CN115311828A - 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 PDFInfo
- Publication number
- CN115311828A CN115311828A CN202211243681.5A CN202211243681A CN115311828A CN 115311828 A CN115311828 A CN 115311828A CN 202211243681 A CN202211243681 A CN 202211243681A CN 115311828 A CN115311828 A CN 115311828A
- Authority
- CN
- China
- Prior art keywords
- risk
- sluice
- signal
- soil
- state
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (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,具体涉及水利工程领域,用于解决现有对水闸脱空的监控常常仅利用单一的监测仪器对水闸附近土壤进行分析控制,对水闸附近的土壤状态监测常常存在不准确性和表面性,难以实现对水闸脱空风险的精准的监控的问题;包括数据采集单元、环境分析单元、状态分析单元、长期影响单元、直观反馈单元和显示终端;通过公式化的处理、归一化的分析以及信号整合输出的方式,对水闸附近土壤的状态进行分析处理,从而实现了对水闸脱空风险的等级划分,能够对水闸脱空进行精准监控。
Description
技术领域
本发明涉及水利工程技术领域,更具体地说,本发明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
水闸是修建在河道、堤防或河口上的重要水工建筑物,通过闸门启闭控制水位、调节流量,具有挡水和泄水的双重作用。而建于深厚软弱地基上的水闸,为提高地基承载力和减小沉降量,基础通常采用钻孔灌注桩处理,使其满足水闸上部结构安全要求,但由于刚性桩基础和地基软土层之间沉降变形不协调,往往造成地基土层与闸底板出现脱空现象,且处于水下隐蔽位置早期难以发现,直至在上下游水位差作用下形成连通的集中渗漏通道,给水闸的运行带来严重安全隐患。因此,对建于软弱地基上的水闸闸底板脱空情况进行实时监测,及时发现和消除安全隐患,确保水闸安全运行至关重要。
现有对水闸脱空的监控常常仅利用单一的监测仪器对水闸附近土壤进行分析控制,对水闸附近的土壤状态监测常常存在不准确性和表面性,难以实现对水闸脱空风险的精准的监控。
因此,本发明提出一种基于数字孪生的水下工程结构智能检测方法及系统来解决上述问题。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供基于数字孪生的水下工程结构智能检测方法及系统,通过公式化的处理、归一化的分析以及信号整合输出的方式,对水闸附近土壤的状态进行分析处理,从而实现了对水闸脱空风险的等级划分,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于数字孪生的水下工程结构智能检测方法,包括如下步骤:
步骤S20,获取水闸附近土壤的土壤压力差与土壤变形次数,并将其进行归一化分析,求得水闸附近各区域土壤的状态系数;
步骤S30,将水荷载影响系数与水闸附近各区域土壤的状态系数进行整合分析处理,据此生成零风险脱空信号、低风险脱空信号以及高风险脱空信号。
在一个优选的实施方式中,在步骤S30中,具体的整合分析处理的操作步骤如下:
步骤S32,将水荷载影响系数W带入梯度参照值RV1与RV2中1进行比对分析:
当水荷载影响系数W大于RV1时,则生成高风险等级水荷载信号;
当水荷载影响系数W大于RV2小于RV1时,则生成低风险等级水荷载信号;
当水荷载影响系数W小于RV2时,则生成零风险等级水荷载信号;
步骤S34,采集分析同一土壤区域的水荷载影响风险信号以及自身状态风险信号:
若同一土壤区域水荷载影响风险信号以及自身状态风险信号均为零风险等级信号,则生成零风险脱空信号;
若水荷载影响风险信号以及自身状态风险信号一个为零风险等级信号,另一个为低风险等级信号,则生成低风险脱空信号;
其他情况下,则生成高风险脱空信号。
在一个优选的实施方式中,在步骤S30后,还包括步骤S40:
统计水闸附近各土壤区域中零风险脱空信号、低风险脱空信号以及高风险脱空信号的数量和,生成水闸整体区域的状态信号。
在一个优选的实施方式中,在步骤S40中,具体的生成水闸整体区域的脱空风险状态步骤如下:
步骤S41,将零风险脱空信号、低风险脱空信号以及高风险脱空信号的数量和分别标定为S1、S2和S3,并将其进行数据比对分析;
若S1≥S2+S3时,则生成水闸整体区域状态良好信号;
若S1≥S2+S3时,则生成水闸整体区域状态差信号。
在一个优选的实施方式中,在步骤S40后,还包括步骤S50;
在水闸整体区域状态良好的土壤区域上根据对水闸脱空具有长期累积效应的影响因素进行定向评估分析处理。
在一个优选的实施方式中,在步骤S50中,对水闸脱空具有长期累积效应的影响因素进行定向评估分析处理具体步骤如下:
步骤S51,获取水闸附近区域一段时间内的降雨量以及土地温度;
步骤S52,分别设置降雨量以及土地温度的标准阈值TH1和TH2,
获得某一段时间内的降雨量浮动系数;
获得某一段时间内的土地温度浮动系数;
式中,k={1,2,3……m},需要说明的是,k表示为未来某一阶段的单位时间,为该阶段时间内的降雨量浮动系数,为该阶段时间内的降雨总量,为该阶段时间内的土地温度浮动系数,为该阶段时间内的土地平均温度;
基于数字孪生的水下工程结构智能检测系统,用于实现上述任意所述的基于数字孪生的水下工程结构智能检测方法,包括数据采集单元、环境分析单元、状态分析单元、长期影响单元、直观反馈单元和显示终端;
所述数据采集单元,用于采集水闸自身所处的环境信息、水闸自身的状态信息以及采集对水闸脱空具有长期累积效应的影响因素数据,并将其分别发送至环境分析单元、状态分析单元以及长期影响单元;
所述环境分析单元,用于对接收的水闸自身所处的环境信息进行选地定向评估分析处理,并结合状态分析单元的评估分析生成零风险脱空信号、低风险脱空信号以及高风险脱空信号,并将生成的零风险脱空信号、低风险脱空信号以及高风险脱空信号均发送至直观反馈单元;
所述状态分析单元,用于对接收的水闸自身的状态信息进行选地定向评估分析处理,并结合环境分析单元的评估分析生成零风险脱空信号、低风险脱空信号以及高风险脱空信号,并将生成的零风险脱空信号、低风险脱空信号以及高风险脱空信号均发送至直观反馈单元;
所述直观反馈单元,用于统计水闸附近土壤各零风险脱空信号、低风险脱空信号以及高风险脱空信号的全部数量并得出水闸整体区域的状态信号,并将其发送至显示终端进行显示;
所述长期影响单元,用于对水闸脱空具有长期累积效应的影响因素进行选地定向评估分析处理,评估分析生成提示预警信号,并将其发送至显示终端进行显示;
所述显示终端,用于显示水闸附近各土壤区域的采集的数据信息与分析评估得出的各区域和整体状态信号。
本发明的技术效果和优点:
1、本发明通过采集水闸附近土壤环境信息与状态信息并进行选地定向评估分析,利用公式化的处理、归一化的分析以及信号整合输出的方式,对水闸附近土壤状态进行准确的分析,据此输出水闸附近土壤的风险等级,从而在实现水闸脱离风险等级明确划分的同时,也为根据水闸附近土壤状态进行高效且科学的管理奠定了基础;
2、本发明将水闸附近土壤划分为若干个区域,能够准确摸清水闸附近各土壤区域的自身状态,并根据整体的评估分析,能够对水闸整体发生大面积脱空的风险进行评估,从而便于后续整体或单独分析;
3、本发明在水闸附近土壤状态风险较小的情况下,分析了需要长时间累计的影响因素,判断了长时间累计因素在未来某段时间内对水闸附近土壤环境的影响危害大小,便于工作人员对水闸进行预期管理。
附图说明
图1为本发明的基于数字孪生的水下工程结构智能检测系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
数字孪生为充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程。本发明中,构建水闸及其附近土壤的物理模型,并采集多项数据对水闸脱空进行分析。
实施例1
本发明基于数字孪生的水下工程结构智能检测系统,如图1所示,其包括数据采集单元、环境分析单元、状态分析单元、长期影响单元、直观反馈单元和显示终端;
数据采集单元用于采集水闸自身所处的环境信息与水闸自身的状态信息,并将其分别发送至环境分析单元与状态分析单元。其中,水闸自身所处的环境信息为水闸自身所处的环境信息,包括土壤湿润度量值、渗透率值以及板结量值。
需要说明的是,土壤湿润度量值指的是土壤含水量占干图中的百分数的数据量值,当土壤湿润度量值的表现数值越大时,则越说明土壤中含水量越大,土壤的湿润度越高;渗透率值指的是单位体积的水渗透单位面积土壤的速度量值,当渗透率值的表现数值越大时,则说明土壤的被渗透越快;板结量值指的是单位体积中土壤粘结成块的占比的数据量值,当板结量值的表现数值越大时,则越说明土壤中含有的粘结块状土壤越多,其也表明了土壤的松散程度越差。
土壤的湿润度、渗水量速率以及板结量值均会对水闸基底产生一定的影响。在水荷载作用下,水闸基底会产生一定量的变形,水荷载作用越大,形变程度越大,而土壤的湿润度、渗水量速率以及板结量值均会影响水荷载作用。
当环境分析单元接收到数据采集单元采集的水闸自身所处的环境信息时,根据该信息对水闸所处的环境进行定向评估分析处理,具体分析过程如下:
将水闸自身所处的土壤区域划分为n个区域,其中,n为大于等于1的正整数,分别获取n个土壤区域的土壤湿润度量值、渗透率值和板结量值,并将其分别标定为、、sh。并将其进行公式化分析,依据公式求得水闸附近各土地区域的水荷载影响系数W,具体公式如下:
需要说明的是,水荷载影响系数W的表现数值越大时,则越能说明水闸附近的土壤水载荷越大,环境状态越差,权重因子系数用于均衡各项数据在公式计算中的占比权重,从而促进计算结果的准确性。
水荷载造成的水闸基底变形,在水位降低时,仍会残留一定的塑性变形而不能恢复原状,导致虽然每次塑性变形量很小,但经多次累积后会逐渐变大。因此,数据采集单元采集的水闸自身的状态信息包括土壤压力差与土壤变形次数,并将其分别标定为E和N,并将其进行归一化分析,依据公式:
需要说明的是,土壤压力差为水闸底部与土地表面的土压力大小,通过二者的压力差大小,判断土壤压力差,具体的,本发明采用土压传感器采集二者土压力。土壤变形次数为水闸区域土壤水荷载影响系数W超过土壤水荷载影响系数额定阈值的系数,当超过土壤水荷载影响系数额定阈值时,说明水闸附近土壤水载荷力已超出额定计划内,会使水闸基底会产生一定量的变形,因此记录超过土壤水荷载影响系数额定阈值的系数的次数即可记录壤变形次数。
将水荷载影响系数W带入梯度参照值RV1与RV2中1进行比对分析:
当水荷载影响系数W大于RV1时,则生成高风险等级水荷载信号;
当水荷载影响系数W大于RV2小于RV1时,则生成低风险等级水荷载信号;
当水荷载影响系数W小于RV2时,则生成零风险等级水荷载信号。
同时,采集分析同一土壤区域的水荷载影响风险信号以及自身状态风险信号,若同一土壤区域水荷载影响风险信号以及自身状态风险信号均为零风险等级信号,则说明该土壤区域土壤状态良好,无脱空情况且脱空发生概率小;若水荷载影响风险信号以及自身状态风险信号一个为零风险等级信号,另一个为低风险等级信号,则说明该土壤区域存在一定的脱空风险,其他情况下,则说明该土壤脱空风险较大,需要对其进行补救维护,即分别生成零风险脱空信号、低风险脱空信号以及高风险脱空信号。
进一步的,由于本发明将水闸附近区域划分为多个土壤区域,因此,能够确定每个区域的土壤情况,同时直观反馈单元通过分别统计n个区域中零风险脱空信号、低风险脱空信号以及高风险脱空信号的数量和,能反应水闸附近整体区域的土壤状态。
详细的,将零风险脱空信号、低风险脱空信号以及高风险脱空信号的数量和分别标定为S1、S2和S3,并将其进行数据比对分析:
若S1≥S2+S3时,则说明水闸附近土壤整体状态良好,此时直观反馈单元生成水闸状态良好信号,并将水闸状态良好信号发送至长期影响单元;
若S1≥S2+S3时,则说明水闸附近土壤整体状态差,需要对其进行尽快修补,此时无需再根据长时间的影响因素对水闸附近进行预测分析。
当长期影响单元接收到水闸状态良好信号时,并据此对该水闸附近土壤状态进行进一步评估分析处理,具体的操作过程如下:
数据采集单元采集对水闸脱空具有长期累积效应的影响因素的数据,包括未来某段时间的降雨量以及未来某段时间的土地温度,此二者的数据难以直接对水闸造成直接影响,需要一段时间的累积效应才能对水闸的脱空产生影响,其中,降雨量主要对土地湿润度、板结程度造成影响,土地温度长期作用下会使水闸混凝土板发生形变从而产生脱空。未来某段时间的降雨量以及未来某段时间的土地温度均可根据气象局发布的气象信息进行归纳总结获得。
本发明长期影响单元分别设置降雨量以及土地温度的标准阈值TH1和TH2,根据公式:,获得某一段时间内的降雨量浮动系数,并根据公式:,获得某一段时间内的土地温度浮动系数;式中,k={1,2,3……m},需要说明的是,k表示为未来某一阶段的单位时间,为该阶段时间内的降雨量浮动系数,为该阶段时间内的降雨总量,为该阶段时间内的土地温度浮动系数,为该阶段时间内的土地平均温度,从而对水闸附近土壤状态在未来某一单位时间的状态进行预测研究。
进一步的,本发明长期影响单元分别设置降雨量浮动系数与土地温度浮动系数的浮动参考值C1与C2,比将其进行比对,若降雨量浮动系数大于浮动参考值C1,且该阶段时间内的降雨总量大于降雨量标准阈值,则说明水闸附近土地状态在该段时间内会受到降雨量影响导致状态恶化,此时长期影响单元则生成该阶段时间内的降雨量提示预警信号,并将该降雨量提示预警信号发送至显示终端进行显示。
不同的是,土地温度的变化会引起水闸混凝土板向上或向下的挠曲,加速了混凝土板与水闸基础的分离,使混凝土板局部范围内不再与基础保持连续接触,即板下局部出现了脱空,因此只需考虑土地温度的浮动即可,无需考虑该阶段时间内的土地平均温度与土地稳定标准阈值之间的大小,即若土地温度浮动系数大于浮动参考值C2,则说明水闸附近土地状态在该段时间内会受到外界影响导致状态恶化,此时长期影响单元则生成该阶段时间内的土地温度提示预警信号,并将该土地温度提示预警信号发送至显示终端进行显示。
显示终端用于显示水闸附近各土壤区域的采集的数据信息与分析评估得出的各区域和整体状态信号。
实施例2
本发明实施例2与实施例1的区别在于,上述实施例1主要介绍了本发明系统内部单元结构,本实施例重点介绍基于数字孪生的水下工程结构智能检测方法,具体如下:
数据采集单元采集水闸自身所处的环境信息与水闸自身的状态信息,并将其分别发送至环境分析单元与状态分析单元,环境分析单元与状态分析单元分别对接收的水闸自身所处的环境信息与水闸自身的状态信息进行评估分析处理,当S1≥S2+S3时,直观反馈单元生成水闸状态良好信号,并将水闸状态良好信号发送至长期影响单元,分析具有累积效应的影响因素对水闸脱空的影响;具体方法如下:
通过气象局发布的气象信息实时获取未来各单位时间内的水闸附近土壤区域的降雨量与土地温度,并对降雨量进行加和分析,对土地温度进行均值分析。并将其与标准阈值TH1和TH2进行比较,从而分析得出水闸附近土壤在未来某段时间内是否存在一定的风险。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
如公式:
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数;将设定的权重因子系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到、、取值:=1.516,=1.913,=1.243。
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数;只要不影响参数与量化后数值的比例关系即可。
本发明在使用时,通过采集水闸附近土壤环境信息与状态信息并进行选地定向评估分析,利用公式化的处理、归一化的分析以及信号整合输出的方式,对水闸附近土壤状态进行准确的分析,据此输出水闸附近土壤的风险等级,从而在实现水闸脱离风险等级明确划分的同时,也为根据水闸附近土壤状态进行高效且科学的管理奠定了基础;
同时,本发明将水闸附近土壤划分为若干个区域,能够准确摸清水闸附近各土壤区域的自身状态,并根据整体的评估分析,能够对水闸整体发生大面积脱空的风险进行评估,从而便于后续整体或单独分析。
最后本发明在水闸附近土壤状态风险较小的情况下,分析了需要长时间累计的影响因素,判断了长时间累计因素在未来某段时间内对水闸附近土壤环境的影响危害大小,便于工作人员对水闸进行预期管理。
上述实施例,可以全部或部分地通过软件、硬件、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。
本领域普通技术人员可以意识到,结合本文中所公开的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申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,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。
最后: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,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 (6)
1.基于数字孪生的水下工程结构智能检测方法,其特征在于,包括如下步骤:
步骤S20,获取水闸附近土壤的土壤压力差与土壤变形次数,并将其进行归一化分析,求得水闸附近各区域土壤的状态系数;
步骤S30,将水荷载影响系数与水闸附近各区域土壤的状态系数进行整合分析处理,据此生成零风险脱空信号、低风险脱空信号以及高风险脱空信号;
在步骤S30中,具体的整合分析处理的操作步骤如下:
步骤S32,将水荷载影响系数W带入梯度参照值RV1与RV2中1进行比对分析:
当水荷载影响系数W大于RV1时,则生成高风险等级水荷载信号;
当水荷载影响系数W大于RV2小于RV1时,则生成低风险等级水荷载信号;
当水荷载影响系数W小于RV2时,则生成零风险等级水荷载信号;
步骤S34,采集分析同一土壤区域的水荷载影响风险信号以及自身状态风险信号:
若同一土壤区域水荷载影响风险信号以及自身状态风险信号均为零风险等级信号,则生成零风险脱空信号;
若水荷载影响风险信号以及自身状态风险信号一个为零风险等级信号,另一个为低风险等级信号,则生成低风险脱空信号;
其他情况下,则生成高风险脱空信号。
2.根据权利要求1所述的基于数字孪生的水下工程结构智能检测方法,其特征在于:在步骤S30后,还包括步骤S40;
统计水闸附近各土壤区域中零风险脱空信号、低风险脱空信号以及高风险脱空信号的数量和,生成水闸整体区域的状态信号。
3.根据权利要求2所述的基于数字孪生的水下工程结构智能检测方法,其特征在于:在步骤S40中,具体的生成水闸整体区域的脱空风险状态步骤如下:
步骤S41,将零风险脱空信号、低风险脱空信号以及高风险脱空信号的数量和分别标定为S1、S2和S3,并将其进行数据比对分析;
若S1≥S2+S3时,则生成水闸整体区域状态良好信号;
若S1≥S2+S3时,则生成水闸整体区域状态差信号。
4.根据权利要求2所述的基于数字孪生的水下工程结构智能检测方法,其特征在于:在步骤S40后,还包括步骤S50;
在水闸整体区域状态良好的土壤区域上根据对水闸脱空具有长期累积效应的影响因素进行定向评估分析处理。
5.根据权利要求4所述的基于数字孪生的水下工程结构智能检测方法,其特征在于:在步骤S50中,对水闸脱空具有长期累积效应的影响因素进行定向评估分析处理具体步骤如下:
步骤S51,获取水闸附近区域一段时间内的降雨量以及土地温度;
步骤S52,分别设置降雨量以及土地温度的标准阈值TH1和TH2,
获得某一段时间内的降雨量浮动系数;
获得某一段时间内的土地温度浮动系数;
式中,k={1,2,3……m},需要说明的是,k表示为未来某一阶段的单位时间,为该阶段时间内的降雨量浮动系数,为该阶段时间内的降雨总量,为该阶段时间内的土地温度浮动系数,为该阶段时间内的土地平均温度;
6.基于数字孪生的水下工程结构智能检测系统,用于实现上述权利要求1-5任一项所述的基于数字孪生的水下工程结构智能检测方法,其特征在于:包括数据采集单元、环境分析单元、状态分析单元、长期影响单元、直观反馈单元和显示终端;
所述数据采集单元,用于采集水闸自身所处的环境信息、水闸自身的状态信息以及采集对水闸脱空具有长期累积效应的影响因素数据,并将其分别发送至环境分析单元、状态分析单元以及长期影响单元;
所述环境分析单元,用于对接收的水闸自身所处的环境信息进行选地定向评估分析处理,并结合状态分析单元的评估分析生成零风险脱空信号、低风险脱空信号以及高风险脱空信号,并将生成的零风险脱空信号、低风险脱空信号以及高风险脱空信号均发送至直观反馈单元;
所述状态分析单元,用于对接收的水闸自身的状态信息进行选地定向评估分析处理,并结合环境分析单元的评估分析生成零风险脱空信号、低风险脱空信号以及高风险脱空信号,并将生成的零风险脱空信号、低风险脱空信号以及高风险脱空信号均发送至直观反馈单元;
所述直观反馈单元,用于统计水闸附近土壤各零风险脱空信号、低风险脱空信号以及高风险脱空信号的全部数量并得出水闸整体区域的状态信号,并将其发送至显示终端进行显示;
所述长期影响单元,用于对水闸脱空具有长期累积效应的影响因素进行选地定向评估分析处理,评估分析生成提示预警信号,并将其发送至显示终端进行显示;
所述显示终端,用于显示水闸附近各土壤区域的采集的数据信息与分析评估得出的各区域和整体状态信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211243681.5A CN115311828B (zh) | 2022-10-12 | 2022-10-12 | 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 |
---|---|---|---|
CN202211243681.5A CN115311828B (zh) | 2022-10-12 | 2022-10-12 | 基于数字孪生的水下工程结构智能检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115311828A true CN115311828A (zh) | 2022-11-08 |
CN115311828B CN115311828B (zh) | 2023-02-03 |
Family
ID=83867663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211243681.5A Active CN115311828B (zh) | 2022-10-12 | 2022-10-12 | 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) | CN115311828B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879772A (zh) * | 2023-02-21 | 2023-03-31 | 达濠市政建设有限公司 | 一种工业矿渣配合水泥处治滨海深厚软土地基的方法 |
CN116029116A (zh) * | 2022-12-28 | 2023-04-28 | 广东电网有限责任公司湛江供电局 | 一种智能变电站智慧管控数字孪生系统 |
CN116150580A (zh) * | 2023-04-17 | 2023-05-23 | 中国水利水电科学研究院 | 一种数字孪生流域数据底板的数据资源评价方法 |
CN116384743A (zh) * | 2023-03-29 | 2023-07-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
CN117035506A (zh) * | 2023-07-28 | 2023-11-10 | 山东黄河河务局供水局 | 一种黄河水闸安全状态的评估系统及评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016038643A (ja) * | 2014-08-05 | 2016-03-22 | 行政院環境保護署 | 工場環境リスクソーティング方法 |
CN113031562A (zh) * | 2021-03-05 | 2021-06-25 | 北京新桥技术发展有限公司 | 一种用于独柱墩桥通行货运车辆的隐患风险预警方法 |
CN114819588A (zh) * | 2022-04-20 | 2022-07-29 | 南京同筑盛世信息科技有限公司 | 基于物联网融合5g的施工风险监测调控系统 |
CN114967798A (zh) * | 2022-04-29 | 2022-08-30 | 雷山县方祥乡世章天麻开发有限公司 | 一种基于互联网的天麻种植管理控制系统 |
CN115014272A (zh) * | 2022-05-31 | 2022-09-06 | 河海大学 | 一种基于物联网的堤坝智能监测装置及安装和监测方法 |
-
2022
- 2022-10-12 CN CN202211243681.5A patent/CN115311828B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016038643A (ja) * | 2014-08-05 | 2016-03-22 | 行政院環境保護署 | 工場環境リスクソーティング方法 |
CN113031562A (zh) * | 2021-03-05 | 2021-06-25 | 北京新桥技术发展有限公司 | 一种用于独柱墩桥通行货运车辆的隐患风险预警方法 |
CN114819588A (zh) * | 2022-04-20 | 2022-07-29 | 南京同筑盛世信息科技有限公司 | 基于物联网融合5g的施工风险监测调控系统 |
CN114967798A (zh) * | 2022-04-29 | 2022-08-30 | 雷山县方祥乡世章天麻开发有限公司 | 一种基于互联网的天麻种植管理控制系统 |
CN115014272A (zh) * | 2022-05-31 | 2022-09-06 | 河海大学 | 一种基于物联网的堤坝智能监测装置及安装和监测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029116A (zh) * | 2022-12-28 | 2023-04-28 | 广东电网有限责任公司湛江供电局 | 一种智能变电站智慧管控数字孪生系统 |
CN116029116B (zh) * | 2022-12-28 | 2023-10-10 | 广东电网有限责任公司湛江供电局 | 一种智能变电站智慧管控数字孪生系统 |
CN115879772A (zh) * | 2023-02-21 | 2023-03-31 | 达濠市政建设有限公司 | 一种工业矿渣配合水泥处治滨海深厚软土地基的方法 |
CN116384743A (zh) * | 2023-03-29 | 2023-07-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
CN116384743B (zh) * | 2023-03-29 | 2024-01-19 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于生态数据分析的植物生长风险评估系统 |
CN116150580A (zh) * | 2023-04-17 | 2023-05-23 | 中国水利水电科学研究院 | 一种数字孪生流域数据底板的数据资源评价方法 |
CN117035506A (zh) * | 2023-07-28 | 2023-11-10 | 山东黄河河务局供水局 | 一种黄河水闸安全状态的评估系统及评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115311828B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311828B (zh) | 基于数字孪生的水下工程结构智能检测方法及系统 | |
CN112287608A (zh) | 一种基于模糊综合评价的大坝安全预测系统及方法 | |
CN108304967A (zh) | 降雨-流量-水位耦合插值求解山洪灾害临界雨量的方法 | |
Zhou et al. | Urban flood risk assessment using storm characteristic parameters sensitive to catchment-specific drainage system | |
Burgan et al. | Annual flow duration curve model for ungauged basins | |
CN115311821A (zh) | 一种基于数字孪生技术的地质灾害智能监测云平台 | |
CN108920429A (zh) | 一种水位动态监测的异常数据分析方法 | |
Katipoğlu et al. | Spatio-temporal analysis of meteorological and hydrological droughts in the Euphrates Basin, Turkey | |
Zhou et al. | Predicting debris-flow clusters under extreme rainstorms: a case study on Hong Kong Island | |
CN102864766A (zh) | 基于标准贯入和静力触探试验相关关系的液化判别方法 | |
CN117113236B (zh) | 一种智慧城市监控系统及数据处理方法 | |
Todisco et al. | Practical thresholds to distinguish erosive and rill rainfall events | |
CN109726485A (zh) | 混凝土坝点真实应力可靠度预测分析方法及装置 | |
Hoffmann et al. | Development of regionalized hydrological models in an area with short hydrological observation series | |
Teegavarapu | Changes and trends in precipitation extremes and characteristics: Links to climate variability and change | |
CN116972820A (zh) | 基于地理空间信息数据测绘的数据采集系统 | |
CN113128098A (zh) | 基于de-lof的混凝土坝奇异值检测方法和设备 | |
CN106228021A (zh) | 农田风蚀量预测模型及风蚀量预测方法 | |
Wilkinson et al. | A multi-scale nested experiment for understanding flood wave generation across four orders of magnitude of catchment area | |
CN117236771A (zh) | 一种基于大数据技术的工程质量检测评估系统及方法 | |
CN110390149B (zh) | 一种基于物源聚集量的强震区泥石流活动性预测方法 | |
Wu et al. | Modeling error learning based post-processor framework for hydrologic models accuracy improvement | |
Langat et al. | A comparative flood frequency analysis of high-flow between annual maximum and partial duration series at Sungai Langat Basin | |
CN113589404A (zh) | 一种场次暴雨径流量预测方法 | |
CN105158502A (zh) | 一种用于环境流量估算方法中的流速测量装置 |
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 |