CN114002332B - 一种结构损伤监测预警方法及结构完整性数字孪生系统 - Google Patents
一种结构损伤监测预警方法及结构完整性数字孪生系统 Download PDFInfo
- Publication number
- CN114002332B CN114002332B CN202111157838.8A CN202111157838A CN114002332B CN 114002332 B CN114002332 B CN 114002332B CN 202111157838 A CN202111157838 A CN 202111157838A CN 114002332 B CN114002332 B CN 114002332B
- Authority
- CN
- China
- Prior art keywords
- damage
- structural
- acoustic emission
- digital twin
- signal
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
Abstract
本发明提供一种结构损伤监测预警方法及结构完整性数字孪生系统。所述方法包括:采集布设于结构表面的声发射传感器的声发射信号,分析获得损伤事件的发生位置和损伤大小;同步结构状态,即在构建的结构数字模型中添加新的损伤;就添加后的结构数字模型分析当前结构状态;展示结构状态分析结果,超出结构设计限度时告警。本发明构建了目标监测结构含损伤信息的数字模型;在实现在线监测目标结构完整性并在收到声发射信号时进行损伤告警的基础上,能够基于构建的数字模型自动进行结构运行状态分析,并根据设计限度直接对结构安全性进行评估。
Description
技术领域
本发明属无损检测和结构完整性监控技术领域,具体涉及一种结构损伤监测预警方法及结构完整性数字孪生系统。
背景技术
无损检测和结构完整性监控是保障轴流式压缩机、重型燃气轮机等精密装备和大型桥梁、核反应堆压力容器等大型结构安全服役的关键技术。在当前社会经济蓬勃发展过程中,上述装备和结构的在役数量和服役时间均不断增加,随之而来的结构疲劳损伤问题日益突出,给无损检测和结构完整性监控工作带来巨大压力。
基于声发射的结构损伤在线监测方法是一种有效的解决方案。当塑性变形、断裂等损伤在监测结构中发生时,由于局部应力、应变能释放,将对外放出弹性波(声波);该信号可以被传感器捕捉,进而能够感知损伤的发生。数字孪生是随近年信息和智能技术发展而诞生的一种技术概念。该方法针对目标现实对象在计算机中构建虚拟模型,同时在现实对象运行/服役过程中,通过各类传感手段实时获取物理实体的状态参数并据此更新虚拟模型状态,达到虚拟模型与物理实体的实时“孪生”。通过该方法,工程技术和管理人员可以即时、准确地了解目标现实装备和结构的运行状态,进而能够提升维护效率,保障其运行安全。
现有基于声发射技术的结构损伤监测系统通过采集、信号分析等方法实现对目标结构损伤的在线监测与损伤告警,其仅采集、分析损伤信号,并根据设定的判断准则告警。实际应用过程中,工程人员在收到报警信号后仍然需要进一步勘察现场、确定损伤源,并根据损伤情况开展结构分析。此外,声发射监测系统一般敏感度较高,因此其告警频率高,现场工程人员勘察、分析工作量大,而实际上大多数局部损伤不会对结构安全造成威胁。
发明内容
有鉴于此,本发明旨在为目标装备或结构关键承力构件其结构完整性提供信息化程度更高的监测。通过构建其数字孪生体,结合传感器采集的损伤信号和结构强度分析方法,为工程人员提供更完备的结构完整性信息。
第一方面,本发明实施例提供了一种结构损伤监测预警方法,包括:
采集分析布设于结构表面的传感器组接收到的声发射信号,获得损伤事件的发生位置和损伤大小;
同步结构状态,即在构建的结构数字模型中添加新的损伤;
就添加后的结构数字模型分析当前结构状态;
展示结构状态分析结果,超出结构设计限度时告警。
在一种可能的实施方式中,本发明实施例提供的基于声发射损伤检测的结构完整性数字孪生系统进行损伤监测的方法还包括:
定期实地检测,修正积累误差。
根据现场条件选择局部或整体的实地检测范围,该范围至少应包含所有数字孪生体模型上有记录的损伤区域;随后采用如射线检测、超声检测等无损检测方法获得结构损伤的具体形态和大小;再将检测结果同步于本发明提出构建的数字孪生体模型中,以消除长期积累的对于损伤形态和大小估计的误差。
在一种可能的实施方式中,获得损伤事件的发生位置和损伤大小的方法为采用基于人工特征选取的方法,选取的特征包括声发射能量计数、声发射幅度和持续时间。
在一种可能的实施方式中,获得损伤事件的发生位置和损伤大小的方法为采用基于数据降维和机器学习的方法。
在一种可能的实施方式中,获得损伤事件的发生位置和损伤大小的方法为采用混合人工特征选取和机器学习的方法。
第二方面,本发明实施例提供了一种结构完整性数字孪生系统,包括:
传感器组、信号采集装置和数字孪生模型处理装置;
所述传感器组包括布设在目标结构的多个声发射传感器;
所述信号采集装置用于采集传感器组的声发射信号并将声发射信号发送给所述数字模型处理装置;
所述数字孪生模型处理装置用于对声发射信号进行分析处理,识别获取目标结构的损伤信息,并根据损伤信息更新目标结构的数字孪生模型;所述损伤信息包括损伤位置和大小。
所述数字孪生模型是待检工程结构其物理实体的数字代理,在本发明技术范围内,该数字孪生模型包括物理实体的几何形状、材料属性(如密度、强度、弹性模量、断裂韧性)、损伤信息(如裂纹、腐蚀缺失等)。所属模型以文件编码形式存储于计算机中,使用时通过编写程序解码以完成结构状态更新、模拟分析计算、实时展示等本发明所述的功能。
在一种可能的实施方式中,所述信号采集装置包括:
一般的声发射信号采集装置包括前端信号放大器,数据采集卡及配套的数据读取上位机软件。
相较于现有技术,本发明构建了目标监测结构含损伤信息的数字模型;在实现在线监测目标结构完整性并在收到声发射信号时进行损伤告警的基础上,能够基于构建的数字模型自动进行结构运行状态分析,并根据设计限度直接对结构安全性进行评估。得益于本发明提供的基于声发射损伤检测的结构完整性数字孪生系统,工程人员能够更全面、更实时地了解目标结构服役状态。此外,通过使用自动化系统频繁地分析带损伤结构的受力状态,能够提升结构完整性监控工作的实施效率,提高目标结构的运行可靠性。
附图说明
图1是本申请实施例提供的数字孪生系统结构示意图;
图2是本申请实施例建立的数字孪生模型的几何模型示意图;
图3是本申请实施例建立的数字孪生模型的有限元模型示意图;
图4是本申请实施例提供的受载情况分析结果顶部视图。
图5是本申请实施例提供的损伤监测方法流程示意图。
具体实施方式
以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本实施例基于声发射损伤检测技术,提供一种结构完整性数字孪生系统。具体由传感器组、信号采集装置和数字孪生模型处理装置构成,如图1所示。
所述传感器组包括的传感器数量及其布施位置根据目标结构形态设计,以能够覆盖所有目标监测区域并准确定位其中发生的结构损伤事件为准。
本实施例中,传感器是声发射传感器。
数字孪生模型处理装置可以包括处理器、存储器和接收器。
其中,处理器与接收器和存储器耦合,如可以通过通信总线连接。
上述处理器是数字孪生模型处理装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器是一个或多个中央处理器(central processingunit,CPU),也可以是特定集成电路(application specific integrated circuit,ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路,例如:一个或多个微处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(fieldprogrammable gate array,FPGA)。
处理器可以通过运行或执行存储在存储器内的软件程序(例如信息化支持软件),以及调用存储在存储器内的数据,执行数字孪生模型处理装置的各种功能,具体包括:声发射信号识别;根据损伤信息更新数字结构模型参数并展示;就完成模型参数更新的带损伤数字模型开展结构强度分析;若分析结果超出服役中结构的设计限度,则进行异常告警。
其中,声发射信号识别内容包括信号强度和信号发生位置;数字结构模型参数更新指根据声发射信号识别结果,在目标结构的数字模型上标记新出现的损伤其位置和大小;带损伤结构强度分析指使用有限元等模拟算法,根据目标构件受载情况分析其受力分布;若得到结果显示结构某处应力大小可能超出结构承载极限或设计限度,则告警。需要指出的是,该系统实际运行中不可避免地会积累误差,因此仍需根据实际实施情况定期开展实地检测,修正模型中标记的确切损伤位置和大小。
在具体实现中,作为一种实施例,数字孪生模型处理装置也可以包括多个处理器,这些处理器中的每一个可以是一个单核处理器(single-CPU),也可以是一个多核处理器(multi-CPU)。这里的处理器可以指一个或多个通信设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
接收器用于接收信号采集装置发送的声发射信号。
可选地,接收器可以和处理器集成在一起,也可以独立存在,并通过数字孪生模型处理装置的输入/输出端口与处理器耦合,本申请实施例对此不作具体限定。
存储器可用于存储执行本申请方案的软件程序,并由处理器来控制执行,具体实现方式可以参考下述方法实施例,此处不再赘述。
其中,存储器可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储通信设备,随机存取存储器(random aooess memory,RAM)或者可存储信息和指令的其他类型的动态存储通信设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储通信设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。需要说明的是,存储器可以和处理器集成在一起,也可以独立存在,本申请实施例对此不作具体限定。
需要说明的是,上述数字孪生模型处理装置的结构并不构成对数字孪生模型处理装置的实现方式的限定,实际的数字孪生模型处理装置可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其数字模型中的信息包括目标结构的几何形态、已发生损伤及其程度的标记;所述信息均通过交互界面向工程人员展示。
在一个可选的实施方式中,通过分析声发射信号进而获取损伤位置、大小的过程可采用基于人工特征选取的方法,选取的特征可以包括声发射能量计数、声发射幅度、持续时间等。
具体地,首先人为选取若干信号特征,如能量计数、声发射幅度、持续时间、有效值电压(RMS)、平均信号电平(ASL)等,同时分别确定每一个选取特征的阈值;对于接收到的声发射信号,根据这些选择特征的定义式计算具体特征值;随后将计算的特征值与预先定义的阈值进行对比,若超出预定范围,则将接收到的声发射信号识别为损伤信号。
在一个可选的实施方式中,通过分析声发射信号进而获取损伤位置、大小的过程可采用基于数据降维和机器学习的方法,例如稀疏自编码器、神经网络等。
典型的可选数据降维和机器学习方法包括主成分分析、稀疏自编码器、神经网络。具体步骤包括:首先采集声发射数据样本;然后这些方法将对数据样本的特征进行组合,以浓缩特征信息,显著减少数据维度;最后类似于人工特征选取,通过设定阈值的方法识别声发射信号。最后一步也可替代为基于神经网络的分类器通过样本学习进行多类别信号识别。
在一个可选的实施方式中,通过分析声发射信号进而获取损伤位置、大小的过程可采用混合人工特征选取和机器学习的方法,例如先人工提取特征,再使用神经网络等方法识别损伤。
混合方法首先通过人为信号特征选取确定多个特征值,随后对于每一条信号以确定的特征值矢量作为模型输入,采集声发射数据样本;然后设计机器学习模型如支持向量机(SVM)、深度神经网络(DNN),开展模型训练;最后可在实际部署中使用训练好的机器学习模型对声发射信号进行分类识别。
下面以半圆形壳体为例,给出本发明涉及的数字孪生系统其数字系统部分的实施例:
图2、图3分别展示了该实施例中目标结构的两种数字模型。其中图2中模型为目标结构的几何形态;图3中模型为目标结构实施结构状态分析的有限元计算模型。
图4展示了根据数字模型和其上损伤标记以及结构服役过程中受载情况(内部向外的均匀气压),利用有限元模拟方法即时分析的结构受载云图。此图为分析结果的顶部视图;图例中S为Mises应力;图中使用箭头标记了几处因结构损伤造成的局部应力集中。有限元分析方法属于现有技术,此处不再赘述。
如图5所示,本实施例还提供了基于声发射损伤检测的结构完整性数字孪生系统进行损伤监测预警的方法,包括如下步骤:
步骤1、结构发生损伤后,传感器组接收到声发射信号,通过信号采集、分析模块,获得该损伤事件的发生位置、损伤大小;其中,损伤位置和损伤大小在计算机中处理完成。
步骤2、同步结构状态,即在构建的结构数字模型中添加新的损伤。
步骤3、就添加后的结构数字模型利用有限元模拟等方法分析当前结构状态。
步骤4、展示结构状态分析结果,超出结构设计限度时告警。
步骤5、系统运行期间定期开展实地检测,修正积累误差。
本申请实施例还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行前述任一基于声发射损伤检测的结构完整性数字孪生系统进行损伤监测预警的方法。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,该计算机程序包括程序指令,当该程序指令被计算机执行时,使该计算机执行前述任一基于声发射损伤检测的结构完整性数字孪生系统进行损伤监测预警的方法。
本领域技术人员应理解,在本申请实施例中的处理器可以是中央处理单元(central processingunit,GPU),该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor,DSP)、专用集成电路(application specificintegratedcircuit,ASIC)、现成可编程门阵列(fieId programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM, PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(randomaccessmemory,RAM)可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器 (synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM, DR RAM)。
上述实施例可以全部或部分地通过软件、硬件(如电路)、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,本领域技术人员在本申请揭露的技术范围内,可进行变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种无损检测和结构完整性监控技术领域中针对目标结构的结构损伤监测预警方法,其特征在于,
所述目标结构为:半圆形壳体;
所述方法包括:
采集布设于结构表面的声发射传感器的声发射信号,分析获得损伤事件的发生位置和损伤大小;
同步结构状态:在构建的数字孪生模型中添加新的损伤;
就添加后的数字孪生模型分析当前结构的状态;
展示结构的状态分析结果,超出结构设计限度时告警;
其中,
所述方法还包括:
对所述结构定期实地检测,修正积累误差;
其中,
对所述结构定期实地检测、修正积累误差具体包括:
根据现场条件选择局部或整体的实地检测范围,该范围至少应包含所有数字孪生模型上有记录的损伤区域;
采用无损检测方法获得结构损伤的具体形态和大小;
将检测结果同步于数字孪生模型中,以消除长期积累的对于损伤形态和大小估计的误差;
其中,
数字孪生模型包括物理实体的几何形状、材料属性、损伤信息,其中,材料属性包括密度、强度、弹性模量、断裂韧性,损伤信息包括裂纹、腐蚀缺失;
其中:
在实现在线监测目标结构完整性并在收到声发射信号时进行损伤告警的基础上,能够基于构建的数字孪生模型自动进行结构运行状态分析,并根据设计限度直接对结构安全性进行评估;
声发射信号的识别包括信号强度和信号发生位置;数字孪生结构模型参数更新则根据声发射信号识别结果,在目标结构的数字孪生模型上标记新出现的损伤其位置和大小;带损伤结构强度分析则使用有限元模拟算法,根据目标结构受载情况分析其受力分布;若得到结果显示结构某处应力大小可能超出结构承载极限或设计限度,则告警;实际运行中不可避免地会积累误差,仍需根据实际实施情况定期开展实地检测,修正模型中标记的确切损伤位置和大小;
通过分析声发射信号进而获取损伤位置、大小的过程采用基于人工特征选取的方法,选取的特征包括声发射能量计数、声发射幅度、持续时间;
具体地,首先人为选取若干信号特征:能量计数、声发射幅度、持续时间、有效值电压、平均信号电平,同时分别确定每一个选取特征的阈值;对于接收到的声发射信号,根据这些选择特征的定义式计算具体特征值;随后将计算的特征值与预先定义的阈值进行对比,若超出预定范围,则将接收到的声发射信号识别为损伤信号。
2.一种基于权利要求1所述的方法的结构完整性数字孪生系统,其特征在于,包括:
传感器组、信号采集装置和数字孪生模型处理装置;
所述传感器组包括布设在目标结构的多个声发射传感器;
所述信号采集装置用于采集传感器组的声发射信号并将声发射信号发送给所述数字孪生模型处理装置;
所述数字孪生模型处理装置用于对声发射信号进行分析处理,识别获取目标结构的损伤信息,并根据损伤信息更新目标结构的数字孪生模型;所述损伤信息包括损伤位置和大小。
3.根据权利要求2所述的一种结构完整性数字孪生系统,其特征在于:
所述数字孪生模型处理装置包括处理器、存储器和接收器。
4.一种数字孪生模型处理装置,其特征在于:
包括至少一个处理器;与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1所述的方法。
5.一种非暂态计算机可读存储介质,其特征在于:
该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111157838.8A CN114002332B (zh) | 2021-09-29 | 2021-09-29 | 一种结构损伤监测预警方法及结构完整性数字孪生系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111157838.8A CN114002332B (zh) | 2021-09-29 | 2021-09-29 | 一种结构损伤监测预警方法及结构完整性数字孪生系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114002332A CN114002332A (zh) | 2022-02-01 |
CN114002332B true CN114002332B (zh) | 2023-07-25 |
Family
ID=79922153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111157838.8A Active CN114002332B (zh) | 2021-09-29 | 2021-09-29 | 一种结构损伤监测预警方法及结构完整性数字孪生系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114002332B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510768A (zh) * | 2022-02-25 | 2022-05-17 | 山东大学 | 一种基于数字孪生的钢管混凝土拱桥施工监控方法及系统 |
CN114757373B (zh) * | 2022-04-07 | 2023-01-03 | 中咨数据有限公司 | 一种基于数字模型分析的桥梁监测分析方法、设备及计算机存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006254424A (ja) * | 2005-02-14 | 2006-09-21 | Mitsuhiro Kawasaki | 空間情報関連物を携えた「平面画像情報が、目前に迫る5感覚立体化情報処理関連物」 |
CN101059407A (zh) * | 2007-05-17 | 2007-10-24 | 西北工业大学 | 基于嵌入式有限元建模的三维裂纹扩展模拟方法 |
CN105652315A (zh) * | 2016-01-19 | 2016-06-08 | 山东大学 | 地下工程施工过程中多通道声发射监测系统及定位方法 |
CN106326596A (zh) * | 2016-09-08 | 2017-01-11 | 沈阳航空航天大学 | 一种基于螺旋铣削制孔的孔径误差修正补偿方法 |
CN107144639A (zh) * | 2017-05-12 | 2017-09-08 | 江苏师范大学 | 一种煤样强度与加载速率及声发射特征参数的耦合模型 |
WO2019200346A1 (en) * | 2018-04-13 | 2019-10-17 | General Electric Company | Systems and methods for synchronization of imaging systems and an edge computing system |
CN110501122A (zh) * | 2019-08-19 | 2019-11-26 | 重庆大学 | 一种基于聚类的压力容器自适应泄漏检测方法 |
CN111597742A (zh) * | 2020-04-17 | 2020-08-28 | 扬州大学 | 一种基于焊接构件联动效应的农机结构残余变形预测方法 |
CN111638272A (zh) * | 2020-05-19 | 2020-09-08 | 河海大学 | 一种在役水工混凝土结构内损监测预警系统及其方法 |
CN111832914A (zh) * | 2020-06-29 | 2020-10-27 | 国网河南省电力公司电力科学研究院 | 一种基于数字孪生的输电线路结构健康评估方法及系统 |
WO2020215117A1 (en) * | 2019-04-24 | 2020-10-29 | South Australian Water Corporation | Method and system for detecting a structural anomaly in a pipeline network |
WO2021160558A1 (en) * | 2020-02-12 | 2021-08-19 | Swiss Reinsurance Company Ltd. | Digital platform using cyber-physical twin structures providing an evolving digital representation of a real world asset for quantifying event occurrences measurements, and method thereof |
CN113378329A (zh) * | 2021-07-06 | 2021-09-10 | 长沙理工大学 | 基于数字孪生的轴向柱塞泵状态监测方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2416207B (en) * | 2004-07-15 | 2008-08-27 | Ultra Electronics Ltd | Acoustic structural integrity monitoring system and method |
US9645574B2 (en) * | 2009-09-08 | 2017-05-09 | Wölfel Engineering Gmbh + Co. Kg | Model-based method for monitoring the condition of rotor blades |
CN103852522B (zh) * | 2014-03-19 | 2016-02-24 | 江苏三川智能科技有限公司 | 脚手架安全监测及预警的方法 |
CN104614448B (zh) * | 2015-01-28 | 2017-07-28 | 航天材料及工艺研究所 | 一种碳纤维增强铝内衬复合气瓶声发特征信号提取方法 |
CN110454290B (zh) * | 2019-07-02 | 2021-01-29 | 北京航空航天大学 | 一种基于数字孪生技术的汽车发动机管控方法 |
CN111677294B (zh) * | 2020-06-24 | 2022-04-22 | 北京工业大学 | 基于数字孪生技术的钢结构智能安装方法 |
CN113092583A (zh) * | 2021-03-31 | 2021-07-09 | 西安电子科技大学 | 高速旋转涡轮叶片热障涂层的动态损伤检测系统及方法 |
CN113221280B (zh) * | 2021-05-14 | 2022-12-09 | 西安交通大学 | 一种基于数字孪生的滚动轴承建模与模型更新方法及系统 |
CN113221277B (zh) * | 2021-05-14 | 2022-12-09 | 西安交通大学 | 一种基于数字孪生模型的轴承性能退化评估方法及系统 |
-
2021
- 2021-09-29 CN CN202111157838.8A patent/CN114002332B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006254424A (ja) * | 2005-02-14 | 2006-09-21 | Mitsuhiro Kawasaki | 空間情報関連物を携えた「平面画像情報が、目前に迫る5感覚立体化情報処理関連物」 |
CN101059407A (zh) * | 2007-05-17 | 2007-10-24 | 西北工业大学 | 基于嵌入式有限元建模的三维裂纹扩展模拟方法 |
CN105652315A (zh) * | 2016-01-19 | 2016-06-08 | 山东大学 | 地下工程施工过程中多通道声发射监测系统及定位方法 |
CN106326596A (zh) * | 2016-09-08 | 2017-01-11 | 沈阳航空航天大学 | 一种基于螺旋铣削制孔的孔径误差修正补偿方法 |
CN107144639A (zh) * | 2017-05-12 | 2017-09-08 | 江苏师范大学 | 一种煤样强度与加载速率及声发射特征参数的耦合模型 |
WO2019200346A1 (en) * | 2018-04-13 | 2019-10-17 | General Electric Company | Systems and methods for synchronization of imaging systems and an edge computing system |
WO2020215117A1 (en) * | 2019-04-24 | 2020-10-29 | South Australian Water Corporation | Method and system for detecting a structural anomaly in a pipeline network |
CN110501122A (zh) * | 2019-08-19 | 2019-11-26 | 重庆大学 | 一种基于聚类的压力容器自适应泄漏检测方法 |
WO2021160558A1 (en) * | 2020-02-12 | 2021-08-19 | Swiss Reinsurance Company Ltd. | Digital platform using cyber-physical twin structures providing an evolving digital representation of a real world asset for quantifying event occurrences measurements, and method thereof |
CN111597742A (zh) * | 2020-04-17 | 2020-08-28 | 扬州大学 | 一种基于焊接构件联动效应的农机结构残余变形预测方法 |
CN111638272A (zh) * | 2020-05-19 | 2020-09-08 | 河海大学 | 一种在役水工混凝土结构内损监测预警系统及其方法 |
CN111832914A (zh) * | 2020-06-29 | 2020-10-27 | 国网河南省电力公司电力科学研究院 | 一种基于数字孪生的输电线路结构健康评估方法及系统 |
CN113378329A (zh) * | 2021-07-06 | 2021-09-10 | 长沙理工大学 | 基于数字孪生的轴向柱塞泵状态监测方法 |
Non-Patent Citations (4)
Title |
---|
Digital twin-driven tool wear monitoring and predicting method for the turning process;Kejia Zhuang et al.;Symmetry;第13卷(第8期);全文 * |
基于声发射的材料损伤监测技术研究;葛洺瑀;中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑;全文 * |
声发射技术及其在金属材料领域的应用;刘国光,程青蟾;上海金属(第06期);全文 * |
面向切削过程的刀具数字孪生模型;孙惠斌等;计算机集成制造系统;第25卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114002332A (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114002332B (zh) | 一种结构损伤监测预警方法及结构完整性数字孪生系统 | |
WO2021027213A1 (zh) | 检测方法、装置、电子设备和计算机可读介质 | |
WO2023060672A1 (zh) | 一种基于健康监测数据的桥梁冲刷动力识别方法 | |
Yanez-Borjas et al. | Statistical time features for global corrosion assessment in a truss bridge from vibration signals | |
US10634621B2 (en) | Information processing method, information processing apparatus, and program | |
Yang et al. | Hybrid two‐step method of damage detection for plate‐like structures | |
Anaissi et al. | Adaptive one-class support vector machine for damage detection in structural health monitoring | |
CN111177655B (zh) | 一种数据处理方法、装置及电子设备 | |
KR20190025473A (ko) | 플랜트 데이터 예측 장치 및 방법 | |
US20150308920A1 (en) | Adaptive baseline damage detection system and method | |
Mohamadi et al. | Fusion and visualization of bridge deck nondestructive evaluation data via machine learning | |
Sun et al. | Machine learning for ultrasonic nondestructive examination of welding defects: A systematic review | |
Jayawardhana et al. | Statistical damage sensitive feature for structural damage detection using AR model coefficients | |
Huang et al. | Damage identification of a steel frame based on integration of time series and neural network under varying temperatures | |
Regan et al. | Wind turbine blade damage detection using various machine learning algorithms | |
CN110672326B (zh) | 轴承故障检测方法与计算机可读存储介质 | |
CN117421692B (zh) | 垃圾投放站的垃圾违规投放识别方法、装置、设备 | |
CN117010601B (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN117191956A (zh) | 一种基于声发射的钛合金应力腐蚀损伤分类方法及装置 | |
Yan et al. | Revisiting the correlation between alerts and software defects: A case study on myfaces, camel, and cxf | |
CN113312731A (zh) | 一种变桨轴承故障检测方法及装置、存储介质 | |
CN117009909B (zh) | 自动报障模型的构建方法、自动报障方法及其装置 | |
Colace et al. | Unsupervised Learning Techniques for Vibration-Based Structural Health Monitoring Systems Driven by Data: A General Overview | |
JP2020009325A (ja) | 異常検知プログラム、異常検知方法及び異常検知装置 | |
Cui et al. | Fatigue crack localisation based on empirical mode decomposition and pre-selected entropy |
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 |