CN116257923A - 桥梁健康监测方法、装置、计算机设备和存储介质 - Google Patents
桥梁健康监测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116257923A CN116257923A CN202310179443.0A CN202310179443A CN116257923A CN 116257923 A CN116257923 A CN 116257923A CN 202310179443 A CN202310179443 A CN 202310179443A CN 116257923 A CN116257923 A CN 116257923A
- Authority
- CN
- China
- Prior art keywords
- bridge
- finite element
- element model
- initial
- information
- 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
Links
- 230000036541 health Effects 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000012806 monitoring device Methods 0.000 title claims abstract description 11
- 238000004088 simulation Methods 0.000 claims abstract description 110
- 238000005259 measurement Methods 0.000 claims abstract description 80
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 24
- 238000010276 construction Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 21
- 230000001413 cellular effect Effects 0.000 claims description 20
- 238000005303 weighing Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 11
- 230000004044 response Effects 0.000 description 31
- 230000006870 function Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- 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
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请涉及一种桥梁健康监测方法、装置、计算机设备和存储介质。所述方法包括：获取桥梁的有限元模型，以及所述桥梁的荷载信息；将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；将所述仿真值与所述桥梁的健康状况的实测值进行比较；在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。采用本方法能够提高桥梁健康监测的效率。
Description
技术领域
本申请涉及桥梁技术领域，特别是涉及一种桥梁健康监测方法、装置、计算机设备和存储介质。
背景技术
随着桥梁建设的不断发展和进步，桥梁的种类和数量逐渐增多，在桥梁运营期间，对桥梁的健康状况进行检查和监测显得尤为重要。
现有技术中，通常采用人工方法对桥梁的健康状况进行检查和监测，工作人员定期针对桥体的破损情况进行实地勘察，根据经验判断桥梁的健康状况，给出桥梁的运营建议，这种方法不但耗费较多的人力，而且难以满足实际工程的需要，对桥梁进行健康监测的效率较低。
因此，目前的桥梁健康监测技术存在效率较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高效率的桥梁健康监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种桥梁健康监测方法。所述方法包括：
获取桥梁的有限元模型，以及所述桥梁的荷载信息；
将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；
将所述仿真值与所述桥梁的健康状况的实测值进行比较；
在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。
在其中一个实施例中，所述获取桥梁的有限元模型，以及所述桥梁的荷载信息，包括：
获取所述桥梁的初始有限元模型；
确定与所述初始有限元模型相对应的所述桥梁的健康状况的初始仿真值，以及与所述初始仿真值相对应的所述桥梁的健康状况的初始实测值；
根据所述初始仿真值和所述初始实测值，对所述初始有限元模型进行修正，得到所述桥梁的有限元模型。
在其中一个实施例中，所述获取所述桥梁的初始有限元模型，包括：
获取所述桥梁的建设信息和检测信息；所述建设信息包括所述桥梁的结构信息、跨径信息、截面信息和材料信息中的至少一种；所述检测信息包括所述桥梁的尺寸信息和破损信息中的至少一种；
根据所述建设信息和所述检测信息进行有限元建模处理，得到所述初始有限元模型。
在其中一个实施例中，所述根据所述初始仿真值和所述初始实测值，对所述初始有限元模型进行修正，得到所述桥梁的有限元模型，包括：
在所述初始仿真值和所述初始实测值之间的差值不符合预设条件的情况下，调整所述初始有限元模型的参数，得到调整后的有限元模型；
将所述调整后的有限元模型，作为所述初始有限元模型，并返回至所述确定与所述初始有限元模型相对应的所述桥梁的健康状况的初始仿真值，以及与所述初始仿真值相对应的所述桥梁的健康状况的初始实测值的步骤，直至所述初始仿真值和所述初始实测值之间的差值符合所述预设条件；
将所述初始有限元模型，作为所述桥梁的有限元模型。
在其中一个实施例中，所述荷载信息包括车辆荷载信息；所述获取桥梁的有限元模型，以及所述桥梁的荷载信息，还包括：
获取所述桥梁的荷载感知数据；所述荷载感知数据包括交通流视频数据和动态称重数据；
对所述交通流视频数据进行重构处理，得到所述桥梁的第一荷载信息；所述第一荷载信息包括所述桥梁上车辆的类型、轨迹和速度中的至少一种；
对所述动态称重数据进行重构处理，得到所述桥梁的第二荷载信息；所述第二荷载信息包括所述桥梁上车辆的轴重和轴数中的至少一种；
根据所述第一荷载信息和/或所述第二荷载信息，得到所述桥梁的车辆荷载信息。
在其中一个实施例中，所述根据所述第一荷载信息和/或所述第二荷载信息，得到所述桥梁的车辆荷载信息，包括：
根据所述第一荷载信息和/或所述第二荷载信息，确定所述桥梁上各所述车辆的车长；
根据所述车长，确定各所述车辆在元胞自动机中的元胞长度；
根据各所述元胞长度和预先设置的元胞换道规则信息，运行所述元胞自动机，得到所述桥梁的车流模型；
根据所述车流模型，确定所述桥梁的车辆荷载信息。
在其中一个实施例中，所述方法还包括：
根据所述荷载信息，确定对所述有限元模型进行极限加载的加载步长；
根据所述加载步长，对所述有限元模型进行极限加载，得到所述桥梁的极限加载荷载；
根据所述极限加载荷载，确定所述桥梁的健康状况。
第二方面，本申请还提供了一种桥梁健康监测装置。所述装置包括：
获取模块，用于获取桥梁的有限元模型，以及所述桥梁的荷载信息；
加载模块，用于将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；
比较模块，用于将所述仿真值与所述桥梁的健康状况的实测值进行比较；
判断模块，用于在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取桥梁的有限元模型，以及所述桥梁的荷载信息；
将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；
将所述仿真值与所述桥梁的健康状况的实测值进行比较；
在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取桥梁的有限元模型，以及所述桥梁的荷载信息；
将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；
将所述仿真值与所述桥梁的健康状况的实测值进行比较；
在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取桥梁的有限元模型，以及所述桥梁的荷载信息；
将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；
将所述仿真值与所述桥梁的健康状况的实测值进行比较；
在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。
上述桥梁健康监测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取桥梁的有限元模型，以及桥梁的荷载信息，将荷载信息加载至有限元模型中，得到桥梁的健康状况的仿真值，将仿真值与桥梁的健康状况的实测值进行比较，在仿真值超过实测值的情况下，判定桥梁健康状况异常；可以在对桥梁进行建模和对桥梁上的荷载进行仿真的基础上，得到桥梁健康状况的仿真值，通过将仿真值与实测值相比较，即可判断桥梁的健康状况是否存在异常，无需人工监测，提高了桥梁健康监测的效率。
而且，在对桥梁进行建模和对荷载进行仿真的过程中，可以充分利用多源异构数据进行建模和仿真，有利于提高桥梁健康监测的可靠性。
附图说明
图1为一个实施例中桥梁健康监测方法的流程示意图；
图2为另一个实施例中桥梁健康监测方法的流程示意图；
图3为一个实施例中融合桥梁健康检测、监测和仿真数据的桥梁评估方法的流程示意图；
图4为另一个实施例中桥梁健康监测装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种桥梁健康监测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤S110，获取桥梁的有限元模型，以及桥梁的荷载信息。
其中，荷载信息可以包括桥梁上的车辆荷载信息、风荷载信息和温度荷载信息中的至少一种。
具体实现中，终端可以根据桥梁的建设信息和检测信息建立有限元模型，其中，建设信息可以包括桥梁的结构信息、跨径信息、截面信息和材料信息中的至少一种，检测信息可以包括桥梁的尺寸信息和破损信息中的至少一种。终端还可以根据桥梁的荷载感知数据，对桥梁运营阶段的荷载进行重构，得到桥梁的荷载信息，其中，荷载感知数据可以包括桥梁的交通流视频数据、WIM(Weigh In Motion，动态称重系统)数据、风速仪数据、温度数据和湿度数据中的至少一种，荷载信息可以包括车辆荷载、风荷载和温度荷载中的至少一种。
实际应用中，可以根据桥梁建设期的基本资料信息和桥梁运营期的检测信息，建立桥梁运营阶段的有限元模型，其中，桥梁建设期的基本资料信息包括桥梁的结构形式、跨径组成、截面形式和材料中的至少一种，桥梁运营期的检测信息包括桥梁的实际尺寸和破损情况中的至少一种。针对所建立的有限元模型，还可以获取荷载试验数据和桥梁健康监测实测数据，根据荷载试验数据和桥梁健康监测实测数据对桥梁的有限元模型进行修正，其中，荷载试验数据包括静载试验下的荷载数据和/或动载试验下的荷载数据，桥梁健康监测实测数据包括桥梁的应变、挠度和频率参数的实际测量结果。针对桥梁的荷载信息，可以获取桥梁的荷载感知数据，根据荷载感知数据对桥梁运营阶段的荷载进行重构，得到荷载信息。
步骤S120，将荷载信息加载至有限元模型中，得到桥梁的健康状况的仿真值。
其中，仿真值可以为桥梁响应的仿真值。
具体实现中，终端可以将重构的荷载信息加载到有限元模型中，有限元模型输出桥梁健康状况的仿真值。
实际应用中，终端还可以将重构的荷载信息加载到修正后的有限元模型中，得到修正后的有限元模型输出的响应仿真值，例如，可以将荷载信息加载到修正后的有限元模型中，得到桥梁应变响应、挠度响应和频率响应的仿真值。
步骤S130，将仿真值与桥梁的健康状况的实测值进行比较。
具体实现中，终端还可以获取与桥梁健康状况的仿真值相对应的实测值，将仿真值与实测值进行比较。
例如，将桥梁应变响应、挠度响应和频率响应的实测值输入终端，终端可以将应变响应、挠度响应和频率响应的实测值，分别与应变响应、挠度响应和频率响应的仿真值进行比较。
步骤S140，在仿真值超过实测值的情况下，判定桥梁的健康状况异常。
具体实现中，若桥梁健康状况的仿真值超过桥梁健康状况的实测值，可以判定桥梁健康状况异常，还可以发出桥梁健康状况异常的消息；否则，若桥梁健康状况的仿真值不超过桥梁健康状况的实测值，可以判定桥梁健康状况正常。
上述桥梁健康监测方法，通过获取桥梁的有限元模型，以及桥梁的荷载信息，将荷载信息加载至有限元模型中，得到桥梁的健康状况的仿真值，将仿真值与桥梁的健康状况的实测值进行比较，在仿真值超过实测值的情况下，判定桥梁健康状况异常；可以在对桥梁进行建模和对桥梁上的荷载进行仿真的基础上，得到桥梁健康状况的仿真值，通过将仿真值与实测值相比较，即可判断桥梁的健康状况是否存在异常，无需人工监测，提高了桥梁健康监测的效率。
而且，在对桥梁进行建模和对荷载进行仿真的过程中，可以充分利用多源异构数据进行建模和仿真，有利于提高桥梁健康监测的可靠性。
在一个实施例中，上述步骤S110，可以具体包括：获取桥梁的初始有限元模型；确定与初始有限元模型相对应的桥梁的健康状况的初始仿真值，以及与初始仿真值相对应的桥梁的健康状况的初始实测值；根据初始仿真值和初始实测值，对初始有限元模型进行修正，得到桥梁的有限元模型。
其中，初始仿真值可以为将荷载加载至初始有限元模型，所得到的桥梁响应的仿真值。
其中，初始实测值可以为对桥梁进行实测所得到的桥梁响应。
具体实现中，可以预先设置桥梁的初始有限元模型，并获取桥梁的荷载信息，将荷载信息加载至初始有限元模型，得到与初始有限元模型相对应的桥梁健康状况的初始仿真值，在同样的荷载信息条件下，测量桥梁健康状况，得到与初始仿真值相对应的桥梁健康状况的初始实测值，将初始仿真值与初始实测值相比较，若二者之间的差值符合预设条件，则可以直接将初始有限元模型作为桥梁的有限元模型；否则，若二者之间的差值不符合预设条件，则需要对初始有限元模型进行修正，直至二者之间的差值符合预设条件，将初始有限元模型作为桥梁的有限元模型。
实际应用中，可以确定桥梁当前的荷载，计算将该荷载加载至初始有限元模型的响应值Rm，Rm可以为应变、挠度或者频率，还可以测量桥梁当前的实际响应值Rs，建立目标函数P＝Rm-Rs，利用最小二乘法、神经网络或者遗传算法对目标函数进行求解，不断调整初始有限元模型的参数，使得目标函数P的值达到极小值，将最终得到的修正后的初始有限元模型，作为桥梁的有限元模型。
本实施例中，通过获取桥梁的初始有限元模型；确定与初始有限元模型相对应的桥梁的健康状况的初始仿真值，以及与初始仿真值相对应的桥梁的健康状况的初始实测值；根据初始仿真值和初始实测值，对初始有限元模型进行修正，得到桥梁的有限元模型，可以使最终得到的有限元模型符合桥梁的真实情况，通过加载荷载可以准确模拟桥梁的健康状况，提高桥梁健康监测的准确性。
在一个实施例中，上述获取桥梁的初始有限元模型的步骤，可以具体包括：获取桥梁的建设信息和检测信息；建设信息包括桥梁的结构信息、跨径信息、截面信息和材料信息中的至少一种；检测信息包括桥梁的尺寸信息和破损信息中的至少一种；根据建设信息和检测信息进行有限元建模处理，得到初始有限元模型。
其中，建设信息可以为建设阶段的桥梁基本资料信息。
其中，检测信息可以为运营阶段对桥梁进行检测得到的信息。
其中，结构信息可以为桥梁整体及局部的结构形式。跨径信息可以为桥梁的跨径组成。截面信息可以为桥梁各组成部分的截面形式。材料信息可以为桥梁各组成部分的具体材料。
其中，尺寸信息可以为桥梁各组成部分的尺寸大小。破损信息可以为桥梁各组成部分的破损情况。
具体实现中，可以将桥梁的结构信息、跨径信息、截面信息、材料信息、尺寸信息和破损信息中的至少一种输入终端，终端可以根据结构信息、跨径信息、截面信息、材料信息、尺寸信息和破损信息中的至少一种建立有限元模型，得到初始有限元模型。
本实施例中，通过获取桥梁的建设信息和检测信息；根据建设信息和检测信息进行有限元建模处理，得到初始有限元模型，可以充分利用多源异构数据建立有限元模型，使得到的有限元模型能够反映桥梁的多方面特性，提高有限元模型的可靠性。
在一个实施例中，上述根据初始仿真值和初始实测值，对初始有限元模型进行修正，得到桥梁的有限元模型的步骤，可以具体包括：在初始仿真值和初始实测值之间的差值不符合预设条件的情况下，调整初始有限元模型的参数，得到调整后的有限元模型；将调整后的有限元模型，作为初始有限元模型，并返回至确定与初始有限元模型相对应的桥梁的健康状况的初始仿真值，以及与初始仿真值相对应的桥梁的健康状况的初始实测值的步骤，直至初始仿真值和初始实测值之间的差值符合预设条件；将初始有限元模型，作为桥梁的有限元模型。
其中，预设条件可以为初始仿真值和初始实测值之间的差值不超过预设阈值，还可以为初始仿真值和初始实测值之间的差值符合预设的极小条件，极小条件可以为全局最小或者局部最小。
具体实现中，可以计算初始仿真值和初始实测值之间的差值，若二者之间的差值超过预设阈值(或者不符合预设的极小条件)，则调整初始有限元模型的参数，根据调整后的参数得到调整后的有限元模型，将调整后的有限元模型作为初始有限元模型，重复之前的过程，即将荷载信息加载至该初始有限元模型，得到桥梁健康状况的初始仿真值，并在同样的荷载信息条件下，测量桥梁健康状况，得到桥梁健康状况的初始实测值，若再次计算得到的初始仿真值和初始实测值之间的差值超过预设阈值(或者不符合预设的极小条件)，则继续调整初始有限元模型的参数，否则，若再次计算得到的初始仿真值和初始实测值之间的差值不超过预设阈值(或者符合预设的极小条件)，则可以将初始有限元模型作为桥梁的有限元模型。
例如，设置初始仿真值为Rm，初始实测值为Rs，建立目标函数P＝Rm-Rs，利用最小二乘法、神经网络或者遗传算法对目标函数进行求解，不断调整初始有限元模型的参数，使得目标函数P的值达到全局最小，最终得到的修正后的初始有限元模型，可以作为桥梁的有限元模型。
本实施例中，通过在初始仿真值和初始实测值之间的差值不符合预设条件的情况下，调整初始有限元模型的参数，得到调整后的有限元模型；将调整后的有限元模型，作为初始有限元模型，并返回至确定与初始有限元模型相对应的桥梁的健康状况的初始仿真值，以及与初始仿真值相对应的桥梁的健康状况的初始实测值的步骤，直至初始仿真值和初始实测值之间的差值符合预设条件；将初始有限元模型，作为桥梁的有限元模型，可以使最终得到的有限元模型符合桥梁的真实情况，通过加载荷载可以准确模拟桥梁的健康状况，提高桥梁健康监测的准确性。
在一个实施例中，荷载信息包括车辆荷载信息；上述步骤S110，具体还可以包括：获取桥梁的荷载感知数据；荷载感知数据包括交通流视频数据和动态称重数据；对交通流视频数据进行重构处理，得到桥梁的第一荷载信息；第一荷载信息包括桥梁上车辆的类型、轨迹和速度中的至少一种；对动态称重数据进行重构处理，得到桥梁的第二荷载信息；第二荷载信息包括桥梁上车辆的轴重和轴数中的至少一种；根据第一荷载信息和/或第二荷载信息，得到桥梁的车辆荷载信息。
其中，车辆荷载信息可以为桥梁的车辆荷载的信息。
其中，交通流视频数据可以为针对桥梁上车辆行驶所拍摄的视频。动态称重数据可以为针对桥梁上动态行驶的车辆所得到的称重数据，包括车辆的总重、轴重、车速、数量、车辆所处车道中的至少一种。
具体实现中，可以将桥梁的交通流视频数据和动态称重数据输入终端，终端对交通流视频数据进行重构，得到桥梁上车辆的类型、轨迹和速度中的至少一种，终端还可以对动态称重数据进行重构，得到桥梁上车辆的轴重和轴数中的至少一种，终端可以对重构得到的车辆的类型、轨迹、速度、轴重和轴数中的至少一种进行同步，得到桥梁的车辆荷载信息。
实际应用中，终端可以针对交通流视频数据，通过机器视觉的方式获取车辆的类型、轨迹以及速度等时变信息，还可以利用动态称重系统获取车辆的轴重、轴数等时不变信息，根据时空同步原则，对时变信息和时不变信息进行同步，得到桥梁的车辆荷载，车辆荷载可以包括车辆的类型、轨迹、速度、轴重、轴数等信息。
本实施例中，通过获取桥梁的荷载感知数据，对交通流视频数据进行重构处理，得到桥梁的第一荷载信息，对动态称重数据进行重构处理，得到桥梁的第二荷载信息，根据第一荷载信息和/或第二荷载信息，得到桥梁的车辆荷载信息，可以充分利用多源异构数据重构车辆荷载，提高车辆荷载仿真的准确性，进而提高桥梁响应的准确性，增加桥梁健康监测的可靠性。
在一个实施例中，上述根据第一荷载信息和/或第二荷载信息，得到桥梁的车辆荷载信息的步骤，可以具体包括：根据第一荷载信息和/或第二荷载信息，确定桥梁上各车辆的车长；根据车长，确定各车辆在元胞自动机中的元胞长度；根据各元胞长度和预先设置的元胞换道规则信息，运行元胞自动机，得到桥梁的车流模型；根据车流模型，确定桥梁的车辆荷载信息。
其中，元胞换道规则信息可以为车辆在元胞自动机中的换道规则。
其中，车流模型可以为桥梁上行驶的车流的模型。
具体实现中，在得到车辆的类型、轨迹和速度中的至少一种，以及轴重和轴数中的至少一种后，可以根据类型、轨迹、速度、轴重和轴数中的至少一种，确定桥梁上各车辆的车长，并根据车长确定各车辆在元胞自动机中的元胞长度，例如，可以对各车长进行等比例缩小来确定元胞长度，还可以根据预设的映射关系来确定元胞长度，还可以预先根据交通规则和实际监测得到的交通流情况，以及结合针对行车效率和行车安全的考虑，设置元胞换道规则，基于开放性边界原则，根据各元胞长度和元胞换道规则运行元胞自动机，模拟车辆在桥梁上行驶，得到桥梁上的车流模型，并基于车流模型确定桥梁上的车辆荷载信息，例如，可以根据车流模型来确定桥梁上行驶的车辆的类型、轨迹、速度、轴重、轴数等信息。
需要说明的是，还可以随着时间轴的推移，根据桥梁上行驶的最新的车型占比、车长、车重、车速、轴重等信息，对元胞自动机进行修正，进一步提高车流模型的可靠性。
本实施例中，通过根据第一荷载信息和/或第二荷载信息，确定桥梁上各车辆的车长；根据车长，确定各车辆在元胞自动机中的元胞长度；根据各元胞长度和预先设置的元胞换道规则信息，运行元胞自动机，得到桥梁的车流模型；根据车流模型，确定桥梁的车辆荷载信息，可以基于元胞自动机对桥梁上的车流进行模拟，根据模拟得到的车流模型确定桥梁上的车辆荷载信息，可以提高车辆荷载信息的准确性，进一步增加桥梁健康监测的可靠性。
在一个实施例中，上述桥梁健康监测方法，具体还可以包括：根据荷载信息，确定对有限元模型进行极限加载的加载步长；根据加载步长，对有限元模型进行极限加载，得到桥梁的极限加载荷载；根据极限加载荷载，确定桥梁的健康状况。
具体实现中，可以根据桥梁的荷载信息确定加载步长，以及对有限元模型进行加载的初始荷载，根据加载步长逐渐增加初始荷载，得到增加后的荷载，将增加后的荷载加载至有限元模型，得到桥梁响应，当得到的桥梁响应符合预设的极限加载条件时，可以将增加后的荷载确定为桥梁的极限加载荷载，极限加载荷载可以用于分析桥梁的健康状况。
实际应用中，桥梁响应可以为桥梁的应变、挠度或者频率，极限加载条件可以为桥梁响应超过预设阈值，例如，逐渐增加荷载，当得到的桥梁应变超过预设的应变阈值时，达到极限加载，可以将此时加载至有限元模型的荷载确定为极限加载荷载，对桥梁健康监测中的荷载感知信息进行重构，得到桥梁荷载，若桥梁荷载不超过极限加载荷载，可以判定桥梁健康状况良好，否则，如桥梁荷载超过极限加载荷载，可以判定桥梁健康状况异常，并生成桥梁健康状况异常消息。
本实施例中，通过根据荷载信息，确定对有限元模型进行极限加载的加载步长；根据加载步长，对有限元模型进行极限加载，得到桥梁的极限加载荷载；根据极限加载荷载，确定桥梁的健康状况，可以通过对桥梁进行极限加载，测试桥梁的极限加载荷载，进而根据极限加载荷载判断桥梁的健康状况，进一步提高桥梁健康监测效率。
在一个实施例中，如图2所示，提供了一种桥梁健康监测方法，以该方法应用于终端为例进行说明，包括以下步骤：
步骤S210，获取桥梁的有限元模型，以及桥梁的荷载信息；
步骤S220，将荷载信息加载至有限元模型中，得到桥梁的健康状况的仿真值；将仿真值与桥梁的健康状况的实测值进行比较；在仿真值超过实测值的情况下，判定桥梁的健康状况异常；
步骤S230，根据荷载信息，确定对有限元模型进行极限加载的加载步长；根据加载步长，对有限元模型进行极限加载，得到桥梁的极限加载荷载；根据极限加载荷载，确定桥梁的健康状况。
上述桥梁健康监测方法，通过获取桥梁的有限元模型，以及桥梁的荷载信息，将荷载信息加载至有限元模型中，得到桥梁的健康状况的仿真值，将仿真值与桥梁的健康状况的实测值进行比较，在仿真值超过实测值的情况下，判定桥梁健康状况异常；根据荷载信息，确定对有限元模型进行极限加载的加载步长；根据加载步长，对有限元模型进行极限加载，得到桥梁的极限加载荷载；根据极限加载荷载，确定桥梁的健康状况；可以在对桥梁进行建模和对桥梁上的荷载进行仿真的基础上，得到桥梁健康状况的仿真值，通过将仿真值与实测值相比较，即可判断桥梁的健康状况是否存在异常，无需人工监测，提高了桥梁健康监测的效率。
而且，在对桥梁进行建模和对荷载进行仿真的过程中，可以充分利用多源异构数据进行建模和仿真，有利于提高桥梁健康监测的可靠性。
进一步的，通过进行极限加载，测试桥梁的极限加载荷载，可以根据极限加载荷载来判断桥梁的健康状况，增加了桥梁健康状况监测的维度，有利于进一步提高桥梁健康监测的可靠性。
为了便于本领域技术人员深入理解本申请实施例，以下将结合一个具体示例进行说明。
图3提供了一个融合桥梁健康检测、监测和仿真数据的桥梁评估方法的流程示意图。根据图3，融合桥梁健康检测、监测和仿真数据的桥梁评估方法可以具体包括以下步骤：
步骤1，基于桥梁建设期的基本资料信息，主要包含结构形式、跨径组成、截面形式、材料等信息，同时结合桥梁检测信息(实际桥梁的尺寸、破损情况等信息)进行桥梁运营阶段有限元模型的建立。
步骤2，基于桥梁荷载试验数据(静载、动载试验结果数据等)或者桥梁健康监测数据(己知荷载作用下的桥梁响应结果、桥梁频率信息等)进行桥梁模型的修正。
其中，修正方法可以但不限于是基于灵敏度和基于智能优化算法的修正方法。桥梁模型修正的过程可以是：
(1)利用基础模型，计算桥梁在已知的荷载工况下的响应值Rm，该响应值可以为应变、挠度，也可以为桥梁的频率，其中，基础模型可以是初始设置的桥梁有限元模型；
(2)找到与(1)对应的桥梁的实测响应值Rs，例如，可以在(1)的荷载工况下对桥梁进行测量，得到实测响应值Rs；
(3)建立目标函数P＝Rm-Rs；
(4)利用最小二乘、神经网络、遗传算法等智能算法，不断调整基础模型的参数，使得目标函数值达到最小，进而完成基础模型修正，得到修正后的有限元模型。
步骤3，基于桥梁健康监测中的荷载感知数据(交通流视频数据，WIM数据，风速仪数据，温湿度数据等)对桥梁运营阶段的荷载(车辆荷载、风荷载、温度荷载等)进行重构。
其中，WIM数据可以包括车辆总重、轴重，车辆速度、车辆数量、车辆所处车道等信息。荷载重构的过程可是：
(1)获取荷载感知数据；
(2)对荷载感知数据进行去噪处理，得到荷载有效感知数据；
(3)利用荷载有效感知数据，对于不同的荷载，针对性的开始重构；以车辆荷载为例，可以利用交通流视频数据，通过机器视觉的方法获取车辆的类型、轨迹以及速度等时变信息，利用WIM系统获取车辆的轴重、轴数等时不变信息，利用时空同步原则，对时变信息和时不变信息进行同步，实现时变信息与时不变信息的重构，得到重构的运营荷载。
步骤4，将重构的运营荷载加载到修正后的有限元模型上，得到桥梁响应的仿真计算数据，其不仅可以进行单次加载，亦可提练出交通荷载的特性，进而进行随机车流的模拟，实现对桥梁结构在随机车流作用下的长期性能分析。
具体的，可以提取出车型占比、车长、总重、轴重、车速的分布特征，基于自适应的元胞自动机，进行随机车流的模拟，具体步骤可以为：
(1)确定车型占比、车长、总重、轴重、车速等分布特征后，将分布特征作为输入参数；
(2)根据车长信息、自适应确定元胞长度；
(3)结合安全性原则、强制性交通规则、最小行车时间原则，同时结合实际监测的交通流信息，进行元胞换道规则的制定；其中，安全性原则可以是确保安全驾驶，最小行车时间原则可以是尽量缩短行车时间，提高行车效率；
(4)采用开放性边界原则，运行车辆模拟元胞自动机，并随着时间轴的推移，根据最新的交通流信息对元胞自动机进行修正。
步骤5，结合桥梁响应的仿真计算数据与结构健康监测中的桥梁实测响应进行对比，对桥梁结构的服役状态进行评估；同时，可以对修正后的有限元模型进行极限加载，分析结构的极限承载状态和抗灾害能力。此外，不仅可以对桥梁结构的整体状态进行评估，也可以对桥梁的局部构件进行评估。
上述桥梁评估方法，可以充分融合桥梁检测、桥梁结构健康监测等多源异构数据，从多个方面，更为综合的评估桥梁的服役状态，对桥梁进行健康监测，提高桥梁健康监测的准确性和可靠性。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的桥梁健康监测方法的桥梁健康监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个桥梁健康监测装置实施例中的具体限定可以参见上文中对于桥梁健康监测方法的限定，在此不再赘述。
在一个实施例中，如图4所示，提供了一种桥梁健康监测装置，包括：获取模块310、加载模块320、比较模块330和判断模块340，其中：
获取模块310，用于获取桥梁的有限元模型，以及所述桥梁的荷载信息；
加载模块320，用于将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；
比较模块330，用于将所述仿真值与所述桥梁的健康状况的实测值进行比较；
判断模块340，用于在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。
在一个实施例中，上述获取模块310，还包括：
初始模型模块，用于获取所述桥梁的初始有限元模型；
初始值模块，用于确定与所述初始有限元模型相对应的所述桥梁的健康状况的初始仿真值，以及与所述初始仿真值相对应的所述桥梁的健康状况的初始实测值；
模型修正模块，用于根据所述初始仿真值和所述初始实测值，对所述初始有限元模型进行修正，得到所述桥梁的有限元模型。
在一个实施例中，上述初始模型模块，还用于获取所述桥梁的建设信息和检测信息；所述建设信息包括所述桥梁的结构信息、跨径信息、截面信息和材料信息中的至少一种；所述检测信息包括所述桥梁的尺寸信息和破损信息中的至少一种；根据所述建设信息和所述检测信息进行有限元建模处理，得到所述初始有限元模型。
在一个实施例中，上述模型修正模块，还用于在所述初始仿真值和所述初始实测值之间的差值不符合预设条件的情况下，调整所述初始有限元模型的参数，得到调整后的有限元模型；将所述调整后的有限元模型，作为所述初始有限元模型，并返回至所述确定与所述初始有限元模型相对应的所述桥梁的健康状况的初始仿真值，以及与所述初始仿真值相对应的所述桥梁的健康状况的初始实测值的步骤，直至所述初始仿真值和所述初始实测值之间的差值符合所述预设条件；将所述初始有限元模型，作为所述桥梁的有限元模型。
在一个实施例中，上述获取模块310，还包括：
数据获取模块，用于获取所述桥梁的荷载感知数据；所述荷载感知数据包括交通流视频数据和动态称重数据；
第一重构模块，用于对所述交通流视频数据进行重构处理，得到所述桥梁的第一荷载信息；所述第一荷载信息包括所述桥梁上车辆的类型、轨迹和速度中的至少一种；
第二重构模块，用于对所述动态称重数据进行重构处理，得到所述桥梁的第二荷载信息；所述第二荷载信息包括所述桥梁上车辆的轴重和轴数中的至少一种；
车辆荷载模块，用于根据所述第一荷载信息和/或所述第二荷载信息，得到所述桥梁的车辆荷载信息。
在一个实施例中，上述车辆荷载模块，还用于根据所述第一荷载信息和/或所述第二荷载信息，确定所述桥梁上各所述车辆的车长；根据所述车长，确定各所述车辆在元胞自动机中的元胞长度；根据各所述元胞长度和预先设置的元胞换道规则信息，运行所述元胞自动机，得到所述桥梁的车流模型；根据所述车流模型，确定所述桥梁的车辆荷载信息。
在一个实施例中，上述桥梁健康监测装置，还包括：
步长确定模块，用于根据所述荷载信息，确定对所述有限元模型进行极限加载的加载步长；
极限加载模块，用于根据所述加载步长，对所述有限元模型进行极限加载，得到所述桥梁的极限加载荷载；
健康监测模块，用于根据所述极限加载荷载，确定所述桥梁的健康状况。
上述桥梁健康监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种桥梁健康监测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种桥梁健康监测方法，其特征在于，所述方法包括：
获取桥梁的有限元模型，以及所述桥梁的荷载信息；
将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；
将所述仿真值与所述桥梁的健康状况的实测值进行比较；
在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。
2.根据权利要求1所述的方法，其特征在于，所述获取桥梁的有限元模型，以及所述桥梁的荷载信息，包括：
获取所述桥梁的初始有限元模型；
确定与所述初始有限元模型相对应的所述桥梁的健康状况的初始仿真值，以及与所述初始仿真值相对应的所述桥梁的健康状况的初始实测值；
根据所述初始仿真值和所述初始实测值，对所述初始有限元模型进行修正，得到所述桥梁的有限元模型。
3.根据权利要求2所述的方法，其特征在于，所述获取所述桥梁的初始有限元模型，包括：
获取所述桥梁的建设信息和检测信息；所述建设信息包括所述桥梁的结构信息、跨径信息、截面信息和材料信息中的至少一种；所述检测信息包括所述桥梁的尺寸信息和破损信息中的至少一种；
根据所述建设信息和所述检测信息进行有限元建模处理，得到所述初始有限元模型。
4.根据权利要求2所述的方法，其特征在于，所述根据所述初始仿真值和所述初始实测值，对所述初始有限元模型进行修正，得到所述桥梁的有限元模型，包括：
在所述初始仿真值和所述初始实测值之间的差值不符合预设条件的情况下，调整所述初始有限元模型的参数，得到调整后的有限元模型；
将所述调整后的有限元模型，作为所述初始有限元模型，并返回至所述确定与所述初始有限元模型相对应的所述桥梁的健康状况的初始仿真值，以及与所述初始仿真值相对应的所述桥梁的健康状况的初始实测值的步骤，直至所述初始仿真值和所述初始实测值之间的差值符合所述预设条件；
将所述初始有限元模型，作为所述桥梁的有限元模型。
5.根据权利要求1所述的方法，其特征在于，所述荷载信息包括车辆荷载信息；所述获取桥梁的有限元模型，以及所述桥梁的荷载信息，还包括：
获取所述桥梁的荷载感知数据；所述荷载感知数据包括交通流视频数据和动态称重数据；
对所述交通流视频数据进行重构处理，得到所述桥梁的第一荷载信息；所述第一荷载信息包括所述桥梁上车辆的类型、轨迹和速度中的至少一种；
对所述动态称重数据进行重构处理，得到所述桥梁的第二荷载信息；所述第二荷载信息包括所述桥梁上车辆的轴重和轴数中的至少一种；
根据所述第一荷载信息和/或所述第二荷载信息，得到所述桥梁的车辆荷载信息。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一荷载信息和/或所述第二荷载信息，得到所述桥梁的车辆荷载信息，包括：
根据所述第一荷载信息和/或所述第二荷载信息，确定所述桥梁上各所述车辆的车长；
根据所述车长，确定各所述车辆在元胞自动机中的元胞长度；
根据各所述元胞长度和预先设置的元胞换道规则信息，运行所述元胞自动机，得到所述桥梁的车流模型；
根据所述车流模型，确定所述桥梁的车辆荷载信息。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述荷载信息，确定对所述有限元模型进行极限加载的加载步长；
根据所述加载步长，对所述有限元模型进行极限加载，得到所述桥梁的极限加载荷载；
根据所述极限加载荷载，确定所述桥梁的健康状况。
8.一种桥梁健康监测装置，其特征在于，所述装置包括：
获取模块，用于获取桥梁的有限元模型，以及所述桥梁的荷载信息；
加载模块，用于将所述荷载信息加载至所述有限元模型中，得到所述桥梁的健康状况的仿真值；
比较模块，用于将所述仿真值与所述桥梁的健康状况的实测值进行比较；
判断模块，用于在所述仿真值超过所述实测值的情况下，判定所述桥梁的健康状况异常。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310179443.0A CN116257923A (zh) | 2023-02-27 | 2023-02-27 | 桥梁健康监测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310179443.0A CN116257923A (zh) | 2023-02-27 | 2023-02-27 | 桥梁健康监测方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116257923A true CN116257923A (zh) | 2023-06-13 |
Family
ID=86687707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310179443.0A Pending CN116257923A (zh) | 2023-02-27 | 2023-02-27 | 桥梁健康监测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116257923A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116975989A (zh) * | 2023-09-25 | 2023-10-31 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于有限元引导深度学习代理模型评估桥梁运行状态方法 |
| CN117076928A (zh) * | 2023-08-25 | 2023-11-17 | 中交路桥科技有限公司 | 一种桥梁健康状态监测方法、装置、系统及电子设备 |
| CN117592341A (zh) * | 2024-01-18 | 2024-02-23 | 苏州大学 | 一种t型桥梁健康状态的有限元预测方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180068040A1 (en) * | 2016-08-24 | 2018-03-08 | Improbable Worlds Limited | Handover Techniques For Simulation Systems And Methods |
| CN110119528A (zh) * | 2019-03-28 | 2019-08-13 | 长安大学 | 一种基于智能体元胞自动机的桥梁随机车流仿真系统 |
| CN110926735A (zh) * | 2019-11-29 | 2020-03-27 | 邢台市交通运输局 | 基于多维动态参数的桥梁结构快速诊断方法 |
| CN115326181A (zh) * | 2022-09-30 | 2022-11-11 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种桥面载荷时空分布监测装置、系统和方法 |
-
2023
- 2023-02-27 CN CN202310179443.0A patent/CN116257923A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180068040A1 (en) * | 2016-08-24 | 2018-03-08 | Improbable Worlds Limited | Handover Techniques For Simulation Systems And Methods |
| CN110119528A (zh) * | 2019-03-28 | 2019-08-13 | 长安大学 | 一种基于智能体元胞自动机的桥梁随机车流仿真系统 |
| CN110926735A (zh) * | 2019-11-29 | 2020-03-27 | 邢台市交通运输局 | 基于多维动态参数的桥梁结构快速诊断方法 |
| CN115326181A (zh) * | 2022-09-30 | 2022-11-11 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种桥面载荷时空分布监测装置、系统和方法 |
Non-Patent Citations (5)
| Title |
|---|
| 乔书光等: "《佛山市城市轨道交通三号线工程土建阶段第三方技术服务实践与总结》", 30 September 2022, 成都：西南交通大学出版社, pages: 184 - 244 * |
| 刘吉诚等: "全混凝土无背索斜拉桥的运营安全分析", 《科学技术与工程》, vol. 19, no. 33, pages 0 - 4 * |
| 吴礼军: "《汽车整车设计与产品开发》", 31 December 2021, 北京：机械工业出版社, pages: 47 * |
| 徐树山: "《传感器与车辆称重》", 31 August 2007, 郑州：中原农民出版社, pages: 122 * |
| 武隽等: "基于实测和CA模型的大跨桥梁车辆荷载模拟", 《铁道科学与工程学报》, vol. 11, no. 04, pages 14 - 18 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117076928A (zh) * | 2023-08-25 | 2023-11-17 | 中交路桥科技有限公司 | 一种桥梁健康状态监测方法、装置、系统及电子设备 |
| CN116975989A (zh) * | 2023-09-25 | 2023-10-31 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于有限元引导深度学习代理模型评估桥梁运行状态方法 |
| CN116975989B (zh) * | 2023-09-25 | 2024-02-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于有限元引导深度学习代理模型评估桥梁运行状态方法 |
| CN117592341A (zh) * | 2024-01-18 | 2024-02-23 | 苏州大学 | 一种t型桥梁健康状态的有限元预测方法和系统 |
| CN117592341B (zh) * | 2024-01-18 | 2024-03-29 | 苏州大学 | 一种t型桥梁健康状态的有限元预测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116257923A (zh) | 桥梁健康监测方法、装置、计算机设备和存储介质 | |
| CN110618924B (zh) | 一种web应用系统的链路压力测试方法 | |
| CN109086876B (zh) | 设备的运行状态检测方法、装置、计算机设备和存储介质 | |
| CN107967204B (zh) | 线下压测的方法、系统及终端设备 | |
| CN111881023B (zh) | 一种基于多模型对比的软件老化预测方法及装置 | |
| CN113466731B (zh) | 电池承受振荡最大时长的检测方法、装置、设备及介质 | |
| CN113808132B (zh) | 三维网络模型质量检测方法、装置和计算机设备 | |
| CN115795920A (zh) | 基于多应力耦合加速模型的产品可靠性评价方法和装置 | |
| CN116223975A (zh) | 电缆故障点定位方法、装置、计算机设备和存储介质 | |
| CN115841046A (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
| CN115047349A (zh) | 电池包的一致性状态评估方法、装置、电子设备和存储介质 | |
| CN111179670B (zh) | 物理电学实验结果的量化方法、装置、终端和存储介质 | |
| CN117235664A (zh) | 配电通信设备的故障诊断方法、系统和计算机设备 | |
| CN113608953B (zh) | 测试数据生成方法、装置、电子设备及可读存储介质 | |
| CN115981284A (zh) | 车辆仿真测试方法、装置、计算机设备、介质和程序产品 | |
| CN114610645B (zh) | 任务可靠性和测试性联合确定方法、装置和计算机设备 | |
| CN115238484A (zh) | 板级组件寿命预测方法、装置、计算机设备和存储介质 | |
| CN113128053A (zh) | 一种非线性系统参数识别方法、装置、设备及介质 | |
| CN116302364B (zh) | 自动驾驶可靠性测试方法、装置、设备、介质和程序产品 | |
| CN117891566B (zh) | 智能软件的可靠性评估方法、装置、设备、介质和产品 | |
| CN116610906B (zh) | 设备故障诊断方法、装置、计算机设备及其存储介质 | |
| CN116579669B (zh) | 可靠性评估方法、装置、计算机设备及其存储介质 | |
| CN117370897B (zh) | 道路健康状态检测方法、电子设备和计算机可读介质 | |
| CN114741887B (zh) | 保险杠耐久性分析方法、装置、计算机设备、存储介质 | |
| CN116247812A (zh) | 输电线路巡线检测方法、装置、计算机设备和存储介质 |
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 |