CN115793516A - 一种智能桥梁移动检测的控制系统和方法 - Google Patents
一种智能桥梁移动检测的控制系统和方法 Download PDFInfo
- Publication number
- CN115793516A CN115793516A CN202211363680.4A CN202211363680A CN115793516A CN 115793516 A CN115793516 A CN 115793516A CN 202211363680 A CN202211363680 A CN 202211363680A CN 115793516 A CN115793516 A CN 115793516A
- Authority
- CN
- China
- Prior art keywords
- bridge
- data
- impact
- load data
- coefficient
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种智能桥梁移动检测的控制系统和方法，涉及桥梁移动检测技术领域，解决了现有技术基于单一时序数据获取桥梁冲击系数，无法保证桥梁冲击系数的合理性，以及无法根据桥梁冲击系数准确反应桥梁整体状态的技术问题；本发明通过移动检测装置进行往复移动来获取目标桥梁的动载数据和静载数据，基于多时序的动载数据和静载数据计算目标桥梁各位置的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，将桥梁冲击曲线和冲击标准曲线进行对比来识别出目标桥梁的异常；本发明通过静载数据和动载数据获取桥梁冲击系数，提高了桥梁冲击系数的准确性，且通过桥梁冲击曲线与冲击标准曲线比较判断目标桥梁状态，能够实现对目标桥梁的整体检测评估。
Description
技术领域
本发明属于桥梁移动检测领域，涉及桥梁移动检测的智能控制技术，具体是一种智能桥梁移动检测的控制系统和方法。
背景技术
随着桥梁服役时间的增加，其材料性能逐渐退化，再加上负荷超载等不利因素，导致桥梁的健康状态越来越严峻。而桥梁一旦发生事故就会造成巨大的财产损失，甚至可能会造成人员伤亡，因此对桥梁进行有效检测非常重要。
现有技术(申请号为2022107485281的发明专利)公开了一种桥梁冲击系数测量装置及方法，通过桥梁冲击系数测量装置采集竖向振动加速度、相对位移以及桥梁静扰度，基于这些数据来确定桥梁冲击系数，能够降低测量成本以及提高测量效率。现有技术在桥梁移动检测过程中，通过单一时序数据来计算桥梁冲击系数，无法保证桥梁冲击系数的合理性，且根据获取的桥梁冲击系数也无法合理评估桥梁的整体状态；因此，亟须一种智能桥梁移动检测的控制系统和方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种智能桥梁移动检测的控制系统和方法，用于解决现有技术基于单一时序数据获取桥梁冲击系数，无法保证桥梁冲击系数的合理性，以及无法根据桥梁冲击系数准确反应桥梁整体状态的技术问题。
为实现上述目的，本发明的第一方面提供了一种智能桥梁移动检测的控制系统，包括中枢分析模块，以及与之相连接的边缘控制模块和智能终端；且边缘控制模块内置于移动检测装置，用于控制移动检测装置；
边缘控制模块控制移动检测装置采集目标桥梁完整的动载数据和静载数据，对数据进行数据预处理之后转发至中枢分析模块；其中，动载数据通过动载测试获取，静载数据通过静载测试获取；
中枢分析模块基于多时序的动载数据和静载数据计算目标桥梁的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，与冲击标准曲线进行比较分析目标桥梁状态；其中，冲击标准曲线与目标桥梁的年限相关。
优选的，所述中枢分析模块分别与边缘控制模块和智能终端通信和/或电气连接；其中，智能终端用于展示桥梁检测数据，包括手机或者电脑；
所述边缘控制模块包括控制器，用于控制移动检测装置；所述移动检测装置内置有用于桥梁检测的若干类型传感器，且能够在检测过程中移动。
优选的，对目标桥梁进行动载测试和静载测试，并在测试过程中，所述边缘控制模块控制移动检测装置在目标桥梁上往复移动采集数据；
测试结束之后，边缘控制模块将动载测试过程中往复移动采集的数据均值作为动载数据，以及将静载测试过程中往复移动采集的数据均值作为静载数据。
优选的，所述动载数据为最大动扰度，静载数据为最大静扰度；所述中枢分析模块基于动载数据和静载数据计算获取桥梁冲击系数，包括：
求动载数据和静载数据的多时序均值，分别记为动扰均值DJ和静扰均值JJ；
通过公式QCX＝DJ/JJ+ψ计算获取目标桥梁各位置的桥梁冲击系数QCX；其中，ψ为测试误差，且ψ根据实际经验设定。
优选的，所述动载数据包括自振频率、桥梁振型、阻尼比以及对应的环境数据，所述静载数据包括变形数据和应力数据；所述中枢分析模块基于动载数据和静载数据计算桥梁冲击系数，包括：
根据目标桥梁的年限设置动载系数和静载系数；其中，动载系数和静载系数之和为1，且目标桥梁年限越久，动载系数越大；
将动载系数与动载数据匹配拼接，将静载系数与静载数据匹配拼接；二者匹配拼接之后再拼接生成模型输入数据；
将目标桥梁各位置的模型输入数据输入至数据分析模型获取对应的桥梁冲击系数；其中，数据分析模型基于人工智能模型训练获取。
优选的，基于人工智能模型训练获取数据分析模型，包括：
对目标桥梁进行模拟，获取标准训练数据；其中，标准训练数据包括标准输入数据和对应的标准输出数据，且标准输入数据与模型输入数据内容属性一致；
通过标准训练数据训练人工智能模型，将训练完成的人工智能模型标记为数据分析模型；其中，人工智能模型包括BP神经网络模型或RBF神经网络模型。
优选的，所述中枢分析模块基于桥梁冲击系数构建桥梁冲击曲线，并基于桥梁冲击曲线分析目标桥梁的整体状态，包括：
获取目标桥梁各位置的桥梁冲击系数；从目标桥梁一侧为基准，以桥梁冲击系数的位置为自变量，以桥梁冲击系数为因变量建立桥梁冲击曲线；
分析桥梁冲击曲线与冲击标准曲线的差别，根据差别来评估目标桥梁各位置的状态，以及通过智能终端进行预警。
本发明的第二方面提供了一种智能桥梁移动检测的控制方法，包括：
边缘控制模块控制移动检测装置采集目标桥梁完整的动载数据和静载数据，对数据进行数据预处理之后转发至中枢分析模块；其中，动载数据通过动载测试获取，静载数据通过静载测试获取；
中枢分析模块基于多时序的动载数据和静载数据计算目标桥梁的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，与冲击标准曲线进行比较分析目标桥梁状态；其中，冲击标准曲线与目标桥梁的年限相关。
与现有技术相比，本发明的有益效果是：本发明通过移动检测装置进行往复移动来获取目标桥梁的动载数据和静载数据，基于多时序的动载数据和静载数据计算目标桥梁各位置的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，将桥梁冲击曲线和冲击标准曲线进行对比来识别出目标桥梁的异常。本发明通过静载数据和动载数据获取桥梁冲击系数，提高了桥梁冲击系数的准确性，而且通过桥梁冲击曲线与冲击标准曲线比较判断目标桥梁状态，能够实现对目标桥梁的整体检测评估。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
请参阅图1，本发明第一方面实施例提供了一种智能桥梁移动检测的控制系统，包括中枢分析模块，以及与之相连接的边缘控制模块和智能终端；且边缘控制模块内置于移动检测装置，用于控制移动检测装置；边缘控制模块控制移动检测装置采集目标桥梁完整的动载数据和静载数据，对数据进行数据预处理之后转发至中枢分析模块；其中，动载数据通过动载测试获取，静载数据通过静载测试获取；中枢分析模块基于多时序的动载数据和静载数据计算目标桥梁的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，与冲击标准曲线进行比较分析目标桥梁状态；其中，冲击标准曲线与目标桥梁的年限相关。
现有技术在进行桥梁移动检测时，一般是根据计算桥梁某位置的桥梁冲击系数来评估桥梁状态，无法对桥梁整体进行分析评估；而且在计算桥梁冲击系数时考虑的参数较为单一，无法保证桥梁冲击系数的准确性，进而无法保证桥梁检测结果的准确性。
本发明通过移动检测装置进行往复移动来获取目标桥梁的动载数据和静载数据，基于多时序的动载数据和静载数据计算目标桥梁各位置的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，将桥梁冲击曲线和冲击标准曲线进行对比来识别出目标桥梁的异常。本发明通过静载数据和动载数据获取桥梁冲击系数，提高了桥梁冲击系数的准确性，而且通过桥梁冲击曲线与冲击标准曲线比较判断目标桥梁状态，能够实现对目标桥梁的整体检测评估。
本发明中中枢分析模块分别与边缘控制模块和智能终端通信和/或电气连接；其中，智能终端用于展示桥梁检测数据，包括手机或者电脑；边缘控制模块包括控制器，用于控制移动检测装置；移动检测装置内置有用于桥梁检测的若干类型传感器，且能够在检测过程中移动。
移动检测装置能够在桥梁上移动，而且携带有获取动载数据和静载数据的各类型传感器；移动控制装置内置的控制器来控制其移动；无论是在静载测试中还是在动载测试中，移动控制装置均需要沿着目标桥梁进行至少一次完整的往复移动，以保证静载数据或者动载数据的完整性以及可靠性。移动检测装置的具体结构可参考申请号为201921913195.3的实用新型专利，该专利公开了一种便携式桥梁移动检测装置。
在一个优选的实施例中，对目标桥梁进行动载测试和静载测试，并在测试过程中，边缘控制模块控制移动检测装置在目标桥梁上往复移动采集数据；测试结束之后，边缘控制模块将动载测试过程中往复移动采集的数据均值作为动载数据，以及将静载测试过程中往复移动采集的数据均值作为静载数据。
设置好中枢分析模块、边缘控制模块以及移动检测装置之后，对目标桥梁进行动载测试和静载测试。动载测试和静载测试的各数据根据桥梁测试相关标准设置。测试开始之后，移动检测装置沿着目标桥梁采集各位置的静载数据或者动载数据，在至少一个往复移动之后，将采集静载数据或者动载数据按照位置进行归类，并计算各位置数据的均值作为对应位置的静载数据或者动载数据。通过往复移动以及数据均值来确定动载数据和静载数据，能够有效避免异常数值对整体的影响，为下一步数据处理奠定基础。
在一个可选的实施例中，动载数据为最大动扰度，静载数据为最大静扰度；中枢分析模块基于动载数据和静载数据计算获取桥梁冲击系数，包括：求动载数据和静载数据的多时序均值，分别记为动扰均值DJ和静扰均值JJ；通过公式QCX＝DJ/JJ+ψ计算获取目标桥梁各位置的桥梁冲击系数QCX。
本发明中的多时序是指不同时间获取的数据，如两天获取的数据，或者两个季节获取的数据，通过多时序数据进一步降低异常值影响，还将环境引入纳入考虑范围，提高动载数据和静载数据的可靠性。通过各位置的动扰均值和静扰均值计算获取对应的桥梁冲击系数。需要说明的是，最大静扰度既可以测量获取，又可以通过公式最大静扰度＝(最大动扰度+最小动扰度)/2获取；ψ为测试误差，且ψ根据实际经验设定，一般情况下ψ可以设置为0。
在另外一个可选的实施例中，动载数据包括自振频率、桥梁振型、阻尼比以及对应的环境数据，静载数据包括变形数据和应力数据；中枢分析模块基于动载数据和静载数据计算桥梁冲击系数，包括：根据目标桥梁的年限设置动载系数和静载系数；将动载系数与动载数据匹配拼接，将静载系数与静载数据匹配拼接；二者匹配拼接之后再拼接生成模型输入数据；将目标桥梁各位置的模型输入数据输入至数据分析模型获取对应的桥梁冲击系数。
引入动载系数和静载系数，与动载数据和静载数据拼接起来生成模型输入数据。此时的动载数据和静载数据包含的类别很多，很难识别各自之间的关联关系，因此通过人工智能模型来计算对应的桥梁冲击系数。
一组模型输入数据包括动载系数、动载数据、静载系数和静载数据，每组模型输入数据中的静载数据和动载数据也是多时序情况下的均值。且目标桥梁每个位置均对应一组数据，因此模型输入数据可以将各位置对应的数据集合起来，通过数据分析模型可以直接获取各位置的桥梁冲击系数。
值得注意的是，动载系数和静载系数之和为1，且目标桥梁年限越久，动载系数越大；假设目标桥梁的检测年限为五十年，则第一个十年对应的动载系数和静载系数可以为0.2和0.8，第二个十年对应的动态系数和静载系数可以为0.4和0.6，依次类推。
基于人工智能模型训练获取数据分析模型，包括：对目标桥梁进行模拟，获取标准训练数据；其中，标准训练数据包括标准输入数据和对应的标准输出数据，且标准输入数据与模型输入数据内容属性一致；通过标准训练数据训练人工智能模型，将训练完成的人工智能模型标记为数据分析模型；其中，人工智能模型包括BP神经网络模型或RBF神经网络模型。当然，标准训练数据也可以从各种桥梁的测试数据中提取总结。
在一个优选的实施例中，中枢分析模块基于桥梁冲击系数构建桥梁冲击曲线，并基于桥梁冲击曲线分析目标桥梁的整体状态，包括：获取目标桥梁各位置的桥梁冲击系数；从目标桥梁一侧为基准，以桥梁冲击系数的位置为自变量，以桥梁冲击系数为因变量建立桥梁冲击曲线；分析桥梁冲击曲线与冲击标准曲线的差别，根据差别来评估目标桥梁各位置的状态，以及通过智能终端进行预警。
冲击标准曲线是根据设计和施工标准确定的桥梁各位置的桥梁冲击系数，将获取的桥梁冲击曲线与冲击标准曲线直接进行匹配对比，对相差较大的部分进行重点识别，能够有效识别出目标桥梁各位置的异常。
本发明第二方面实施例提供了一种智能桥梁移动检测的控制方法，包括：
边缘控制模块控制移动检测装置采集目标桥梁完整的动载数据和静载数据，对数据进行数据预处理之后转发至中枢分析模块；其中，动载数据通过动载测试获取，静载数据通过静载测试获取；
中枢分析模块基于多时序的动载数据和静载数据计算目标桥梁的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，与冲击标准曲线进行比较分析目标桥梁状态；其中，冲击标准曲线与目标桥梁的年限相关。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种智能桥梁移动检测的控制系统，包括中枢分析模块，以及与之相连接的边缘控制模块和智能终端；且边缘控制模块内置于移动检测装置，用于控制移动检测装置，其特征在于：
边缘控制模块控制移动检测装置采集目标桥梁完整的动载数据和静载数据，对数据进行数据预处理之后转发至中枢分析模块；其中，动载数据通过动载测试获取，静载数据通过静载测试获取；
中枢分析模块基于多时序的动载数据和静载数据计算目标桥梁的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，与冲击标准曲线进行比较分析目标桥梁状态；其中，冲击标准曲线与目标桥梁的年限相关。
2.根据权利要求1所述的一种智能桥梁移动检测的控制系统，其特征在于，所述中枢分析模块分别与边缘控制模块和智能终端通信和/或电气连接；其中，智能终端用于展示桥梁检测数据，包括手机或者电脑；
所述边缘控制模块包括控制器，用于控制移动检测装置；所述移动检测装置内置有用于桥梁检测的若干类型传感器，且能够在检测过程中移动。
3.根据权利要求2所述的一种智能桥梁移动检测的控制系统，其特征在于，对目标桥梁进行动载测试和静载测试，并在测试过程中，所述边缘控制模块控制移动检测装置在目标桥梁上往复移动采集数据；
测试结束之后，边缘控制模块将动载测试过程中往复移动采集的数据均值作为动载数据，以及将静载测试过程中往复移动采集的数据均值作为静载数据。
4.根据权利要求3所述的一种智能桥梁移动检测的控制系统，其特征在于，所述动载数据为最大动扰度，静载数据为最大静扰度；所述中枢分析模块基于动载数据和静载数据计算获取桥梁冲击系数，包括：
求动载数据和静载数据的多时序均值，分别记为动扰均值DJ和静扰均值JJ；
通过公式QCX＝DJ/JJ+ψ计算获取目标桥梁各位置的桥梁冲击系数QCX；其中，ψ为测试误差，且ψ根据实际经验设定。
5.根据权利要求3所述的一种智能桥梁移动检测的控制系统，其特征在于，所述动载数据包括自振频率、桥梁振型、阻尼比以及对应的环境数据，所述静载数据包括变形数据和应力数据；所述中枢分析模块基于动载数据和静载数据计算桥梁冲击系数，包括：
根据目标桥梁的年限设置动载系数和静载系数；其中，动载系数和静载系数之和为1，且目标桥梁年限越久，动载系数越大；
将动载系数与动载数据匹配拼接，将静载系数与静载数据匹配拼接；二者匹配拼接之后再拼接生成模型输入数据；
将目标桥梁各位置的模型输入数据输入至数据分析模型获取对应的桥梁冲击系数；其中，数据分析模型基于人工智能模型训练获取。
6.根据权利要求5所述的一种智能桥梁移动检测的控制系统，其特征在于，基于人工智能模型训练获取数据分析模型，包括：
对目标桥梁进行模拟，获取标准训练数据；其中，标准训练数据包括标准输入数据和对应的标准输出数据，且标准输入数据与模型输入数据内容属性一致；
通过标准训练数据训练人工智能模型，将训练完成的人工智能模型标记为数据分析模型；其中，人工智能模型包括BP神经网络模型或RBF神经网络模型。
7.根据权利要求4或6所述的一种智能桥梁移动检测的控制系统，其特征在于，所述中枢分析模块基于桥梁冲击系数构建桥梁冲击曲线，并基于桥梁冲击曲线分析目标桥梁的整体状态，包括：
获取目标桥梁各位置的桥梁冲击系数；从目标桥梁一侧为基准，以桥梁冲击系数的位置为自变量，以桥梁冲击系数为因变量建立桥梁冲击曲线；
分析桥梁冲击曲线与冲击标准曲线的差别，根据差别来评估目标桥梁各位置的状态，以及通过智能终端进行预警。
8.一种智能桥梁移动检测的控制方法，基于权利要求7所述的一种智能桥梁移动检测的控制系统运行，其特征在于，包括：
边缘控制模块控制移动检测装置采集目标桥梁完整的动载数据和静载数据，对数据进行数据预处理之后转发至中枢分析模块；其中，动载数据通过动载测试获取，静载数据通过静载测试获取；
中枢分析模块基于多时序的动载数据和静载数据计算目标桥梁的桥梁冲击系数；基于桥梁冲击系数构建桥梁冲击曲线，与冲击标准曲线进行比较分析目标桥梁状态；其中，冲击标准曲线与目标桥梁的年限相关。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211363680.4A CN115793516B (zh) | 2022-11-02 | 2022-11-02 | 一种智能桥梁移动检测的控制系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211363680.4A CN115793516B (zh) | 2022-11-02 | 2022-11-02 | 一种智能桥梁移动检测的控制系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115793516A true CN115793516A (zh) | 2023-03-14 |
| CN115793516B CN115793516B (zh) | 2023-09-15 |
Family
ID=85435025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211363680.4A Active CN115793516B (zh) | 2022-11-02 | 2022-11-02 | 一种智能桥梁移动检测的控制系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115793516B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017020172A (ja) * | 2015-07-07 | 2017-01-26 | 公益財団法人鉄道総合技術研究所 | 橋梁動的応答評価方法 |
| CN206479299U (zh) * | 2016-07-14 | 2017-09-08 | 交通运输部公路科学研究所 | 一种光电式桥梁挠度仪校准装置 |
| CN110132511A (zh) * | 2019-05-30 | 2019-08-16 | 山东省建筑科学研究院 | 一种基于动挠度衰减规律的桥梁结构监测评估方法 |
| CN110553809A (zh) * | 2019-08-29 | 2019-12-10 | 朔黄铁路发展有限责任公司 | 桥梁性能状态监测系统、方法和装置 |
| CN211368380U (zh) * | 2019-11-07 | 2020-08-28 | 合肥乃君智能科技有限公司 | 一种便携式桥梁移动检测装置 |
| CN114813018A (zh) * | 2022-06-29 | 2022-07-29 | 中铁大桥局集团有限公司 | 一种桥梁冲击系数测量装置及方法 |
| CN115270238A (zh) * | 2022-06-16 | 2022-11-01 | 浙江工业大学 | 基于动载的桥梁静力行为预测方法 |
-
2022
- 2022-11-02 CN CN202211363680.4A patent/CN115793516B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017020172A (ja) * | 2015-07-07 | 2017-01-26 | 公益財団法人鉄道総合技術研究所 | 橋梁動的応答評価方法 |
| CN206479299U (zh) * | 2016-07-14 | 2017-09-08 | 交通运输部公路科学研究所 | 一种光电式桥梁挠度仪校准装置 |
| CN110132511A (zh) * | 2019-05-30 | 2019-08-16 | 山东省建筑科学研究院 | 一种基于动挠度衰减规律的桥梁结构监测评估方法 |
| CN110553809A (zh) * | 2019-08-29 | 2019-12-10 | 朔黄铁路发展有限责任公司 | 桥梁性能状态监测系统、方法和装置 |
| CN211368380U (zh) * | 2019-11-07 | 2020-08-28 | 合肥乃君智能科技有限公司 | 一种便携式桥梁移动检测装置 |
| CN115270238A (zh) * | 2022-06-16 | 2022-11-01 | 浙江工业大学 | 基于动载的桥梁静力行为预测方法 |
| CN114813018A (zh) * | 2022-06-29 | 2022-07-29 | 中铁大桥局集团有限公司 | 一种桥梁冲击系数测量装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115793516B (zh) | 2023-09-15 |
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 | |
| CN108562821B (zh) | 一种基于Softmax确定配电网单相接地故障选线的方法及系统 | |
| CN111625988A (zh) | 基于深度学习的桥梁健康管理分析与预测系统及方法 | |
| CN116390137B (zh) | 一种智能终端无线网络信号异常监测方法 | |
| CN113406524B (zh) | 一种动力电池系统的不一致性故障诊断方法及系统 | |
| CN117111544B (zh) | 一种自动适配的楼宇物联网监控方法及系统 | |
| CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
| CN115793516B (zh) | 一种智能桥梁移动检测的控制系统和方法 | |
| CN117434372A (zh) | 电子产品的电磁兼容抗扰度测试方法及系统 | |
| CN112287586A (zh) | 基于中小桥损伤识别结果的快速可靠度评估方法 | |
| CN115586402B (zh) | 配电网故障诊断与处理方法 | |
| CN115265635B (zh) | 一种基于数据分析的工业机器视觉检测管理系统 | |
| CN113468823B (zh) | 一种基于机器学习的光模块损坏检测方法及系统 | |
| CN115600747A (zh) | 一种基于物联网的隧道状态监测管理方法及系统 | |
| CN114138581B (zh) | 一种主板测试方法及系统 | |
| CN114186586A (zh) | 基于二维卷积神经网络的损伤识别方法及设备 | |
| CN114723042A (zh) | 一种基于优化神经网络的桥梁损伤位置和损伤程度的识别方法 | |
| CN114186624A (zh) | 基于二维卷积神经网络的损伤识别模型建立方法及设备 | |
| CN108053093A (zh) | 一种基于平均影响值数据变换的k-近邻故障诊断方法 | |
| CN109993211B (zh) | 基于结构加速度ar模型系数的损伤识别方法 | |
| CN115566997B (zh) | 用于空压站的光伏组件衰减测试系统及方法 | |
| CN112506784B (zh) | 具备自主学习能力的产品性能评价系统及方法 | |
| CN116433034B (zh) | 一种基于机器学习的虚拟电厂运行风险检测方法 | |
| CN115456222A (zh) | 一种远程智能预测性维修运维服务方法 | |
| CN113435538B (zh) | 一种无线通信设备部署方法及装置 |
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 |