骤2所述利用经验模态分解法对预处理后的应力数据信息进行处理，得到钢箱梁不同测点各自对应的应力时程快变成分和慢变成分，具体包括如下步骤：
通过经验模态分解法将钢箱梁不同测点应力信号分解为本征模态函数及残差，并通过本征模态函数的能量突变阶数以及复频谱主频确定阶数阈值，则将应力时程中大于阶数阈值的部分作为快变成分，小于阶数阈值的部分作为慢变成分。
4.根据权利要求1所述的一种基于监测数据的钢箱梁评估方法，其特征在于，步骤3所述利用最小二乘原理确定多元线性回归表达式，如下：
Y(t)＝β0+β1T1(t-nk1)+β2T2(t-nk2)+μ(t)
式中，Y(t)表示t时刻由结构温度和结构日平均温度引起的应力；β0、β1、β2分别表示多元线性回归参数；T1表示结构温度；T2表示结构日平均温度；nk1、nk2分别表示应力相对于结构温度T1和结构日平均温度T2的滞后时长；μ(t)为随机误差。
5.根据权利要求1所述的一种基于监测数据的钢箱梁评估方法，其特征在于，步骤5中第i个测点所在结构的疲劳寿命的表达式如下：
(年)
式中，Yeari表示第i个测点所在结构的疲劳寿命；Di表示第i个测点的疲劳损伤值。
6.根据权利要求1所述的一种基于监测数据的钢箱梁评估方法，其特征在于，步骤6所述通过变权理论得到各测点的权重值，进而计算得到钢箱梁主梁应力的评估结果中，所述各测点的权重值的计算表达式如下：
式中，为第i个测点的初始权重且/>n为测点总数；wi为第i个测点的权重值；α为均衡性系数；xi为第i个测点应力评估值；
所述钢箱梁主梁应力的评估结果计算公式如下：
式中，V表示钢箱梁主梁应力的评估结果值。
7.一种基于监测数据的钢箱梁评估系统，其特征在于，包括：
获取模块，用于获取钢箱梁不同测点的应力时程与温度信息，所述温度信息包括结构温度和结构日平均温度，并发送至预处理模块；
预处理模块，用于将获取得到的钢箱梁不同测点的应力时程与温度信息进行预处理，包括离群值剔除、缺失值填补以及噪声消除；
执行模块，用于通过经验模态分解法对预处理后的应力时程进行分离，得到钢箱梁不同测点各自对应的应力时程快变成分和慢变成分；并根据多元线性回归法，以结构温度和结构日平均温度为自变量，以应力时程为因变量，利用最小二乘原理确定多元线性回归表达式，并提取因温度效应产生的应力数据；
互校检验模块，用于将从多元线性回归中提取的因温度效应产生的应力数据与钢箱梁不同测点各自对应的应力时程分离结果进行拟合度互校检验；
评估模块，用于计算钢箱梁不同测点的疲劳损伤与疲劳寿命，并将不同测点的疲劳寿命无纲量化至数字0-100之间，得到不同测点各自对应的应力评估值，并通过变权理论得到各测点的权重值，进而计算得到钢箱梁主梁应力的评估结果；
显示模块，用于显示钢箱梁不同测点的应力时程、温度信息以及钢箱梁主梁应力的评估结果。
8.一种计算机设备，其特征在于，该计算机设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现权利要求1-6所述的一种基于监测数据的钢箱梁评估方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6所述的一种基于监测数据的钢箱梁评估方法的步骤。
CN202110528806.8A 2021-05-14 2021-05-14 一种基于监测数据的钢箱梁评估方法与系统 Active CN113673010B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110528806.8A CN113673010B (zh) 2021-05-14 2021-05-14 一种基于监测数据的钢箱梁评估方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110528806.8A CN113673010B (zh) 2021-05-14 2021-05-14 一种基于监测数据的钢箱梁评估方法与系统

Publications (2)

Publication Number Publication Date
CN113673010A CN113673010A (zh) 2021-11-19
CN113673010B true CN113673010B (zh) 2023-08-15

Family

ID=78538118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110528806.8A Active CN113673010B (zh) 2021-05-14 2021-05-14 一种基于监测数据的钢箱梁评估方法与系统

Country Status (1)

Country Link
CN (1) CN113673010B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114201808B (zh) * 2022-02-18 2022-06-17 西南交通大学 一种钢箱梁服役寿命预测方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092735A (zh) * 2017-04-07 2017-08-25 东南大学 一种桥梁疲劳状态评估方法
CN111312414A (zh) * 2019-12-03 2020-06-19 上海核工程研究设计院有限公司 核电厂疲劳监测和寿命评估系统的疲劳评价方法
CN112100713A (zh) * 2020-08-18 2020-12-18 东南大学 一种基于变间距栅格的索力自动识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030014223A1 (en) * 2002-07-31 2003-01-16 Mr. Calvin Edward Phillips Building design analyzer

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092735A (zh) * 2017-04-07 2017-08-25 东南大学 一种桥梁疲劳状态评估方法
CN111312414A (zh) * 2019-12-03 2020-06-19 上海核工程研究设计院有限公司 核电厂疲劳监测和寿命评估系统的疲劳评价方法
CN112100713A (zh) * 2020-08-18 2020-12-18 东南大学 一种基于变间距栅格的索力自动识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于统计理论的桥梁应力趋势预测与评估方法;涂雪;熊文;肖汝诚;沈旭东;魏乐永;;哈尔滨工业大学学报(第04期);110-115 *

Also Published As

Publication number Publication date
CN113673010A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
US10852357B2 (en) System and method for UPS battery monitoring and data analysis
CN110704801A (zh) 桥梁集群结构运营安全智能监测与快速检测成套技术
CN107895014B (zh) 一种基于MapReduce框架的时间序列桥梁监测数据分析方法
CN108444662B (zh) 一种基于日温度效应的桥梁损伤在线监测方法
CN116380445B (zh) 基于振动波形的设备状态诊断方法及相关装置
CN113673010B (zh) 一种基于监测数据的钢箱梁评估方法与系统
CN112417627A (zh) 一种基于四维指标体系配电网运行可靠性分析方法
Chiaia et al. Customised active monitoring system for structural control and maintenance optimisation
CN110490496B (zh) 一种基于分步约简筛选复杂工业过程中影响产品质量的敏感变量的方法
CN110186384B (zh) 船体结构应力监测系统传感器偏差故障诊断方法
CN108108839B (zh) 基于逆向模糊层次分析的电网信息系统设备状态预警方法
Ding et al. Study on correlations of modal frequencies and environmental factors for a suspension bridge based on improved neural networks
CN113742993A (zh) 干式变压器寿命损失预测方法、装置、设备及存储介质
CN116448954A (zh) 基于多维度监测参数融合评估桥梁健康状况的方法及系统
CN114492636A (zh) 一种变压器绕组状态信号的采集系统
CN111931407A (zh) 一种基于长期监测数据的结构可靠度评估预测方法及系统
CN112948925A (zh) 一种桥梁健康状态评估方法、系统及存储介质
CN112621381A (zh) 机床进给系统健康状态智能评估方法及装置
CN112445632A (zh) 基于故障数据建模的hpc可靠性评估方法
CN112416774B (zh) 一种添加权重的软件可靠性测试方法
Zou et al. Crack Detection and Classification of a Simulated Beam Using Deep Neural Network
KR102188095B1 (ko) 건설 구조물의 센서의 이벤트 원인 분석방법
CN117828371B (zh) 一种综合运维平台的业务信息智能分析方法
CN117574303B (zh) 施工状况的监测预警方法、装置、设备及存储介质
Xin et al. Automatic separation of temperature effects from bridge cable force data based on the VMD-PE-KLD algorithm

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
GR01 Patent grant
GR01 Patent grant