CN116305439B - 桥梁状况评定方法、装置、计算机设备和存储介质 - Google Patents
桥梁状况评定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116305439B CN116305439B CN202310176946.2A CN202310176946A CN116305439B CN 116305439 B CN116305439 B CN 116305439B CN 202310176946 A CN202310176946 A CN 202310176946A CN 116305439 B CN116305439 B CN 116305439B
- Authority
- CN
- China
- Prior art keywords
- cloud model
- bridge
- cloud
- model
- technical condition
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 40
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 13
- 238000003786 synthesis reaction Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000012854 evaluation process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Mathematical Optimization (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种桥梁状况评定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取待评定桥梁中的各结构的结构云模型;所述结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型;从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;获取所述目标基准云模型对应的技术状况等级,对应作为所述待评定桥梁的技术状况等级。采用本方法能够使得桥梁技术状况的评定过程体现出实际操作所具有的模糊性和不确定性,得到更客观的评定结果。
Description
技术领域
本申请涉及状况评定技术领域,特别是涉及一种桥梁状况评定方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
现有的公路桥梁技术状况评定是以《公路桥梁技术状况评定标准JTG/T H21-2011》为基础进行。虽然依据该规范进行桥梁技术状况评定实施简单、可操作性强,但部件病害描述主要依赖人工进行,存在一定的不确定性和模糊性,而《公路桥梁技术状况评定标准JTG/T H21-2011》中桥梁指标的技术状况等级划分、评分等都未体现着评定过程中存在的不确定性和模糊性,不符合人们的思维习惯和人们对桥梁技术状况评定等级划分的认识。
为了解决这个问题,众多学者通常采用模糊数学的方法,但传统的模糊理论采用精确的隶属度函数去描述模糊集,这种利用精确隶属度函数来描述模糊集的方法,已经将模糊概念强行纳入确定数据的讨论中,存在模糊不彻底的问题。
发明内容
基于此,有必要针对评价模糊不彻底的技术问题,提供一种桥梁状况评定方法、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状况评定方法。所述方法包括:
获取待评定桥梁中的各结构的结构云模型;所述结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;
对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型;
从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;
获取所述目标基准云模型对应的技术状况等级,对应作为所述待评定桥梁的技术状况等级。
在其中一个实施例中,所述从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型,包括:
获取各个基准云模型的第一云数字特征和所述桥梁云模型的第二云数字特征;
根据所述第一云数字特征和所述第二云数字特征,确定所述桥梁云模型与每个基准云模型之间的重叠面积;
将最大的重叠面积对应的基准云模型,确定为所述目标基准云模型。
在其中一个实施例中,所述根据所述第一云数字特征和所述第二云数字特征,确定所述桥梁云模型与每个基准云模型之间的重叠面积之前,还包括:
获取所述桥梁云模型和所述各个基准云模型的相交信息,以及获取所述各个基准云模型的云类型;
所述根据所述第一云数字特征和所述第二云数字特征,确定所述桥梁云模型与每个基准云模型之间的重叠面积,包括:
根据所述第一云数字特征、所述第二云数字特征、所述相交信息以及所述各个基准云模型的云类型,确定所述桥梁云模型与每个基准云模型之间的重叠面积。
在其中一个实施例中,所述根据所述第一云数字特征、所述第二云数字特征、所述相交信息以及所述各个基准云模型的云类型,确定所述桥梁云模型与每个基准云模型之间的重叠面积,包括:
根据所述第一云数字特征、所述第二云数字特征、所述相交信息以及所述各个基准云模型的云类型,确定所述桥梁云模型与每个基准云模型之间的相交类型;
根据所述相交类型,确定对应的重叠面积计算模型;
针对所述桥梁云模型与每个基准云模型,将所述桥梁云模型的第二云数字特征与所述每个基准云模型的第一云数字特征输入对应的重叠面积计算模型,得到所述桥梁云模型与所述每个基准云模型之间的重叠面积。
在其中一个实施例中,所述获取待评定桥梁中的各结构的结构云模型,包括:
针对所述待评定桥梁中的每个结构,获取所述结构中各部件的部件云模型和所述各部件的部件权值;
基于所述各部件的部件权值,将所述各部件的部件云模型进行合成处理,得到所述结构的结构云模型。
在其中一个实施例中,所述获取所述结构中各部件的部件云模型,包括:
针对所述结构中的每个部件,获取所述部件在预设的多个评价指标下的指标值范围;
根据各个评价指标对应的指标值范围,生成各个评价指标对应的指标云模型;
将所述各个评价指标对应的指标云模型进行合成处理,得到所述部件的部件云模型。
在其中一个实施例中,所述对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型,包括:
获取所述各结构的结构权值;
基于所述各结构的结构权值,对所述各结构的结构云模型进行合成处理,得到所述桥梁云模型。
第二方面,本申请还提供了一种桥梁状况评定装置。所述装置包括:
结构获取模块,用于获取待评定桥梁中的各结构的结构云模型;所述结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;
合成处理模块,用于对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型;
基准获取模块,用于从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;
状况评定模块,用于获取所述目标基准云模型对应的技术状况等级,对应作为所述待评定桥梁的技术状况等级。
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:
获取待评定桥梁中的各结构的结构云模型;所述结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;
对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型;
从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;
获取所述目标基准云模型对应的技术状况等级,对应作为所述待评定桥梁的技术状况等级。
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:
获取待评定桥梁中的各结构的结构云模型;所述结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;
对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型;
从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;
获取所述目标基准云模型对应的技术状况等级,对应作为所述待评定桥梁的技术状况等级。
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:
获取待评定桥梁中的各结构的结构云模型;所述结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;
对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型;
从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;
获取所述目标基准云模型对应的技术状况等级,对应作为所述待评定桥梁的技术状况等级。
上述桥梁状况评定方法、装置、计算机设备、存储介质和计算机程序产品,通过将边界明确的技术状况等级评价基准和桥梁的状况转化为对应的具有边界亦此亦彼性的云模型,基于云模型对桥梁的状况进行评定,利用了云模型的边界不确定性和云滴分布的随机性,体现出实际操作中桥梁技术状况评定过程存在的不确定性和模糊性,有效替代了模糊理论中以精确的隶属度函数去描述桥梁技术状况指标,得到更客观的评定结果。
附图说明
图1为一个实施例中桥梁状况评定方法的流程示意图;
图2为一个实施例中目标基准云模型确定步骤的流程示意图;
图3为一个实施例中重叠面积确定步骤的流程示意图;
图4为另一个实施例中桥梁状况评定方法的流程示意图;
图5为一个实施例中上部结构云模型的实例图;
图6为一个实施例中各基准云模型的实例图;
图7为一个实施例中上部结构云模型和各基准云模型的实例图;
图8为一个实施例中桥梁状况评定装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
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,提供了一种桥梁状况评定方法,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101,获取待评定桥梁中的各结构的结构云模型;结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型。
其中,桥梁的结构可以是上部结构、下部结构和桥面系等。
其中,云模型是一种处理定性概念与定量描述的不确定转换模型,云模型的数字特征可以用期望值Ex、熵En和超熵He三个数值来表征。
进一步地,期望值表现为云滴的中心位置;熵值表现为云滴的范围;超熵值表现为云滴的凝聚程度。
示例性地,基于公开的桥梁评定标准,划分出桥梁的层级,并对桥梁中的最小层级单位进行技术指标评定,得到相应的指标范围,进而基于指标范围生成相应的云模型;基于获取到的云模型,不断地合成得到更高层级单位的云模型,最后获得可以体现桥梁中各结构的技术状况范围和概率密度的结构云模型。
步骤102,对各结构的结构云模型进行合成处理,得到待评定桥梁的桥梁云模型。
示例性地,桥梁中各结构属于除桥梁整体外的最高层级划分,所以对各结构的结构云模型进行合成处理,得到可以体现桥梁整体技术状况范围和概率密度的桥梁云模型。
步骤103,从预设的多个基准云模型中,确定出与桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级。
示例性地,根据公开的评定标准,得到桥梁各技术状况等级的评定基准区间,然后将边界明确的技术状况等级评定基准,转换为具有边界亦此亦彼性的各评定等级对应的基准云模型。最后基于最大隶属度原则,确定出桥梁云模型对应的目标基准云模型。
步骤104,获取目标基准云模型对应的技术状况等级,对应作为待评定桥梁的技术状况等级。
示例性地,根据基准云模型和技术状况等级之间的对应关系,确定出目标基准云模型对应的技术状况等级,也就是桥梁整体技术状况的评定等级。进一步地,对于桥梁的其他层级单位,也可以基于基准云模型确定对应的目标基准云模型,从而得到各层级单位对应的技术状况评定等级。
上述桥梁状况评定方法中,通过将边界明确的技术状况等级评价基准和桥梁的状况转化为对应的具有边界亦此亦彼性的云模型,基于云模型对桥梁的状况进行评定,利用了云模型的边界不确定性和云滴分布的随机性,体现出实际操作中桥梁技术状况评定过程存在的不确定性和模糊性,有效替代了模糊理论中以精确的隶属度函数去描述桥梁技术状况指标,得到更客观的评定结果。
在一个实施例中,如图2所示,上述步骤103从预设的多个基准云模型中,确定出与桥梁云模型对应的目标基准云模型,还可以通过以下步骤实现:
步骤201,获取各个基准云模型的第一云数字特征和桥梁云模型的第二云数字特征;
步骤202,根据第一云数字特征和第二云数字特征,确定桥梁云模型与每个基准云模型之间的重叠面积;
步骤203,将最大的重叠面积对应的基准云模型,确定为目标基准云模型。
其中,云数字特征为期望值Ex、熵En和超熵He,可以表示出云模型的形状和位置等特征。
示例性地,根据云数字特征可以生成一个确定的云模型。因此,根据基准云模型和桥梁云模型对应的云数字特征,可以计算出桥梁云模型与每个基准云模型之间的重叠面积。进一步地,云模型中云滴的分布符合概率分布模型,概率分布模型中的区间面积表示对应数值区间的发生概率。桥梁云模型与每个基准云模型之间的重叠面积表示:当桥梁技术状况为桥梁云模型所对应的技术状况时,桥梁技术状况等级是基准云模型对应的技术状况等级的条件概率。因此选择重叠面积为隶属度,基于最大隶属度原则,选择重叠面积最大的基准云模型,即为确定出桥梁最有可能的技术状况等级。
本实施例中,通过计算基准云模型和桥梁云模型的重叠面积,以云模型重叠面积作为隶属度确定出桥梁最有可能的技术状况等级,实现根据具有模糊性和不确定性的云模型完成桥梁技术状况模糊评定。
在一个实施例中,在上述步骤202根据第一云数字特征和第二云数字特征,确定桥梁云模型与每个基准云模型之间的重叠面积之前,具体还包括以下步骤:
步骤一,获取桥梁云模型和各个基准云模型的相交信息,以及获取各个基准云模型的云类型;
上述步骤202根据第一云数字特征和第二云数字特征,确定桥梁云模型与每个基准云模型之间的重叠面积,还可以通过以下步骤实现:
步骤二,根据第一云数字特征、第二云数字特征、相交信息以及各个基准云模型的云类型,确定桥梁云模型与每个基准云模型之间的重叠面积。
其中,相交信息可以是云模型之间的交点数、交点位置和云模型之间的相对位置等。
其中,云类型可以是完整云、半升云和半降云等。
在同一个实施例中,如图3所示,上述步骤二根据第一云数字特征、第二云数字特征、相交信息以及各个基准云模型的云类型,确定桥梁云模型与每个基准云模型之间的重叠面积,还可以通过以下步骤实现:
步骤301,根据第一云数字特征、第二云数字特征、相交信息以及各个基准云模型的云类型,确定桥梁云模型与每个基准云模型之间的相交类型;
步骤302,根据相交类型,确定对应的重叠面积计算模型;
步骤303,针对桥梁云模型与每个基准云模型,将桥梁云模型的第二云数字特征与每个基准云模型的第一云数字特征输入对应的重叠面积计算模型,得到桥梁云模型与每个基准云模型之间的重叠面积。
示例性地,根据桥梁云模型和每个基准云模型对应的云数字特征,确定出桥梁云模型和每个基准云模型之间的相交信息;同时根据基准云模型的云类型,确定相应的相交类型。重叠面积的计算可以通过定积分计算得到,不同的相交类型确定出不同的定积分上下限,因此就有不同的重叠面积计算模型。根据确定出的重叠面积计算模型,基于桥梁云模型和基准云模型对应的云数字特征,计算得到桥梁云模型与每个基准云模型之间的重叠面积。
本实施例中,通过桥梁云模型和基准云模型对应的云数字特征确定出相应的相交类型,进而根据相交类型得到对应的重叠面积计算模型,可以准确计算得到桥梁云模型与每个基准云模型之间重叠面积,从而更准确地完成桥梁技术状况评定。
在一个实施例中,上述步骤101获取待评定桥梁中的各结构的结构云模型,还可以通过以下步骤实现:
步骤一,针对待评定桥梁中的每个结构,获取结构中各部件的部件云模型和各部件的部件权值;
步骤二,基于各部件的部件权值,将各部件的部件云模型进行合成处理,得到结构的结构云模型。
其中,桥梁中的每个结构由不同的部件构成。举例说明,对于斜拉桥,上部结构的部件包括主梁、索塔、支座和斜拉索等,下部结构的部件包括桥墩、墩台基础和海床部分等,桥面系的部件包括桥面铺装、伸缩缝装置、护栏、排水系统和照明系统等。
在同一个实施例中,上述步骤一获取结构中各部件的部件云模型,还可以通过以下步骤实现:
步骤一,针对结构中的每个部件,获取部件在预设的多个评价指标下的指标值范围;
步骤二,根据各个评价指标对应的指标值范围,生成各个评价指标对应的指标云模型;
步骤三,将各个评价指标对应的指标云模型进行合成处理,得到部件的部件云模型。
其中,桥梁中的每个部件有不同的评价指标。举例说明,对于斜拉桥,主梁部件的评价指标包括绣蚀程度、涂层劣化程度、焊缝开裂和铆钉损失等,桥墩部件的评价指标包括位移程度、磨损程度、钢筋锈蚀程度、混凝土碳化程度和混凝土抗压强度等。
示例性地,基于公开的桥梁评定标准,根据实际的桥梁类型,划分出桥梁的部件、结构等层级。同时,以桥梁评定标准为参考,根据桥梁部件的实际情况,确定出部件在评价指标下的指标值范围。基于每个指标对应的指标值范围,生成相应的指标云模型。然后将每个部件的全部指标云模型,通过云合成算法,进行云模型合成处理,得到部件云模型。举例说明,对于支座部件,评价指标有钢部件磨损程度、裂纹程度和位移/转角超限程度,则将钢部件磨损程度云模型、裂纹程度云模型和位移/转角超限程度云模型进行合成处理,得到支座部件云模型。并且,在评定标准中,有关于各结构下不同部件的部件权值,部件权值表征不同部件对结构的影响程度,基于部件权值,将部件云模型进行合成处理,得到对应的结构云模型。举例说明,对于斜拉桥梁,上部结构分为斜拉索系统部件、主梁部件、索塔部件和支座部件,对应的部件权值分别为0.4、0.25、0.25和0.1,则将斜拉索系统部件云模型、主梁部件云模型、索塔部件云模型和支座部件云模型基于对应的部件权值进行合成处理,得到上部结构云模型。
本实施例中,根据指标云模型,通过合成云算法,直接计算部件云模型,能够有效的避免桥梁评定过程中部件下的构件数量对部件评定的影响(比如,每个支座都是一个支座构件,全部支座构件统称为支座部件)。同时基于部件权值合成得到结构云模型,能够考虑到不同部件对结构的影响程度,得到更准确的结构云模型。
在一个实施例中,上述步骤102对各结构的结构云模型进行合成处理,得到待评定桥梁的桥梁云模型,还可以通过以下步骤实现:
步骤一,获取各结构的结构权值;
步骤二,基于各结构的结构权值,对各结构的结构云模型进行合成处理,得到桥梁云模型。
示例性地,在公开的桥梁评定标准中,有关于桥梁的不同结构的结构权值,结构权值表征不同结构对桥梁整体的影响程度,基于结构权值,将结构云模型进行合成处理,得到桥梁云模型。举例说明,对于斜拉桥梁,划分为上部结构、下部结构和桥面系,对应的权值分别是0.4、0.4和0.2,则将上部结构云模型、下部结构云模型和桥面系云模型基于对应的结构权值进行合成处理,得到桥梁云模型。
本实施例中,基于结构权值合成得到桥梁云模型,能够考虑到不同结构对桥梁整体的影响程度,得到更准确的桥梁云模型。
在另一个实施例中,如图4所示,提供一种桥梁状况评定方法,本实施例中,包括以下步骤:
步骤401,针对待评定桥梁结构中的每个部件,获取部件在预设的多个评价指标下的指标值范围。
步骤402,根据各个评价指标对应的指标值范围,生成各个评价指标对应的指标云模型。
步骤403,将各个评价指标对应的指标云模型进行合成处理,得到每个部件的部件云模型。
步骤404,针对待评定桥梁中的每个结构,获取结构中各部件的部件云模型和各部件的部件权值,基于各部件的部件权值,将各部件的部件云模型进行合成处理,得到每个结构的结构云模型。
步骤405,获取待评定桥梁中的各结构的结构云模型和各结构的结构权值,基于各结构的结构权值,对各结构的结构云模型进行合成处理,得到桥梁云模型。
步骤406,获取桥梁评定技术状况等级和对应的基准范围,基于每个评定等级的基准范围,生成对应的基准云模型。
步骤407,获取各个基准云模型的第一云数字特征、各个基准云模型的云类型和桥梁云模型的第二云数字特征。
步骤408,根据第一云数字特征和第二云数字特征,得到桥梁云模型和各个基准云模型的相交信息。
步骤409,根据第一云数字特征、第二云数字特征、相交信息以及各个基准云模型的云类型,确定桥梁云模型与每个基准云模型之间的相交类型。
步骤410,根据相交类型,确定对应的重叠面积计算模型,根据第一云数字特征、第二云数字特征和对应的重叠面积计算模型,得到桥梁云模型与每个基准云模型之间的重叠面积。
步骤411,将最大的重叠面积对应的基准云模型,确定为目标基准云模型,获取目标基准云模型对应的技术状况等级,对应作为待评定桥梁的技术状况等级。
本实施例中,根据指标云模型,通过合成云算法,直接计算部件云模型,能够有效的避免桥梁评定过程中部件下的构件数量对部件评定的影响。同时,考虑到影响程度的因素,基于对应的权值合成得到结构云模型和桥梁云模型;相应地,基于不同桥梁状况评定等级的基准区间生成对应的基准云模型;最后通过计算桥梁云模型和各个基准云模型之间的重叠面积得到桥梁的技术状况等级。实现了将边界明确的技术状况等级评价基准和桥梁的状况转化为对应的具有边界亦此亦彼性的云模型,并基于云模型对桥梁的状况进行评定,利用了云模型的边界不确定性和云滴分布的随机性,体现出实际操作中桥梁技术状况评定过程存在的不确定性和模糊性,同时基于重叠面积的条件概率意义,用重叠面积有效替代了模糊理论中以精确的隶属度函数去描述桥梁技术状况指标,得到更客观的评定结果。
为了便于本领域技术人员理解本申请实施例,以下结合附图的具体示例对本申请进行说明。本示例中,以斜拉桥作为待评定桥梁为例。其中,
步骤401具体可以为:基于公开的《公路桥梁技术状况评定标准JTG/T H21-2011》,确定出评价指标的指标值范围。
步骤402具体可以为:针对每个评价指标,根据指标值范围,生成对应的云模型:
,其中,i表示第i个评价指标。其中,期望值/>,熵值,超熵值/>,具体为:
。
其中,a为指标值范围的下限值,b为指标值范围的上限值,,本示例中取。
步骤403具体可以为:将步骤402得到的指标云模型合成得到部件云模型的具体公式为:
。
步骤404具体可以为:假设某结构有n个部件,各部件云模型分别记为,则得到Y为:
。
对应的部件权重记为,/>。
合成结构云模型P的公式为,其中,算子o表示矩阵的哈达玛积运算,举例说明:
,那么结构云模型P为:。
同理,步骤405具体可以为:桥梁云模型B根据n个结构云模型P进行合成得到,其中结构权值记为。那么桥梁云模型B为:
。
表 1 支座部位云模型的计算结果
表 2 上部结构云模型的计算结果
本示例中,如上表1所示,为一具体实例中,支座部位和状况评定指标以及对应的云模型的计算结果。如上表2所示,为一具体实例中,上部结构和部件权重以及对应的结构云模型的计算结果。如图5所示,为上部结构云模型的实例图。
步骤406具体可以为:当某桥梁技术状况评分值域为[xmin,xmax]时,且将其划分为n个等级(类),各等级的分界值分别为x0,x1…xn(x0<x1<…<xn)。如果桥梁技术状况评分为X时,则:
当时,此时桥梁评定为1类,对应的基准云模型数字特征为;
当时,此时桥梁评定为2类,对应的基准云模型数字特征为;
以此类推,当时,此时桥梁评定为n-i类,对应的基准云模型数字特征为/>;
以此类推,当时,此时桥梁评定为n类,对应的基准云模型数字特征为;
假设桥梁技术状况评分为时,桥梁评定为n-i类,此时期望为
,那么n-i-1类和n-i+1类对应的期望分别为
和/>。
根据云模型3En规则,对于中间基准云来说会得到两个结果,取两个结果中最小值作为基准云模型的熵值:
。
对于1类和n类技术状况,其基准云模型类型分别为半升云和半降云,Y1和Yn对应的数字特征分别为:
对于半降云,此时,/>,其数字特征为:
。
对于半升云,此时,/>,其数字特征为:
。
对于其他类技术状况(以n-i类为例),其基准云模型的数学特征为
。
本示例中,如图6所示,根据《桥梁评定标准》将状况评定等级划分为5类,取x0=0,x1=40,x2=60,x3=80,x5=100,可以得到各技术状况评定等级对应的基准云模型,分别为,/>,/>,/>,。
对于重叠面积的计算,首先得到云模型中云滴的拟合曲线函数,本示例中云模型为正态分布云模型,则桥梁云模型拟合曲线函数为
;
基准云模型拟合曲线函数为
。
步骤409和410的相交类型和重叠面积计算模型具体可以为:
当基准云模型为完整云时,只需要考虑在区间[min(Ex0-3En0,Exi-3Eni),max(Ex0+3En0,Exi+3Eni)]上的交点即可,此时两个云模型的相交类型总共可以分为8种情况,具体重叠面积计算模型如下:
第1种:桥梁云模型与基准云模型的期望值相同,但是桥梁云模型的熵比基准云模型的熵小,此时重叠面积S为:
。
第2种:桥梁云模型与基准云模型的期望值相同,但是桥梁云模型的熵比基准云模型的熵大,此时重叠面积S为:
。
第3种:桥梁云模型的期望值比基准云模型的小,且基准云模型与桥梁云模型只有一个交点,设交点为x0,重叠面积S为:
第4种:桥梁云模型的期望值比基准云模型的大,且基准云模型与桥梁云模型只有一个交点,设交点为x0,重叠面积S为:
第5种:桥梁云模型的期望值比基准云模型的小,但熵值比基准云模型大,且基准云模型与桥梁云模型有两个交点,设交点为x0、x1(x0<x1),重叠面积S为:
第6种:桥梁云模型的期望值比基准云模型的大,且熵值比基准云模型的大,且基准云模型与桥梁云模型有两个交点,设交点为x0、x1(x0<x1),重叠面积S的计算与第5种相交情况相同。
第7种:桥梁云模型的期望值比基准云模型的小,且熵值比基准云模型的小,且基准云模型与桥梁云模型有两个交点,设交点为x0、x1(x0<x1),重叠面积S为:
第8种:桥梁云模型的期望值比基准云模型的大,但熵值比基准云模型的小,且基准云模型与桥梁云模型有两个交点,设交点为x0、x1(x0<x1),重叠面积S的计算与第7种相交情况相同。
当基准云模型为半降云时,只需要考虑在区间[Exi,max(Ex0+3En0,Exi+3Eni)]上的交点即可,此时两个云模型的相交类型总共可以分为5种情况,具体重叠面积计算模型如下:
第1种:桥梁云模型与基准云模型的期望值相同,但是桥梁云模型的熵比基准云模型的熵小,此时重叠面积S为:
第2种:桥梁云模型与基准云模型的期望值相同,但是桥梁云模型的熵比基准云模型的熵大,此时重叠面积S为:
第3种:桥梁云模型的期望值比基准云模型大,且基准云模型与桥梁云模型只有一个交点,设交点为x0,重叠面积为S为:
第4种:桥梁云模型的期望值比基准云模型大,但熵值比基准云模型的小,且基准云模型与桥梁云模型有两个交点,且Exi<=Ex0-3En0,设交点为x0、x1(x0<x1),重叠面积S为:
第5种:桥梁云模型的期望值比基准云模型大,但熵值比基准云模型的小,且基准云模型与桥梁云模型有两个交点,且Exi>Ex0-3En0,设交点为x0、x1(x0<x1),重叠面积S为:
类似的,当基准云模型为半升云时,只需要考虑在区间[Exi,max(Ex0+3En0,Exi+3Eni)]上的交点即可,此时两个云模型的相交类型总共可以分为5种情况,具体重叠面积计算模型如下:
/>
。
需要说明的是,对于部件云模型和结构云模型,也可以应用类似于桥梁云模型的计算方法,得到相应的重叠面积,进而确定相应的状况评定等级。如图7所示,为本示例中,支座部件云模型与各基准云模型的实例图。本示例中,计算出各重叠面积之后,为了方便比较重叠面积之间的大小关系,将重叠面积进行归一化处理作为隶属度:
。
其中,ui表示第i类状况评定等级的隶属度,Si表示第i类基准云模型的重叠面积。
最后得到本实例中上部结构云模型的隶属度集为(0.03,0.45,0.50,0.02,0),简单比较可以得知本实例中上部结构的状况评定等级为第3类。
本实施例中,根据指标云模型,通过合成云算法,直接计算部件云模型,能够有效的避免桥梁评定过程中部件下的构件数量对部件评定的影响。同时,考虑到影响程度的因素,基于对应的权值合成得到结构云模型和桥梁云模型;相应地,基于不同桥梁状况评定等级的基准区间生成对应的基准云模型;最后通过计算桥梁云模型和各个基准云模型之间的重叠面积得到桥梁的技术状况等级。实现了将边界明确的技术状况等级评价基准和桥梁的状况转化为对应的具有边界亦此亦彼性的云模型,并基于云模型对桥梁的状况进行评定,利用了云模型的边界不确定性和云滴分布的随机性,体现出桥梁技术状况评定过程中存在的不确定性和模糊性,同时基于重叠面积的条件概率意义,用重叠面积有效替代了模糊理论中以精确的隶属度函数去描述桥梁技术状况指标。
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状况评定方法的桥梁状况评定装置。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状况评定装置实施例中的具体限定可以参见上文中对于桥梁状况评定方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种桥梁状况评定装置,包括:结构获取模块801、合成处理模块802、基准获取模块803和状况评定模块804,其中:
结构获取模块801,用于获取待评定桥梁中的各结构的结构云模型;结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;
合成处理模块802,用于对各结构的结构云模型进行合成处理,得到待评定桥梁的桥梁云模型;
基准获取模块803,用于从预设的多个基准云模型中,确定出与桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;
状况评定模块804,用于获取目标基准云模型对应的技术状况等级,对应作为待评定桥梁的技术状况等级。
在一个实施例中,上述基准获取模块803还用于,获取各个基准云模型的第一云数字特征和桥梁云模型的第二云数字特征;根据第一云数字特征和第二云数字特征,确定桥梁云模型与每个基准云模型之间的重叠面积;将最大的重叠面积对应的基准云模型,确定为目标基准云模型。
在一个实施例中,上述基准获取模块803还用于,获取桥梁云模型和各个基准云模型的相交信息,以及获取各个基准云模型的云类型;根据第一云数字特征、第二云数字特征、相交信息以及各个基准云模型的云类型,确定桥梁云模型与每个基准云模型之间的重叠面积。
在一个实施例中,上述基准获取模块803还用于,根据第一云数字特征、第二云数字特征、相交信息以及各个基准云模型的云类型,确定桥梁云模型与每个基准云模型之间的相交类型;根据相交类型,确定对应的重叠面积计算模型;针对桥梁云模型与每个基准云模型,将桥梁云模型的第二云数字特征与每个基准云模型的第一云数字特征输入对应的重叠面积计算模型,得到桥梁云模型与每个基准云模型之间的重叠面积。
在一个实施例中,上述结构获取模块801还用于,针对待评定桥梁中的每个结构,获取结构中各部件的部件云模型和各部件的部件权值;基于各部件的部件权值,将各部件的部件云模型进行合成处理,得到结构的结构云模型。
在一个实施例中,上述结构获取模块801还用于,针对结构中的每个部件,获取部件在预设的多个评价指标下的指标值范围;根据各个评价指标对应的指标值范围,生成各个评价指标对应的指标云模型;将各个评价指标对应的指标云模型进行合成处理,得到部件的部件云模型。
在一个实施例中,上述合成处理模块802还用于,获取各结构的结构权值;基于各结构的结构权值,对各结构的结构云模型进行合成处理,得到桥梁云模型。
上述桥梁状况评定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服务器,其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。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、计算机程序和数据库。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。该计算机设备的数据库用于存储状况评定基准的边界值和数据。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通过网络连接通信。该计算机程序被处理器执行时以实现一种桥梁状况评定方法。
本领域技术人员可以理解,图9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)
1.一种桥梁状况评定方法,其特征在于,所述方法包括:
获取待评定桥梁中的各结构的结构云模型;所述结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;
对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型;
从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;
获取所述目标基准云模型对应的技术状况等级,对应作为所述待评定桥梁的技术状况等级;
其中,所述预设的多个基准云模型通过以下步骤构建:
获取桥梁评定的技术状况等级和对应的基准范围;
基于每个技术状况等级的基准范围以及相邻技术状况等级的基准范围,生成对应的基准云模型;
所述基于每个技术状况等级的基准范围以及相邻技术状况等级的基准范围,生成对应的基准云模型,包括:
所述基于每个技术状况等级的基准范围以及相邻技术状况等级的基准范围,生成对应的基准云模型,包括:
在技术状况等级为最低的1级的情况下,确定1级技术状况等级的基准云模型的数学特征中的期望值为、熵值为/>、超熵为/>;
在技术状况等级为最高的n级的情况下,确定n级技术状况等级的基准云模型的数学特征中的期望值为、熵值为/>、超熵为/>;
在技术状况等级为1级和n级之间的n-i级的情况下,确定n-i级技术状况等级的基准云模型的数学特征中的期望值为、熵值为、超熵为/>;
根据所述每个技术状况等级的基准云模型的数学特征,生成对应的基准云模型;
其中,j级技术状况等级的基准范围为,j为1至n-1的任一正整数;1级技术状况等级的基准范围为/>;X为桥梁的技术状况评分;/>均为预设值。
2.根据权利要求1所述的方法,其特征在于,所述从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型,包括:
获取各个基准云模型的第一云数字特征和所述桥梁云模型的第二云数字特征;
根据所述第一云数字特征和所述第二云数字特征,确定所述桥梁云模型与每个基准云模型之间的重叠面积;
将最大的重叠面积对应的基准云模型,确定为所述目标基准云模型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一云数字特征和所述第二云数字特征,确定所述桥梁云模型与每个基准云模型之间的重叠面积之前,还包括:
获取所述桥梁云模型和所述各个基准云模型的相交信息,以及获取所述各个基准云模型的云类型;
所述根据所述第一云数字特征和所述第二云数字特征,确定所述桥梁云模型与每个基准云模型之间的重叠面积,包括:
根据所述第一云数字特征、所述第二云数字特征、所述相交信息以及所述各个基准云模型的云类型,确定所述桥梁云模型与每个基准云模型之间的重叠面积。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一云数字特征、所述第二云数字特征、所述相交信息以及所述各个基准云模型的云类型,确定所述桥梁云模型与每个基准云模型之间的重叠面积,包括:
根据所述第一云数字特征、所述第二云数字特征、所述相交信息以及所述各个基准云模型的云类型,确定所述桥梁云模型与每个基准云模型之间的相交类型;
根据所述相交类型,确定对应的重叠面积计算模型;
针对所述桥梁云模型与每个基准云模型,将所述桥梁云模型的第二云数字特征与所述每个基准云模型的第一云数字特征输入对应的重叠面积计算模型,得到所述桥梁云模型与所述每个基准云模型之间的重叠面积。
5.根据权利要求1所述的方法,其特征在于,所述获取待评定桥梁中的各结构的结构云模型,包括:
针对所述待评定桥梁中的每个结构,获取所述结构中各部件的部件云模型和所述各部件的部件权值;
基于所述各部件的部件权值,将所述各部件的部件云模型进行合成处理,得到所述结构的结构云模型。
6.根据权利要求5所述的方法,其特征在于,所述获取所述结构中各部件的部件云模型,包括:
针对所述结构中的每个部件,获取所述部件在预设的多个评价指标下的指标值范围;
根据各个评价指标对应的指标值范围,生成各个评价指标对应的指标云模型;
将所述各个评价指标对应的指标云模型进行合成处理,得到所述部件的部件云模型。
7.根据权利要求1所述的方法,其特征在于,所述对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型,包括:
获取所述各结构的结构权值;
基于所述各结构的结构权值,对所述各结构的结构云模型进行合成处理,得到所述桥梁云模型。
8.一种桥梁状况评定装置,其特征在于,所述装置包括:
结构获取模块,用于获取待评定桥梁中的各结构的结构云模型;所述结构云模型表示对应结构的状态定性评定和定量评定之间的转换模型;
合成处理模块,用于对各结构的结构云模型进行合成处理,得到所述待评定桥梁的桥梁云模型;
基准获取模块,用于从预设的多个基准云模型中,确定出与所述桥梁云模型对应的目标基准云模型;每个基准云模型具有对应的技术状况等级;
状况评定模块,用于获取所述目标基准云模型对应的技术状况等级,对应作为所述待评定桥梁的技术状况等级;
所述装置还用于获取桥梁评定的技术状况等级和对应的基准范围,基于每个技术状况等级的基准范围以及相邻技术状况等级的基准范围,生成对应的基准云模型;
所述基于每个技术状况等级的基准范围以及相邻技术状况等级的基准范围,生成对应的基准云模型,包括:
在技术状况等级为最低的1级的情况下,确定1级技术状况等级的基准云模型的数学特征中的期望值为、熵值为/>、超熵为/>;
在技术状况等级为最高的n级的情况下,确定n级技术状况等级的基准云模型的数学特征中的期望值为、熵值为/>、超熵为/>;
在技术状况等级为1级和n级之间的n-i级的情况下,确定n-i级技术状况等级的基准云模型的数学特征中的期望值为、熵值为、超熵为/>;
根据所述每个技术状况等级的基准云模型的数学特征,生成对应的基准云模型;
其中,j级技术状况等级的基准范围为,j为1至n-1的任一正整数;1级技术状况等级的基准范围为/>;X为桥梁的技术状况评分;/>均为预设值。
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 |
---|---|---|---|
CN202310176946.2A CN116305439B (zh) | 2023-02-27 | 2023-02-27 | 桥梁状况评定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310176946.2A CN116305439B (zh) | 2023-02-27 | 2023-02-27 | 桥梁状况评定方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116305439A CN116305439A (zh) | 2023-06-23 |
CN116305439B true CN116305439B (zh) | 2024-03-08 |
Family
ID=86793569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310176946.2A Active CN116305439B (zh) | 2023-02-27 | 2023-02-27 | 桥梁状况评定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116305439B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362948A (zh) * | 2019-07-23 | 2019-10-22 | 河北省交通规划设计院 | 一种基于云模型的岩溶地面塌陷的治理方法 |
CN115545388A (zh) * | 2022-07-05 | 2022-12-30 | 港珠澳大桥管理局 | 桥梁状态评定方法、装置、计算机设备和存储介质 |
-
2023
- 2023-02-27 CN CN202310176946.2A patent/CN116305439B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362948A (zh) * | 2019-07-23 | 2019-10-22 | 河北省交通规划设计院 | 一种基于云模型的岩溶地面塌陷的治理方法 |
CN115545388A (zh) * | 2022-07-05 | 2022-12-30 | 港珠澳大桥管理局 | 桥梁状态评定方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
Wind power interval prediction based on hybrid semi-cloud model and nonparametric kernel density estimation;Kai Zhang 等;Energy Reports;20221231;第1068-1078页 * |
基于云理论的大坝整体性态评价模型;姜振翔等;工程科学学报;第44卷(第3期);第464-473页 * |
基于云重心理论的桥梁技术状态评定方法;郝天之 等;土木工程学报;第50卷(第8期);第78-87页 * |
基于含熵期望曲线的云模型相关性度量方法;阎岩 等;华中科技大学学报(自然科学版);20121031;第40卷(第10期);第95-100页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116305439A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cremen et al. | Modelling and quantifying tomorrow's risks from natural hazards | |
Kim et al. | Preliminary cost estimation model using case-based reasoning and genetic algorithms | |
Cao et al. | Prediction of unit price bids of resurfacing highway projects through ensemble machine learning | |
RazaviToosi et al. | Evaluating water management strategies in watersheds by new hybrid Fuzzy Analytical Network Process (FANP) methods | |
Furuta et al. | Life-cycle cost of civil infrastructure with emphasis on balancing structural performance and seismic risk of road network | |
CN115545388A (zh) | 桥梁状态评定方法、装置、计算机设备和存储介质 | |
CN106096847A (zh) | 一种模糊变权工程地质环境质量评价方法 | |
CN108197848A (zh) | 一种基于直觉模糊理论的电能质量综合评估方法及装置 | |
Meneses et al. | New optimization model for road network maintenance management | |
CN111968019A (zh) | 一种基于cnn与rnn集成的滑坡灾害易发性预测方法 | |
Zhu | Evaluating the coupling coordination degree of green finance and marine eco-environment based on AHP and grey system theory | |
CN116090757A (zh) | 一种情报保障体系能力需求满足度评估方法 | |
CN114723283A (zh) | 一种面向城市群的生态承载力遥感评估方法及装置 | |
Gao et al. | A multifactorial framework for short-term load forecasting system as well as the jinan’s case study | |
CN116305439B (zh) | 桥梁状况评定方法、装置、计算机设备和存储介质 | |
Lee et al. | Preference-based maintenance planning for deteriorating bridges under multi-objective optimisation framework | |
CN112348324B (zh) | 一种冲突空间识别方法、终端设备及存储介质 | |
CN116862315A (zh) | 一种低效工业用地绩效评分方法、装置、设备及存储介质 | |
Stratigea et al. | A multicriteria decision support framework for assessing alternative wind park locations: The case of Tanagra-Boiotia | |
CN115659165A (zh) | 园区负荷数据样本的构建方法、装置、设备及存储介质 | |
Sergeyevich et al. | The economic dynamics of Russia and its regions in the context of a structural crisis: analysis and forecasting | |
Morris | From Silk to Sanctions and Back Again: Contemporary Sino-Iranian Economic Relations | |
CN115204501A (zh) | 企业评估方法、装置、计算机设备和存储介质 | |
CN114118688A (zh) | 基于序关系分析的电网工程造价风险预警方法 | |
Chen et al. | Smart bridge maintenance using cluster merging algorithm based on self-organizing map optimization |
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 |