CN115170001B - 改进型肯特指数法的桥梁施工风险评估方法 - Google Patents

改进型肯特指数法的桥梁施工风险评估方法 Download PDF

Info

Publication number
CN115170001B
CN115170001B CN202211086866.XA CN202211086866A CN115170001B CN 115170001 B CN115170001 B CN 115170001B CN 202211086866 A CN202211086866 A CN 202211086866A CN 115170001 B CN115170001 B CN 115170001B
Authority
CN
China
Prior art keywords
index
kent
bridge construction
information
construction
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
Application number
CN202211086866.XA
Other languages
English (en)
Other versions
CN115170001A (zh
Inventor
董春光
张溢
金鹤
刘望
周黎明
康丽军
李志强
代义鹏
郑仲明
彭文涛
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.)
Poly Changda Engineering Co Ltd
Original Assignee
Poly Changda Engineering Co Ltd
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 Poly Changda Engineering Co Ltd filed Critical Poly Changda Engineering Co Ltd
Priority to CN202211086866.XA priority Critical patent/CN115170001B/zh
Publication of CN115170001A publication Critical patent/CN115170001A/zh
Application granted granted Critical
Publication of CN115170001B publication Critical patent/CN115170001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Abstract

本发明公开一种改进型肯特指数法的桥梁施工风险评估方法，涉及桥梁施工风险评估，解决的技术问题是提高桥梁施工风险评估能力。采用的方案是本发明方法通过改进型肯特指数法实现桥梁施工风险评估，其中改进型肯特指数法的工作方法为：步骤一、提取造成桥梁施工风险的数据信息集合；通过Sobel算子检测模型对桥梁施工风险的数据信息集合的数据特征信息进行提取，步骤二、设置肯特指数；其中肯特指数包括基本指数、后果指数、施工指数、外界环境指数和设计指数；步骤三、在肯特指数法中引入各种数据系数，并实现数据信息的融合，步骤四、输出肯特指数法评估结果。本发明大大提高了桥梁施工风险评估能力。

Description

改进型肯特指数法的桥梁施工风险评估方法
技术领域
本发明涉及工程勘测技术，具体涉及一种改进型肯特指数法的桥梁施工风险评估方法。
背景技术
桥梁施工（bridge construction)按照设计内容，对建造桥梁进行施工，在具体应用中，通常是指桥梁施工技术与施工组织、施工管理、施工质量等内容。桥梁施工过程中，施工质量问题经常发生，工程中的质量问题具有可变性，对那些表面质量问题，要进一步查明问题的性质是否会转化，对那些可能发展成为构件断裂、倒塌的恶性事故，要及时采取应急补救措施。
桥梁施工过程中，桥梁容易出现多种故障风险，比如桥梁施工过程中，桥梁容易经常出现裂缝、桥梁钢筋容易出现锈蚀、桥梁铺装层容易松散脱落，比如桩基出现故障数据信息风险，墩柱上显现痕迹导致箍筋位置出现裂缝，如何提高道路桥梁工程施工能力，提高施工风险评估仍旧是亟待解决的技术问题。现有技术对桥梁施工风险评估通常采用人工统计法、经验值法或者桥梁施工监测的方法，这种方法虽然在一定程度上提高了桥梁施工风险评估评估能力，但是效率低下，错误率高。
发明内容
针对上述技术的不足，本发明公开一种改进型肯特指数法的桥梁施工风险评估方法，通过改进型肯特指数法提高桥梁施工风险评估，大大提高了桥梁施工风险评估能力，增强了桥梁施工安全运行能力。
为了实现上述技术效果，本发明采用以下技术方案：
一种改进型肯特指数法的桥梁施工风险评估方法，所述方法通过改进型肯特指数法实现桥梁施工风险评估，其中改进型肯特指数法的工作方法为：
步骤一、提取造成桥梁施工风险的数据信息集合；
在本步骤中，数据信息集合包括第三方破坏因子信息D、桥梁施工腐蚀因子信息F、技术设计因子信息E、材质因子信息H和人工错误因子信息α；
在本步骤中，通过Sobel算子检测模型对桥梁施工风险的数据信息集合的数据特征信息进行提取，然后对所提取到的特征量进行标定，进而实现数据信息处理，通过记录标定信号的运行状态推算出检测结果误差的大小，从而对桥梁施工风险的数据信息集合提取信息结果进行评估；
步骤二、设置肯特指数；
步骤三、在肯特指数法中引入基本系数a、设计系数b和施工系数β；通过融合器实现基本系数a、设计系数b和施工系数β信息的融合；
在本步骤中，风险值R=风险概率指数*风险后果指数*肯特指数法稳定性指数；
风险概率指数=基本系数a*设计系数b*施工系数β*外界环境指数d；
其中设计系数b =设计指数/设计标准值, 其中设计标准值B＝（B1＋B2）/B0，B1和B2分别表示最大标准值和最小标准值，B0表示平均标准值；
施工系数β＝施工指数/施工标准值，其中施工标准值C＝（C1＋C2＋C3）/C0；
C1、C2和C3分别表示施工标准值中三种不同的数据等级；C0为标准值最大值的一半；
步骤四、输出肯特指数法评估结果。
作为本发明进一步的技术方案，肯特指数包括基本指数、后果指数、施工指数、外界环境指数和设计指数。
作为本发明进一步的技术方案，其中施工风险评价公式为：
Figure 952410DEST_PATH_IMAGE001
（1）
公式（1）中，
Figure 56632DEST_PATH_IMAGE002
为风险值，F 1为p和c组合算法，其中p与c分别表示风险因子发生概 率和后果指数，其中肯特指数法计算公式为：
Figure 212807DEST_PATH_IMAGE003
（2）
Figure 9861DEST_PATH_IMAGE004
（3）
Figure 681014DEST_PATH_IMAGE005
（4）
在公式（2）-（4）中，其中
Figure 854506DEST_PATH_IMAGE006
表示基本指数信息，
Figure 865188DEST_PATH_IMAGE007
表示后果指数信息，
Figure 833144DEST_PATH_IMAGE008
表示施工 指数信息，
Figure 929276DEST_PATH_IMAGE009
表示设计指数信息；
Figure 689815DEST_PATH_IMAGE010
值介于0至1之间，
Figure 820582DEST_PATH_IMAGE010
值越大，其对应的风险事故发生概 率越大，
Figure 959439DEST_PATH_IMAGE011
为后果指数。
作为本发明进一步的技术方案，Sobel算子检测模型工作方法为：
输入桥梁施工状态的数据信息记作为：
Figure 542867DEST_PATH_IMAGE013
(5)
式(5)中：
Figure 854900DEST_PATH_IMAGE014
表示所要评估桥梁施工信息检测结果，
Figure 840173DEST_PATH_IMAGE015
表示检测到的桥梁施工参 数信息，
Figure 149932DEST_PATH_IMAGE016
表示桥梁施工运行稳定性，
Figure 220656DEST_PATH_IMAGE017
表示肯特指数运行误差；
Sobel算子检测模型输出函数为：
Figure 87112DEST_PATH_IMAGE018
(6)
式(6)中：
Figure 926892DEST_PATH_IMAGE019
表示可编程算子模型函数表达式，
Figure 407552DEST_PATH_IMAGE020
表示算子模型与数学问题 之间的转化量，
Figure 699993DEST_PATH_IMAGE021
表示检测桥梁施工信息问题代数；
构建Sobel算子模型。
作为本发明进一步的技术方案，Sobel算子模型输出函数为：
Figure 619408DEST_PATH_IMAGE022
(7)
式(7)中，
Figure 313694DEST_PATH_IMAGE023
表示Sobel算子模型函数，
Figure 965255DEST_PATH_IMAGE024
表示所评估检测数据的自适应变化，
Figure 10572DEST_PATH_IMAGE025
表示桥梁施工运行实时变化检测量；
分析肯特指数具体运行规律，将Sobel算子数学矩阵设为：
Figure 405781DEST_PATH_IMAGE026
(8)
式(8)中，将模板矩阵代入算子模型中，计算出桥梁施工各信息在模型中对应权值，通过模型自动评估，最终得到评估函数表达式描述为：
Figure 266159DEST_PATH_IMAGE027
(9)
式(9)中，
Figure 354200DEST_PATH_IMAGE028
表示所评估检测数据结果，
Figure 621234DEST_PATH_IMAGE029
表示输入算子模型中的数学问题代 数，
Figure 554554DEST_PATH_IMAGE030
表示桥梁施工信息变量，
Figure 285750DEST_PATH_IMAGE031
表示输入检测数据过程中的数据信息损耗。
作为本发明进一步的技术方案，Sobel算子模型的评估方法为：
通过计算算子模型评估数据最大值与实际运行数据的最小值的关系进行表述，即：
Figure 544693DEST_PATH_IMAGE032
，
Figure 33443DEST_PATH_IMAGE033
(10)
式(10)中，
Figure 36034DEST_PATH_IMAGE034
表示对相同桥梁施工问题预测最大准确率，
Figure 372469DEST_PATH_IMAGE035
表示算 子模型评估最大值，
Figure 536734DEST_PATH_IMAGE036
表示实际运行显示数据最小值。
作为本发明进一步的技术方案，融合器采用STM32F429ZET6单片机的ARM32位Cortex TM-M4 处理器内核。
本发明有益的积极效果在于：
一种改进型肯特指数法的桥梁施工风险评估方法，所述方法通过改进型肯特指数法实现桥梁施工风险评估，其中改进型肯特指数法的工作方法为步骤一、提取造成桥梁施工风险的数据信息集合；步骤二、设置肯特指数；在本步骤中，肯特指数包括基本指数、后果指数、施工指数、外界环境指数和设计指数；步骤三、在肯特指数法中引入基本系数a、设计系数b和施工系数β；通过融合器实现基本系数a、设计系数b和施工系数β信息的融合；步骤四、输出肯特指数法评估结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图，其中：
图1为本发明改进型肯特指数法的架构示意图；
图2为本发明改进型肯特指数法的流程示意图；
图3为本发明一种实施例示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
一种改进型肯特指数法的桥梁施工风险评估方法，所述方法通过改进型肯特指数法实现桥梁施工风险评估，其中改进型肯特指数法的工作方法为：
步骤一、提取造成桥梁施工风险的数据信息集合；
在本步骤中，数据信息集合包括第三方破坏因子信息D、桥梁施工腐蚀因子信息F、技术设计因子信息E、材质因子信息H和人工错误因子信息α；
在本步骤中，通过Sobel算子检测模型对桥梁施工风险的数据信息集合的数据特征信息进行提取，然后对所提取到的特征量进行标定，进而实现数据信息处理，通过记录标定信号的运行状态推算出检测结果误差的大小，从而对桥梁施工风险的数据信息集合提取信息结果进行评估；
步骤二、设置肯特指数；
在本步骤中，肯特指数包括基本指数、后果指数、施工指数、外界环境指数和设计指数；
步骤三、在肯特指数法中引入基本系数a、设计系数b和施工系数β；通过融合器实现基本系数a、设计系数b和施工系数β信息的融合
在本步骤中，风险值R=风险概率指数*风险后果指数*肯特指数法稳定性指数；
风险概率指数=基本系数a*设计系数b*施工系数β*外界环境指数d；
施工系数β＝施工指数/施工标准值，其中施工标准值C＝（C1＋C2＋C3）/C0；
C1、C2和C3分别表示施工标准值中三种不同的数据等级；C0为标准值最大值的一半；
步骤四、输出肯特指数法评估结果。
在上述实施例中，基本指数是指桥梁施工风险指数，桥梁施工风险指数的含义是，就是由桥梁施工过程中或桥梁施工计算过程中通过不同机构编制，表明桥梁施工过程中供参考的数字。
后果指数是指桥梁施工过程中产生不同数据信息的指数。
施工指数是指桥梁施工过程中应按各主要构成要素(桥梁工程造价、桥梁施工费用、桥梁施工过程中遇到的问题等)分别编制桥梁施工风险指数，然后经汇总得到桥梁工程施工造价指数。
外界环境指数是指桥梁施工过程中受到外部环境数据信息影响的指数。
设计指数是指桥梁施工过程中受到设计因素造成的数据信息参数。
在具体应用中，基本系数a受桥梁施工过程中基本数据信息因素的影响，设计系数b受桥梁施工过程中设计图纸、设计人员思路或者设计元素等多种数据信息的影响。施工系数c是受到施工环境等多种数据因素的影响，在具体应用过程中，通过融合器实现基本系数a、设计系数b和施工系数c信息的融合；可以按照不同的数据信息比例，对各种数据信息参数以及影响数据分析的权值进行分配不同信息的影响参数。
在上述步骤中，其中施工风险评价公式为：
Figure 778359DEST_PATH_IMAGE037
（1）
其中
Figure 319062DEST_PATH_IMAGE038
为风险值，F 1为p和c组合算法，其中p与c分别表示风险因子发生概率和后 果指数，其中肯特指数法计算公式为：
Figure 696954DEST_PATH_IMAGE039
（2）
Figure 360016DEST_PATH_IMAGE040
（3）
Figure 823359DEST_PATH_IMAGE041
（4）
在公式（2）-（4）中，其中
Figure 167753DEST_PATH_IMAGE042
表示基本指数信息，
Figure 665730DEST_PATH_IMAGE043
表示后果指数信息，
Figure 503890DEST_PATH_IMAGE044
表示施工 指数信息，
Figure 720108DEST_PATH_IMAGE045
表示设计指数信息；
Figure 602613DEST_PATH_IMAGE046
值介于0至1之间，
Figure 955097DEST_PATH_IMAGE046
值越大，其对应的风险事故发生概 率越大，
Figure 694383DEST_PATH_IMAGE047
为后果指数。
在具体实施例中，为定量分析桥梁施工风险的数据信息的安全风险，通过肯特指数法在管道风险评估的成功应用，改进风险评价模型，建立了以肯特指数法为基础的桥梁施工风险的数据信息，能够大大提供数据信息评估能力。通过引入风险数据信息，在改进肯特指数法的基础上，建立起的基于肯特指数法的桥梁施工风险试验风险分析方法，通过从人、机、料、法、环、测等六方面较为细化地评价了桥梁施工风险试验数据信息。
Sobel算子检测模型工作方法为：
通过建立基于桥梁施工信息数据的输入，本发明输入数据由GPIB检测技术提供。通过分析其数据形态，设置合适的代数式。
输入桥梁施工状态的数据信息记作为：
Figure 132317DEST_PATH_IMAGE013
(5)
式(5)中：
Figure 818514DEST_PATH_IMAGE048
表示所要评估桥梁施工信息检测结果，
Figure 25504DEST_PATH_IMAGE049
表示检测到的桥梁施工参数 信息，
Figure 138954DEST_PATH_IMAGE016
表示桥梁施工运行稳定性，
Figure 877234DEST_PATH_IMAGE017
表示肯特指数运行误差；
Sobel算子检测模型输出函数为：
Figure 101542DEST_PATH_IMAGE018
(6)
式(6)中：
Figure 428618DEST_PATH_IMAGE019
表示可编程算子模型函数表达式，
Figure 712968DEST_PATH_IMAGE020
表示算子模型与数学问题 之间的转化量，
Figure 922233DEST_PATH_IMAGE021
表示检测桥梁施工信息问题代数；
对目标桥梁施工的信息提取特征量，通过目标桥梁施工边缘关系进行采集，通过分析桥梁施工运行信息急剧变化状态进行分析，利用函数之间去邻域的方式进行算子模型的建立，通过建立桥梁施工周边各部分信息数学模型，将模型数据进行加权运算，最终得到Sobel算子模型，根据算子模型在桥梁施工邻域范围达到的极值完成数据的检测。
Sobel算子模型描述为：
Figure 950232DEST_PATH_IMAGE050
(7)
式(7)中，
Figure 131814DEST_PATH_IMAGE023
表示Sobel算子模型函数，
Figure 587067DEST_PATH_IMAGE024
表示所评估检测数据的自适应变化，
Figure 486889DEST_PATH_IMAGE025
表示桥梁施工运行实时变化检测量；
分析肯特指数具体运行规律，将Sobel算子数学矩阵设为：
Figure 364584DEST_PATH_IMAGE051
(8)
式(8)中，将模板矩阵代入算子模型中，计算出桥梁施工各信息在模型中对应权值，通过模型自动评估，最终得到评估函数表达式描述为：
Figure 400674DEST_PATH_IMAGE052
(9)
式(9)中，
Figure 26827DEST_PATH_IMAGE053
表示所评估检测数据结果，
Figure 148367DEST_PATH_IMAGE029
表示输入算子模型中的数学问题代 数，
Figure 580485DEST_PATH_IMAGE030
表示桥梁施工信息变量，
Figure 736660DEST_PATH_IMAGE031
表示输入检测数据过程中的数据信息损耗；
通过计算算子模型评估数据最大值与实际运行数据的最小值的关系进行表述，即：
Figure 533715DEST_PATH_IMAGE032
，
Figure 142551DEST_PATH_IMAGE033
(10)
式(10)中，
Figure 863513DEST_PATH_IMAGE034
表示对相同桥梁施工问题预测最大准确率，
Figure 874194DEST_PATH_IMAGE035
表示算 子模型评估最大值，
Figure 842150DEST_PATH_IMAGE036
表示实际运行显示数据最小值。
通过Sobel算子模型评估检测系统对肯特指数检测结果的准确性，进一步说明了所采用的GPIB检测技术的优越性，使桥梁施工在能源控制方面值得信任。算子模型的建立能够及时对检测数据进行评估，同时对相似问题评估结果进行预测，增加桥梁施工使用的便利性，有利于施工现场的应用。
肯特指数法是一种基于已有的工程经验和数据信息来定性计算而形成的一组指标性风险评价方法。但是，目前利用肯特指数对隧道施工风险的评价的研究很少。鉴于此，本发明改进了肯特指数算法，基于隧道施工特点来建立隧道施工风险评价体系统。
在桥梁施工过程中，融合器采用STM32F429ZET6单片机的ARM32位Cortex TM-M4处理器内核。
在具体实施例中，本发明使用的控制芯片为STM32F429ZET6单片机，采用的是ARM32位的Cortex TM-M4 的处理器内核，具有12通道的DMA和112个快速I/O端口。融合单元的嵌入开发板使用Exynos4412，主频范围为1.4~1.6GHZ。融合单元具有多个模拟参数信号输入接口，能够与网络中多个类型的桥梁施工信息进行适配，经过放大、滤波、数字化处理后，将融合到桥梁施工信息运行状态和施工数据信息参数等数据打包处理通过无线传输模式上传到监控服务器。
在进行数据信息融合时，在STM32F429ZET6单片机控制下，将不同参数数据信息按照一定比重或者占比，大大提高了数据信息融合能力。
如图3所示，本发明检测桥梁施工型号为ECU4H23肯特指数，通过检测其运行过程中数据的变化进行实验，对其参数信息进行统计，利用软件仿真环境推算其变化规律，根据实验结果分析本发明检测系统实际性能。实验室配置采用i9系列计算机，内存64+128GB，应用仿真软件建立实验环境。现场实验环境设置，采用自动化检测系统运行；参数信息采集精度为98%，桥梁施工运行数据采集精度为94%，算法程序运算误差不超过2.0%，采用公变/总线/485通讯方式完成数据传输。在此环境下进行实验，参数配置如表1所示：
表1环境参数与配置软件
实验环境 类型 参数
肯特指数模组 公变/总线/485
计算机 Intel core i9 64+256GB内存
建模软件 REVIT v.2.0
算法程序 Sobel算子
仿真软件 LABVIEW 2020中文版
本设计试验通过采集肯特指数运行数据进行分析，利用信息传感技术获取桥梁施工运行数据信息，通过建立Sobel算子模型评估检测结果，上述罗列的数据公式计算各参数信息检测准确性，通过计算桥梁施工风险评估对肯特指数各项参数的检测数据灵敏度保证本发明的可行性，将实验结果汇总数据表，最终显示桥梁施工风险评估实验效果测试表如表2所示。
表2检测结果实验测试表
结构类型 检测数量/台 灵敏度/dBm 测量误差/%
本设计 103 148 1.0
MCU模型 95 125 12.0
乘法器结构 86 96 13.1
通过表2数据分析，本发明设计的桥梁施工风险评估处理数量最高上限为103台，平均每台肯特指数灵敏度为148dBm，利用Sobel算子模型推算的测量误差为1.0%；方案1采用的MCU模型处理数量最高上限为95台，平均每台肯特指数灵敏度为125dBm，利用Sobel算子模型推算的测量误差为12.0%；方案2提出的乘法器结构处理数量最高上限为86台，平均每台肯特指数灵敏度为96dBm，利用Sobel算子模型推算的测量误差为13.1%。通过数据显示表明本发可行性较高。
通过对比系统检测灵敏度分析三种不同方案性能，将各系统灵敏度数据用仿真曲线的形式描述，得出本发明技术方案中的检测结构灵敏度分析能力比较强。
通过8个小时的试验，在0~50台灵敏度增速达到2.8，50~103台时，检测灵敏度稳定在140dBm，在桥梁施工数量达到103台时达到最大值，最大灵敏度为148dBm；方案1方法设计的MCU模型检测灵敏度整体增加较为平缓，最高为125dBm，明显低于本设计系统；方案2方法设计的乘法器结构在0~80台时，灵敏度上升缓慢，在80~103台时灵敏度达到最大，最高为96dBm。明显本发明检测结构灵敏度更高。
通过对比各发明模型评估结果准确性进一步完成对比实验，根据计算机处理结果进行仿真对比，得到评估结果准确性结果，通过对比，可以发现本发明检测系统评估结果准确性较高，在数量达到20台时，准确性超过90%，90~103台期间存在波动，在103台时最高为99.3%。方案1采用的MCU模型虽然整体递增，但速率缓慢，在数量达到40台时，评估结果为78%，80台时评估结果只有82%，在103台时最高为88%；方案2设计的乘法器结构准确性与桥梁施工数量呈比例增加，在数量达到103台时，最高准确率为87.9%。
综上所述，本设计对肯特指数的检测效果最好，建立的Sobel算子模型处理桥梁施工数量上限较高，检测数据灵敏度和准确性均为最佳，显示了本发明方案的优越性。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (4)

1.一种改进型肯特指数法的桥梁施工风险评估方法，其特征在于：所述方法通过改进型肯特指数法实现桥梁施工风险评估，其中改进型肯特指数法的工作方法为：
步骤一、提取造成桥梁施工风险的数据信息集合；
在本步骤中，数据信息集合包括第三方破坏因子信息D、桥梁施工腐蚀因子信息F、技术设计因子信息E、材质因子信息H和人工错误因子信息α；
在本步骤中，通过Sobel算子检测模型对桥梁施工风险的数据信息集合的数据特征信息进行提取，然后对所提取到的特征量进行标定，进而实现数据信息处理，通过记录标定信号的运行状态推算出检测结果误差的大小，从而对桥梁施工风险的数据信息集合提取信息结果进行评估；
步骤二、设置肯特指数；
步骤三、在肯特指数法中引入基本系数a、设计系数b和施工系数β；通过融合器实现基本系数a、设计系数b和施工系数β信息的融合；
在本步骤中，风险值R=风险概率指数*风险后果指数*肯特指数法稳定性指数；
风险概率指数=基本系数a*设计系数b*施工系数β*外界环境指数d；
其中设计系数b=设计指数/设计标准值, 其中设计标准值B＝（B1＋B2）/B0，B1和B2分别表示最大标准值和最小标准值，B0表示平均标准值；
施工系数β＝施工指数/施工标准值，其中施工标准值C＝（C1＋C2＋C3）/C0；
C1、C2和C3分别表示施工标准值中三种不同的数据等级；C0为标准值最大值的一半；
步骤四、输出肯特指数法评估结果；
其中Sobel算子检测模型工作方法为：
输入桥梁施工状态的数据信息记作为：
Figure 660195DEST_PATH_IMAGE002
(1)
式(1)中：
Figure 77532DEST_PATH_IMAGE003
表示所要评估桥梁施工信息检测结果，
Figure 156347DEST_PATH_IMAGE004
表示检测到的桥梁施工参数信 息，
Figure 654324DEST_PATH_IMAGE005
表示桥梁施工运行稳定性，
Figure 425971DEST_PATH_IMAGE006
表示肯特指数运行误差；
Sobel算子检测模型输出函数为：
Figure 314292DEST_PATH_IMAGE007
(2)
式(2)中：
Figure 196798DEST_PATH_IMAGE008
表示可编程算子模型函数表达式，
Figure 549282DEST_PATH_IMAGE009
表示算子模型与数学问题之间的 转化量，
Figure 491830DEST_PATH_IMAGE010
表示检测桥梁施工信息问题代数；
构建Sobel算子模型；Sobel算子模型输出函数为：
Figure 116715DEST_PATH_IMAGE011
(3)
式(3)中，
Figure 537332DEST_PATH_IMAGE012
表示Sobel算子模型函数，
Figure 9902DEST_PATH_IMAGE013
表示所评估检测数据的自适应变化，
Figure 123351DEST_PATH_IMAGE014
表示 桥梁施工运行实时变化检测量；
分析肯特指数具体运行规律，将Sobel算子数学矩阵设为：
Figure 986265DEST_PATH_IMAGE015
(4)
式(4)中，将模板矩阵代入算子模型中，计算出桥梁施工各信息在模型中对应权值，通过模型自动评估，最终得到评估函数表达式描述为：
Figure 210573DEST_PATH_IMAGE016
(5)
式(5)中，
Figure 272070DEST_PATH_IMAGE017
表示所评估检测数据结果，
Figure 556421DEST_PATH_IMAGE018
表示输入算子模型中的数学问题代数，
Figure 648574DEST_PATH_IMAGE019
表示桥梁施工信息变量，
Figure 676573DEST_PATH_IMAGE020
表示输入检测数据过程中的数据信息损耗；
Sobel算子模型的评估方法为：
通过计算算子模型评估数据最大值与实际运行数据的最小值的关系进行表述，即：
Figure 858156DEST_PATH_IMAGE021
,
Figure 47829DEST_PATH_IMAGE022
(6)
式(6)中，
Figure 885335DEST_PATH_IMAGE023
表示对相同桥梁施工问题预测最大准确率，
Figure 451445DEST_PATH_IMAGE024
表示算子模型 评估最大值，
Figure 753113DEST_PATH_IMAGE025
表示实际运行显示数据最小值。
2.根据权利要求1所述的一种改进型肯特指数法的桥梁施工风险评估方法，其特征在于：肯特指数包括基本指数、后果指数、施工指数、外界环境指数和设计指数。
3.根据权利要求1所述的一种改进型肯特指数法的桥梁施工风险评估方法，其特征在于：其中施工风险评价公式为：
Figure 113688DEST_PATH_IMAGE026
（7）
公式（7）中，
Figure 687757DEST_PATH_IMAGE027
为风险值，F 1为p和c组合算法，其中p与c分别表示风险因子发生概率和后 果指数，其中肯特指数法计算公式为：
Figure 57559DEST_PATH_IMAGE028
（8）
Figure 948154DEST_PATH_IMAGE029
（9）
在公式（7）-（9）中，其中
Figure 745209DEST_PATH_IMAGE030
表示基本指数信息，
Figure 354045DEST_PATH_IMAGE031
表示后果指数信息，
Figure 465220DEST_PATH_IMAGE032
表示施工指数 信息，
Figure 475902DEST_PATH_IMAGE033
表示设计指数信息；
Figure 443858DEST_PATH_IMAGE034
值介于0至1之间，
Figure 539990DEST_PATH_IMAGE034
值越大，其对应的风险事故发生概率越 大，
Figure 940009DEST_PATH_IMAGE035
为后果指数。
4.根据权利要求1所述的一种改进型肯特指数法的桥梁施工风险评估方法，其特征在于：融合器采用STM32F429ZET6单片机的ARM32位Cortex TM-M4 处理器内核。
CN202211086866.XA 2022-09-07 2022-09-07 改进型肯特指数法的桥梁施工风险评估方法 Active CN115170001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211086866.XA CN115170001B (zh) 2022-09-07 2022-09-07 改进型肯特指数法的桥梁施工风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211086866.XA CN115170001B (zh) 2022-09-07 2022-09-07 改进型肯特指数法的桥梁施工风险评估方法

Publications (2)

Publication Number Publication Date
CN115170001A CN115170001A (zh) 2022-10-11
CN115170001B true CN115170001B (zh) 2023-03-21

Family

ID=83480528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211086866.XA Active CN115170001B (zh) 2022-09-07 2022-09-07 改进型肯特指数法的桥梁施工风险评估方法

Country Status (1)

Country Link
CN (1) CN115170001B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858837A (zh) * 2019-03-01 2019-06-07 西南交通大学 一种大型桥梁工程风险评估方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11373189B2 (en) * 2014-03-27 2022-06-28 EMC IP Holding Company LLC Self-learning online multi-layer method for unsupervised risk assessment
CN104866977A (zh) * 2015-06-01 2015-08-26 南京市锅炉压力容器检验研究院 利用改进肯特法评估埋地管道风险的方法
CN109447457A (zh) * 2018-10-24 2019-03-08 武汉市市政建设集团有限公司 基于肯特指数法的库区桥梁施工风险评估方法
CN112348770B (zh) * 2020-09-09 2024-03-01 陕西师范大学 一种基于多分辨率卷积网络的桥梁裂缝检测方法
CN115018291A (zh) * 2022-05-26 2022-09-06 浙江智合交通工程设计咨询有限公司 一种大型桥梁工程风险评估方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858837A (zh) * 2019-03-01 2019-06-07 西南交通大学 一种大型桥梁工程风险评估方法

Also Published As

Publication number Publication date
CN115170001A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN106897543B (zh) 模态柔度曲率矩阵范数的梁结构损伤识别方法
CN106055729B (zh) 一种基于蒙特卡洛仿真的故障树分析方法
CN110501169A (zh) 车辆故障的诊断方法、装置及电子设备
CN107729621B (zh) 一种静力学模型的验证工具
CN107622801A (zh) 疾病概率的检测方法和装置
CN115577808A (zh) 基于多源信息融合的水电机组健康状态评价方法及系统
CN111768022A (zh) 煤机生产设备的设备检测方法及装置
CN115130912A (zh) 一种建筑物料智能管理方法、系统及存储介质
CN113255222B (zh) 一种腔体滤波器的智能辅助调试方法及装置
CN112597435B (zh) 基于设备监理的火电设备质量数据处理方法及装置
CN115170001B (zh) 改进型肯特指数法的桥梁施工风险评估方法
CN106407488B (zh) 发动机失效风险评估方法和系统
CN104484740B (zh) 一种核电站数字化控制系统响应时间测试的置信度分析方法
CN113313304A (zh) 一种基于大数据决策树的电网事故异常分析方法及系统
CN112034139A (zh) 岩爆倾向性等级的判别方法、装置及电子设备
CN113033845B (zh) 一种电力传输资源共建共享的建设方法及装置
CN113642209B (zh) 基于数字孪生的结构植入故障响应数据获取及评判方法
CN114298226A (zh) 一种核电厂故障诊断方法、装置及其介质
CN114358091A (zh) 一种基于卷积神经网络的桩损伤识别方法、设备及介质
CN111881259A (zh) 一种基于文本挖掘的设备故障概率评估方法及系统
CN112184415A (zh) 数据处理方法、装置、电子设备和存储介质
CN109472083B (zh) 基于统计过程控制的土木工程结构损伤检测方法
CN116307184B (zh) 一种基于因果关系的空气污染治理效果评估方法
CN113434408B (zh) 一种基于测试预言的单元测试用例排序方法
CN106855841A (zh) 一种系统内存分析方法和装置

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