CN113946892B - 用于落石冲击后柔性网系统维养决策的智能化评价方法 - Google Patents

Abstract

本发明涉及边坡防护技术领域，涉及一种用于落石冲击后柔性网系统维养决策的智能化评价方法，其包括以下步骤：（a）建立柔性网系统健康状态的综合判别方案；（b）通过无线传输获取冲击作用时所有传感器的瞬时响应数据；（c）筛选并按降序排列表中各拉锚绳拉力响应

，据此确定拉锚绳对支撑钢柱的合力

，基于柔性网力学行为特征，判别落石冲击区域；（d）确定各部件的极限承载能力；（e）判别系统部件是否失效；（f）推算支撑绳耗能器的耗能量以及拉锚绳耗能器的耗能量；（g）对系统健康状态建立优、良、中、差4级分级判断标准。本发明可实现对柔性网系统采集数据的智能化分析、评价与决策。

Description

用于落石冲击后柔性网系统维养决策的智能化评价方法

技术领域

本发明涉及边坡防护技术领域，具体地说，涉及一种用于落石冲击后柔性网系统维养决策的智能化评价方法。

背景技术

崩塌落石是一种常见的地质灾害，近10年来，中国发生的崩塌落石灾害有逾2万起。落石的发生常导致道路毁坏、交通阻断，甚至威胁人民生命安全。

柔性防护系统是最有效的落石防护措施之一，由于其施工便捷和防护能力强，常应用于艰险山区。落石灾害发生后，主要靠人工巡检勘察来确定灾害发生地点和评估系统剩余性能，缺乏实时性。结构健康监测系统是一种较为成熟的监测系统，可使用专门的仪器测试外力作用下构件的变形或损伤等参数从而确定结构的健康状况。近年来，健康监测系统已经进入边坡柔性防护领域，可实时采集系统部件响应，但由于柔性防护结构的复杂性，仅凭测试数据难以判断冲击作用后柔性防护系统的健康状况。

综上所述，目前亟需一种柔性防护系统的性能评估方法，判别落石冲击区域、评估柔性防护系统剩余工作性能，解决目前柔性防护网系统用于落石防护时的应急与维养决策智能化决策难题，为灾害救援提供位置信息，为系统维护人员提供检修信息。

发明内容

本发明的内容是提供一种用于落石冲击后柔性网系统维养决策的智能化评价方法，该评价与决策方法可实现对柔性网系统采集数据的智能化分析、评价与决策。

根据本发明的一种用于落石冲击后柔性网系统维养决策的智能化评价方法，其包括以下步骤：

(a)建立基于落石冲击后支撑钢柱的偏转量、支撑钢柱弯曲变形量、支撑绳拉力、支撑绳滑移量、拉锚绳拉力的柔性网系统健康状态的综合判别方案，据此在防护网系统的相应位置布置位移传感器、倾角仪、拉力传感器，通过无线传输进入数据处理终端，用于系统维养决策的智能化评价；

(b)通过无线传输获取冲击作用时所有传感器的瞬时响应数据，包括：支撑钢柱倾角θ_i、支撑钢柱弯曲变形量δ_s、支撑绳拉力F_j、支撑绳滑移量s_j和拉锚绳拉力F_k，采用冒泡法识别各类数据的响应峰值，并对响应数据进行列表分类；

(c)采用冒泡排序法筛选并按降序排列表中各拉锚绳拉力响应F_k，据此确定拉锚绳对支撑钢柱的合力F_s，基于柔性网力学行为特征，判别落石冲击区域；

(d)根据系统部件规格和系统安装方式，确定各部件的极限承载能力，包括支撑钢柱倾角极限偏转量θ_lim、支撑钢柱极限弯曲变形量δ_s,lim、支撑绳破断力F_j,lim、拉锚绳破断力F_k,lim和耗能器极限伸长量δ_lim；

(e)通过表格中系统各部件的响应数据，获取冲击作用下耗能器的伸长量δ_l、支撑钢柱倾角θ_i、支撑绳拉力F_j、拉锚绳拉力F_k、支撑钢柱弯曲变形量δ_s，对比响应数据是否超过步骤(d)中确定的各部件极限承载能力来判别系统部件是否失效；

(f)根据响应数据，推算支撑绳耗能器的耗能量以及拉锚绳耗能器的耗能量，根据系统耗能特性，估算此次系统遭受的冲击能量，根据冲击能量与系统设防能力的差值评估系统的剩余性能；

(g)对系统健康状态建立优、良、中、差4级分级判断标准，并根据(d)和(e)对实际工作系统形成分级反馈，用于应急与维养决策判断。

作为优选，所述步骤(c)中，落石冲击区域判别方法如下：

根据测得的支撑钢柱倾角θ，可由下式计算拉锚绳耗能器的伸长量δ_l：

式中，a为相邻两个拉锚绳锚固端中点至支撑钢柱基座的距离；h为支撑钢柱的高度；l为拉锚绳的长度；b为相邻两个拉锚绳锚固端之间的距离；α为支撑钢柱安装角度；

根据系统布置方式，计算拉锚绳对支撑钢柱的合力值F_S，计算方法如下：

式中，b为相邻拉锚绳锚固端之间的距离；

提取合力最大的两个值F_{s，max 1}、F_{s，max 2}，初步判定落石冲击区域在最大合力的两根支撑钢柱之间；两个合力的差值ΔF和两个合力平均值

的计算方法如下：

ΔF＝F_{s，max 1}-F_{s，max 2}

落石冲击区域定位系数λ的计算方法如下：

作为优选，冲击区域判别标准如下：

判别标准为当0.85＜λ＜1时，落石冲击区域为落石可能冲击于合力为F_{s，max 1}的支撑钢柱；

当0.15＜λ≤0.85时，落石冲击区域靠近合力为F_{s，max 1}的支撑钢柱；

当-0.15≤λ≤0.15时，落石冲击区域位于两根支撑钢柱之间的中间区域；

当-0.85≤λ＜-0.15时，落石冲击区域靠近合力为F_{s，max 2}的支撑钢柱；

当1＜λ＜-0.85时，落石可能冲击于合力为F_{s，max 2}的支撑钢柱。

作为优选，所述步骤(d)中，系统部件极限承载能力的确定方法如下：

根据系统选用的耗能器型号规格确定支撑绳的极限滑移量s_lim，根据支撑绳的规格确定支撑绳破断力F_j，lim，拉锚绳破断力F_k，lim，拉锚绳耗能器极限伸长量δ_l，lim；

根据系统安装条件和构件规格，可得支撑钢柱倾角极限值θ_lim，由下式表示：

支撑钢柱弯曲变形量δ_s不超过支撑钢柱长度的5％，则支撑钢柱的极限弯曲变形量δ_s，lim的计算方法如下：

δ_s，lim＝0.05h。

作为优选，所述步骤(e)中，系统部件失效判别方式如下：

读取支撑绳滑移量s_j和支撑绳拉力F_j，j为传感器编号，j＝1，2，3，……；若s_j＜s_lim且F_j＜F_j，lim，则支撑绳未发生破断，且支撑绳耗能器还能继续工作；反之，支撑绳破断或支撑绳耗能器达到极限伸长量；

读取支撑钢柱倾角θ_i和拉锚绳拉力F_k，若θ_i＜θ_lim且F_k＜F_k，lim，则拉锚绳未发生破断，且拉锚绳耗能器还能继续工作；反之，拉锚绳破断或拉锚绳耗能器达到极限伸长量；

读取支撑钢柱的弯曲变形值δ_s，若δ_s＜δ_s，max，则判定支撑钢柱完好，反之则判定支撑钢柱屈曲无法继续使用。

作为优选，所述步骤(f)中，系统剩余性能评估方法如下：

根据拉锚绳耗能器伸长量δ_l，i及拉锚绳耗能器规格可计算拉锚绳耗能器的耗能E_l：

式中，P_l(δ)为拉锚绳耗能器的力-位移曲线关系式；

支撑绳滑移量s_j与支撑绳耗能器伸长量一致，根据支撑绳耗能器规格可计算支撑绳耗能器耗能E_s：

式中，P_s，j(s)为支撑绳耗能器的力-位移曲线关系式；

被动防护网系统受落石冲击作用时，耗能器耗能占系统耗能的80％，其中支撑绳耗能器耗能占60％，拉锚绳耗能器耗能占20％；据此推算落石灾害的冲击能量E_I：

系统剩余性能E_r计算方法如下：

E_r＝E_d-E_I。

作为优选，所述步骤(g)中，系统健康状态判断标准如下：

根据系统设计防护能量E_d，可算得系统剩余能量比η为：

结合剩余性能能量比η结果与系统部件性能判别，将系统健康状态划分为优、良、中、差4个等级，判别标准与系统维养决策如下：

系统健康状态等级为优时，判别标准为80％＜η且无部件损坏，系统维养决策为系统可继续使用；

系统健康状态等级为良时，判别标准为50％＜η≤80％且无部件损坏，系统维养决策为可更换系统少量部件继续投入使用；

系统健康状态等级为中时，判别标准为20％＜η≤50％且无部件损坏，系统维养决策为需更换整个系统或系统大量部件才可继续使用；

系统健康状态等级为差时，判别标准为η≤20％或有部件损坏，系统维养决策为系统无法继续投入工作。

本发明的有益效果是：本发明所述方法结合现有健康监测系统，本发明所述方法可快速确定落石冲击区域、判别系统健康状态，解决了目前柔性防护网系统用于落石防护时的应急与维养决策智能化决策难题，实现了对采集数据的智能化分析、评价与决策。

附图说明

图1为实施例1中一种用于落石冲击后柔性网系统维养决策的智能化评价方法的流程图；

图2为实施例2中一种用于落石冲击后柔性网系统维养决策的智能化评价方法的系统布置图；

图3为实施例2中一种用于落石冲击后柔性网系统维养决策的智能化评价方法的拉锚绳耗能器伸长量计算示意图(轴侧图)；

图4为实施例2中一种用于落石冲击后柔性网系统维养决策的智能化评价方法的拉锚绳耗能器伸长量计算示意图(侧视图)；

其中，附图中标记对应的结构名称为：

1-支撑钢柱；2-支撑绳；3-拉锚绳；4-位移传感器；5-倾角仪；6-拉力传感器；7-支撑绳耗能器；8-拉锚绳耗能器。

具体实施方式

为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。

实施例1

如图1所示，本实施例提供了一种用于落石冲击后柔性网系统维养决策的智能化评价方法，其包括以下步骤：

(a)建立基于落石冲击后支撑钢柱1的偏转量、支撑钢柱1弯曲变形量、支撑绳2拉力、支撑绳2滑移量、拉锚绳3拉力等响应数据的柔性网系统健康状态的综合判别方案，据此在防护网系统的相应位置布置位移传感器4、倾角仪5、拉力传感器6等力学响应传感器，通过无线传输进入数据处理终端，用于系统维养决策的智能化评价；

(b)通过无线传输获取冲击作用时所有传感器的瞬时响应数据，包括：支撑钢柱1倾角θ_i、支撑钢柱1弯曲变形量δ_s、支撑绳2拉力F_j、支撑绳2滑移量s_j和拉锚绳3拉力F_k，采用冒泡法识别各类数据的响应峰值，并对响应数据进行列表分类；

(c)采用冒泡排序法筛选并按降序排列表中各拉锚绳3拉力响应F_k，据此确定拉锚绳对支撑钢柱1的合力F_s，基于柔性网力学行为特征，判别落石冲击区域：

(d)根据系统部件规格和系统安装方式，确定各部件的极限承载能力，包括支撑钢柱1倾角极限偏转量θ_lim、支撑钢柱1极限弯曲变形量δ_s，lim、支撑绳2破断力F_j，lim、拉锚绳3破断力F_k，lim和耗能器极限伸长量δ_lim；

(e)通过表格中系统各部件的响应数据，获取冲击作用下耗能器的伸长量δ_l、支撑钢柱1倾角θ_i、支撑绳2拉力F_j、拉锚绳3拉力F_k、支撑钢柱1弯曲变形量δ_s，对比响应数据是否超过步骤(d)中确定的各部件极限承载能力来判别系统部件是否失效；

(f)根据响应数据，推算支撑绳耗能器7的耗能量以及拉锚绳耗能器8的耗能量，根据系统耗能特性，估算此次系统遭受的冲击能量，根据冲击能量与系统设防能力的差值评估系统的剩余性能；

(g)对系统健康状态建立优、良、中、差4级分级判断标准，并根据(d)和(e)对实际工作系统形成分级反馈，用于应急与维养决策判断。

所述步骤(c)中，落石冲击区域判别方法如下：

根据测得的支撑钢柱1倾角θ，可由下式计算拉锚绳耗能器8的伸长量δ_i：

式中，a为相邻两个拉锚绳3锚固端中点至支撑钢柱1基座的距离；h为支撑钢柱1的高度；l为拉锚绳3的长度；b为相邻两个拉锚绳3锚固端之间的距离；α为支撑钢柱1安装角度；

根据系统布置方式，计算拉锚绳3对支撑钢柱1的合力值F_S，计算方法如下：

式中，b为相邻拉锚绳3锚固端之间的距离；

提取合力最大的两个值F_{s，max 1}、F_{s，max 2}，初步判定落石冲击区域在最大合力的两根支撑钢柱1之间；两个合力的差值ΔF和两个合力平均值

的计算方法如下：

ΔF＝F_{s，max 1}-F_{s，max 2}

落石冲击区域定位系数λ的计算方法如下：

冲击区域判别标准如表1所示：

表1落石冲击区域判别

所述步骤(d)中，系统部件极限承载能力的确定方法如下：

根据系统选用的耗能器型号规格确定支撑绳2的极限滑移量s_lim，根据支撑绳2的规格确定支撑绳2破断力F_j，lim，拉锚绳3破断力F_k，lim，拉锚绳耗能器8极限伸长量δ_l，lim；

根据系统安装条件和构件规格，可得支撑钢柱1倾角极限值θ_limm，由下式表示：

支撑钢柱1弯曲变形量δ_s不超过支撑钢柱1长度的5％，则支撑钢柱1的极限弯曲变形量δ_s，lim的计算方法如下：

δ_s，lim＝0.05h。

所述步骤(e)中，系统部件失效判别方式如下：

读取支撑绳2滑移量s_j和支撑绳2拉力F_j，j为传感器编号，j＝1，2，3，……；若s_j＜s_lim且F_j＜F_j，lim，则支撑绳2未发生破断，且支撑绳耗能器7还能继续工作；反之，支撑绳2破断或支撑绳耗能器7达到极限伸长量；

读取支撑钢柱1倾角θ_i和拉锚绳3拉力F_k，若θ_i＜θ_lim且F_k＜F_k，lim，则拉锚绳3未发生破断，且拉锚绳耗能器8还能继续工作；反之，拉锚绳3破断或拉锚绳耗能器8达到极限伸长量；

读取支撑钢柱1的弯曲变形值δ_s，若δ_s＜δ_s，max，则判定支撑钢柱1完好，反之则判定支撑钢柱1屈曲无法继续使用。

所述步骤(f)中，系统剩余性能评估方法如下：

根据拉锚绳耗能器8伸长量δ_l，i及拉锚绳耗能器8规格可计算拉锚绳耗能器8的耗能E_i：

式中，P_l(δ)为拉锚绳耗能器8的力-位移曲线关系式；

支撑绳2滑移量s_j与支撑绳耗能器7伸长量一致，根据支撑绳耗能器7规格可计算支撑绳耗能器7耗能E_s：

式中，P_s，j(s)为支撑绳耗能器7的力-位移曲线关系式；

据统计，被动防护网系统受落石冲击作用时，耗能器耗能约占系统耗能的80％，其中支撑绳耗能器7耗能约占60％，拉锚绳耗能器8耗能约占20％；据此推算落石灾害的冲击能量E_I：

系统剩余性能E_r计算方法如下：

E_r＝E_d-E_I。

所述步骤(g)中，系统健康状态判断标准如下：

根据系统设计防护能量E_d，可算得系统剩余能量比η为：

结合剩余性能能量比η结果与系统部件性能判别，将系统健康状态划分为优、良、中、差4个等级，判别标准与系统维养决策如表2所示。

表2系统健康状态标准与维养决策

实施例2

本实施例提供一种用于落石冲击后柔性网系统维养决策的智能化评价方法，结合某山区落石常发点，具体说明本实施例的一种基于被动防护网系统健康监测的系统剩余性能评价方法，步骤如下：

系统如图2所示，详细安装条件如下：支撑钢柱1的高度h＝8m，拉锚绳3的长度l＝13.416m，相邻两个拉锚绳3锚固端中点至支撑钢柱1基座的距离a＝10m，拉锚绳耗能器8极限伸长量δ_l，lim＝1.1m，相邻两个拉锚绳3锚固端之间的距离b＝8m；支撑钢柱1安装角度α＝90°；选用的支撑绳2为

拉锚绳3为

系统设计能力为500kJ。

落石冲击作用后，获取所有传感器的响应数据，提取冲击作用下的峰值，并对响应数据进行分类，相应数据如表3所示。

表3数据采集系统数据

如图3和图4所示，根据测得的钢柱倾角θ，可由下式计算拉锚绳耗能器8伸长量，伸长量如表4所示。

表4拉锚绳耗能器伸长量

根据系统布置方式，计算拉锚绳3对支撑钢柱1的合力值FS，计算方法如下：

可得拉锚绳3对四根支撑钢柱1的合力如表5所示。

表5拉锚绳对支撑钢柱的拉力

因此，F_{s，max 1}＝90.86kN，F_{s，max 2}＝94.17kN。他们的差值ΔF与平均值

分别为：

ΔF＝F_{s，max 1}-F_{s，max 2}＝90.86-94.17＝-3.31kN

故

判定落石冲击区域为中间跨的中间区域。

系统选用的耗能器型号规格确定支撑绳2的极限滑移量s_lim＝1.1m，选用的支撑绳2为

单根支撑绳2破断力F_lim＝304kN。由表1可得支撑绳2滑移量s_j和支撑绳2拉力F_j，满足条件：s_j＜s_lim和F_j＜F_j，lim，因此支撑绳2未发生破断，且耗能器还能继续工作。

钢柱倾角极限值θ_lim，可由下式计算：

选用的拉锚绳3为

破断力F_lim＝304kN。支撑钢柱倾角θ_i和拉锚绳3拉力F_k，满足条件：θ_i＜θ_lim和F_k＜F_k，lim，拉锚绳3未发生破断，且拉锚绳耗能器8还能继续工作。

支撑钢柱1变化量δ_s满足条件：δ_s＜0.05h，支撑钢柱1完好，可以继续工作。

根据拉锚绳耗能器8伸长量δ_l，i及拉锚绳耗能器8规格可计算拉锚绳耗能器8的耗能E_l：

式中，P_l(δ)为拉锚绳耗能器8的力-位移曲线关系式。拉锚绳耗能器8耗能能量如表6所示，拉锚绳耗能器8耗能E_l＝41.77kJ。

表6拉锚绳耗能器耗能

支撑绳2滑移量s_j与支撑绳耗能器7伸长量一致，根据支撑绳耗能器7规格可计算支撑绳耗能器7耗能E_s：

式中，P_s，j(s)为支撑绳耗能器7的力-位移曲线关系式。支撑绳耗能器7各耗能能量如表7所，故支撑绳耗能器7耗能E_s＝141.20kJ。

表7拉锚绳耗能器耗能

注：U为上支撑绳；D为下支撑绳

据统计，被动防护网系统受落石冲击作用时，耗能器耗能约占系统耗能的80％，其中支撑绳耗能器7耗能约占60％，拉锚绳耗能器8耗能约占20％。据此推算落石灾害的冲击能量E_I：

系统的剩余性能E_r为：

E_r＝E_d-E_I＝500-235.33＝264.67kJ

根据系统设计防护能量E_d，可算得系统剩余能量比η为：

50％＜η≤80％，则该被动网系统健康状态为良，可更换系统少量部件继续投入使用。

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (5)

1.用于落石冲击后柔性网系统维养决策的智能化评价方法，其特征在于：包括以下步骤：

(a)建立基于落石冲击后支撑钢柱(1)的偏转量、支撑钢柱(1)弯曲变形量、支撑绳(2)拉力、支撑绳(2)滑移量、拉锚绳(3)拉力的柔性网系统健康状态的综合判别方案，据此在防护网系统的相应位置布置位移传感器(4)、倾角仪(5)、拉力传感器(6)，通过无线传输进入数据处理终端，用于系统维养决策的智能化评价；

(b)通过无线传输获取冲击作用时所有传感器的瞬时响应数据，包括：支撑钢柱(1)倾角θ_i、支撑钢柱(1)弯曲变形量δ_s、支撑绳(2)拉力F_j、支撑绳(2)滑移量s_j和拉锚绳(3)拉力F_k，采用冒泡法识别各类数据的响应峰值，并对响应数据进行列表分类；

(c)采用冒泡排序法筛选并按降序排列表中各拉锚绳(3)拉力响应F_k，据此确定拉锚绳对支撑钢柱(1)的合力F_s，基于柔性网力学行为特征，判别落石冲击区域；

所述步骤(c)中落石冲击区域判别方法如下：

根据测得的支撑钢柱(1)倾角θ，可由下式计算拉锚绳耗能器(8)的伸长量δ_l：

式中，a为相邻两个拉锚绳(3)锚固端中点至支撑钢柱(1)基座的距离；h为支撑钢柱(1)的高度；l为拉锚绳(3)的长度；b为相邻两个拉锚绳(3)锚固端之间的距离；α为支撑钢柱(1)安装角度；

根据系统布置方式，计算拉锚绳(3)对支撑钢柱(1)的合力值F_S，计算方法如下：

式中，b为相邻拉锚绳(3)锚固端之间的距离；

提取合力最大的两个值F_s,max1、F_s,max2，初步判定落石冲击区域在最大合力的两根支撑钢柱(1)之间；两个合力的差值ΔF和两个合力平均值

的计算方法如下：

ΔF＝F_s,max1-F_s,max2

落石冲击区域定位系数λ的计算方法如下：

冲击区域判别标准如下：

当0.85<λ<1时，落石冲击区域为落石可能冲击于合力为F_s,max1的支撑钢柱(1)；

当0.15<λ≤0.85时，落石冲击区域靠近合力为F_s,max1的支撑钢柱(1)；

当-0.15≤λ≤0.15时，落石冲击区域位于两根支撑钢柱(1)之间的中间区域；

当-0.85≤λ<-0.15时，落石冲击区域靠近合力为F_s,max2的支撑钢柱(1)；

当1<λ<-0.85时，落石可能冲击于合力为F_s,max2的支撑钢柱(1)；

(d)根据系统部件规格和系统安装方式，确定各部件的极限承载能力，包括支撑钢柱(1)倾角极限偏转量θ_lim、支撑钢柱(1)极限弯曲变形量δ_s,lim、支撑绳(2)破断力F_j,lim、拉锚绳(3)破断力F_k,lim和耗能器极限伸长量δ_lim；

(e)通过表格中系统各部件的响应数据，获取冲击作用下耗能器的伸长量δ_l、支撑钢柱(1)倾角θ_i、支撑绳(2)拉力F_j、拉锚绳(3)拉力F_k、支撑钢柱(1)弯曲变形量δ_s，对比响应数据是否超过步骤(d)中确定的各部件极限承载能力来判别系统部件是否失效；

(f)根据响应数据，推算支撑绳耗能器(7)的耗能量以及拉锚绳耗能器(8)的耗能量，根据系统耗能特性，估算此次系统遭受的冲击能量，根据冲击能量与系统设防能力的差值评估系统的剩余性能；

(g)对系统健康状态建立优、良、中、差4级分级判断标准，并根据(d)和(e)对实际工作系统形成分级反馈，用于应急与维养决策判断。

2.根据权利要求1中所述的用于落石冲击后柔性网系统维养决策的智能化评价方法，其特征在于：所述步骤(d)系统部件极限承载能力的确定方法如下：

根据系统选用的耗能器型号规格确定支撑绳(2)的极限滑移量s_lim，根据支撑绳(2)的规格确定支撑绳(2)破断力F_j,lim，拉锚绳(3)破断力F_k,lim，拉锚绳耗能器(8)极限伸长量δ_l,lim；

根据系统安装条件和构件规格，可得支撑钢柱(1)倾角极限值θ_lim，由下式表示：

支撑钢柱(1)弯曲变形量δ_s不超过支撑钢柱(1)长度的5％，则支撑钢柱(1)的极限弯曲变形量δ_s,lim的计算方法如下：

δ_s,lim＝0.05h。

3.根据权利要求1和2中任一所述的用于落石冲击后柔性网系统维养决策的智能化评价方法，其特征在于：所述步骤(e)系统部件失效判别方式如下：

读取支撑绳(2)滑移量s_j和支撑绳(2)拉力F_j，j为传感器编号，j＝1,2,3，……；若s_j<s_lim且F_j<F_j,lim，则支撑绳(2)未发生破断，且支撑绳耗能器(7)还能继续工作；反之，支撑绳(2)破断或支撑绳耗能器(7)达到极限伸长量；

读取支撑钢柱(1)倾角θ_i和拉锚绳(3)拉力F_k，若θ_i<θ_lim且F_k<F_k,lim，则拉锚绳(3)未发生破断，且拉锚绳耗能器(8)还能继续工作；反之，拉锚绳(3)破断或拉锚绳耗能器(8)达到极限伸长量；

读取支撑钢柱(1)的弯曲变形值δ_s，若δ_s<δ_s,max，则判定支撑钢柱(1)完好，反之则判定支撑钢柱(1)屈曲无法继续使用。

4.根据权利要求3中所述的用于落石冲击后柔性网系统维养决策的智能化评价方法，其特征在于：所述步骤(f)系统剩余性能评估方法如下：

根据拉锚绳耗能器(8)伸长量δ_l,i及拉锚绳耗能器(8)规格可计算拉锚绳耗能器(8)的耗能E_l：

式中，P_l(δ)为拉锚绳耗能器(8)的力-位移曲线关系式；

支撑绳(2)滑移量s_j与支撑绳耗能器(7)伸长量一致，根据支撑绳耗能器(7)规格可计算支撑绳耗能器(7)耗能E_s：

式中，P_s,j(s)为支撑绳耗能器(7)的力-位移曲线关系式；

被动防护网系统受落石冲击作用时，耗能器耗能占系统耗能的80％，其中支撑绳耗能器(7)耗能占60％，拉锚绳耗能器(8)耗能占20％；据此推算落石灾害的冲击能量E_I：

系统剩余性能E_r计算方法如下：

E_r＝E_d-E_I；

E_d为防护能量。

5.根据权利要求4中所述的用于落石冲击后柔性网系统维养决策的智能化评价方法，其特征在于：所述步骤(g)系统健康状态判断标准如下：

根据系统设计防护能量E_d，可算得系统剩余能量比η为：

结合剩余性能能量比η结果与系统部件性能判别，将系统健康状态划分为优、良、中、差4个等级，判别标准与系统维养决策如下：

系统健康状态等级为优时，判别标准为80％<η且无部件损坏，系统维养决策为系统可继续使用；

系统健康状态等级为良时，判别标准为50％<η≤80％且无部件损坏，系统维养决策为可更换系统少量部件继续投入使用；

系统健康状态等级为中时，判别标准为20％<η≤50％且无部件损坏，系统维养决策为需更换整个系统或系统大量部件才可继续使用；

系统健康状态等级为差时，判别标准为η≤20％或有部件损坏，系统维养决策为系统无法继续投入工作。

Images