CN114169548B - 一种基于bim的公路桥梁管养phm系统和方法 - Google Patents
一种基于bim的公路桥梁管养phm系统和方法 Download PDFInfo
- Publication number
- CN114169548B CN114169548B CN202111467500.2A CN202111467500A CN114169548B CN 114169548 B CN114169548 B CN 114169548B CN 202111467500 A CN202111467500 A CN 202111467500A CN 114169548 B CN114169548 B CN 114169548B
- Authority
- CN
- China
- Prior art keywords
- bridge
- module
- monitoring
- information
- inspection
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 140
- 238000007689 inspection Methods 0.000 claims abstract description 111
- 201000010099 disease Diseases 0.000 claims abstract description 62
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 62
- 238000007726 management method Methods 0.000 claims abstract description 60
- 238000003745 diagnosis Methods 0.000 claims abstract description 42
- 230000036541 health Effects 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000010276 construction Methods 0.000 claims abstract description 19
- 238000013461 design Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 230000006378 damage Effects 0.000 claims description 64
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 19
- 230000010354 integration Effects 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000006866 deterioration Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000003449 preventive effect Effects 0.000 claims description 5
- 238000009991 scouring Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000013016 learning Effects 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 208000012659 Joint disease Diseases 0.000 claims description 2
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 230000007797 corrosion Effects 0.000 claims description 2
- 238000005260 corrosion Methods 0.000 claims description 2
- 238000005336 cracking Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000011426 transformation method Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000012800 visualization Methods 0.000 abstract description 5
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000035045 associative learning Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
Abstract
本发明提供了一种基于BIM的公路桥梁管养PHM系统和方法,依托BIM技术整合桥梁各阶段信息,实现桥梁资料可视化、标准化、信息化;实现了对桥梁、环境的综合监测与检查;基于公路桥梁病害库对桥梁病害进行诊断预测,实现了指导公路桥梁的长期维护的功能。本发明实现了信息分类存储、综合分析以及病害诊断预警功能,关联和储存设计、施工、运营及维护信息,通过对道路、桥梁、环境的综合监测及检查信息开展大数据处理,实现了对桥梁病害的诊断与预测以及健康状况的评估,为公路桥梁维护提供决策依据。本发明是一种综合健康监测和人工巡检的多角度、多参数、多源数据的大数据分析方法,具有直观、准确、高效的特点,符合公路桥梁管理的要求。
Description
技术领域
本发明属于公路桥梁管养技术领域,具体涉及一种基于BIM的公路桥梁管养PHM系统和方法。
背景技术
目前我国桥梁服役时间普遍较短,安全形势总体较好,然而其前景却不容乐观。桥梁受到环境变化、自然灾害和交通荷载逐渐提高等因素的影响,导致桥梁出现劣化损伤、构件变形异常、承载能力降低等现象,直接关系到公路的运营通畅与安全。公路桥梁建设与管养过程中,面临着因设计、施工与管理养护由不同公司负责而导致的管理脱节问题,使得公路桥梁管理部门在桥梁管理养护过程中,只能被动的采用健康监测及人工巡检完成桥梁的监测工作。
目前针对公路桥梁的监测多使用结构健康监测(SHM)技术,该技术最早在上世纪80年代提出,其主要用于结构损伤的识别与桥梁状态的评估,目的在于维持桥梁的可靠性与安全性。现阶段,结构健康监测只适用于管养部门被动地监测桥梁的整体状态,缺乏针对公路桥梁合理有效的评价体系与指标。因此如何通过充分利用监测数据以认知结构状态并识别可能的损伤,仍是如今亟待解决的问题。
故障预测与健康管理技术PHM(Prognostic and Health Management)是针对复杂工程全生命周期的健康与状态的监测、预测和管理的系统工程技术,该技术通过大量高性能传感器结合智能算法实现对故障和损伤的诊断,对公路桥梁的整体健康状况进行评估,从而便于开展预防性的结构维护和管理。PHM有别于现有的被动监测管理方法,该技术通过汇总包括设计、施工过程的桥梁全生命周期数据,结合智能算法实现针对桥梁结构病害的主动预测及管理。
虽然关于大跨度铁路桥梁的PHM故障诊断预测系统及方法已经被提出,但中小跨径公路桥梁与大跨度铁路桥梁相比,因其结构型式与受力性能等方面的显著差异,而导致两类桥梁的管养模式、管养特点均不相同。相较于大跨度铁路桥,数量众多的普通公路中小跨径桥梁的养护得不到足够重视,导致现有的公路桥梁普遍存在着耐久性下降的问题,凸显了基于PHM技术的公路桥梁管养方法重要性。因此对公路桥梁来说,如何开展高效可行的具有预防性和预测性的健康状态管理具有重大意义。
发明内容
本发明要解决的技术问题是:提供一种基于BIM的公路桥梁管养PHM系统和方法,用于指导公路桥梁的长期维护。
本发明为解决上述技术问题所采取的技术方案为:一种基于BIM的公路桥梁管养PHM系统,包括基于BIM的信息集成模块、数据库模块、监测与检查模块、诊断与预测模块、桥梁管养模块;信息集成模块包括三维实体BIM模型,信息集成模块的输出端连接数据库模块的输入端,用于录入包括桥梁几何信息、设计建设阶段信息、服役阶段信息,集成、归类、整合各阶段的桥梁信息,关联BIM模型与多源监测数据及管养信息;数据库模块用于存储、整理桥梁结构设计、施工、竣工验收、开通运营阶段的多源数据与资料;监测与检查模块与数据库模块双向连接,用于从数据库模块中调取历史数据并存入实时的监测与检查数据;监测与检查模块包括在线监测模块和人工巡检模块;在线监测模块包括布设在桥梁桥址环境、桥梁主体结构及关键构件的各类传感器,用于获取上述结构的实时监测数据;人工巡检模块包括基于BIM的人机交互模块,用于协助巡检人员精确定位病害,实现对桥梁主体结构及附属设施的外观检查结果的快速存档;诊断与预测模块的输入端连接监测与检查模块的输出端,用于根据在线监测模块与人工巡检模块的监测检查数据进行实时的桥梁病害诊断预测及状态评估;诊断与预测模块包括预处理模块、数据分析模块、阈值分析模块、诊断预警模块;预处理模块用于提取监测信号的特征信息,实现信号去噪;数据分析模块用于识别结构响应,并上传记录;阈值分析模块用于对比桥梁实时结构响应与健康状态的历史数据,若超出设定的阈值则将预警信息输入诊断预警模块;诊断预警模块用于处理阈值分析模块与人工巡检模块的信息,并根据处理结果进行桥梁病害诊断与预警;桥梁管养模块的输入端连接诊断与预测模块的输出端,用于根据诊断预测结果维护桥梁;桥梁管养模块的输出端连接数据库模块输入端,用于将维护结果存入数据库模块;桥梁管养模块包括视情维护模块和周期性维护模块。
按上述方案,桥梁几何信息包括桥梁构件的几何尺寸和材料信息;设计建设阶段信息包括桥梁设计信息、桥梁施工信息、有限元模型信息和成桥荷载试验信息;服役阶段信息包括健康监测信息、管理养护信息;健康监测信息包括传感器监测信号、人工巡检上传的病害信息;数据库模块包括基础数据库、档案数据库、病害数据库、预警数据库、养护维修数据库。
按上述方案,在线监测模块包括上部结构监测模块、下部结构监测模块、关键部位监测模块、桥址环境监测模块;上部结构监测模块用于监测桥梁上部结构的动力响应和挠度,通过对信号进行时频域分析来判断桥梁的工作状态;监测的结构动力特性参数包括固有频率、阻尼、振型、冲击系数;下部结构监测模块用于监测桥墩、桥台与基础;监测的参数包括桥墩与桥台的偏位、倾斜与沉降、支座偏位、冲刷与撞击;关键部位监测模块用于监测包括梁端伸缩装置的桥梁关键构件的性能;关键部位监测模块包括视频传感器,用于补充监测桥梁的整体结构、关键部位、路面状态、道路标志标识;桥址环境监测模块包括设置在桥梁周边的风速传感器、温度传感器、水文传感器,用于预警自然环境的灾害;桥址环境监测模块还包括设置在桥梁支座的受力传感器、设置在路面的视频传感器,用于监测超载车辆,保证桥梁的交通环境良好。
按上述方案,人工巡检模块包括经常检查模块、定期检查模块、特殊检查模块;经常检查模块用于对桥面设施、上部结构、下部结构及附属设施的技术状况进行检查,检查周期为每月不少于一次,其中对桥面设施的检查包括检查和判断桥面铺装层横纵坡是否顺适、伸缩缝是否有异常变形、栏杆和护栏有无损坏错位、桥面排水是否顺畅、桥上交通信号、标志和照明设施是否损坏或失效;定期检查模块用于评定桥梁的使用功能,为制定管理养护计划提供基本数据,检查周期为每三年不少于一次;特殊检查模块用于在出现病害时确定桥梁技术状况。
一种基于BIM的公路桥梁管养PHM系统的管养方法,包括以下步骤:
S1:将桥梁的各阶段资料输入基于BIM的信息集成模块,经过预处理后,存入数据库模块;
S2:监测与检查模块通过在线监测模块获取桥梁的实时监测数据,通过人工巡检模块获取定期输入的桥梁外观检查与评估数据;
S3:诊断与预测模块采用模态识别方法、小波变换方法、神经网络方法对在线监测模块与人工巡检模块的多源监测检查数据开展分析,提取与结构健康状况相关的特征信息;对提取的结构响应进行阈值分析,诊断并定位桥梁的特征病害,通过建立的桥梁服役性能评估模型判断桥梁整体结构和局部构件的健康状况及劣化趋势;
S4:桥梁管养模块根据诊断预测结果维护桥梁,并将维护记录存入数据库模块。
进一步的,所述的步骤S2中,在线监测模块获取数据的具体步骤为:
S21:运行损伤识别程序分析在线监测模块获取的数据,一旦识别结构损伤,则运行模型修正程序和阈值分析程序;
S22:若损伤持续存在,且确认存在安全危险,则由预警程序发出报警信息并安排巡检人员对损伤进行排查和维护,并将巡检记录上传至数据库模块的预警数据库与养护维修数据库;若损伤信息一段时间后自然消失或阈值分析程序认为损伤在安全限值内,则将损伤上传至数据库模块的病害数据库。
进一步的,人工巡检模块获取数据的具体步骤为:
S23:巡检人员对桥梁主体结构及关键部位进行周期性外观检查与评估,对包括梁端伸缩装置、桥梁支座与桥面铺装的病害易发区域及关键结构或构件开展重点检查;
S24:借助BIM模型快速定位病害位置;通过BIM模型关联各阶段的桥梁信息,实现巡检人员快速查看并调用统计分析信息,包括桥梁伸缩缝病害、支座病害、螺栓的断裂、锈蚀、梁体开裂的病害信息和监测检查数据;
S25:现场录入病害信息且后续确认后,按照现行规范或规则分层分级进行桥梁结构或构件的劣化评估,实现桥梁可靠度健康状况的标准化评价;
S26:保存包括巡检的时间、人员、使用机具以及结构部位的信息,并上传至数据库模块的养护维修数据库,为后续养护和下一次检查提供指导与参考。
进一步的,所述的步骤S3中,模态识别方法的具体步骤为:
建立健康结构的一系列动力响应数据库;
通过一阶固有频率的变化判断结构是否存在损伤,根据检测到桥梁一阶频率值的偏离范围判断桥梁结构存在的损伤;
在位移模态振型测量的基础上,通过中心差分法近似计算得到曲率模态振型,基于桥梁曲率模态振型进行损伤识别;
对比发生损伤时在线监测到的结构响应数据与健康桥梁数据,通过阈值分析,定位并识别损伤以实现预警和故障诊断。
进一步的,所述的步骤S3中,小波变换方法的具体步骤为:
通过小波变换聚焦信号的局部,分析与识别桥梁的损伤信息;
运用小波变换处理信号,引入李氏指数检测信号中的奇异点,从小波离散后数据的局部突变上识别结构损伤。
进一步的,所述的步骤S3中,神经网络方法的具体步骤为:
引入BP神经网络建立模态频率、车辆荷载、桥梁一阶频率的多元相关模型,为预防性和预测性的管养提供依据;
通过大量公路桥梁病害信息训练样本的学习,使神经网络实现特定的映射关系,掌握从包括模态振型、固有频率的输入变量到包括损伤位置、程度的输出变量之间的非线性关系,以此识别结构的损伤;
采用训练后的神经网络对训练数据进行拟合,实现一定程度的桥梁健康状态预测。
本发明的有益效果为:
1.本发明的一种基于BIM的公路桥梁管养PHM系统和方法,基于建筑信息模型BIM(Building Information Modeling)技术整合桥梁各阶段信息,实现桥梁资料可视化、标准化、信息化,实现了对桥梁、环境的综合监测与检查;基于公路桥梁病害库对桥梁病害进行诊断预测及状态评估,形成了一套完整的基于PHM技术的公路桥梁管养方法,实现了指导公路桥梁的长期维护的功能。
2.本发明通过集成包括桥梁几何材料信息、桥梁设计建造阶段资料、健康监测与管理数据,实现了信息分类存储、综合分析以及病害诊断预警功能。
3.本发明关联和储存设计、施工、运营及维护信息,通过对道路、桥梁、及环境的综合监测及检查信息开展大数据处理,实现了对桥梁病害的诊断与预测以及对桥梁健康状况的评估,为公路桥梁维护提供决策依据。
4.本发明是一种综合健康监测和人工巡检的多角度、多参数、多源数据的大数据分析方法,切实可行,具有直观、准确、高效的特点,符合公路桥梁管理的要求。
附图说明
图1是本发明实施例的功能框图。
图2是本发明实施例的数据库模块的功能框图。
图3是本发明实施例的在线监测模块的功能框图。
图4是本发明实施例的一阶固有频率识别图。
图5是本发明实施例的曲率模态损伤识别图。
图6是本发明实施例的神经网络一阶频率的实测与拟合图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
参见图1,本发明的实施例包括:
1、基于BIM的信息集成
公路桥梁的设计、建造到运营阶段包含了大量数据及资料。以三维实体BIM模型为载体,将桥梁各阶段信息录入,实现相关资料的信息化、可视化、标准化。BIM模型还承载着在线监测及人工巡检的桥梁状态信息。BIM技术的应用一方面实现了公路桥梁信息模型的可视化,将各阶段的桥梁信息集成、归类、整合;另一方面将多源监测数据及管养信息与桥梁结构关联起来,使维修、养护人员方便直观地掌握桥梁构件的病害信息。
如图1所示,公路桥梁PHM技术的BIM模型包含桥梁各阶段的信息资料。数据来源包括三维BIM模型中的各构件几何尺寸及材料信息,桥梁的设计、建造相关资料,以及服役阶段的监测、管养信息。这些信息经过标准化处理后,存入PHM数据库,实现信息的高度集成、归类。公路桥梁PHM系统中的BIM模型不仅实现了桥梁资料的整合,对桥梁结构直观展示,而且在对桥梁进行人工检查时可借助BIM模型实现病害位置的快速定位。更重要的是,基于BIM模型的数据管理可用来实现各阶段桥梁信息的关联化,尤其是便于各类病害信息和监测检查数据的统计分析。
PHM系统数据库集成桥梁结构设计、施工、竣工验收、开通运营阶段的多源数据与资料。如图2所示,数据来源包括三维BIM模型中桥梁几何尺寸及材料数据、在线监测系统中的各类传感器监测信号、公路桥梁人工巡检上传的病害信息和有限元模型中的静动力分析等。这些数据信息按照功能存储于PHM数据库,包括基础数据库、档案数据库、病害数据库、预警数据库、养护与维修数据库。
BIM技术的应用为桥梁管养提供了一个高效的信息集成平台。BIM模型一方面集成桥梁结构设计、施工、竣工验收、开通运营阶段的各方信息与资料;另一方面实现了公路桥梁三维建筑信息模型的可视化,将在线监测与人工巡检数据关联,实现了快速的桥梁病害定位和劣化程度直观显示,极大的方便了管养人员的管理工作。通过引入三维BIM模型实现巡检数据信息化、数字化和标准化。现场录入病害信息并得到后续的确认后,PHM系统按照现行规范或规则如《公路桥梁技术状况评定标准》和《公路桥梁承载能力检测评定规程》,遵照分层分级检定方法进行桥梁结构或构件劣化评估。人工巡检同样遵循该方法,实现桥梁可靠度健康状况的标准化评价。
2、公路桥梁综合监测与检查
我国公路桥梁以混凝土结构的中小桥为主,公路桥梁PHM系统的监测与检查包括在线监测及人工巡检,如图1所示。其中在线监测涉及桥址环境、桥梁总体与关键部位的监测。在线监测系统通过布设的各类传感器采集桥梁桥址环境、主体结构及关键构件的信息来获取实时监测数据。人工巡检信息则是通过检查报告的形式由养护人员定期对桥梁主体结构及附属设施进行外观检查与评估时提供。
公路桥梁受到环境影响易产生渗漏、剥蚀、开裂、分层、剥落等病害。若混凝土材料或施工质量存在缺陷,则会显著加速病害的产生。病害产生的原因很多,主要有设计、选材、施工缺陷、超负荷使用、冻融破坏、有害化学物质侵蚀、碱骨料反应等。此外,桥梁关键部位如梁端伸缩缝、支座等在长时间服役后容易产生病害。这些病害轻者影响结构耐久度,缩短结构服役时间,重者将危及桥梁使用安全。为尽可能减少对结构安全的影响,就需要及时发现并处置相关桥梁病害。
PHM系统对公路桥梁的监测与检查包括在线监测与人工巡检。在线监测系统通过多种传感器对桥梁上部结构、下部结构、附属设施、桥址环境进行实时监控。尤其是桥梁基础冲刷、防洪通航方面的监测信息直接关系到桥梁结构的安全。人工巡检作为在线监测的补充,通过管养人员对桥梁主体结构及关键部位进行外观检查与评估,对病害易发区域及关键结构或构件如梁端伸缩装置、桥梁支座与桥面铺装等开展重点监测和检查。
PHM系统在线监测基于布设的大量传感器,将监测信息与桥梁三维BIM模型关联,实现在BIM模型中直观展示所有传感器的类型、安装位置以及状态读数信息,如图3所示。在线监测内容主要考虑了桥梁结构形式、受力特点、所处环境等。
1)桥梁上部结构。对桥梁上部结构主要监测的是动力响应和挠度,通过对信号进行时频域分析来评判桥梁的工作状态。由于近年来交通量大幅增加,公路桥梁受到繁忙的车流影响,桥梁不可避免的会产生局部的裂缝以及疲劳的问题,结构耐久性大幅下降。直接监测裂缝或结构疲劳存在困难,但是通过监测通车状态下桥梁的动力特性可用来评估其状态。结构的动力特性包括固有频率、阻尼、振型、冲击系数等参数。
2)桥梁下部结构。中小型公路桥梁常年在车载作用以及流水冲刷作用下易产生基础的偏位与破坏,造成上部结构变形和损坏。轻者产生桥头跳车影响伸缩缝以及桥面的使用寿命,严重的可能造成台后挡土墙偏位,桥台边柱或桩受水平推挤而损坏,直接影响桥梁的安全性。因此,对于软土地基或流水冲刷严重的地区,桥梁下部结构的监测就变得极为重要。通过监测桥墩、桥台的相对位置以及基础冲刷,获取桥梁下部结构的健康状态。
3)桥梁关键部位。桥梁所属的关键构件如梁端伸缩装置等也应布置传感器以监测其性能,实行重点对象重点监测。设置视频传感器作为整体结构监测的补充,有效地监测桥梁关键部位。此外,路面状态是公路桥梁的重点监测对象,通过视频传感器对路面状态与道路标志标识进行监测。
4)环境。桥梁环境可分为自然环境与交通环境。桥梁所处自然环境对桥梁服役寿命及可能产生的病害有着极大的影响。桥梁所在地可能产生的洪水、地震、冻土、泥石流等自然灾害是桥梁安全的主要威胁。在桥梁周边设置风速、温度以及水文条件监测能有效地预警灾害的发生,在灾害来临时减少损失。南方地区雨季较长,公路桥梁在排水不畅时易发生空心板积水,水文气候等信息也可能影响到桥梁的通航和防洪。而桥梁所处的交通环境同样对桥梁的服役寿命有着决定性的作用。随着经济社会的发展,车流量日益增长。与此同时,超载车辆的数量也在增长。这些超载车辆对桥梁的安全性有着极大的威胁。通过测量支座受力与设立视频传感器的方式可以有效地监测超载车辆。
在线监测仅涵盖了设置传感器的部分桥梁结构以及重要构件,对于桥梁的整体状态评估还需要桥梁管理养护人员定期的巡检作为补充。应用PHM技术的公路桥梁人工巡检有别于传统的检查,引入BIM技术实现了运维阶段电子化和信息化巡检。在运营及维护阶段,数据库包含病害信息、预警信息、维修信息与运维计划。人工巡检包括经常检查、定期检查和特殊检查。经常检查用于对桥面设施、上部结构、下部结构及附属设施的技术状况检查,要求每月不少于一次。其中,桥面设施检查用于检查并判断桥面铺装层横纵坡是否顺适、伸缩缝是否有异常变形、栏杆和护栏有无损坏错位、桥面排水是否顺畅、桥上交通信号、标志和照明设施是否损坏或失效。定期检查用于评定桥梁的使用功能,为制定管理养护计划提供基本数据,要求每三年不少于一次。特殊检查用于在出现病害时确定桥梁技术状况。人工巡检借助BIM技术,帮助巡检人员精确定位病害位置,实现病害信息的精确描述与实时上传,并实现了巡检资料的电子化。此外,系统同时记录巡检的时间、人员、使用机具以及结构部位等信息,为之后的养护和下一次检查提供了指导与参考。相比于过去的巡检,极大的提高了桥梁管理养护的效率。
3、桥梁病害诊断预测及状态评估
桥梁病害诊断预测及状态评估是基于在线监测系统与人工巡检的监测检查数据进行的。首先对监测数据进行预处理,在时域上对信号去噪,提取信号的特征值。接着开展数据分析,包括病害与损伤的识别。对监测数据的分析不仅仅是针对单一监测项目,而是同时对多源的数据展开相关性分析,寻找与结构健康状况相关的特征信息。实现对病害的精准定位与诊断,建立桥梁服役性能评估模型,评估桥梁整体结构或局部构件的健康状态及劣化趋势。在PHM系统中,首先对提取的数据运行损伤识别程序分析在线监测模块获取的数据,一旦识别结构损伤,即运行视情维护程序和阈值分析程序。若损伤持续存在,且确认存在安全危险,则由预警程序发出报警信息并安排巡检人员对损伤进行排查和维护,并将巡检记录上传至数据库模块的预警数据库与养护维修数据库。与之相对应的,若损伤信息一段时间后自然消失或阈值分析程序认为损伤在安全限值内,则将损伤上传至病害库。PHM系统的损伤识别与病害诊断是一种实时的监测。它包括以下几类:模态识别法,小波变换法,神经网络法。
模态识别法主要基于桥梁的结构响应,依据结构的动力响应识别结构的状态。结构的状态可用结构的物理参数(刚度、柔度等)与结构的模态参数(振型、固有频率等)描述。结构的物理参数直观的反映了结构的状态,而模态参数反应的则是结构质量与刚度分布状态。建立健康结构的一系列动力响应数据库,并通过阈值分析,将发生损伤时的结构响应与健康状态下的数据相比较,进而识别损伤以实现预警和故障诊断。固有频率是模态参数中最容易获得的参数,且测量精度较高。通过固有频率的变化可以判断结构是否存在损伤,但难以对损伤进行定位和评估损伤的严重程度。其中结构的一阶频率相对容易获得,且精度较高。如图4所示,某桥梁的一阶频率变化如图所示,当检测到频率值偏离一定范围,就能够判断桥梁结构存在一定的损伤。此外,病害诊断还基于桥梁曲率模态振型进行损伤识别。该方法的识别误差较大,求解曲率模态需要较高的测量精度,同时需要相对更多的测点。曲率模态振型是在位移模态振型测量的基础上,通过中心差分法近似计算得到。将在线监测数据与健康桥梁数据对比,即可对桥梁损伤进行定位。在损伤处曲率模态振型差曲线有明显的数值突变,如图5所示,以实现桥梁损伤的检测。
小波变换法对监测的振动信号不仅在时域上提取特征值,也对信号进行频域分析。结构损伤具有非常明显的局部特性,而小波变换对信号的局部聚焦特性,非常适合于对桥梁损伤信息的分析与识别。运用小波变换等对信号进行处理,引入李氏指数检测信号中的奇异点,结构损伤可以精确地从小波离散后数据的局部突变上识别出来。
神经网络法以生物神经系统为基础,模拟人脑信息处理方式的信息处理方法。公路桥梁的PHM技术基于对数字化和标准化的巡检数据的分析实现桥梁状态的预测。采用人工神经网络建立多元相关关系模型,描述监测数据对公路桥梁健康度的影响。BP神经网络是一种按误差逆传播算法训练的多层前馈网络,能贮存和学习大量的输入-输出模式映射关系,而无需明确给出这种映射关系的数学方程,具有网络的全局作用、大规模并行分布处理和联想学习能力。通过往复的映射关系不断调整多层网络的权值和阈值,使网络实现特定的映射关系。神经网络既能实现对训练数据的良好拟合,也能实现对数据的外推。利用神经网络模型具有学习和自适应的特点,通过大量公路桥梁病害信息训练样本的学习,使神经网络实现特定的映射关系,掌握从输入变量(模态振型、固有频率等)到输出变量(损伤位置、程度)之间的非线性关系,从而实现结构的损伤识别。引入BP神经网络建立模态频率、车辆荷载、桥梁一阶频率的多元相关模型,为预防性和预测性的管养提供依据。采用上述训练的神经网络对训练数据进行拟合,结果如图6所示,可以看出,网络拟合值与实测值吻合较好,实现了一定程度的桥梁健康状态预测。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (7)
1.一种基于BIM的公路桥梁管养PHM方法,其特征在于:包括以下步骤:
S0:搭建基于BIM的公路桥梁管养PHM系统,包括基于BIM的信息集成模块、数据库模块、监测与检查模块、诊断与预测模块、桥梁管养模块;信息集成模块包括三维实体BIM模型,信息集成模块的输出端连接数据库模块的输入端;数据库模块包括基础数据库、档案数据库、病害数据库、预警数据库、养护维修数据库;监测与检查模块与数据库模块双向连接;监测与检查模块包括在线监测模块和人工巡检模块;在线监测模块包括布设在桥梁桥址环境、桥梁主体结构及关键构件的各类传感器;人工巡检模块包括基于BIM的人机交互模块;诊断与预测模块的输入端连接监测与检查模块的输出端;诊断与预测模块包括预处理模块、数据分析模块、阈值分析模块、诊断预警模块;桥梁管养模块的输入端连接诊断与预测模块的输出端;桥梁管养模块的输出端连接数据库模块输入端;桥梁管养模块包括视情维护模块和周期性维护模块;
S1:将桥梁的各阶段资料输入基于BIM的信息集成模块,经过预处理后,存入数据库模块;
S2:监测与检查模块通过在线监测模块获取桥梁的实时监测数据,通过人工巡检模块获取定期输入的桥梁外观检查与评估数据;
S3:诊断与预测模块采用模态识别方法、小波变换方法、神经网络方法对在线监测模块与人工巡检模块的多源监测检查数据开展分析,提取与结构健康状况相关的特征信息;对提取的结构响应进行阈值分析,诊断并定位桥梁的特征病害,通过建立的桥梁服役性能评估模型判断桥梁整体结构和局部构件的健康状况及劣化趋势;
模态识别方法的具体步骤为:
建立健康结构的一系列动力响应数据库;通过一阶固有频率的变化判断结构是否存在损伤,根据检测到桥梁一阶频率值的偏离范围判断桥梁结构存在的损伤;在位移模态振型测量的基础上,通过中心差分法近似计算得到曲率模态振型,基于桥梁曲率模态振型进行损伤识别;对比发生损伤时在线监测到的结构响应数据与健康桥梁数据,通过阈值分析,定位并识别损伤以实现预警和故障诊断;
神经网络方法的具体步骤为:
引入BP神经网络建立模态频率、车辆荷载、桥梁一阶频率的多元相关模型,为预防性和预测性的管养提供依据;通过大量公路桥梁病害信息训练样本的学习,使神经网络实现特定的映射关系,掌握从包括模态振型、固有频率的输入变量到包括损伤位置、程度的输出变量之间的非线性关系,以此识别结构的损伤;采用训练后的神经网络对训练数据进行拟合,实现一定程度的桥梁健康状态预测;
S4:桥梁管养模块根据诊断预测结果维护桥梁,并将维护记录存入数据库模块。
2.根据权利要求1所述的一种基于BIM的公路桥梁管养PHM方法,其特征在于:所述的步骤S2中,在线监测模块获取数据的具体步骤为:
S21:运行损伤识别程序分析在线监测模块获取的数据,一旦识别结构损伤,则运行模型修正程序和阈值分析程序;
S22:若损伤持续存在,且确认存在安全危险,则由预警程序发出报警信息并安排巡检人员对损伤进行排查和维护,并将巡检记录上传至数据库模块的预警数据库与养护维修数据库;若损伤信息一段时间后自然消失或阈值分析程序认为损伤在安全限值内,则将损伤上传至数据库模块的病害数据库。
3.根据权利要求2所述的一种基于BIM的公路桥梁管养PHM方法,其特征在于:人工巡检模块获取数据的具体步骤为:
S23:巡检人员对桥梁主体结构及关键部位进行周期性外观检查与评估,对包括梁端伸缩装置、桥梁支座与桥面铺装的病害易发区域及关键结构或构件开展重点检查;
S24:借助BIM模型快速定位病害位置;通过BIM模型关联各阶段的桥梁信息,实现巡检人员快速查看并调用统计分析信息,包括桥梁伸缩缝病害、支座病害、螺栓的断裂、锈蚀、梁体开裂的病害信息和监测检查数据;
S25:现场录入病害信息且后续确认后,按照现行规范或规则分层分级进行桥梁结构或构件的劣化评估,实现桥梁可靠度健康状况的标准化评价;
S26:保存包括巡检的时间、人员、使用机具以及结构部位的信息,并上传至数据库模块的养护维修数据库,为后续养护和下一次检查提供指导与参考。
4.根据权利要求1所述的一种基于BIM的公路桥梁管养PHM方法,其特征在于:所述的步骤S3中,小波变换方法的具体步骤为:
通过小波变换聚焦信号的局部,分析与识别桥梁的损伤信息;
运用小波变换处理信号,引入李氏指数检测信号中的奇异点,从小波离散后数据的局部突变上识别结构损伤。
5.一种用于权利要求1至4中任意一项所述的BIM的公路桥梁管养PHM方法的系统,其特征在于:包括基于BIM的信息集成模块、数据库模块、监测与检查模块、诊断与预测模块、桥梁管养模块;
信息集成模块包括三维实体BIM模型,信息集成模块的输出端连接数据库模块的输入端,用于录入包括桥梁几何信息、设计建设阶段信息、服役阶段信息,集成、归类、整合各阶段的桥梁信息,关联BIM模型与多源监测数据及管养信息;桥梁几何信息包括桥梁构件的几何尺寸和材料信息;
设计建设阶段信息包括桥梁设计信息、桥梁施工信息、有限元模型信息和成桥荷载试验信息;
服役阶段信息包括健康监测信息、管理养护信息;健康监测信息包括传感器监测信号、人工巡检上传的病害信息;
数据库模块用于存储、整理桥梁结构设计、施工、竣工验收、开通运营阶段的多源数据与资料;
数据库模块包括基础数据库、档案数据库、病害数据库、预警数据库、养护维修数据库;
监测与检查模块与数据库模块双向连接,用于从数据库模块中调取历史数据并存入实时的监测与检查数据;监测与检查模块包括在线监测模块和人工巡检模块;在线监测模块包括布设在桥梁桥址环境、桥梁主体结构及关键构件的各类传感器,用于获取上述结构的实时监测数据;人工巡检模块包括基于BIM的人机交互模块,用于协助巡检人员精确定位病害,实现对桥梁主体结构及附属设施的外观检查结果的快速存档;
诊断与预测模块的输入端连接监测与检查模块的输出端,用于根据在线监测模块与人工巡检模块的监测检查数据进行实时的桥梁病害诊断预测及状态评估;诊断与预测模块包括预处理模块、数据分析模块、阈值分析模块、诊断预警模块;预处理模块用于提取监测信号的特征信息,实现信号去噪;数据分析模块用于识别结构响应,并上传记录;阈值分析模块用于对比桥梁实时结构响应与健康状态的历史数据,若超出设定的阈值则将预警信息输入诊断预警模块;诊断预警模块用于处理阈值分析模块与人工巡检模块的信息,并根据处理结果进行桥梁病害诊断与预警;
桥梁管养模块的输入端连接诊断与预测模块的输出端,用于根据诊断预测结果维护桥梁;桥梁管养模块的输出端连接数据库模块输入端,用于将维护结果存入数据库模块;桥梁管养模块包括视情维护模块和周期性维护模块。
6.根据权利要求5所述的系统,其特征在于:
在线监测模块包括上部结构监测模块、下部结构监测模块、关键部位监测模块、桥址环境监测模块;
上部结构监测模块用于监测桥梁上部结构的动力响应和挠度,通过对信号进行时频域分析来判断桥梁的工作状态;监测的结构动力特性参数包括固有频率、阻尼、振型、冲击系数;
下部结构监测模块用于监测桥墩、桥台与基础;监测的参数包括桥墩与桥台的偏位、倾斜与沉降、支座偏位、冲刷与撞击;
关键部位监测模块用于监测包括梁端伸缩装置的桥梁关键构件的性能;关键部位监测模块包括视频传感器,用于补充监测桥梁的整体结构、关键部位、路面状态、道路标志标识;
桥址环境监测模块包括设置在桥梁周边的风速传感器、温度传感器、水文传感器,用于预警自然环境的灾害;桥址环境监测模块还包括设置在桥梁支座的受力传感器、设置在路面的视频传感器,用于监测超载车辆,保证桥梁的交通环境良好。
7.根据权利要求5所述的系统,其特征在于:
人工巡检模块包括经常检查模块、定期检查模块、特殊检查模块;经常检查模块用于对桥面设施、上部结构、下部结构及附属设施的技术状况进行检查,检查周期为每月不少于一次,其中对桥面设施的检查包括检查和判断桥面铺装层横纵坡是否顺适、伸缩缝是否有异常变形、栏杆和护栏有无损坏错位、桥面排水是否顺畅、桥上交通信号、标志和照明设施是否损坏或失效;定期检查模块用于评定桥梁的使用功能,为制定管理养护计划提供基本数据,检查周期为每三年不少于一次;特殊检查模块用于在出现病害时确定桥梁技术状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111467500.2A CN114169548B (zh) | 2021-12-03 | 2021-12-03 | 一种基于bim的公路桥梁管养phm系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111467500.2A CN114169548B (zh) | 2021-12-03 | 2021-12-03 | 一种基于bim的公路桥梁管养phm系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114169548A CN114169548A (zh) | 2022-03-11 |
CN114169548B true CN114169548B (zh) | 2023-04-07 |
Family
ID=80482771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111467500.2A Active CN114169548B (zh) | 2021-12-03 | 2021-12-03 | 一种基于bim的公路桥梁管养phm系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169548B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114894411B (zh) * | 2022-05-24 | 2024-03-22 | 东营固泰尔建筑科技有限责任公司 | 一种基于无线传感器网络的桥梁健康监测方法及系统 |
CN116360485B (zh) * | 2023-03-06 | 2024-02-27 | 广州天勤数字科技有限公司 | 一种应用于桥梁巡检的无人机避障方法及无人机 |
CN116108541B (zh) * | 2023-03-10 | 2023-07-25 | 安徽省交通建设股份有限公司 | 一种基于bim的斜拉索桥梁施工可视化管理系统及方法 |
CN116225062B (zh) * | 2023-03-14 | 2024-01-16 | 广州天勤数字科技有限公司 | 一种应用于桥梁巡检的无人机导航方法及无人机 |
CN116629618B (zh) * | 2023-07-19 | 2023-10-03 | 铁正检测科技有限公司 | 基于互联网的桥梁病害诊断系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609304A (zh) * | 2017-09-29 | 2018-01-19 | 中国铁道科学研究院铁道建筑研究所 | 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 |
CN109614697A (zh) * | 2018-12-10 | 2019-04-12 | 吉林省瑞凯科技股份有限公司 | 一种基于bim的桥梁管理系统 |
-
2021
- 2021-12-03 CN CN202111467500.2A patent/CN114169548B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609304A (zh) * | 2017-09-29 | 2018-01-19 | 中国铁道科学研究院铁道建筑研究所 | 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 |
CN109614697A (zh) * | 2018-12-10 | 2019-04-12 | 吉林省瑞凯科技股份有限公司 | 一种基于bim的桥梁管理系统 |
Non-Patent Citations (2)
Title |
---|
在役公路桥梁技术状况的预测方法研究;覃思恩等;《公路交通科技(应用技术版)》;20091015(第10期);第130-131页 * |
基于运营性能的高速铁路大跨度桥梁健康管理探讨;刘晓光;《铁道建筑》;20200420(第04期);第24-29页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114169548A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114169548B (zh) | 一种基于bim的公路桥梁管养phm系统和方法 | |
CN107609304B (zh) | 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 | |
Aktan et al. | Development of a model health monitoring guide for major bridges | |
Pines et al. | Status of structural health monitoring of long‐span bridges in the United States | |
TWI390096B (zh) | Safety Monitoring System and Method of Bridge Structure | |
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 | |
CN114626119B (zh) | 一种基于桥梁大数据的养护智能决策方法及系统 | |
CN111368423B (zh) | 一种车载桥梁承载能力快速检测评估系统及方法 | |
Wang et al. | Establishment and application of the wind and structural health monitoring system for the Runyang Yangtze River Bridge | |
KR20210085168A (ko) | 머신러닝 기반 건축 구조물 고유 진동값 학습을 통한 안전 진단 시스템 및 방법 | |
Chen et al. | Reliability assessment for PSC box-girder bridges based on SHM strain measurements | |
CN116295637A (zh) | 一种高空建筑安全智能监测的方法及系统 | |
Deng et al. | Structural health monitoring for suspension bridges | |
Sun et al. | Cumulative displacement-based detection of damper malfunction in bridges using data-driven isolation forest algorithm | |
Lu et al. | Risk assessment of complex footbridge based on Dempster–Shafer evidence theory using Fuzzy matter–element method | |
Doa’ei et al. | Application of artificial intelligence and meta-heuristic algorithms in civil health monitoring systems | |
Al-Nasar et al. | A systematic review of structural materials health monitoring system for girder-type bridges | |
Chang et al. | Necessity of the bridge health monitoring system to mitigate natural and man-made disasters | |
CN115685786A (zh) | 基于温度监测荷载的桥梁在线仿真及评估系统 | |
Figueiredo | Damage identification in civil engineering infrastructure under operational and environmental conditions | |
CN113888043A (zh) | 一种梁式桥主梁病害全周期可视化管理分析系统 | |
Lu | A statistical based damage detection approach for highway bridge structural health monitoring | |
CN109711075B (zh) | 一种突发载荷非线性理论的钢梁桥寿命及可靠度分析方法 | |
Hunt et al. | Instrumented monitoring and nondestructive evaluation of highway bridges | |
Chen et al. | Smart bridge maintenance using cluster merging algorithm based on self-organizing map optimization |
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 |