CN115808324A - 一种中小跨径桥梁轻量化安全管理监测方法及系统 - Google Patents
一种中小跨径桥梁轻量化安全管理监测方法及系统 Download PDFInfo
- Publication number
- CN115808324A CN115808324A CN202310044757.XA CN202310044757A CN115808324A CN 115808324 A CN115808324 A CN 115808324A CN 202310044757 A CN202310044757 A CN 202310044757A CN 115808324 A CN115808324 A CN 115808324A
- Authority
- CN
- China
- Prior art keywords
- bridge
- current
- target
- vehicle
- detected
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了一种中小跨径桥梁轻量化安全管理监测方法及系统,包括步骤:获取待测桥梁的当前环境参数信息;获取待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对靶标标识图像进行图像处理获取待测桥梁在预设特征位置处的当前桥梁振动信息,当前桥梁振动信息包括当前桥梁高频三向位移;获取处于预设特征位置处对应的当前目标车辆的车辆特征;将当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征输入预先训练的神经网络评估监测模型,获取待测桥梁的当前桥梁状态。本发明的中小跨径桥梁轻量化安全管理监测方法,细化考虑中小跨径桥梁的健康影响因子,有利于提高中小跨径桥梁的监测精度。
Description
技术领域
本发明涉及中小跨径桥梁监测技术领域,尤其涉及一种中小跨径桥梁轻量化安全管理监测方法及系统。
背景技术
快速城市化进程中建设的大量桥梁设施逐步进入健康维护期,桥梁设施规模巨大、构成复杂,保障其安全、稳定运行面临重大挑战。传统上对桥梁的监测主要依赖于经常性检查、定期检查、特殊检查等人工方式,然而受限于检测覆盖面与工作效率,“检测合格”的桥梁仍存在事故风险,中小跨度桥是桥梁事故发生的主体。
目前,对大型、特大型桥梁的安全监测技术已经成熟,但是对于中小跨径桥梁而言,由于监测需求的特殊性,且受经济因素的制约,无法直接运用大型、特大型桥梁的安全监测技术,现有的仅仅通过常规的桥面振动评价桥梁安全性的方案,缺乏全面地对中小跨径桥梁结构安全监测和评估的技术,不利于在运营期间对中小跨径桥梁进行承载能力评估和安全预警,存在较大的安全风险。
鉴于此,有必要提出一种中小跨径桥梁轻量化安全管理监测方法及系统以解决或至少缓解上述缺陷。
发明内容
本发明的主要目的在于提供一种中小跨径桥梁轻量化安全管理监测方法及系统,旨在解决现有的中小跨径桥梁监测过程中,监测考虑的影响因素少,导致桥梁监测精度不高的技术问题。
为实现上述目的,本发明提供了一种中小跨径桥梁轻量化安全管理监测方法,包括步骤:S10,获取待测桥梁的当前环境参数信息,当前环境参数信息包括待测桥梁的当前桥梁温湿度以及所受的当前风向风速;获取待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对靶标标识图像进行图像处理获取待测桥梁在预设特征位置处的当前桥梁振动信息,当前桥梁振动信息包括当前桥梁高频三向位移;获取处于预设特征位置处对应的当前目标车辆的车辆特征,车辆特征包括当前目标车辆的当前车型以及当前车重;S20,将当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征输入预先训练的神经网络评估监测模型,获取待测桥梁的当前桥梁状态。
进一步地,标识靶标包括设置于待测桥梁的1/2桥跨测点位置处的中部标识靶标、设置于中部标识靶标朝向待测桥梁的第一端方向的左侧标识靶标以及设置于中部标识靶标朝向待测桥梁的第二端方向的右侧标识靶标;步骤S10中的“获取待测桥梁在预设特征位置处的标识靶标的靶标标识图像,基于靶标标识图像进行图像处理获取待测桥梁在预设特征位置处的当前桥梁振动信息,当前桥梁振动信息包括当前桥梁高频三向位移”具体包括:S121,基于第一桥下视觉传感器获取第一标识图像,其中,第一桥下视觉传感器设置于待测桥梁的第一端的桥梁结构上,第一标识图像中拍摄有中部标识靶标和左侧标识靶标;基于第二桥下视觉传感器获取第二标识图像,其中,第二桥下视觉传感器处于待测桥梁的第二端的桥梁结构上,第二标识图像中拍摄有中部标识靶标以及右侧标识靶标;S122,对第一标识图像进行处理获取待测桥梁的1/2桥跨测点位置处的当前桥梁拟定高频三向位移;对第二标识图像进行处理获取待测桥梁的1/2桥跨测点位置处的当前桥梁待定高频三向位移;S123,若当前风向风速在理想阈值范围内,且当前桥梁拟定高频三向位移和当前桥梁待定高频三向位移的误差在第一阈值范围内;确定当前桥梁拟定高频三向位移或者当前桥梁待定高频三向位移为待测桥梁的1/2桥跨测点位置处的当前桥梁高频三向位移;对第一标识图像进行图像处理获取左侧标识靶标对应的预设特征位置处的当前桥梁高频三向位移;对第二标识图像进行图像处理获取右侧标识靶标对应的预设特征位置处的当前桥梁高频三向位移。
进一步地,预先存储第一桥下视觉传感器获取的具有静止参照靶标的第一靶标参照图像,预先存储第二桥下视觉传感器获取的具有静止参照靶标的第二靶标参照图像,其中,静止参照靶标固定设置于待测桥梁的桥梁构件位置处;第一标识图像中还拍摄有静止参照靶标,第二标识图像中还拍摄有静止参照靶标;还包括步骤S124,若当前桥梁拟定高频三向位移和当前桥梁待定高频三向位移的误差不在第一阈值范围内;基于第一靶标参照图像对第一标识图像进行图像处理并校正;基于第二靶标参照图像对第二标识图像进行图像处理并校正;基于校正后的第一标识图像获取待测桥梁的1/4桥跨测点的当前桥梁高频三向位移;基于校正后的第二标识图像进行图像处理获取待测桥梁的3/4桥跨测点的当前桥梁高频三向位移;基于校正后的第一标识图像获取待测桥梁的1/2桥跨测点的当前桥梁高频三向位移,或者基于校正后的第二标识图像进行图像处理获取待测桥梁的1/2桥跨测点的当前桥梁高频三向位移。
进一步地,左侧标识靶标设置于待测桥梁的1/4桥跨测点位置处,右侧标识靶标设置于待测桥梁的3/4桥跨测点位置处。
进一步地,第一桥下视觉传感器和第二桥下视觉传感器均处于待测桥梁的下方且水平对齐布设,第一桥下视觉传感器和第二桥下视觉传感器的图像采集频率相同,第一桥下视觉传感器的图像采集频率不小于50Hz;第一桥下视觉传感器的最大曝光时间和第二桥下视觉传感器的最大曝光时间相同,采用公式T [s] = (0.1 [pixel]) /( V [mm/s]) /( L [ pixel /mm])视觉传感器的最大曝光时间,其中,0.1 [pixel]为运动模糊限制,V[mm/s]为待测桥梁在测点位置的振动速度, L [ pixel/mm]为视觉传感器视场内每像素点物理尺寸。
进一步地,步骤“获取处于预设特征位置处对应的当前目标车辆的车辆特征,车辆特征包括当前目标车辆的当前车型以及当前车重”具体包括:S131,根据布设于待测桥梁的第一端的第一称重传感器获取沿第一方向进入待测桥梁车辆的车辆车重;根据布设于待测桥梁的第二端的第二称重传感器获取沿第二方向进入待测桥梁车辆的车辆车重;S132,根据处于待测桥梁的第一端的第一工业拍摄相机获取沿第一方向进入待测桥梁车辆的车辆车型、车辆车牌以及车辆轴距;根据处于待测桥梁的第二端的第二工业拍摄相机获取沿第二方向进入待测桥梁车辆的车辆车型、车辆车牌以及车辆轴距;S133,基于预设坐标系,采用马赛克数据增强以及多尺度融合进行联合标定,融合车辆车重、车辆车型、车辆车牌以及车辆轴距的数据信息,获取经过预设特征位置处的当前目标车辆的车辆特征,车辆特征包括当前目标车辆的当前车型、当前车重以及在桥梁上的行驶轨迹。
进一步地,步骤S20具体包括:将当前桥梁高频三向位移的数据进行归一化处理,获取三向位移归一化数据;将当前桥梁温湿度的数据进行归一化处理,获取温湿度归一化数据;将当前风向风速的数据进行归一化处理,获取风向风速归一化数据;将当车辆特征的数据进行归一化处理,获取车辆特征归一化数据;将三向位移归一化数据、温湿度归一化数据、风向风速归一化数据、车辆特征归一化数据输入预先训练的桥梁风险系数神经网络模型,获取待测桥梁的当前状态系数。
进一步地,S30,若桥梁当前状态系数大于预设风险系数,发出报警信息。
本发明还提供一种中小跨径桥梁轻量化安全管理监测系统,包括数据获取传输单元,数据获取传输单元包括桥梁外部环境参数获取模块、桥梁位移参数获取传输模块以及桥梁桥面环境参数获取传输模块,其中,桥梁外部环境参数获取模块用于获取待测桥梁的当前环境参数信息,当前环境参数信息包括待测桥梁的当前桥梁温湿度以及当前风向风速;桥梁位移参数获取传输模块用于获取待测桥梁在预设特征位置处的靶标标识图像,获取待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对靶标标识图像进行图像处理获取待测桥梁在预设特征位置处的当前桥梁振动信息,当前桥梁振动信息包括当前桥梁高频三向位移;桥梁外部环境参数获取模块用于获取处于预设特征位置处对应的当前目标车辆的车辆特征,车辆特征包括当前目标车辆的当前车型以及当前车重;以及监测与预警评估服务器,监测与预警评估服务器分别与桥梁外部环境参数获取模块、桥梁位移参数获取传输模块以及桥梁桥面环境参数获取传输模块通信连接,监测与预警评估服务器预先训练有神经网络评估监测模型,监测与预警评估服务器用于将当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征输入预先训练的神经网络评估监测模型,获取待测桥梁的当前桥梁状态。
与现有技术相比,本发明所提供的一种中小跨径桥梁轻量化安全管理监测方法具有如下的有益效果:
本发明所提供的一种中小跨径桥梁轻量化安全管理监测方法,通过实时获取待测桥梁的当前桥梁温湿度以及当前风向风速;通过获取待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对靶标标识图像进行图像处理获取待测桥梁在预设特征位置处的当前桥梁高频三向位移;通过获取待测桥梁在预设特征位置处对应的当前目标车辆的车辆特征;通过模型训练的训练集和测试集中的桥梁高频三向位移、桥梁温湿度、桥梁所受当前风向风速、桥梁所处车辆特征训练获取神经网络评估监测模型;最后将当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征输入预先训练的神经网络评估监测模型,实时获取待测桥梁的当前桥梁状态。本发明的中小跨径桥梁轻量化安全管理监测方法,细化考虑中小跨径桥梁的健康影响因子,从当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征多个维度进行考虑,利用预先训练的神经网络评估监测模型获取待测桥梁的当前桥梁状态,有利于进行实时在线监测并提高中小跨径桥梁的监测精度。
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示出的结构获得其他的附图。
图1为本发明一个实施例中的中小跨径桥梁轻量化安全管理监测方法的流程示意图;
图2为本发明另一个实施例中的中小跨径桥梁轻量化安全管理监测方法的流程示意图;
图3为本发明一个实施例中的中小跨径桥梁轻量化安全管理监测原理示意图;
图4为本发明一个实施例中的桥梁当前状态系数的获取示意图;
图5为本发明另一个实施例中的中小跨径桥梁轻量化安全管理监测系统示意图之一;
图6为本发明另一个实施例中的中小跨径桥梁轻量化安全管理监测系统示意图之二。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
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的一部分实施例,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作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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
请参照附图1,本发明提供一种中小跨径桥梁轻量化安全管理监测方法,包括步骤S10和S20,其中步骤S10具体包括:S111,获取待测桥梁的当前环境参数信息,当前环境参数信息包括待测桥梁的当前桥梁温湿度以及所受的当前风向风速;获取待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对靶标标识图像进行图像处理获取待测桥梁在预设特征位置处的当前桥梁振动信息,当前桥梁振动信息包括当前桥梁高频三向位移;获取处于预设特征位置处对应的当前目标车辆的车辆特征,车辆特征包括当前目标车辆的当前车型以及当前车重;S20,将当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征输入预先训练的神经网络评估监测模型,获取待测桥梁的当前桥梁状态。
本发明提供的中小跨径桥梁轻量化安全管理监测方法,通过实时获取待测桥梁的当前桥梁温湿度以及当前风向风速;通过获取待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对靶标标识图像进行图像处理获取待测桥梁在预设特征位置处的当前桥梁高频三向位移;通过获取待测桥梁在预设特征位置处对应的当前目标车辆的车辆特征;通过模型训练的训练集和测试集中的桥梁高频三向位移、桥梁温湿度、桥梁所受当前风向风速、桥梁所处车辆特征训练获取神经网络评估监测模型;最后将当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征输入预先训练的神经网络评估监测模型,实时获取待测桥梁的当前桥梁状态。本发明的中小跨径桥梁轻量化安全管理监测方法,细化考虑中小跨径桥梁的健康影响因子,从当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征多个维度进行考虑,利用预先训练的神经网络评估监测模型获取待测桥梁的当前桥梁状态,有利于进行实时在线监测并提高中小跨径桥梁的监测精度。
可以理解地,中小跨径桥梁振动位移较小,往往因温湿度因素、风向风速因素引起的桥梁位移与桥梁产生的位移是相当的,单纯依据实测的三向高频位移判断桥梁状况不够客观,本发明采集了待测桥梁位置的当前桥梁温湿度以及所受的当前风向风速和当前桥梁高频三向位移,作为神经网络评估监测模型输入条件,有效的提高了推理结果的合理性。在具体实施时,通过训练集和测试集建立神经网络评估监测模型,通过训练集中的当前桥梁高频三向位移、所述当前桥梁温湿度、所述当前风向风速、所述车辆特征作为输入条件,通过训练集中的待测桥梁的当前桥梁状态作为输出条件。
可以理解地,当前桥梁状态可以通过桥梁风险系数体现,也可以是直接输出当前桥梁状态为健康状态、亚健康状态或者危险状态等。
可以理解地,本发明可以通过在待测桥梁上安装温湿度传感器用于获取当前桥梁温湿度,通过在待测桥梁上安装风向风速传感装置用于获取待测桥梁所受的当前风向风速;通过在桥下布置的高帧率工业相机视觉传感器,拍摄靶标(标识靶标布设在待测桥梁的预设特征位置处且处于桥梁下侧随桥梁同步振动)实时高帧率图像,进行图形处理进而得到待测桥梁在预设特征位置处的实时高频三向位移;通过布设的桥面工业相机视觉传感器,用来获取桥面车辆的车型、车牌、轴距等车辆信息,通过布设的称重传感器用于获取进入待测桥梁的车重信息,通过数据处理,最终预测进入桥梁的车辆的行驶轨迹并使行驶轨迹与车辆信息、预设特征位置、车辆特征进行联合标定。
可以理解地,可以是在待测桥梁上标定一个预设特征位置,也可以是在待测桥梁上标定多个预设特征位置,标定多个预设特征位置时,多个预设特征位置沿待测桥梁的延伸方向均匀分布,每一个预设特征位置均对应设置有标识靶标。
请参照附图2、图3和图4,进一步地,标识靶标包括设置于待测桥梁的1/2桥跨测点位置处的中部标识靶标、设置于中部标识靶标朝向待测桥梁的第一端方向的左侧标识靶标以及设置于中部标识靶标朝向待测桥梁的第二端方向的右侧标识靶标;步骤S10中的“获取待测桥梁在预设特征位置处的标识靶标的靶标标识图像,基于靶标标识图像进行图像处理获取待测桥梁在预设特征位置处的当前桥梁振动信息,当前桥梁振动信息包括当前桥梁高频三向位移”具体包括:S121,基于第一桥下视觉传感器获取第一标识图像,其中,第一桥下视觉传感器设置于待测桥梁的第一端的桥梁结构上,第一标识图像中拍摄有中部标识靶标和左侧标识靶标;基于第二桥下视觉传感器获取第二标识图像,其中,第二桥下视觉传感器处于待测桥梁的第二端的桥梁结构上,第二标识图像中拍摄有中部标识靶标以及右侧标识靶标;S122,对第一标识图像进行处理获取待测桥梁的1/2桥跨测点位置处的当前桥梁拟定高频三向位移;对第二标识图像进行处理获取待测桥梁的1/2桥跨测点位置处的当前桥梁待定高频三向位移;S123,若当前风向风速在理想阈值范围内,且当前桥梁拟定高频三向位移和当前桥梁待定高频三向位移的误差在第一阈值范围内;确定当前桥梁拟定高频三向位移或者当前桥梁待定高频三向位移为待测桥梁的1/2桥跨测点位置处的当前桥梁高频三向位移;对第一标识图像进行图像处理获取左侧标识靶标对应的预设特征位置处的当前桥梁高频三向位移;对第二标识图像进行图像处理获取右侧标识靶标对应的预设特征位置处的当前桥梁高频三向位移。
进一步地,预先存储第一桥下视觉传感器获取的具有静止参照靶标的第一靶标参照图像,预先存储第二桥下视觉传感器获取的具有静止参照靶标的第二靶标参照图像,其中,静止参照靶标固定设置于待测桥梁的桥梁构件位置处;第一标识图像中还拍摄有静止参照靶标,第二标识图像中还拍摄有静止参照靶标;还包括步骤S124,若当前桥梁拟定高频三向位移和当前桥梁待定高频三向位移的误差不在第一阈值范围内;基于第一靶标参照图像对第一标识图像进行图像处理并校正;基于第二靶标参照图像对第二标识图像进行图像处理并校正;基于校正后的第一标识图像获取待测桥梁的1/4桥跨测点的当前桥梁高频三向位移;基于校正后的第二标识图像进行图像处理获取待测桥梁的3/4桥跨测点的当前桥梁高频三向位移;基于校正后的第一标识图像获取待测桥梁的1/2桥跨测点的当前桥梁高频三向位移,或者基于校正后的第二标识图像进行图像处理获取待测桥梁的1/2桥跨测点的当前桥梁高频三向位移。
可以理解地,本实施例中,在待测桥梁上标定多个预设特征位置,在待测桥梁的中部标定中部特征位置,在待测桥梁的左侧标定左侧特征位置,在待测桥梁的右侧标定右侧特征位置,中部标识靶标设置于中部特征位置,左边标识靶设置于左侧特征位置,右侧标识靶标标设置于右侧特征位置,左侧标识靶、中部标识靶、右侧标识靶沿待测桥梁的延伸方向均匀间隔排布。
为了避免第一桥下视觉传感器和/或第二桥下视觉传感器的位移和振动造成当前桥梁高频三向位移的误差,将第一桥下视觉传感器设置于待测桥梁的第一端的桥梁结构上,将第二桥下视觉传感器处于待测桥梁的第二端的桥梁结构上,将静止参照靶标固定设置于待测桥梁的桥梁构件位置处,对第一标识图像进行处理获取待测桥梁的1/2桥跨测点位置处的当前桥梁拟定高频三向位移;对第二标识图像进行处理获取待测桥梁的1/2桥跨测点位置处的当前桥梁待定高频三向位移;若当前风向风速在理想阈值范围内,且当前桥梁拟定高频三向位移和当前桥梁待定高频三向位移的误差在第一阈值范围内;确定当前桥梁拟定高频三向位移或者当前桥梁待定高频三向位移为待测桥梁的1/2桥跨测点位置处的当前桥梁高频三向位移;若当前桥梁拟定高频三向位移和当前桥梁待定高频三向位移的误差不在第一阈值范围内;基于第一靶标参照图像对第一标识图像进行图像处理并校正;基于第二靶标参照图像对第二标识图像进行图像处理并校正;基于校正后的第一标识图像获取待测桥梁的1/4桥跨测点的当前桥梁高频三向位移;基于校正后的第二标识图像进行图像处理获取待测桥梁的3/4桥跨测点的当前桥梁高频三向位移;基于校正后的第一标识图像获取待测桥梁的1/2桥跨测点的当前桥梁高频三向位移,或者基于校正后的第二标识图像进行图像处理获取待测桥梁的1/2桥跨测点的当前桥梁高频三向位移。
请再次参考图3,进一步地,为了提高监测的准确性和模型鲁棒性,本发明通过设置三个预设特征位置进行全方位监测,中部标识靶标设置于待测桥梁的跨中测点(1/2桥跨测点)位置处,左侧标识靶标设置于待测桥梁的1/4桥跨测点位置处,右侧标识靶标设置于待测桥梁的3/4桥跨测点位置处。在具体实施时,若当前风向风速在理想阈值范围内,且当前桥梁拟定高频三向位移和当前桥梁待定高频三向位移的误差在第一阈值范围内,确定当前桥梁拟定高频三向位移或者当前桥梁待定高频三向位移为待测桥梁的1/2桥跨测点位置处的当前桥梁高频三向位移;对第一标识图像进行图像处理获取左侧标识靶标对应的1/4桥跨测点位置处的当前桥梁高频三向位移,对第二标识图像进行图像处理获取右侧标识靶标对应的3/4桥跨测点位置处的当前桥梁高频三向位移;若当前桥梁拟定高频三向位移和当前桥梁待定高频三向位移的误差不在第一阈值范围内,基于第一靶标参照图像对第一标识图像进行图像处理并校正;基于第二靶标参照图像对第二标识图像进行图像处理并校正,基于校正后的第一标识图像获取待测桥梁的1/4桥跨测点的当前桥梁高频三向位移;基于校正后的第二标识图像进行图像处理获取待测桥梁的3/4桥跨测点的当前桥梁高频三向位移;基于校正后的第一标识图像获取待测桥梁的1/2桥跨测点的当前桥梁高频三向位移,或者基于校正后的第二标识图像进行图像处理获取待测桥梁的1/2桥跨测点的当前桥梁高频三向位移;将三个当前桥梁高频三向位移、当前桥梁温湿度、当前风向风速、车辆特征输入预先训练的神经网络评估监测模型,获取待测桥梁的当前桥梁状态。
可以理解地,在桥梁结构上固定安装了特定的靶标,采用工业相机获取靶标图像,特别地采用数字图像相关法进行分析,可以得到高频率、高精度的三个方向位移,从而可以得到中小跨径桥梁实时的当前桥梁高频三向位移。
进一步地,为了提高系统的处理速度和预测的精确性,所述第一桥下视觉传感器和所述第二桥下视觉传感器均处于所述待测桥梁的下方且水平对齐布设,所述第一桥下视觉传感器和所述第二桥下视觉传感器的图像采集频率相同,所述第一桥下视觉传感器的图像采集频率不小于50Hz;所述第一桥下视觉传感器的最大曝光时间和所述第二桥下视觉传感器的最大曝光时间相同,采用公式T [s] = (0.1 [pixel]) /( V [mm/s]) / ( L [pixel/mm])计算所述第一桥下视觉传感器的最大曝光时间,其中,0.1 [pixel]为运动模糊限制,V [mm/s]为待测桥梁在测点位置的振动速度, L [ pixel/mm]为视觉传感器视场内每像素点物理尺寸。
通过研究,现有的对于大跨径桥梁的监测,由于监测装置造价高、采样频率低、测量精度不足等因素制约其无法适用于中小跨径桥梁结构健康监测。本发明中,桥梁振动位移是含复杂噪声的信号,相机(第一桥下视觉传感器)图像采集帧率达到桥梁自振频率的10至15 倍以上,能有效分析桥梁自振特性;目前常规中小跨径桥梁自振频率常在2至5Hz,因此,本方案采用的第一桥下视觉传感器采集频率一般为50Hz以上,能很好地满足中小跨径桥梁高频采集的需求;由于中小跨径桥梁振动频率较高,通过严格控制相机曝光时间以限制运动模糊,运动模糊限制为0.1pixel,进而保证桥梁运动图像满足计算要求,根据该限值采用如下公式计算相机最大曝光时间:T [s] = (0.1 [pixel]) /( V [mm/s]) / ( L[ pixel/mm])。
特别地,本发明的单个相机(第一桥下视觉传感器/第二桥下视觉传感器)至少监测两个靶标标识图像(中部靶标标识和左侧靶标标识/右侧靶标标识),设置靶标标识的靶标像素不少于100pixel;满足中小跨径桥梁振动位移较小,监测精度达到0.05mm的测量精度,有效监测桥梁风险。本发明采用数字图像相关法进行位移监测,实现了不高于0.03mm的测量精度,具体地,采用的数字图像相关法首先使用傅里叶相关系数法计算出位移初值,再将位移初值输入到 IC-GN 算法进行亚像素定位步骤的迭代计算满足中小跨径桥梁高精度监测的需求。
进一步地,步骤“获取处于所述预设特征位置处对应的当前目标车辆的车辆特征,所述车辆特征包括所述当前目标车辆的当前车型以及当前车重”具体包括:S131,根据布设于所述待测桥梁的第一端的第一称重传感器获取沿第一方向进入待测桥梁车辆的车辆车重;根据布设于所述待测桥梁的第二端的第二称重传感器获取沿第二方向进入待测桥梁车辆的车辆车重;S132,根据处于所述待测桥梁的第一端的第一工业拍摄相机获取沿第一方向进入待测桥梁车辆的车辆车型、车辆车牌以及车辆轴距;根据处于所述待测桥梁的第二端的第二工业拍摄相机获取沿第二方向进入待测桥梁车辆的车辆车型、车辆车牌以及车辆轴距;S133,基于预设坐标系,采用马赛克数据增强以及多尺度融合进行联合标定,融合所述车辆车重、车辆车型、车辆车牌以及车辆轴距的数据信息,获取经过所述预设特征位置处的当前目标车辆的车辆特征,所述车辆特征包括所述当前目标车辆的所述当前车型、所述当前车重以及在桥梁上的行驶轨迹。
在具体实施时,第一工业拍摄相机和第一桥下视觉传感器均固定设置于待测桥梁的第一端的桥梁结构上,第一工业拍摄相机处于待测桥梁的上方,第一桥下视觉传感器处于待测桥梁的下方;第二工业拍摄相机和第二桥下视觉传感器均固定设置于待测桥梁的第二端的桥梁结构上,第二工业拍摄相机处于待测桥梁的上方,第二桥下视觉传感器处于待测桥梁的下方。
具体地,本发明基于机器视觉测量桥梁高频三向位移,相机的位移和振动会带来误差,在桥梁结构附近设置不动参考靶标用来修正相机的位移和振动带来的误差,同时要求相机景深保证全部ROI均成像清晰。
特别地,本发明基于单阶段目标检测方法建立神经网络模型,采用边缘计算,根据推理的车辆坐标可推测出车辆行驶轨迹和车辆轴距。
特别地,在桥上实际监测中,由于多车道的影响,车辆相互遮挡非常常见,为提高模型鲁棒性,在进行神经网络模型训练时采用了马赛克数据增强技术,具体来说,包括了裁剪(随机的将样本中的部分区域裁剪掉,并且填充0像素值)、切割混合(将一部分区域裁剪掉但不填充0像素而是随机填充训练集中的其他数据的区域像素值);在桥上实际监测中,相机位于固定位置,车辆目标在视野中的尺度变化非常大,为此,本系统在进行神经网络模型设计时采用了多尺度特征融合技术,深度网络提取的不同层级特征堆叠而成,并在堆叠的基础上实现特征的融合,从而实现对不同尺度物体的检测。
进一步地,步骤S20具体包括:将当前桥梁高频三向位移进行归一化处理,获取三向位移归一化数据;将当前桥梁温湿度进行归一化处理,获取温湿度归一化数据;将当前风向风速进行归一化处理,获取风向风速归一化数据;将当车辆特征进行归一化处理,获取车辆特征归一化数据;将三向位移归一化数据、温湿度归一化数据、风向风速归一化数据、车辆特征归一化数据输入预先训练的桥梁风险系数神经网络模型,获取待测桥梁的当前状态系数。
请再次参考图4,进一步地,采用公式H=[h1当前桥梁高频三向位移,h2车辆特征,h3当前桥梁温湿度,h4当前风向风速],建立加性融合模型:,H(h1,h2,h3,h4)为传感采集数据,S为桥梁当前状态系数,W为通过神经网络训练的参数,W(W1,W2 ,W3,W4)为每个输入参数的权重值,表示对应神经元信号的权重;VT为注意力权重值。通过网络的四个独立分支,分别估计位移、车辆、温度、风速对桥梁当前状态系数的成分,然后通过注意力权重接入主干中进行了融合,实现了不同量纲数据的融合,解决了根据单一指标评估桥梁状态准确度不高的问题。在具体实施时,桥梁风险最重要的影响因素为桥梁位移,为此,本系统的桥梁风险系数神经网络模型采用了Attention注意力机制,输入变量为H=[h1位移,h2车辆,h3温度,h4风速],本系统采用H=[h1位移=0.45,h2车辆=0.3,h3温度=0.2,h4风速=0.05],建立加性模型。
特别地,本发明输入数据包括了多种类型的数据,本发明设计了桥梁监测数据归一化模型:。对于当前桥梁高频三向位移,x为桥梁实测位移,xmin为桥梁计算的最小挠度,xmax为桥梁计算的最大挠度;对于温度,x为实测温度,xmin为桥梁设计采用的最低温度,xmax为桥梁设计采用的最高温度;对于风速,x为实测风速,xmin为桥梁设计采用的最低风速。
具体地,在桥梁附近布置了数据分析模块,依据前述桥梁位移、桥面车辆、温度、风速风向等多个采集模块提供的信息,分析模块利用布置的神经网络模型,实时评估出桥梁风险系数,决定是否需要进行预警。
特别地,由于车辆、温度、风速等的相关性分析往往是非常繁杂,本发明利用深度学习的方法,建立了桥梁风险系数神经网络模型,该模型以桥梁位移、车辆、温度、风速为输入系数,以桥梁风险系数为输出系数,输入数据经过归一化处理均为结构化数据,采用全连接网络模型,进而避免了车辆、温度、风速对桥梁位移影响的相关性分析。
本发明还提供一种中小跨径桥梁轻量化安全管理监测系统,包括数据获取传输单元,所述数据获取传输单元包括桥梁外部环境参数获取模块、桥梁位移参数获取传输模块以及桥梁桥面环境参数获取传输模块,其中,所述桥梁外部环境参数获取模块用于获取所述待测桥梁的当前环境参数信息,所述当前环境参数信息包括所述待测桥梁的当前桥梁温湿度以及当前风向风速;所述桥梁位移参数获取传输模块用于获取待测桥梁在预设特征位置处的靶标标识图像,获取所述待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对所述靶标标识图像进行图像处理获取所述待测桥梁在所述预设特征位置处的当前桥梁振动信息,所述当前桥梁振动信息包括当前桥梁高频三向位移;所述桥梁外部环境参数获取模块用于获取处于所述预设特征位置处对应的当前目标车辆的车辆特征,所述车辆特征包括所述当前目标车辆的当前车型以及当前车重;以及监测与预警评估服务器,所述监测与预警评估服务器分别与所述桥梁外部环境参数获取模块、所述桥梁位移参数获取传输模块以及所述桥梁桥面环境参数获取传输模块通信连接,所述监测与预警评估服务器预先训练有神经网络评估监测模型,所述监测与预警评估服务器用于将所述当前桥梁高频三向位移、所述当前桥梁温湿度、所述当前风向风速、所述车辆特征输入预先训练的神经网络评估监测模型,获取所述待测桥梁的当前桥梁状态。
进一步地,还包括报警单元,报警单元包括在待测桥梁上设置的声光报警灯和LED显示屏,声光报警灯和LED显示屏用于接收报警信息并发出对应的声光报警。
请参考图5和图6,本发明提供一种具体的中小跨径桥梁轻量化安全管理监测系统如下,桥梁位移参数获取传输模块采用温湿度传感器、风向传感器、风速传感器以及通讯处理器,其中温湿度传感器、风向传感器、风速传感器用于设置在待测桥梁上并分别与通讯处理器电连接。
桥梁外部环境参数获取模块包括第一称重传感器、第二称重传感器、第一工业拍摄相机以及第二工业拍摄相机。桥梁位移参数获取传输模块包括第一桥下视觉传感器、第二桥下视觉传感器、左侧标识靶标、右侧标识靶标、中部标识靶标,静止参照靶标,其中,第一工业拍摄相机和第一桥下视觉传感器均固定设置于待测桥梁的第一端的桥梁结构上,第一工业拍摄相机处于待测桥梁的上方,第一桥下视觉传感器处于待测桥梁的下方;第二工业拍摄相机和第二桥下视觉传感器均固定设置于待测桥梁的第二端的桥梁结构上,第二工业拍摄相机处于待测桥梁的上方,第二桥下视觉传感器处于待测桥梁的下方,中部标识靶标设置于待测桥梁的跨中测点(1/2桥跨测点)位置处,左侧标识靶标设置于待测桥梁的1/4桥跨测点位置处,右侧标识靶标设置于待测桥梁的3/4桥跨测点位置处,静止参照靶标固定设置于待测桥梁的桥梁构件位置处,中部标识靶标、左侧标识靶标以及右侧标识靶标随待测桥梁同步振动,静止参照靶标不随待测桥梁振动。
监测与预警评估服务器,与上述感应器电性连接,监测与预警评估服务器预先训练有归一化模型、桥梁风险系数神经网络模型以及加性模型。
本发明提供的中小跨径桥梁轻量化安全管理监测系统具有如下有益效果:
本发明的中小跨径桥梁轻量化安全管理监测系统只需要布置工业相机、温湿度传感器、风速传感器,省去了现有的大量的应变、位移、加速度等传感器,做到了监测系统的轻量化,让中小跨径桥梁布置安全监测更具有经济可行性;本方案基于数字图像相关法设计桥梁位移采集方案,实现了高频率、高精度的采集桥梁实时位移,满足了中小跨径桥梁振动位移小,频率高的应用场景;采用非接触的采集方案,特别适用于不便于安装百分表、GNSS的场景;进行了桥梁位移、温度、风速等多种影响因子的数据融合,相较于一般依赖于单因素数据决策系统,显著提高了系统的鲁棒性,显著提高了系统评价结果的准确性;在桥梁上的声光报警灯和LED显示屏可以及时提示风险,引导重车驶离危险位置,避免桥梁风险,同时可以将预警信息推送到桥梁管养人员。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种中小跨径桥梁轻量化安全管理监测方法,其特征在于,包括步骤:
S10,获取待测桥梁的当前环境参数信息,所述当前环境参数信息包括所述待测桥梁的当前桥梁温湿度以及所受的当前风向风速;
获取所述待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对所述靶标标识图像进行图像处理获取所述待测桥梁在所述预设特征位置处的当前桥梁振动信息,所述当前桥梁振动信息包括当前桥梁高频三向位移;
获取处于所述预设特征位置处对应的当前目标车辆的车辆特征,所述车辆特征包括所述当前目标车辆的当前车型以及当前车重;
S20,将所述当前桥梁高频三向位移、所述当前桥梁温湿度、所述当前风向风速、所述车辆特征输入预先训练的神经网络评估监测模型,获取所述待测桥梁的当前桥梁状态。
2.根据权利要求1所述的中小跨径桥梁轻量化安全管理监测方法,其特征在于,
所述标识靶标包括设置于所述待测桥梁的1/2桥跨测点位置处的中部标识靶标、设置于所述中部标识靶标朝向所述待测桥梁的第一端方向的左侧标识靶标以及设置于所述中部标识靶标朝向所述待测桥梁的第二端方向的右侧标识靶标;
步骤S10中的“获取所述待测桥梁在预设特征位置处的标识靶标的靶标标识图像,基于所述靶标标识图像进行图像处理获取所述待测桥梁在所述预设特征位置处的当前桥梁振动信息,所述当前桥梁振动信息包括当前桥梁高频三向位移”具体包括:
S121,基于第一桥下视觉传感器获取第一标识图像,其中,所述第一桥下视觉传感器设置于所述待测桥梁的第一端的桥梁结构上,所述第一标识图像中拍摄有所述中部标识靶标和所述左侧标识靶标;
基于第二桥下视觉传感器获取第二标识图像,其中,所述第二桥下视觉传感器处于所述待测桥梁的第二端的桥梁结构上,所述第二标识图像中拍摄有所述中部标识靶标以及所述右侧标识靶标;
S122,对所述第一标识图像进行处理获取所述待测桥梁的1/2桥跨测点位置处的当前桥梁拟定高频三向位移;对所述第二标识图像进行处理获取所述待测桥梁的1/2桥跨测点位置处的当前桥梁待定高频三向位移;
S123,若所述当前风向风速在理想阈值范围内,且所述当前桥梁拟定高频三向位移和所述当前桥梁待定高频三向位移的误差在第一阈值范围内;
确定所述当前桥梁拟定高频三向位移或者所述当前桥梁待定高频三向位移为所述待测桥梁的1/2桥跨测点位置处的所述当前桥梁高频三向位移;对所述第一标识图像进行图像处理获取所述左侧标识靶标对应的所述预设特征位置处的所述当前桥梁高频三向位移;对所述第二标识图像进行图像处理获取所述右侧标识靶标对应的所述预设特征位置处的所述当前桥梁高频三向位移。
3.根据权利要求2所述的中小跨径桥梁轻量化安全管理监测方法,其特征在于,
预先存储所述第一桥下视觉传感器获取的具有静止参照靶标的第一靶标参照图像,预先存储所述第二桥下视觉传感器获取的具有所述静止参照靶标的第二靶标参照图像,其中,所述静止参照靶标固定设置于所述待测桥梁的桥梁构件位置处;
所述第一标识图像中还拍摄有静止参照靶标,所述第二标识图像中还拍摄有所述静止参照靶标;
还包括步骤S124,若所述当前桥梁拟定高频三向位移和所述当前桥梁待定高频三向位移的误差不在第一阈值范围内;
基于所述第一靶标参照图像对所述第一标识图像进行图像处理并校正;基于所述第二靶标参照图像对所述第二标识图像进行图像处理并校正;
基于校正后的所述第一标识图像获取所述待测桥梁的1/4桥跨测点的所述当前桥梁高频三向位移;基于校正后的所述第二标识图像进行图像处理获取所述待测桥梁的3/4桥跨测点的所述当前桥梁高频三向位移;基于校正后的所述第一标识图像获取所述待测桥梁的1/2桥跨测点的所述当前桥梁高频三向位移,或者基于校正后的所述第二标识图像进行图像处理获取所述待测桥梁的1/2桥跨测点的所述当前桥梁高频三向位移。
4.根据权利要求2所述的中小跨径桥梁轻量化安全管理监测方法,其特征在于,
所述左侧标识靶标设置于所述待测桥梁的1/4桥跨测点位置处,所述右侧标识靶标设置于所述待测桥梁的3/4桥跨测点位置处。
5.根据权利要求2所述的中小跨径桥梁轻量化安全管理监测方法,其特征在于,
所述第一桥下视觉传感器和所述第二桥下视觉传感器均处于所述待测桥梁的下方且水平对齐布设,所述第一桥下视觉传感器和所述第二桥下视觉传感器的图像采集频率相同,所述第一桥下视觉传感器的图像采集频率不小于50Hz;
所述第一桥下视觉传感器的最大曝光时间和所述第二桥下视觉传感器的最大曝光时间相同,采用公式T [s] = (0.1 [pixel] ) /( V [mm/s]) / ( L [ pixel/mm])计算所述第一桥下视觉传感器的最大曝光时间,其中,0.1 [pixel]为运动模糊限制,V [mm/s]为待测桥梁在测点位置的振动速度, L [ pixel/mm]为视觉传感器视场内每像素点物理尺寸。
6.根据权利要求2至5任一项所述的中小跨径桥梁轻量化安全管理监测方法,其特征在于,
步骤“获取处于所述预设特征位置处对应的当前目标车辆的车辆特征,所述车辆特征包括所述当前目标车辆的当前车型以及当前车重”具体包括:
S131,根据布设于所述待测桥梁的第一端的第一称重传感器获取沿第一方向进入待测桥梁车辆的车辆车重;根据布设于所述待测桥梁的第二端的第二称重传感器获取沿第二方向进入待测桥梁车辆的车辆车重;
S132,根据处于所述待测桥梁的第一端的第一工业拍摄相机获取沿第一方向进入待测桥梁车辆的车辆车型、车辆车牌以及车辆轴距;根据处于所述待测桥梁的第二端的第二工业拍摄相机获取沿第二方向进入待测桥梁车辆的车辆车型、车辆车牌以及车辆轴距;
S133,基于预设坐标系,采用马赛克数据增强以及多尺度融合进行联合标定,融合所述车辆车重、车辆车型、车辆车牌以及车辆轴距的数据信息,获取经过所述预设特征位置处的当前目标车辆的车辆特征,所述车辆特征包括所述当前目标车辆的所述当前车型、所述当前车重以及在桥梁上的行驶轨迹。
7.根据权利要求6所述的中小跨径桥梁轻量化安全管理监测方法,其特征在于,
步骤S20具体包括:
将所述当前桥梁高频三向位移的数据进行归一化处理,获取三向位移归一化数据;
将所述当前桥梁温湿度的数据进行归一化处理,获取温湿度归一化数据;
将所述当前风向风速的数据进行归一化处理,获取风向风速归一化数据;
将所述当车辆特征的数据进行归一化处理,获取车辆特征归一化数据;
将所述三向位移归一化数据、所述温湿度归一化数据、所述风向风速归一化数据、所述车辆特征归一化数据输入预先训练的桥梁风险系数神经网络模型,获取所述待测桥梁的当前状态系数。
8.根据权利要求7所述的中小跨径桥梁轻量化安全管理监测方法,其特征在于,还包括步骤:
S30,若所述桥梁当前状态系数大于预设风险系数,发出报警信息。
9.一种中小跨径桥梁轻量化安全管理监测系统,其特征在于,
包括数据获取传输单元,所述数据获取传输单元包括桥梁外部环境参数获取模块、桥梁位移参数获取传输模块以及桥梁桥面环境参数获取传输模块,其中,所述桥梁外部环境参数获取模块用于获取待测桥梁的当前环境参数信息,所述当前环境参数信息包括所述待测桥梁的当前桥梁温湿度以及当前风向风速;所述桥梁位移参数获取传输模块用于获取待测桥梁在预设特征位置处的靶标标识图像,获取所述待测桥梁在预设特征位置处的标识靶标的靶标标识图像,对所述靶标标识图像进行图像处理获取所述待测桥梁在所述预设特征位置处的当前桥梁振动信息,所述当前桥梁振动信息包括当前桥梁高频三向位移;所述桥梁外部环境参数获取模块用于获取处于所述预设特征位置处对应的当前目标车辆的车辆特征,所述车辆特征包括所述当前目标车辆的当前车型以及当前车重;
以及监测与预警评估服务器,所述监测与预警评估服务器分别与所述桥梁外部环境参数获取模块、所述桥梁位移参数获取传输模块以及所述桥梁桥面环境参数获取传输模块通信连接,
所述监测与预警评估服务器预先训练有神经网络评估监测模型,所述监测与预警评估服务器用于将所述当前桥梁高频三向位移、所述当前桥梁温湿度、所述当前风向风速、所述车辆特征输入预先训练的神经网络评估监测模型,获取所述待测桥梁的当前桥梁状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310044757.XA CN115808324B (zh) | 2023-01-30 | 2023-01-30 | 一种中小跨径桥梁轻量化安全管理监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310044757.XA CN115808324B (zh) | 2023-01-30 | 2023-01-30 | 一种中小跨径桥梁轻量化安全管理监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115808324A true CN115808324A (zh) | 2023-03-17 |
CN115808324B CN115808324B (zh) | 2023-05-30 |
Family
ID=85487632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310044757.XA Active CN115808324B (zh) | 2023-01-30 | 2023-01-30 | 一种中小跨径桥梁轻量化安全管理监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115808324B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029555A (zh) * | 2023-03-22 | 2023-04-28 | 西南科技大学 | 基于轻量化神经网络的桥梁风险识别预警系统及应用方法 |
CN116818397A (zh) * | 2023-08-31 | 2023-09-29 | 湖南东数交通科技有限公司 | 基于机器视觉的中小跨径桥梁快速荷载试验方法及系统 |
CN117824756A (zh) * | 2024-02-29 | 2024-04-05 | 深圳市腾信建设股份有限公司 | 一种建筑结构监测方法、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2002116777A (ru) * | 2002-06-25 | 2004-01-10 | Открытое акционерное общество "Гипротрансмост" Институт по изыскани м и проектированию мостовых переходов (RU) | Способ мониторинга мостового перехода в процессе его эксплуатации |
WO2017138314A1 (ja) * | 2016-02-10 | 2017-08-17 | 国立研究開発法人産業技術総合研究所 | 変位測定装置、変位測定方法およびそのプログラム |
CN108446838A (zh) * | 2018-03-08 | 2018-08-24 | 佛山科学技术学院 | 一种基于大数据的桥梁安全监测系统 |
CN108534967A (zh) * | 2018-03-08 | 2018-09-14 | 佛山科学技术学院 | 基于传感器网络的桥梁安全监测系统 |
CN108633303A (zh) * | 2017-01-25 | 2018-10-09 | 松下知识产权经营株式会社 | 刚性测定装置以及刚性测定方法 |
RU2698419C1 (ru) * | 2018-05-30 | 2019-08-26 | Открытое Акционерное Общество "Российские Железные Дороги" | Система для мониторинга искусственных сооружений высокоскоростной магистрали |
CN110455207A (zh) * | 2019-07-18 | 2019-11-15 | 嘉兴同禾传感技术有限公司 | 桥梁梁板铰缝状态在线识别装置及其使用方法 |
CN113607449A (zh) * | 2021-07-30 | 2021-11-05 | 哈尔滨工业大学 | 一种桥梁集群结构全域智能监测与安全预警系统 |
-
2023
- 2023-01-30 CN CN202310044757.XA patent/CN115808324B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2002116777A (ru) * | 2002-06-25 | 2004-01-10 | Открытое акционерное общество "Гипротрансмост" Институт по изыскани м и проектированию мостовых переходов (RU) | Способ мониторинга мостового перехода в процессе его эксплуатации |
WO2017138314A1 (ja) * | 2016-02-10 | 2017-08-17 | 国立研究開発法人産業技術総合研究所 | 変位測定装置、変位測定方法およびそのプログラム |
CN108633303A (zh) * | 2017-01-25 | 2018-10-09 | 松下知识产权经营株式会社 | 刚性测定装置以及刚性测定方法 |
CN108446838A (zh) * | 2018-03-08 | 2018-08-24 | 佛山科学技术学院 | 一种基于大数据的桥梁安全监测系统 |
CN108534967A (zh) * | 2018-03-08 | 2018-09-14 | 佛山科学技术学院 | 基于传感器网络的桥梁安全监测系统 |
RU2698419C1 (ru) * | 2018-05-30 | 2019-08-26 | Открытое Акционерное Общество "Российские Железные Дороги" | Система для мониторинга искусственных сооружений высокоскоростной магистрали |
CN110455207A (zh) * | 2019-07-18 | 2019-11-15 | 嘉兴同禾传感技术有限公司 | 桥梁梁板铰缝状态在线识别装置及其使用方法 |
CN113607449A (zh) * | 2021-07-30 | 2021-11-05 | 哈尔滨工业大学 | 一种桥梁集群结构全域智能监测与安全预警系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116029555A (zh) * | 2023-03-22 | 2023-04-28 | 西南科技大学 | 基于轻量化神经网络的桥梁风险识别预警系统及应用方法 |
CN116029555B (zh) * | 2023-03-22 | 2023-06-13 | 西南科技大学 | 基于轻量化神经网络的桥梁风险识别预警系统及应用方法 |
CN116818397A (zh) * | 2023-08-31 | 2023-09-29 | 湖南东数交通科技有限公司 | 基于机器视觉的中小跨径桥梁快速荷载试验方法及系统 |
CN116818397B (zh) * | 2023-08-31 | 2023-11-14 | 湖南东数交通科技有限公司 | 基于机器视觉的中小跨径桥梁快速荷载试验方法及系统 |
CN117824756A (zh) * | 2024-02-29 | 2024-04-05 | 深圳市腾信建设股份有限公司 | 一种建筑结构监测方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115808324B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115808324B (zh) | 一种中小跨径桥梁轻量化安全管理监测方法及系统 | |
CN108981692B (zh) | 一种基于惯导/视觉里程计的列车定位方法及系统 | |
US10386476B2 (en) | Obstacle detection method and apparatus for vehicle-mounted radar system | |
CN106919915B (zh) | 基于adas系统的地图道路标记及道路质量采集装置及方法 | |
CN111767354B (zh) | 一种高精度地图精度评估方法 | |
CN110926523A (zh) | 一种复杂恶劣条件下高速铁路桥梁安全感知与预警系统 | |
CN107817044B (zh) | 基于机器视觉的板材振动的测量装置及方法 | |
CN117058600B (zh) | 区域桥梁群车流荷载识别方法及系统 | |
CN102788572A (zh) | 一种工程机械吊钩姿态的测量方法、装置及系统 | |
CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 | |
US20220383478A1 (en) | Computer vision-based system and method for assessment of load distribution, load rating, and vibration serviceability of structures | |
CN115790387A (zh) | 基于在线式相机的桥梁位移转角同步实时监测方法和系统 | |
CN104005324A (zh) | 一种路面构造信息的检测系统 | |
CN110111018A (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
CN112964351A (zh) | 基于中心点帧差法输电塔振动位移测量方法 | |
CN110411686B (zh) | 桥梁静动影像全息性态健康监测诊断方法及系统 | |
CN117198057A (zh) | 一种面向路侧感知轨迹数据质量检评的实验方法及系统 | |
CN110244717B (zh) | 基于既有三维模型的港口起重机攀爬机器人自动寻路方法 | |
CN109879170B (zh) | 一种起重机吊臂旁弯位移实时检测系统 | |
CN114937365B (zh) | 一种基于同步多视觉传感器的桥面车辆参数识别方法 | |
CN115439514A (zh) | 一种宽桥车辆荷载识别方法、识别系统、设备及存储介质 | |
CN112906095B (zh) | 基于激光条纹中心追踪的桥梁模态识别方法及其系统 | |
CN114897409A (zh) | 基于车辆驾驶评估道路风险的方法及系统 | |
CN113984164A (zh) | 一种基于车辆板簧双加速度传感器的吨位检测方法及装置 | |
CN114812983A (zh) | 一种基于激光阵列的桥梁裂缝测量方法、装置及设备 |
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 |