CN113900381A - 一种基于物联网的钢结构远程健康监测平台及应用方法 - Google Patents
一种基于物联网的钢结构远程健康监测平台及应用方法 Download PDFInfo
- Publication number
- CN113900381A CN113900381A CN202111506756.XA CN202111506756A CN113900381A CN 113900381 A CN113900381 A CN 113900381A CN 202111506756 A CN202111506756 A CN 202111506756A CN 113900381 A CN113900381 A CN 113900381A
- Authority
- CN
- China
- Prior art keywords
- data
- sensor
- cloud platform
- steel structure
- platform system
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 57
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 56
- 239000010959 steel Substances 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000036541 health Effects 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000012423 maintenance Methods 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000009472 formulation Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000009412 basement excavation Methods 0.000 claims 1
- 230000006855 networking Effects 0.000 claims 1
- 230000035882 stress Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002114 nanocomposite Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000008376 long-term health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004643 material aging Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于物联网的钢结构远程健康监测平台及应用方法，涉及数据处理领域，包括：设置于各待测点位的数据采集单元；通过5G数据接收传输模块与数据采集单元通信连接的云平台系统；与云平台系统通信连接的远程监控单元；其中，所述数据采集单元被配置为包括：与钢结构各待测点位相配合的多个传感器组；各传感器上设置有5g通信的物联网卡。本发明提供一种基于物联网的钢结构远程健康监测平台及应用方法，基于物联网的钢结构远程健康监测平台，可以实现对大型钢结构建筑结构进行自动、实时、远程、不良状况预警的智能监控。极大的节省人工成本和工程结构日常检测的效率，为结构的安全服役提供了强有力的保障。
Description
技术领域
本发明涉及数据处理领域，更具体的涉及一种基于物联网的钢结构远程健康监测平台及应用方法。
背景技术
随着我国经济的迅速发展，土木工程领域也取得了令人瞩目的成就， 各种大型的复杂结构不断出现。当今的土木工程结构正在向超大化、复杂化方向发展， 如大型桥梁、超高层建筑、规模巨大的体育馆和造型各异的大剧院、大型水坝、核电站及近海结构等。然而这类重大工程结构的设计使用期长达几十年、甚至上百年， 在环境侵蚀、材料老化和荷载的长期效应、疲劳效应等灾害因素的共同作用下将不可避免地导致结构技术的损伤积累和抗力衰减， 极端 情况下可能引起灾难性的突发事故。
随着对工程结构的安全性、耐久性及正常使用功能的日益关注，人们希望能够在结构的服役期， 即使出现一些如地震、台风、爆炸等灾害性事故后， 能充分了解结构的健康状况， 以决定是否需要对结构进行维修和养护，以及何时进行维修和养护。因此，结构健康监测系统成为保障结构安全的重要途径，对现存的重要结构和设施进行健康监测，评价其安全状况，修复、控制损伤及在新建结构和设施中增设长期的健康监测系统已成为必须。
目前，现有的钢结构建筑物安全监测在很大程度上依赖于管理者和技术人员的目测。而且同时通过人员目测巡查无法准确检查到钢结构的应力变化，位移变化，表面锈蚀程度，螺栓连接是否牢固等。传统的钢结构检测方式采用的是有线数据采集，这种方法虽然具有数据采集稳定可靠， 受噪声影响小等优点， 但是其繁琐的布线工作需要花费非常大的成本，同时现有的钢结构健康监测技术在钢结构领域的研究一直以来集中于信号的传感和对各类结构数据采集、传输与数据统计等方面，对于数据后期处理分析（分析也仅仅停留在把采集的数据与有关标准规范或者业主的要求进行简单的对比）、把握结构服役状况、获得健康状态综合评价等方面的研究是缺乏的， 这就相当于只完成了结构健康监测一半的工作。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
为了实现根据本发明的这些目的和其它优点，提供了一种基于物联网的钢结构远程健康监测平台，包括：
设置于各待测点位的数据采集单元；
通过5G数据接收传输模块与数据采集单元通信连接的云平台系统；
与云平台系统通信连接的远程监控单元；
其中，所述数据采集单元被配置为包括：
与钢结构各待测点位相配合的多个传感器组，各传感器组均被配置为包括：与各检测点位相配合以对该点位的挠度、变形、应力进行测量的角度传感器、应力传感器、位移传感器；
各传感器上设置有5g通信的物联网卡。
一种应用钢结构远程健康监测平台的方法，包括：
步骤一，数据采集单元实时采集钢结构各待测节点对应位置的参数信息，并通过物联网卡、5G数据接收传输模块将采集的参数信息传输至云平台系统；
步骤二，所述云平台系统基于接收到的信息进行进行整合分析，并基于分析结果进行比较、分析以确定是否给出处理意见，同时将分析结果发送至远程监控中心进行显示；
其中，数据采集单元的各传感器具有与各节点相配合对应的唯一节点编号，云平台系统中的服务器将实时接收的传感器编号节点与服务器中预存的传感器编号节点相对应进行比较，并根据比较结果将实时接收的传感器数据添加至云平台系统中的数据库，以更新数据库里模型的数据；
所述云平台系统将实时接收的传感器数据进行分析，并根据分析结果进行故障实时监测、隐患挖掘与故障预测、制定与优化维护方案。
优选的是，云平台系统进行故障实时监测的方法包括：
所述数据库中设置与传感器检测数据相配合的检测阈值，通过将传感器实时检测的数据与检测阈值进行比较，如传感器实时检测的数据小于检测阈值的80%，则认定为安全不做处理；
如传感器实时监测的数据与监测阈值相比，大于等于检测阈值的80%且小于检测阈值，云平台系统通过5G数据接收传输模块向远程监控单元发出警报提醒；
如传感器实时检测的数据大于检测阈值，则认定为处于危险阶段，需要立即处理，云平台系统通过5G数据接收传输模块向远程监控单元发出紧急处理警报。
优选的是，云平台系统进行隐患挖掘与故障预测的方法包括：
如传感器实时检测的数据接大于检测阈值的80%，云平台系统的分析中心从数据库读取当前实时采集的的传感数据并输入到神经网络模型中，以得到修正后的节点连接刚度，当修正后的模型响应数据与实测值相吻合，将模型计算出的数据代入以下公式一、公式二，结合安全等级评判规定，得到等级评判，生成分析结果；
公式一为结构稳定性
的判定公式：
其中，
为神经网络模型计算得到的稳定极限承载力；
为根据结构安全等级确定取值的系数；K为安全系数；
为整体稳定分析的基准荷载标准值等于
；
为永久荷载的标准值；
为活荷载的标准值；
公式二为结构动力性能
的判定公式：
其中，
为动力组合荷载作用下结构的容许挠度值；
为根据神经网络模型计算得到的动力组合荷载作用下的最大挠度值。
优选的是，所述神经网络模型的建立方式包括：
步骤一，将钢结构的各节点按照连接方式进行分类，以建立节点连接刚度可调的有限元模型；
步骤二，基于有限元模型计算出不同节点连接刚度下的结构响应，获得神经网络的训练样本集；
步骤三，设置神经网络训练的参数，通过Matlab软件用获得的训练样本集对网络模型进行训练，再进一步建立起神经网络模型。
优选的是，云平台系统制定与优化维护方案的方法包括：
S1、钢结构分为n个评判区域，记为
，其中，每个区域均包含应力、应变、位移相关参数指标，记为
；
S2、列出指标矩阵
，利用最大值
对指标矩阵中各指标进行进行规格化处理，其中，Mj为指标矩阵第i列的最大值，则
规格化为
；
S3、采用最大最小法构造模糊相似矩阵R，即：
；
S4、计算R的传递闭包，其方法是通过采用反复自合成的方法计算，依次计算
，若出现
，则
；
S5、选取分类水平值
以计算t(R)的
截矩阵
，以
为水平进行分类，以同一类的计算结果作为判定进行确定维护或改进方案。
优选的是，各待测节点的位置确定方法包括：
基于竣工图纸在钢结构梁、柱的端点上以及跨度大的杆件跨中位置上，结合有限元软件进行建模以完成对结构内力和挠度的分析，以得到钢结构受温度变化、活载变化影响大的点以及结构应力、应变集中的点位做为待测节点。
本发明至少包括以下有益效果：其一，本发明基于物联网的钢结构远程健康监测平台，可以实现对大型钢结构建筑结构进行自动、实时、远程、不良状况预警的智能监控，极大的节省人工成本和工程结构日常检测的效率；提高了建筑结构的运营水平，为结构的安全服役提供了强有力的保障。
其二，本发明基于监测平台的应用方法，相对于传统的钢结构监测来说，其除了实时获取数据而外，还能根据需要对其数据进行修正，结合数据库中的参考模型，对其结构进行预判，以根据判断结果发送相应的解决方案，具有更好的自动性和适应性。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明实施例中钢结构远程健康监测平台的理论示意图；
图2为本发明实施例中钢结构远程健康监测平台的系统框图；
图3为本发明钢结构远程健康监测平台的处理流程示意图；
图4为本发明神经网络模型的流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
图1-图2示出了根据本发明的一种基于物联网的钢结构远程健康监测平台的实现形式，其中包括：
设置于各待测点位的数据采集单元；
通过5G数据接收传输模块与数据采集单元通信连接的云平台系统，大数据云平台起到承下启上的作用，接收传感器实时的采集数据进行整合分析，并为上层提供存储、计算、大数据挖掘分析能力支持，使得信息资源获得全面的共享整合。云平台主要包括三个功能（1）实时故障监测功能（2）隐患挖掘与故障预测功能（3）维护方案制定与优化功能，云平台包括云端监测数据数据库，数据库储存有如地震、台风、落石冲击等各种工况下的有限元模型以及相关钢结构的标准规范、历史维修方案和业主的要求等，而传感器采集的数据通过5G网络将传感器设备层的监测数据传输至5G工业网关中转，而后通过5G工业网关将传感器设备层的监测数据上传至云端数据中心服务器；
与云平台系统通信连接的远程监控单元；
其中，所述数据采集单元被配置为包括：
与钢结构各待测点位相配合的多个传感器组，各传感器组均被配置为包括：与各检测点位相配合以对该点位的挠度、变形、应力进行测量的角度传感器、应力传感器、位移传感器，在实际应用时，可以在一些弯曲的结构处运用一种崭新的纳米复合材料传感器，该传感器可直接喷涂于平坦或弯曲的工程结构，喷涂出来的传感器可以进一步构成传感器网络，为受监测的结构提供实时及丰富的结构健康状况信息；灵活性好，可适用于弯曲的结构表面。传感器安装过程比传统方法更快捷和具效率。传统超声波传感器采用压电材料制作，成本是十多美元，重数克；而这个新一代纳米复合材料传感器的成本仅0.5美元，重0.04克。由于造价低，可以在同一节点布置几个传感器，以便其中一个传感器坏了之后能自动启用下一个，减少后期人员更换传感器的成本；
各传感器上设置有5g通信的物联网卡，通过运用GPRS型传感器能够插入基于5g的SIM卡，通过SIM卡以GPRS信号方式将传感器所采集到的实时环境数据上传至后端软件平台。与手机流量卡不同，物联网卡是专用于无线数据通信，用于链接终端设备、上传数据的，所以物联网卡接入的是物联网专网，能够防止恶意攻击，保证数据安全可靠，在这种方案中基于物联网的钢结构远程健康监测平台分为四个部分:传感器系统、5G数据接收传输模块、云平台系统、远程监控中心。
本发明的定位系统采用优化后的精密单点定位技术，采用单双频混合观测的方法，把双差观测对应模糊度应用于单频精密单点定位模糊度处理中。可实现厘米级定位结果。提升了结构变形监测的精度。同时精密单点定位（ppp）技术相对于差分技术，不依赖参考站，独立进行每一测站的观测模型和参数化处理，能够获取高精度、高采样频率的三维坐标。更为便捷，成本更低。
在所需监测的钢结构建筑易发生变形位移和受力复杂的关键位置布置好2-3个传感器，所需传感器为GPRS型传感器和一种崭新的纳米复合材料传感器以及精密单点定位器等且造价低，能够在其中一个损坏的情况下自动启用下一个。传感器将采集好的数据通过5G信号传输给5G数据接收传输模块，然后5G数据接收传输模块通过5G网络把数据传输到云平台，云平台把数据进行储存并进行采集的信息特征提取、数据挖掘、统计分析、趋势对比分析、相关和相干分析、回归分析及模型对比分析，通过将结构的受力数据、变形数据并与数据库中的标准数据进行对比，分析出结构是否处于安全状态，云平台与远程控制中心相连，云平台将分析处理后得出的数据发送远程控制中心，如存在安全隐患的部位编号，存在易发生断裂的部位编号等。运程控制中心接收到危险信号之后就会通知相关人员根据编号进行维修。而相关工作人员也可以通过移动端如手机、电脑对。系统可实时在线显示每个传感器节点的监测数据，如振动、温度、位移等，并支持历史数据查询。主要实时监测建筑结构风力风向、温湿度、挠度、裂缝、倾斜、沉降、震动加速度等。通过实时走势和预设阀值的结合，可实现对建筑结构突发状况的及时预警，从而最大限度保证人民的生命和财产安全。
一种应用钢结构远程健康监测平台的方法，其数据处理流程如图3所示，包括：
步骤一，数据采集单元实时采集钢结构各待测节点对应位置的参数信息，并通过物联网卡、5G数据接收传输模块将采集的参数信息传输至云平台系统，在实际应用中，一个钢结构上布置了多个待测节点，根据各待测节点上数据采集单元检测的相关参数信息，对待测节点所在位置的钢结构参数性能指标进行获取；
步骤二，所述云平台系统基于接收到的信息进行进行整合分析，并基于分析结果进行比较、分析以确定是否给出处理意见，同时将分析结果发送至远程监控中心进行显示；
其中，数据采集单元的各传感器具有与各节点相配合对应的唯一节点编号，云平台系统中的服务器将实时接收的传感器编号节点与服务器中预存的传感器编号节点相对应进行比较，并根据比较结果将实时接收的传感器数据添加至云平台系统中的数据库，以更新数据库里模型的数据；
所述云平台系统将实时接收的传感器数据进行分析，并根据分析结果进行故障实时监测、隐患挖掘与故障预测、制定与优化维护方案。
云平台系统进行故障实时监测的方法包括：
所述数据库中设置与传感器检测数据相配合的检测阈值，通过将传感器实时检测的数据与检测阈值进行比较，如传感器实时检测的数据小于检测阈值的80%，则认定为安全不做处理；
如传感器实时监测的数据与监测阈值相比，大于等于检测阈值的80%且小于检测阈值，云平台系统通过5G数据接收传输模块向远程监控单元发出提醒，提醒运维人员持续关注该结构的检测数据后续变化；
如传感器实时检测的数据大于检测阈值，则认定为处于危险阶段，需要立即处理，云平台系统通过5G数据接收传输模块向远程监控单元发出紧急处理警报。在本方案中，云平台接收到来自传感器采集的应力、角度、位移等数据，云端监测中心服务器会将接收到的实际监测传感器编号节点与服务器中传感器编号节点相对应判断并该编号传感器数据添加至云端监测中心服务器中的数据库，更新数据库里模型的数据，采集的应力位移等数据首先会于根据规范设置的阈值进行比较，当小于检测阈值的80%，表明该结构状态良好处于安全阶段，不做处理；当大于等于检测阈值的80%且小于检测阈值标准安全系数时，表明该结构应采取措施，云平台通知远程控制中心提出警示通知维保人员采取措施。如维修加固等；当大于检测阈值时，存在明显的变形等，严重影响承载力，说明结构安全处于危险阶段，必须立刻采取措施，云平台通知远程控制中心提出强烈警报，通知维保人员立即采取措施，如立刻疏散人群等。
云平台系统进行隐患挖掘与故障预测的方法包括：
如传感器实时检测的数据大于检测阈值的80%，云平台系统的分析中心从数据库读取当前实时采集的的传感数据并输入到神经网络模型中，以得到修正后的节点连接刚度，当修正后的模型响应数据与实测值相吻合，将模型计算出的数据代入以下公式一、公式二，结合安全等级评判规定，得到等级评判，生成分析结果；
公式一为结构稳定性
的判定公式：
其中，为根据结构修正数值模型计算得到的稳定极限承载力；
为结构重要性系数，应按照《建筑结构可靠度设计统一标准》规定的结构安全等级确定系数的取值；K为安全系数；
为整体稳定分析的基准荷载标准值等于
；
为永久荷载的标准值；
为活荷载的标准值；
公式二为结构动力性能
的判定公式：
其中，
为规范规定的动力组合荷载作用下结构的容许挠度值；
为根据结构动力修正模型计算得到的动力组合荷载作用下的最大挠度值，在实际操作中，将安全等级分为abcd四个级别。a符合规范规定的相应性能要求，不必采取措施，大于等于1；b级：略低于规范规定的相应性能要求，仍能满足下限水平要求，可不必采取措施，大于等于0.95小于1；ｃ级：不符合规范规定的相应性能要求，应釆取措施，大于等于0.90小于0.95；ｄ级：极不符合规范规定的相应性能要求，必须及时或立即釆取措施，小于0.90。将计算出的数值进行比较得到等级评判，生成分析结果。本方案中，在传感器采集的数据接近或者大于限值时，数据分析中心从数据库读取对应的传感数据输入到有限元仿真模块中，根据需要对其进行线型仿真、非线性仿真或高度非线性仿真并有限元分析得到有限元分析的结果。得到的结果通过数据挖掘技术实现推理、演绎、分析等方式模拟专家对监测数据的推理能力，推演出基于异常点位位发生的异常，不及时处理可能会导致这一点位附近相关连的几个杆件、对结构整体的产生的危害，生成分析结果，数据据分析中心将有限元分析的结果发送毕用户端进行显示。用户端的分析结果将提醒维护人员采取相应预防性维护措施。
所述神经网络模型的建立流程如图4所示，包括：
步骤一，将钢结构的各节点按照连接方式进行分类，以建立节点连接刚度可调的有限元模型，在实际应用中，将钢结构节点按照连接方式进行分类，如刚接、铰接、半刚接、半铰接，每种连接方式再细分为焊缝连接、螺栓连接、铆接，凭实际经验确定待修正节点连接参数的个数与位置；
步骤二，基于有限元模型计算出不同节点连接刚度下的结构响应，获得神经网络的训练样本集；
步骤三，设置神经网络训练的参数，通过Matlab软件用获得的训练样本集对网络模型进行训练，再进一步建立起神经网络模型。
云平台系统制定与优化维护方案的方法包括：
S1、钢结构分为n个评判区域，记为
，其中，每个区域均包含应力、应变、位移等相关参数指标，记为
；
S2、列出指标矩阵
，利用最大值
对指标矩阵中各指标进行进行规格化处理，其中，Mj为指标矩阵第i列的最大值，则
规格化为
；
S3、采用最大最小法构造模糊相似矩阵R，即：
；
S4、计算R的传递闭包，其方法是通过采用反复自合成的方法计算，依次计算
，若出现
，则
；
S5、根据数据大量的历史维修案例选取分类水平值
以计算t(R)的
截矩阵
，根据经验
一般取0.8或以上，越逼近1结果越精确。以
为水平进行分类，以实际情况在同一类的计算结果作为实际情况的判定，根据相关钢结构维护处理规范查询改进方案，在本方案中，数据库中储存的海量的以往历史维护方案，当结构需要维护时，数据分析中从数据库中调取与当前实体结构类似的结构案例，在调取中的案例中再筛选出与当前实体结构类似危险部位的案例和相关的维修方案，自动制定出相应的维修方案提供给维修人员参考，维修人员在维修完成后把维修方案和维修数据上传回数据库进一步对数据库的数据进行扩充。
各待测节点的位置确定方法包括：
基于竣工图纸在钢结构梁、柱的端点上以及跨度较大的杆件跨中位置上，结合有限元软件进行建模完成以对结构内力和挠度的分析，以得到钢结构受温度变化、活载变化影响较大的点以及结构应力、应变集中的点位做为待测节点。
本方案将把结构的健康评价分为构件和结构整体两部分来进行分析评价。
对于一个钢结构来说，它是由大量的构件连接而成的。而这些构件有的对结构整体影响较大，有的构件对结构整体的影响相对较小，所以把构件分为主要构件和一般（次要）构件。主要构件是它的损坏对结构影响大，构件内应力比较高，对可变荷载比较敏感，容易被破坏。根据相应的计算公式计算得到各种不同类型受力构件（如轴向受力构件，受弯构件）的静力性能强度指标和稳定性能指标，根据指标的计算结果，需要对构件的静力性能与稳定性能做出评价与分级。可以分为ABCD四类， 分别代表健康、亚健康、不健康、病态。健康代表合规范规定的相应性能要求，不必采取措施，亚健康代表略低于规范规定的相应性能要求，仍能满足下限水平要求，可不必采取措施。不健康代表不符合规范规定的相应性能要求，云平台会通知远程控制中心通知维保人员采取措施。病态代表极不符合规范规定的相应性能要求，必须及时或立即应采取措施。如封路，立即疏散人群等。
但是仅仅监测构件的强度和稳定性是不能完全体现结构的某些整体性能的，如结构整体的刚度、稳定性以及动力特性。如钢结构桥梁地震发生时强烈的地面运动会使结构产生振动，产生振动内力和位移，造成结构破坏或者倒塌;或者遭遇台风等灾害结构亦会在风荷载作用下产生振动，引起风振作用下的内力与位移。在这些荷载作用下，结构的响应如何取决于结构的动力性能，还有车辆的偏载，落石的冲击等，亦或者以上情况同时发生。
通过监测出的数据计算出钢构桥梁的跨中挠度与限制做比较也可以分为四类1.完好2.挠度小于限值3.接近限值，裂缝状况交严重4.挠度大于限值存在明显的永久变形，裂缝状况明显，严重影响承载力，有不正常移动并影响结构安全。
根据测得的变形数据分为四类1.完好2.个别次要构件出现异常，使行车稍感震动或摇晃3.个别主要承重构件出现异常弯曲，行车有明显的振动或摇晃。4.较多的主要承重构件有异常变形，变性大于规范值，影响桥梁安全。分别对应的采取措施1.不必采取措施2.可不必采取措施3.应采取措施，云平台通知远程控制中心提出警示通知维保人员采取措施。如维修加固等4.必须及时或者立即采取措施，云平台通知远程控制中心提出强烈警报通知维保人员立即采取措施，如立刻疏散车辆人群，封桥等。
以上方案只是一种较佳实例的说明，但并不局限于此。在实施本发明时，可以根据使用者需求进行适当的替换和/或修改。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (7)
1.一种基于物联网的钢结构远程健康监测平台，其特征在于，包括：
设置于各待测点位的数据采集单元；
通过5G数据接收传输模块与数据采集单元通信连接的云平台系统；
与云平台系统通信连接的远程监控单元；
其中，所述数据采集单元被配置为包括：
与钢结构各待测点位相配合的多个传感器组，各传感器组均被配置为包括：与各检测点位相配合以对该点位的挠度、变形、应力进行测量的角度传感器、应力传感器、位移传感器；
各传感器上设置有5g通信的物联网卡。
2.一种应用如权利要求1所述钢结构远程健康监测平台的方法，其特征在于，包括：
步骤一，数据采集单元实时采集钢结构各待测节点对应位置的参数信息，并通过物联网卡、5G数据接收传输模块将采集的参数信息传输至云平台系统；
步骤二，所述云平台系统基于接收到的信息进行进行整合分析，并基于分析结果进行比较、分析以确定是否给出处理意见，同时将分析结果发送至远程监控中心进行显示；
其中，数据采集单元的各传感器具有与各节点相配合对应的唯一节点编号，云平台系统中的服务器将实时接收的传感器编号节点与服务器中预存的传感器编号节点相对应进行比较，并根据比较结果将实时接收的传感器数据添加至云平台系统中的数据库，以更新数据库里模型的数据；
所述云平台系统将实时接收的传感器数据进行分析，并根据分析结果进行故障实时监测、隐患挖掘与故障预测、制定与优化维护方案。
3.如权利要求2所述应用钢结构远程健康监测平台的方法，其特征在于，云平台系统进行故障实时监测的方法包括：
所述数据库中设置与传感器检测数据相配合的检测阈值，通过将传感器实时检测的数据与检测阈值进行比较，如传感器实时检测的数据小于检测阈值的80%，则认定为安全不做处理；
如传感器实时监测的数据与监测阈值相比，大于等于检测阈值的80%且小于检测阈值，云平台系统通过5G数据接收传输模块向远程监控单元发出警报提醒；
如传感器实时检测的数据大于检测阈值，则认定为处于危险阶段，需要立即处理，云平台系统通过5G数据接收传输模块向远程监控单元发出紧急处理警报。
4.如权利要求2所述应用钢结构远程健康监测平台的方法，其特征在于，云平台系统进行隐患挖掘与故障预测的方法包括：
如传感器实时检测的数据大于检测阈值的80%，云平台系统的分析中心从数据库读取当前实时采集的的传感数据并输入到神经网络模型中，以得到修正后的节点连接刚度，当修正后的模型响应数据与实测值相吻合，将模型计算出的数据代入以下公式一、公式二，结合安全等级评判规定，得到等级评判，生成分析结果；
公式一为结构稳定性
的判定公式：
其中，
为神经网络模型计算得到的稳定极限承载力；
为根据结构安全等级确定取值的系数；K为安全系数；
为整体稳定分析的基准荷载标准值等于
；
为永久荷载的标准值；
为活荷载的标准值；
公式二为结构动力性能
的判定公式：
其中，
为动力组合荷载作用下结构的容许挠度值；
为根据神经网络模型计算得到的动力组合荷载作用下的最大挠度值。
5.如权利要求4所述应用钢结构远程健康监测平台的方法，其特征在于， 所述神经网络模型的建立方式包括：
步骤一，将钢结构的各节点按照连接方式进行分类，以建立节点连接刚度可调的有限元模型；
步骤二，基于有限元模型计算出不同节点连接刚度下的结构响应，获得神经网络的训练样本集；
步骤三，设置神经网络训练的参数，通过Matlab软件用获得的训练样本集对网络模型进行训练，再进一步建立起神经网络模型。
6.如权利要求2所述应用钢结构远程健康监测平台的方法，其特征在于， 云平台系统制定与优化维护方案的方法包括：
S1、钢结构分为n个评判区域，记为
，其中，每个区域均包含应力、应变、位移相关参数指标，记为
；
S2、列出指标矩阵
，利用最大值
对指标矩阵中各指标进行进行规格化处理，其中，Mj为指标矩阵第i列的最大值，则
规格化为
；
S3、采用最大最小法构造模糊相似矩阵R，即：
；
S4、计算R的传递闭包，其方法是通过采用反复自合成的方法计算，依次计算
，若出现
，则
；
S5、选取分类水平值
以计算t(R)的
截矩阵
，以
为水平进行分类，以同一类的计算结果作为判定进行确定维护或改进方案。
7.如权利要求2所述应用钢结构远程健康监测平台的方法，其特征在于， 各待测节点的位置确定方法包括：
基于竣工图纸在钢结构梁、柱的端点上以及跨度大的杆件跨中位置上，结合有限元软件进行建模以实现对结构内力和挠度的分析，以得到钢结构受温度变化、活载变化影响大的点以及结构应力、应变集中的点位做为待测节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111506756.XA CN113900381B (zh) | 2021-12-10 | 2021-12-10 | 一种基于物联网的钢结构远程健康监测平台及应用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111506756.XA CN113900381B (zh) | 2021-12-10 | 2021-12-10 | 一种基于物联网的钢结构远程健康监测平台及应用方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113900381A true CN113900381A (zh) | 2022-01-07 |
| CN113900381B CN113900381B (zh) | 2022-04-12 |
Family
ID=79025572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111506756.XA Active CN113900381B (zh) | 2021-12-10 | 2021-12-10 | 一种基于物联网的钢结构远程健康监测平台及应用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113900381B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114413828A (zh) * | 2022-01-21 | 2022-04-29 | 吉林建筑大学 | 一种轻型钢结构装配式建筑的结构变形监测方法 |
| CN114691463A (zh) * | 2022-04-20 | 2022-07-01 | 北京建工集团有限责任公司 | 基于云端的结构健康监测评估方法、系统及存储介质 |
| CN114739446A (zh) * | 2022-02-09 | 2022-07-12 | 厦门万宾科技有限公司 | 一种多维度结构健康无损识别方法及系统 |
| CN116593830A (zh) * | 2023-07-17 | 2023-08-15 | 天津市小猫线缆股份有限公司 | 一种电缆故障检测系统及检测方法 |
| CN116842431A (zh) * | 2023-08-31 | 2023-10-03 | 中国船舶集团国际工程有限公司 | 一种钢结构健康监测评估方法 |
| CN117572903A (zh) * | 2024-01-16 | 2024-02-20 | 中国建筑科学研究院有限公司 | 基于ai处理的端感应回馈式荷载自动调整方法及系统 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995024616A1 (en) * | 1994-03-10 | 1995-09-14 | Koivisto, Marja-Liisa | Method for measuring loads being directed to structures |
| CN101763053A (zh) * | 2008-12-26 | 2010-06-30 | 上海交技发展股份有限公司 | 一种移动式桥梁安全检测分析管理系统 |
| CN102147597A (zh) * | 2010-02-10 | 2011-08-10 | 广州大学 | 一种重大建筑与桥梁结构的健康监测系统 |
| CN102330645A (zh) * | 2011-09-19 | 2012-01-25 | 吴建华 | 一种风电机组结构健康监测系统及其方法 |
| CN104111133A (zh) * | 2014-06-10 | 2014-10-22 | 浙江省建筑科学设计研究院有限公司 | 大跨度预应力拉索钢结构索力监测系统及监测方法 |
| CN104361240A (zh) * | 2014-11-19 | 2015-02-18 | 北京市建筑工程研究院有限责任公司 | 基于移动无线技术的火灾后钢结构损伤评估系统 |
| CN104568007A (zh) * | 2015-01-14 | 2015-04-29 | 中央民族大学 | 一种安全监测系统及方法 |
| CN104899388A (zh) * | 2015-06-17 | 2015-09-09 | 卢伟 | 一种空间钢结构环境荷载作用下的结构安全评估方法 |
| CN108279294A (zh) * | 2017-12-27 | 2018-07-13 | 江苏省建筑工程质量检测中心有限公司 | 用于钢结构桥梁健康监测的无损自动监测系统及方法 |
| CN109029571A (zh) * | 2018-07-24 | 2018-12-18 | 杨波 | 一种桥梁状态监测系统 |
| CN109459091A (zh) * | 2018-12-26 | 2019-03-12 | 中国铁路广州局集团有限公司 | 高铁站大跨度空间钢结构健康监测分析处理方法 |
| CN109492925A (zh) * | 2018-11-22 | 2019-03-19 | 南京工业大学 | 山火诱发钢结构杆塔结构失效的仿真模拟和安全预警方法 |
| CN109506714A (zh) * | 2018-12-22 | 2019-03-22 | 吴碧玉 | 一种人工智能桥梁安全检测系统 |
| CN109537483A (zh) * | 2018-11-22 | 2019-03-29 | 方科峰 | 玻璃材料构建的道路辅助系统,及道路辅助系统运营管理方法 |
| CN208888602U (zh) * | 2018-11-19 | 2019-05-21 | 中冶赛迪重庆信息技术有限公司 | 一种钢铁企业煤气管网运行优化装置 |
| CN110207754A (zh) * | 2019-06-24 | 2019-09-06 | 上海交通大学 | 一种充气膜建筑的大变形长期监测系统 |
| CN111854848A (zh) * | 2020-08-19 | 2020-10-30 | 武汉益坤先舰电气有限公司 | 一种悬挂式单轨交通结构健康监测系统及方法 |
| CN113110212A (zh) * | 2021-04-29 | 2021-07-13 | 西安建筑科技大学 | 一种钢结构建筑健康监测系统及其布置方法 |
| CN113239436A (zh) * | 2021-05-13 | 2021-08-10 | 长安大学 | 一种钢桥状态等级评估与预测方法 |
-
2021
- 2021-12-10 CN CN202111506756.XA patent/CN113900381B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1995024616A1 (en) * | 1994-03-10 | 1995-09-14 | Koivisto, Marja-Liisa | Method for measuring loads being directed to structures |
| CN101763053A (zh) * | 2008-12-26 | 2010-06-30 | 上海交技发展股份有限公司 | 一种移动式桥梁安全检测分析管理系统 |
| CN102147597A (zh) * | 2010-02-10 | 2011-08-10 | 广州大学 | 一种重大建筑与桥梁结构的健康监测系统 |
| CN102330645A (zh) * | 2011-09-19 | 2012-01-25 | 吴建华 | 一种风电机组结构健康监测系统及其方法 |
| CN104111133A (zh) * | 2014-06-10 | 2014-10-22 | 浙江省建筑科学设计研究院有限公司 | 大跨度预应力拉索钢结构索力监测系统及监测方法 |
| CN104361240A (zh) * | 2014-11-19 | 2015-02-18 | 北京市建筑工程研究院有限责任公司 | 基于移动无线技术的火灾后钢结构损伤评估系统 |
| CN104568007A (zh) * | 2015-01-14 | 2015-04-29 | 中央民族大学 | 一种安全监测系统及方法 |
| CN104899388A (zh) * | 2015-06-17 | 2015-09-09 | 卢伟 | 一种空间钢结构环境荷载作用下的结构安全评估方法 |
| CN108279294A (zh) * | 2017-12-27 | 2018-07-13 | 江苏省建筑工程质量检测中心有限公司 | 用于钢结构桥梁健康监测的无损自动监测系统及方法 |
| CN109029571A (zh) * | 2018-07-24 | 2018-12-18 | 杨波 | 一种桥梁状态监测系统 |
| CN208888602U (zh) * | 2018-11-19 | 2019-05-21 | 中冶赛迪重庆信息技术有限公司 | 一种钢铁企业煤气管网运行优化装置 |
| CN109492925A (zh) * | 2018-11-22 | 2019-03-19 | 南京工业大学 | 山火诱发钢结构杆塔结构失效的仿真模拟和安全预警方法 |
| CN109537483A (zh) * | 2018-11-22 | 2019-03-29 | 方科峰 | 玻璃材料构建的道路辅助系统,及道路辅助系统运营管理方法 |
| CN109506714A (zh) * | 2018-12-22 | 2019-03-22 | 吴碧玉 | 一种人工智能桥梁安全检测系统 |
| CN109459091A (zh) * | 2018-12-26 | 2019-03-12 | 中国铁路广州局集团有限公司 | 高铁站大跨度空间钢结构健康监测分析处理方法 |
| CN110207754A (zh) * | 2019-06-24 | 2019-09-06 | 上海交通大学 | 一种充气膜建筑的大变形长期监测系统 |
| CN111854848A (zh) * | 2020-08-19 | 2020-10-30 | 武汉益坤先舰电气有限公司 | 一种悬挂式单轨交通结构健康监测系统及方法 |
| CN113110212A (zh) * | 2021-04-29 | 2021-07-13 | 西安建筑科技大学 | 一种钢结构建筑健康监测系统及其布置方法 |
| CN113239436A (zh) * | 2021-05-13 | 2021-08-10 | 长安大学 | 一种钢桥状态等级评估与预测方法 |
Non-Patent Citations (17)
| Title |
|---|
| 中国测绘学会: "《中国测绘学科发展蓝皮书 2006卷》", 30 November 2006 * |
| 乔得玮: ""钢结构建筑体系分析及其在工程中的应用研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
| 刘强: ""基于FCM算法的多层钢框架模糊优化设计"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
| 刘自明: "《桥梁工程 检测手册》", 30 April 2002 * |
| 吴少伟: ""太原南站钢结构健康监测方案及安全预警研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
| 吴念祖: "《虹桥综合交通枢纽综合防灾研究》", 28 February 2010 * |
| 张凤龙: "《大跨单层网壳钢结构施工综合技术》", 30 June 2015 * |
| 张泽宇: ""基于监测的空间钢结构健康状态评价体系研究"", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》 * |
| 张煊铭，等: ""物联网健康监测系统在钢结构工程中的应用与研究"", 《工程勘察》 * |
| 张英: "钢结构施工过程健康监测技术研究与应用", 《科技经济导刊》 * |
| 时闽生，等: ""高桩码头结构健康监测系统研究"", 《中国港湾建设》 * |
| 王亚莉: ""超声波在已建结构非破损 微破损检测中的应用"", 《西南工学院学报》 * |
| 王化祥: "《现代传感技术及应用》", 30 June 2016 * |
| 缪晓尉: "建筑钢结构节点主要分类及设计要点", 《城市建设理论研究(电子版)》 * |
| 罗永峰，等: "空间钢结构施工过程监测关键参数及测点布置研究", 《建筑结构学报》 * |
| 韩厚增: "《惯导融合GNSS紧组合高精度动态定位研究》", 31 August 2019 * |
| 马汀: ""既有建筑钢结构健康检测与监测框架体系的研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114413828A (zh) * | 2022-01-21 | 2022-04-29 | 吉林建筑大学 | 一种轻型钢结构装配式建筑的结构变形监测方法 |
| CN114413828B (zh) * | 2022-01-21 | 2023-12-29 | 吉林建筑大学 | 一种轻型钢结构装配式建筑的结构变形监测方法 |
| CN114739446A (zh) * | 2022-02-09 | 2022-07-12 | 厦门万宾科技有限公司 | 一种多维度结构健康无损识别方法及系统 |
| CN114739446B (zh) * | 2022-02-09 | 2023-12-15 | 厦门万宾科技有限公司 | 一种多维度结构健康无损识别方法及系统 |
| CN114691463A (zh) * | 2022-04-20 | 2022-07-01 | 北京建工集团有限责任公司 | 基于云端的结构健康监测评估方法、系统及存储介质 |
| CN114691463B (zh) * | 2022-04-20 | 2022-11-11 | 北京建工集团有限责任公司 | 基于云端的结构健康监测评估方法、系统及存储介质 |
| CN116593830A (zh) * | 2023-07-17 | 2023-08-15 | 天津市小猫线缆股份有限公司 | 一种电缆故障检测系统及检测方法 |
| CN116593830B (zh) * | 2023-07-17 | 2023-09-29 | 天津市小猫线缆股份有限公司 | 一种电缆故障检测系统及检测方法 |
| CN116842431A (zh) * | 2023-08-31 | 2023-10-03 | 中国船舶集团国际工程有限公司 | 一种钢结构健康监测评估方法 |
| CN117572903A (zh) * | 2024-01-16 | 2024-02-20 | 中国建筑科学研究院有限公司 | 基于ai处理的端感应回馈式荷载自动调整方法及系统 |
| CN117572903B (zh) * | 2024-01-16 | 2024-03-29 | 中国建筑科学研究院有限公司 | 基于ai处理的端感应回馈式荷载自动调整方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113900381B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113900381B (zh) | 一种基于物联网的钢结构远程健康监测平台及应用方法 | |
| CN113779835A (zh) | 基于ai与智能监测系统的深大基坑安全预警方法 | |
| CN114169548B (zh) | 一种基于bim的公路桥梁管养phm系统和方法 | |
| CN106556498B (zh) | 桥梁结构损伤识别方法及系统 | |
| CN106156336A (zh) | 一种斜拉桥结构状态评价系统及评定方法 | |
| CN101382473B (zh) | 桥梁结构安全预警的ewma控制图方法 | |
| CN102330645A (zh) | 一种风电机组结构健康监测系统及其方法 | |
| KR20210085168A (ko) | 머신러닝 기반 건축 구조물 고유 진동값 학습을 통한 안전 진단 시스템 및 방법 | |
| Hartmann et al. | Coupling sensor-based structural health monitoring with finite element model updating for probabilistic lifetime estimation of wind energy converter structures | |
| CN115456331B (zh) | 多维多测点模型在线监控算法在监测分析系统平台的应用 | |
| CN116295637A (zh) | 一种高空建筑安全智能监测的方法及系统 | |
| CN116090347A (zh) | 平稳荷载下历史建筑结构智能监测与预警系统 | |
| CN118150088A (zh) | 一种用于桥梁健康监测系统的智能监测采集站 | |
| RU2699918C1 (ru) | Способ диагностики технического состояния зданий и строительных сооружений | |
| Guan et al. | Web‐based structural health monitoring of an FRP composite bridge | |
| Ko et al. | Structural health monitoring and intelligent vibration control of cable-supported bridges: Research and application | |
| CN116517788A (zh) | 一种风电机组混凝土塔筒结构健康在线监测系统及方法 | |
| Chang et al. | Necessity of the bridge health monitoring system to mitigate natural and man-made disasters | |
| CN116226974A (zh) | 基于数据融合和自适应稀疏正则化的损伤识别方法及系统 | |
| CN114970273A (zh) | 一种基于arima-lstm组合模型的输电杆塔应变时间序列预测与失稳预警方法 | |
| CN113888043A (zh) | 一种梁式桥主梁病害全周期可视化管理分析系统 | |
| Chase | High-tech inspection | |
| Hunt et al. | Instrumented monitoring and nondestructive evaluation of highway bridges | |
| Wang et al. | Structural Health Monitoring System for a Complicated Long‐Span Continuous Girder Bridge: Implementation and Demonstration | |
| Moussas et al. | Sensor placement selection for SHM of buildings |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Dan Inventor after: Gong Kewei Inventor after: Tan Jiangyue Inventor after: Zhao Bing Inventor before: Li Dan Inventor before: Gong Kewei Inventor before: Tan Jiangyue Inventor before: Zhao Bing |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |