CN114547725A - 基于数字孪生的水下工程结构智能检测方法及系统 - Google Patents

基于数字孪生的水下工程结构智能检测方法及系统 Download PDF

Info

Publication number
CN114547725A
CN114547725A CN202210032937.1A CN202210032937A CN114547725A CN 114547725 A CN114547725 A CN 114547725A CN 202210032937 A CN202210032937 A CN 202210032937A CN 114547725 A CN114547725 A CN 114547725A
Authority
CN
China
Prior art keywords
finite element
detection
engineering structure
underwater engineering
model
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.)
Pending
Application number
CN202210032937.1A
Other languages
English (en)
Inventor
郭猛
仲红俊
霍吉东
潘景山
武鲁
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.)
Shandong Computer Science Center National Super Computing Center in Jinan
Original Assignee
Shandong Computer Science Center National Super Computing Center in Jinan
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 Shandong Computer Science Center National Super Computing Center in Jinan filed Critical Shandong Computer Science Center National Super Computing Center in Jinan
Priority to CN202210032937.1A priority Critical patent/CN114547725A/zh
Publication of CN114547725A publication Critical patent/CN114547725A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • 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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

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

Abstract

本发明公开了基于数字孪生的水下工程结构智能检测方法及系统，其中方法包括：根据水下工程结构的设计方案和实际工况，建立有限元主模型；基于有限元主模型，对水下工程结构进行评估预警，如果评估的结构性能不达标，就发出告警信息，跳转到维修步骤；如果结构性能达标，就根据评估结果生成检测点阵；基于检测点阵，进行水下工程结构的流场检测和结构检测，得到检测数据集；根据检测数据集，对有限元主模型进行更新，重新对水下工程结构进行评估预警。提出了一种建立水下工程结构数字孪生体的方法，基于无人潜航器进行流场的数据采集和结构的无损检测，构建了以有限元主模型为核心的数字孪生系统，实现水下结构性能的监控、评估及预警。

Description

基于数字孪生的水下工程结构智能检测方法及系统
技术领域
本发明涉及水下探测技术领域，特别是涉及基于数字孪生的水下工程结构智能检测方法及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
水下工程结构广泛应用于内河及海洋水域。由于工作环境复杂，日益大型化、复杂化的水下工程结构不仅建设成本高，而且不易监控、不易维护，因此准确地检测、评估其性能显得尤为重要。通过对结构进行健康检测和损伤诊断，可以对其可能发生的破坏进行预警，以便提前进行维修加固，从而避免可能造成的经济损失及人员伤亡。
常规的监控手段往往是在结构表面部署传感器，然而传感器一旦部署，无法移动位置，因此难以对结构工作过程中发生的性能变化进行跟踪监测。
通过无人潜航器，可以对水下工程结构进行全面检测，也可以对焊缝等区域进行局部重点检测。检测得到的数据不能直接用于结构的性能评估及损伤诊断。通过常规的统计方法或机器学习方法建立数学模型缺乏力学原理的支撑，难以精确还原结构的性能变化，其精度与可解释性都难以满足要求。
发明内容
为了解决现有技术的不足，本发明提供了基于数字孪生的水下工程结构智能检测方法及系统；本发明提出了一种建立水下工程结构数字孪生体的方法，基于无人潜航器进行流场的数据采集和结构的无损检测，构建了以有限元主模型为核心的数字孪生系统，实现水下结构性能的监控、评估及预警。
第一方面，本发明提供了基于数字孪生的水下工程结构智能检测方法；
基于数字孪生的水下工程结构智能检测方法，包括：
根据水下工程结构的设计方案和实际工况，建立有限元主模型；
基于有限元主模型，对水下工程结构进行评估预警，如果评估的结构性能不达标，就发出告警信息，跳转到维修步骤；如果结构性能达标，就根据评估结果生成检测点阵；
基于检测点阵，进行水下工程结构的流场检测和结构检测，得到检测数据集；
根据检测数据集，对有限元主模型进行更新，重新对水下工程结构进行评估预警。
进一步地，所述基于数字孪生的水下工程结构智能检测方法，还包括：
接收针对告警信息所提交的若干个备选维修方案；
根据每个备选维修方案，在有限元主模型的基础上，生成有限元副模型；同理，得到若干个有限元副模型；
对所有的有限元副模型进行计算比对，遴选出最优有限元副模型；按照最优有限元副模型进行水下工程结构的维修；
维修完成后，利用最优有限元副模型替换有限元主模型，跳转到S102继续执行。
第二方面，本发明提供了基于数字孪生的水下工程结构智能检测装置；
基于数字孪生的水下工程结构智能检测装置，包括：
模型建立模块，其被配置为：根据水下工程结构的设计方案和实际工况，建立有限元主模型；
评估预警模块，其被配置为：基于有限元主模型，对水下工程结构进行评估预警，如果评估的结构性能不达标，就发出告警信息，跳转到维修步骤；如果结构性能达标，就根据评估结果生成检测点阵；
检测模块，其被配置为：基于检测点阵，进行水下工程结构的流场检测和结构检测，得到检测数据集；
更新模块，其被配置为：根据检测数据集，对有限元主模型进行更新，返回评估预警模块。
进一步地，所述基于数字孪生的水下工程结构智能检测装置，还包括：
接收模块，其被配置为：接收针对告警信息所提交的若干个备选维修方案；
副模型生成模块，其被配置为：根据每个备选维修方案，在有限元主模型的基础上，生成有限元副模型；同理，得到若干个有限元副模型；
计算比对模块，其被配置为：对所有的有限元副模型进行计算比对，遴选出最优有限元副模型；按照最优有限元副模型进行水下工程结构的维修；
替换模块，其被配置为：维修完成后，利用最优有限元副模型替换有限元主模型，跳转到评估预警模块继续执行。
第三方面，本发明还提供了一种电子设备，包括：
存储器，用于非暂时性存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，
其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。
第四方面，本发明还提供了一种存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法的指令。
第五方面，本发明还提供了基于数字孪生的水下工程结构智能检测系统，包括：无人潜航器和服务器；
所述服务器，包括：硬件计算平台，所述硬件计算平台上搭载软件环境；
无人潜航器，采集到的数据传输并存储到硬件计算平台上，用于构建水下工程结构的数字模型；
硬件计算平台，用于采集数据的存储及软件环境的部署，为水下工程结构数字模型的建立提供基础资源；
软件环境部署在硬件计算平台上，用于水下工程结构数字模型的构建，包括有限元软件、CFD软件、数学软件、机器学习算法集、异构数据库及对以上软件提供支撑的基础数学库。
第六方面，本发明还提供了一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。
与现有技术相比，本发明的有益效果是：
(1)基于水下工程结构的真实工作环境，构建了以力学原理为支撑的数字模型。
(2)通过无人潜航器采集流场数据，实现水下工程结构工作环境对其作用的载荷的精确还原，如水流、波浪、潮汐等。
(3)通过无人潜航器对水下工程结构进行无损检测，实现结构状态的精确感知。
(4)基于有限单元法建立了水下工程结构的力学模型，通过静力学校核、动力学损伤评估、疲劳耐久分析等实现了结构性能的综合评估，根据评估结果进行监控和预警。
(5)针对需要维修的水下工程结构，通过有限元模型对维修方案进行评估，验证方案的可行性，并对维修方案进行对比。
(6)本发明提高了水下工程结构性能评估和失效预警的精确性，从而可以更好地避免结构破坏可能带来的经济损失及人员伤亡。首先，通过无人潜航器采集到的数据更全面、更精确，能够更完整地还原结构受到的环境载荷及服役过程中的损伤情况。其次，基于力学原理建立的数字模型从机理上保证了评估结果的准确性。
本发明通过对水下工程结构的维修方案进行对比，为维修决策提供了数据支撑，从而帮助节省决策时间、提高维修质量、延长结构寿命。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为系统功能模块图；
图2为方法流程图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本实施例所有数据的获取都在符合法律法规和用户同意的基础上，对数据的合法应用。
术语解释：
无人潜航器：无人驾驶的水下航行器具，主要用于水下探测。
水下工程结构：水坝、桥梁、海工装备等大型水利或海洋工程结构的水下部分。
数字孪生系统：针对物理实体，基于实测数据，通过数学建模构建数字化映射，通过物理世界和数字世界的交互，实现物理对象的监控、分析和优化。
实施例一
本实施例提供了基于数字孪生的水下工程结构智能检测方法；
如图1和图2所示，基于数字孪生的水下工程结构智能检测方法，包括：
S101：根据水下工程结构的设计方案和实际工况，建立有限元主模型；
S102：基于有限元主模型，对水下工程结构进行评估预警，如果评估的结构性能不达标，就发出告警信息，跳转到维修步骤；如果结构性能达标，就根据评估结果生成检测点阵；
S103：基于检测点阵，进行水下工程结构的流场检测和结构检测，得到检测数据集；
S104：根据检测数据集，对有限元主模型进行更新，返回S102。
进一步地，所述有限元主模型，包括：各零部件的有限元网格、零部件之间的连接关系、结构的边界条件(载荷及约束)、各零部件的材料属性(弹性、塑性)、分析类型(静力学、动力学)及分析参数。
进一步地，所述基于有限元主模型，对水下工程结构进行评估预警；其中采用的评估预警方式，包括：静力学校核、动力学损伤评估和疲劳耐久分析。
进一步地，所述检测点阵，包括：流场检测点坐标、流场检测类型、结构检测点坐标和结构检测点类型。
进一步地，所述S102步骤后，还包括：在评估得到的结构薄弱区域，对检测点阵进行密集化处理。
示例性地，所述密集化处理，是指对薄弱点的上下左右四个点也视为待检测点。
进一步地，所述S103的检测数据集，包括：流场数据集和结构数据集；其中，流场数据集，包括：流速、压力；结构数据集，包括：结构变形、损伤。
进一步地，所述S103基于检测点阵，进行水下工程结构的流场检测和结构检测，是由无人潜航器来完成检测。
进一步地，所述S104：根据检测数据集，对有限元主模型进行更新；具体包括：
S1041：根据流场数据集，建立流体动力学模型，计算出水流对水下工程结构的作用力；根据作用力，对有限元主模型中载荷边界条件进行更新；
S1042：根据结构数据集，更新有限元主模型中零部件网格以及零部件之间的连接关系。
进一步地，所述S104：根据检测数据集，对有限元主模型进行更新；还包括：
S1043：对于水下工程结构的裂纹，对裂纹进行建模，描述结构的局部力学行为。
进一步地，所述基于数字孪生的水下工程结构智能检测方法，还包括：
S105：接收针对告警信息所提交的若干个备选维修方案；
S106：根据每个备选维修方案，在有限元主模型的基础上，生成有限元副模型；同理，得到若干个有限元副模型；
S107：对所有的有限元副模型进行计算比对，遴选出最优有限元副模型；按照最优有限元副模型进行水下工程结构的维修；
S108：维修完成后，利用最优有限元副模型替换有限元主模型，跳转到S102继续执行。
实施例二
本实施例提供了基于数字孪生的水下工程结构智能检测装置；
基于数字孪生的水下工程结构智能检测装置，包括：
模型建立模块，其被配置为：根据水下工程结构的设计方案和实际工况，建立有限元主模型；
评估预警模块，其被配置为：基于有限元主模型，对水下工程结构进行评估预警，如果评估的结构性能不达标，就发出告警信息，跳转到维修步骤；如果结构性能达标，就根据评估结果生成检测点阵；
检测模块，其被配置为：基于检测点阵，进行水下工程结构的流场检测和结构检测，得到检测数据集；
更新模块，其被配置为：根据检测数据集，对有限元主模型进行更新，返回评估预警模块。
进一步地，所述基于数字孪生的水下工程结构智能检测装置，还包括：
接收模块，其被配置为：接收针对告警信息所提交的若干个备选维修方案；
副模型生成模块，其被配置为：根据每个备选维修方案，在有限元主模型的基础上，生成有限元副模型；同理，得到若干个有限元副模型；
计算比对模块，其被配置为：对所有的有限元副模型进行计算比对，遴选出最优有限元副模型；按照最优有限元副模型进行水下工程结构的维修；
替换模块，其被配置为：维修完成后，利用最优有限元副模型替换有限元主模型，跳转到评估预警模块继续执行。
实施例三
本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列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。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
实施例四
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
实施例五
本实施例还提供了基于数字孪生的水下工程结构智能检测系统；
系统主要由数字世界、物理世界两部分组成。其中，物理世界部分主要包括无人潜航器和硬件计算平台；数字世界部分主要包括水下工程结构的数字模型及用于构建数字模型的高性能软件环境。系统架构图如图1所示。
基于数字孪生的水下工程结构智能检测系统，包括：无人潜航器和服务器；
所述服务器，包括：硬件计算平台，所述硬件计算平台上搭载软件环境；
无人潜航器，采集到的数据传输并存储到硬件计算平台上，用于构建水下工程结构的数字模型；
硬件计算平台，用于采集数据的存储及软件环境的部署，为水下工程结构数字模型的建立提供基础资源；
软件环境部署在硬件计算平台上，用于水下工程结构数字模型的构建，包括有限元软件、CFD软件、数学软件、机器学习算法集、异构数据库及对以上软件提供支撑的基础数学库。
进一步地，所述有限元软件，用于构建水下工程结构的有限元模型；有限元模型，包括：有限元主模型及有限元副本模型。
CFD(计算流体动力学)软件，用于构建水下工程结构附近水域流场的流体动力学模型。
数学软件和机器学习算法集，用于构建水下工程结构的预警评估模型。
异构数据库，用于存储无人潜航器采集的监测数据集、评估预警模型输出的检测点阵坐标以及各模型产生的结果文件集等数据。
检测点阵坐标传递给无人潜航器，使其按照坐标进行检测。
进一步地，所述数字模型是水下工程结构在数字世界的映射，包括有限元模型、流体动力学模型、评估预警模型及相关数据。
其中，有限元模型，包括：有限元主模型及有限元副本模型。
有限元主模型，通过有限单元法对水下工程结构的力学性能进行分析。
有限元副本模型，是有限元主模型的小范围修正，主要对因维修而改变的水下工程结构进行力学分析。
流体动力学模型，用于水下工程结构附近水域流场的分析，从而为有限元模型提供准确的载荷输入。
评估预警模型是在有限元分析的基础上，利用统计学原理或机器学习技术建立水下工程结构损伤及安全评估的准则，从而为其维修提供预警。
进一步地，所述无人潜航器，用于水下工程结构及附近水域的探测。
无人潜航器搭载的水下探测设备，包括：结构检测设备和流场探测设备。
其中，结构检测设备，包括：超声波检测设备、交流电磁场检测设备、电场特征检测设备、水下成像检测设备；结构检测设备用于水下工程结构体的无损检测。
其中，流场探测设备，包括：压力传感器、流速传感器，流场探测设备，用于水下工程结构附近水域流场的探测。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于数字孪生的水下工程结构智能检测方法，其特征是，包括：
根据水下工程结构的设计方案和实际工况，建立有限元主模型；
基于有限元主模型，对水下工程结构进行评估预警，如果评估的结构性能不达标，就发出告警信息，跳转到维修步骤；如果结构性能达标，就根据评估结果生成检测点阵；
基于检测点阵，进行水下工程结构的流场检测和结构检测，得到检测数据集；
根据检测数据集，对有限元主模型进行更新，重新对水下工程结构进行评估预警。
2.如权利要求1所述的基于数字孪生的水下工程结构智能检测方法，其特征是，所述方法还包括：
接收针对告警信息所提交的若干个备选维修方案；
根据每个备选维修方案，在有限元主模型的基础上，生成有限元副模型；同理，得到若干个有限元副模型；
对所有的有限元副模型进行计算比对，遴选出最优有限元副模型；按照最优有限元副模型进行水下工程结构的维修；
维修完成后，利用最优有限元副模型替换有限元主模型，重新对水下工程结构进行评估预警。
3.如权利要求1所述的基于数字孪生的水下工程结构智能检测方法，其特征是，
所述有限元主模型，包括：各零部件的有限元网格、零部件之间的连接关系、结构的边界条件、各零部件的材料属性、分析类型及分析参数；
所述检测点阵，包括：流场检测点坐标、流场检测类型、结构检测点坐标和结构检测点类型；
检测数据集，包括：流场数据集和结构数据集；其中，流场数据集，包括：流速、压力；结构数据集，包括：结构变形、损伤。
4.如权利要求1所述的基于数字孪生的水下工程结构智能检测方法，其特征是，基于有限元主模型，对水下工程结构进行评估预警；其中采用的评估预警方式，包括：静力学校核、动力学损伤评估和疲劳耐久分析。
5.如权利要求1所述的基于数字孪生的水下工程结构智能检测方法，其特征是，根据检测数据集，对有限元主模型进行更新；具体包括：
根据流场数据集，建立流体动力学模型，计算出水流对水下工程结构的作用力；根据作用力，对有限元主模型中载荷边界条件进行更新；
根据结构数据集，更新有限元主模型中零部件网格以及零部件之间的连接关系。
6.基于数字孪生的水下工程结构智能检测装置，其特征是，包括：
模型建立模块，其被配置为：根据水下工程结构的设计方案和实际工况，建立有限元主模型；
评估预警模块，其被配置为：基于有限元主模型，对水下工程结构进行评估预警，如果评估的结构性能不达标，就发出告警信息，跳转到维修步骤；如果结构性能达标，就根据评估结果生成检测点阵；
检测模块，其被配置为：基于检测点阵，进行水下工程结构的流场检测和结构检测，得到检测数据集；
更新模块，其被配置为：根据检测数据集，对有限元主模型进行更新，返回评估预警模块。
7.如权利要求6所述的基于数字孪生的水下工程结构智能检测装置，其特征是，检测装置，还包括：
接收模块，其被配置为：接收针对告警信息所提交的若干个备选维修方案；
副模型生成模块，其被配置为：根据每个备选维修方案，在有限元主模型的基础上，生成有限元副模型；同理，得到若干个有限元副模型；
计算比对模块，其被配置为：对所有的有限元副模型进行计算比对，遴选出最优有限元副模型；按照最优有限元副模型进行水下工程结构的维修；
替换模块，其被配置为：维修完成后，利用最优有限元副模型替换有限元主模型，跳转到评估预警模块继续执行。
8.一种电子设备，其特征是，包括：
存储器，用于非暂时性存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，
其中，所述计算机可读指令被所述处理器运行时，执行权利要求1-4任一项所述的方法。
9.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行权利要求1-4任一项所述方法的指令。
10.基于数字孪生的水下工程结构智能检测系统，其特征是，包括：无人潜航器和服务器；
所述服务器，包括：硬件计算平台，所述硬件计算平台上搭载软件环境；
无人潜航器，采集到的数据传输并存储到硬件计算平台上，用于构建水下工程结构的数字模型；
硬件计算平台，用于采集数据的存储及软件环境的部署，为水下工程结构数字模型的建立提供基础资源；
软件环境部署在硬件计算平台上，用于水下工程结构数字模型的构建，包括有限元软件、CFD软件、数学软件、机器学习算法集、异构数据库及对以上软件提供支撑的基础数学库。
CN202210032937.1A 2022-01-12 2022-01-12 基于数字孪生的水下工程结构智能检测方法及系统 Pending CN114547725A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210032937.1A CN114547725A (zh) 2022-01-12 2022-01-12 基于数字孪生的水下工程结构智能检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210032937.1A CN114547725A (zh) 2022-01-12 2022-01-12 基于数字孪生的水下工程结构智能检测方法及系统

Publications (1)

Publication Number Publication Date
CN114547725A true CN114547725A (zh) 2022-05-27

Family

ID=81671198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210032937.1A Pending CN114547725A (zh) 2022-01-12 2022-01-12 基于数字孪生的水下工程结构智能检测方法及系统

Country Status (1)

Country Link
CN (1) CN114547725A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116108726A (zh) * 2023-04-11 2023-05-12 中国船级社 一种海洋固定式平台检验方法、装置以及设备
CN117272416A (zh) * 2023-09-25 2023-12-22 海南大学 高精度数字孪生模型构建方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116108726A (zh) * 2023-04-11 2023-05-12 中国船级社 一种海洋固定式平台检验方法、装置以及设备
CN117272416A (zh) * 2023-09-25 2023-12-22 海南大学 高精度数字孪生模型构建方法

Similar Documents

Publication Publication Date Title
An et al. Recent progress and future trends on damage identification methods for bridge structures
CN111435557B (zh) 用于检测机器部件问题的故障检测装置
CN114547725A (zh) 基于数字孪生的水下工程结构智能检测方法及系统
Zhang et al. Vibration-based assessment of delaminations in FRP composite plates
Asgarian et al. Damage detection of jacket type offshore platforms using rate of signal energy using wavelet packet transform
Ntotsios et al. Bridge health monitoring system based on vibration measurements
CA2477968C (en) Method for assessing the integrity of a structure
CN103116759B (zh) 一种适用于空间网格结构的损伤识别方法
RU2533321C1 (ru) Способ адаптивного прогнозирования остаточного ресурса эксплуатации сложных объектов и устройство для его осуществления
Dragos et al. Distributed adaptive diagnosis of sensor faults using structural response data
CN114036974A (zh) 一种基于健康监测数据的桥梁冲刷动力识别方法
AU2006315933A1 (en) Process model based virtual sensor system and method
CN103884776B (zh) 一种提高随机损伤定位向量法监测结果准确性的方法
Bakhary et al. Structure damage detection using neural network with multi-stage substructuring
CN103838931A (zh) 一种工程机械臂架类结构再制造准入期评估方法
CN105512011A (zh) 一种电子装备测试性建模评估方法
Katam et al. A review on structural health monitoring: past to present
US10288530B2 (en) Method for improving severity estimates
CN110006994A (zh) 一种已建建筑物结构内部多缺陷的无损检测方法
WO2020195537A1 (ja) 構造物の状態判別モデル作成方法及びその作成システム
Friswell Damage identification using inverse methods
Saju Smart bridges based on bridge information modelling
Singh et al. Damage identification using vibration monitoring techniques
Betti et al. Offshore platform structural damage identification versus robustness
Crognale et al. Fatigue Damage Identification by a Global-Local Integrated Procedure for Truss-Like Steel Bridges

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