CN116401525B - 一种基于智能化感应的桥隧预测维护方法及系统 - Google Patents
一种基于智能化感应的桥隧预测维护方法及系统 Download PDFInfo
- Publication number
- CN116401525B CN116401525B CN202310156245.2A CN202310156245A CN116401525B CN 116401525 B CN116401525 B CN 116401525B CN 202310156245 A CN202310156245 A CN 202310156245A CN 116401525 B CN116401525 B CN 116401525B
- Authority
- CN
- China
- Prior art keywords
- bridge
- tunnel
- maintenance
- health
- bridge tunnel
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 245
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000005641 tunneling Effects 0.000 title claims abstract description 42
- 230000006698 induction Effects 0.000 title claims abstract description 17
- 230000036541 health Effects 0.000 claims abstract description 200
- 238000012544 monitoring process Methods 0.000 claims abstract description 156
- 238000004458 analytical method Methods 0.000 claims abstract description 95
- 238000007405 data analysis Methods 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 72
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000008821 health effect Effects 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000005336 cracking Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 35
- 238000012549 training Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000009419 refurbishment Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013478 data encryption standard Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Bridges Or Land Bridges (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供了一种基于智能化感应的桥隧预测维护方法及系统,涉及数据处理技术领域,方法包括:基于预设桥隧监测指标集合,根据数据感知单元对目标桥隧进行监测,对桥隧监测数据集进行预处理,通过数据传输单元将标准桥隧监测数据集加密传输至数据分析单元,将标准桥隧监测数据集输入数据分析单元中的桥隧健康分析模型,获得桥隧健康分析结果,将桥隧健康分析结果输入维护决策单元,通过维护决策单元中的桥隧维护知识库进行维护决策分析,获得桥隧维护方案对目标桥隧进行维护,解决现有技术对桥隧的维护不足,使得最终无法准确的对桥隧进行维护的技术问题,实现对桥隧的合理化精准维护,为桥隧维护提供准确的数据决策。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于智能化感应的桥隧预测维护系统。
背景技术
我们国家涉及公路桥梁超85万,城市桥梁超7万,各类大桥及特大桥已逾10多万座。但是我国桥梁大多只有建设而少管养,从而造成了“管养不足”的问题,长期以来的超负荷运行,时有桥梁垮塌事件的发生,从而造成了严重的人员伤亡和经济损失的事故。如何加强桥隧在全寿命周期内的管理和维护保养、提高桥梁使用寿命,便在于在桥隧定期检测和实时数据监测的基础上,形成监测大数据,在数据智能分析的基础上,实时对桥梁实施健康维护,从而提高桥梁使用寿命,具有极其重要的意义和迫切性。
而现有技术中对桥隧的维护不足,使得最终无法准确的对桥隧进行维护的问题。
发明内容
本申请提供了一种基于智能化感应的桥隧预测维护方法,用于针对解决现有技术中存在的对桥隧的维护不足,使得最终无法准确的对桥隧进行维护的技术问题。
鉴于上述问题,本申请提供了一种基于智能化感应的桥隧预测维护方法及系统。
第一方面,本申请提供了一种基于智能化感应的桥隧预测维护方法,所述方法包括:构建智能桥隧预测维护平台,其中,所述智能桥隧预测维护平台包括数据感知单元、数据传输单元、数据分析单元、维护决策单元;获得预设桥隧监测指标集合;基于所述预设桥隧监测指标集合,根据所述数据感知单元对目标桥隧进行监测,获得桥隧监测数据集,并对所述桥隧监测数据集进行预处理,获得标准桥隧监测数据集;通过所述数据传输单元将所述标准桥隧监测数据集加密传输至所述数据分析单元;所述数据分析单元包括桥隧健康分析模型,将所述标准桥隧监测数据集输入所述桥隧健康分析模型,获得桥隧健康分析结果;所述维护决策单元包括预先构建的桥隧维护知识库,将所述桥隧健康分析结果输入所述维护决策单元,通过所述桥隧维护知识库进行维护决策分析,获得桥隧维护方案;基于所述桥隧维护方案对所述目标桥隧进行维护。
第二方面,本申请提供了一种基于智能化感应的桥隧预测维护系统,所述系统包括:平台构建模块,所述平台构建模块用于构建智能桥隧预测维护平台,其中,所述智能桥隧预测维护平台包括数据感知单元、数据传输单元、数据分析单元、维护决策单元;集合获取模块,所述集合获取模块用于获得预设桥隧监测指标集合;监测模块,所述监测模块用于基于所述预设桥隧监测指标集合,根据所述数据感知单元对目标桥隧进行监测,获得桥隧监测数据集,并对所述桥隧监测数据集进行预处理,获得标准桥隧监测数据集;传输模块,所述传输模块用于通过所述数据传输单元将所述标准桥隧监测数据集加密传输至所述数据分析单元;输入模块,所述输入模块用于所述数据分析单元包括桥隧健康分析模型,将所述标准桥隧监测数据集输入所述桥隧健康分析模型,获得桥隧健康分析结果;分析模块,所述分析模块用于所述维护决策单元包括预先构建的桥隧维护知识库,将所述桥隧健康分析结果输入所述维护决策单元,通过所述桥隧维护知识库进行维护决策分析,获得桥隧维护方案;维护模块,所述维护模块用于基于所述桥隧维护方案对所述目标桥隧进行维护。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的一种基于智能化感应的桥隧预测维护方法,涉及数据处理技术领域,解决了现有技术中对桥隧的维护不足,使得最终无法准确的对桥隧进行维护的技术问题,实现了对桥隧的的合理化精准维护,进而为桥隧维护提供准确的数据决策。
附图说明
图1为本申请提供了一种基于智能化感应的桥隧预测维护方法流程示意图;
图2为本申请提供了一种基于智能化感应的桥隧预测维护方法中桥隧监测数据集获得流程示意图;
图3为本申请提供了一种基于智能化感应的桥隧预测维护方法中数据加密标准桥隧监测数据集传输流程示意图;
图4为本申请提供了一种基于智能化感应的桥隧预测维护方法中桥隧健康分析结果输出流程示意图;
图5为本申请提供了一种基于智能化感应的桥隧预测维护方法中桥隧维护方案成本优化流程示意图;
图6为本申请提供了一种基于智能化感应的桥隧预测维护系统结构示意图。
附图标记说明:平台构建模块1,集合获取模块2,监测模块3,传输模块4,输入模块5,分析模块6,维护模块7。
具体实施方式
本申请通过提供一种基于智能化感应的桥隧预测维护方法,用于解决现有技术中对桥隧的维护不足,使得最终无法准确的对桥隧进行维护的技术问题。
实施例一
如图1所示,本申请实施例提供了一种基于智能化感应的桥隧预测维护方法,该方法包括:
步骤S100:构建智能桥隧预测维护平台,其中,所述智能桥隧预测维护平台包括数据感知单元、数据传输单元、数据分析单元、维护决策单元;
具体而言,本申请实施例提供的一种基于智能化感应的桥隧预测维护方法应用于一种基于智能化感应的桥隧预测维护系统,该一种基于智能化感应的桥隧预测维护系统与智能桥隧预测维护平台通信连接,该智能桥隧预测维护平台用于进行对桥隧参数的采集。
为预测桥隧的寿命,从而给桥隧维护提供准确的数据决策支持,因此对智能桥隧预测维护平台进行构建,其中该智能桥隧预测维护平台中包含数据感知单元、数据传输单元、数据分析单元以及维护决策单元,其智能桥隧预测维护平台中的数据感知单元是用于对目标桥隧进行数据监测,其智能桥隧预测维护平台中的数据传输单元是用于将数据感知单元监测出的数据集进行加密,同时再将加密后的数据集传输至智能桥隧预测维护平台中的数据分析单元,其智能桥隧预测维护平台中的数据分析单元是用于对桥隧健康进行分析,其智能桥隧预测维护平台中的维护决策单元是用于对桥隧进行维护,为后期实现对桥隧进行智能维护作为重要参考依据。
步骤S200:获得预设桥隧监测指标集合;
具体而言,对桥隧的各项指标进行监测,其桥隧的各项指标可以包含桥隧的强度、桥隧的混凝土碳化深度、桥隧的钢筋位置及保护层厚度、桥隧的表观及内部缺陷、桥隧结构的静态应力以及桥隧结构的动态应力,进一步的对所获桥隧监测指标进行汇总,并根据大数据中的桥隧监测指标对上述汇总整合的桥隧监测指标集合进行指标预设,从而对应获得预设桥隧监测指标集合,为实现对桥隧进行智能维护做保障。
步骤S300:基于所述预设桥隧监测指标集合,根据所述数据感知单元对目标桥隧进行监测,获得桥隧监测数据集,并对所述桥隧监测数据集进行预处理,获得标准桥隧监测数据集;
具体而言,在所获预设桥隧监测指标集合的基础上,对目标桥隧进行信息采集,将所采集到的桥隧基础信息、预设桥隧监测指标集合一同输入至监测规划分析模型中,从而输出桥隧监测规划方案,再对目标桥隧进行监测传感装置的布设,进一步根据布设完成的监测传感装置对目标桥隧进行监测,获得桥隧监测数据集,再对所获桥隧监测数据集进行预先处理,即采用填补缺失值、光滑噪声数据、识别或删除离群数据方法,实现桥隧数据一致性预处理操作,再采用平滑聚集和数据概化的处理技术,将桥隧数据转换为适用于桥隧安全预警模型挖掘的完全结构化格式,最后采用数据归约技术,进一步约简桥隧数据,同时保证桥隧原数据的完整性,为后续实现对桥隧进行智能维护夯实基础。
步骤S400:通过所述数据传输单元将所述标准桥隧监测数据集加密传输至所述数据分析单元;
具体而言,基于智能桥隧预测维护平台中的数据传输单元,对应获得标准桥隧监测数据集的数据保密等级,根据加密算法数据库中的数据对数据保密等级进行加密算法匹配,进一步按照数据加密算法对标准桥隧监测数据集进行密钥匹配、解密,最终将数据加密后的标准桥隧监测数据集传输至数据分析单元,对实现桥隧智能维护有着推进的作用。
步骤S500:所述数据分析单元包括桥隧健康分析模型,将所述标准桥隧监测数据集输入所述桥隧健康分析模型,获得桥隧健康分析结果;
具体而言,在智能桥隧预测维护平台中的数据分析单元中,包含桥隧健康分析模型,其桥隧健康分析模型中包含输入层、桥隧健康评估层、桥隧寿命预测层以及输出层,进一步的将上述所获标准桥隧监测数据集输入桥隧健康评估层,从而对应获得桥隧健康评估结果,再将桥隧健康评估结果输入至桥隧寿命预测层,对应获得桥隧寿命预测值,最终将桥隧健康评估结果以及桥隧寿命预测值进行整合得到桥隧健康分析结果,并通过输出层对桥隧健康分析结果进行对应输出,并对后期实现进行桥隧智能维护有着深远的影响。
步骤S600:所述维护决策单元包括预先构建的桥隧维护知识库,将所述桥隧健康分析结果输入所述维护决策单元,通过所述桥隧维护知识库进行维护决策分析,获得桥隧维护方案;
具体而言,在智能桥隧预测维护平台中的维护决策单元中包含预先进行构建的桥隧维护知识库,该桥隧维护知识库是桥隧维护知识工程中结构化,易操作,易利用,全面有组织的桥隧维护知识集群,是针对桥隧维护领域问题求解的需要,采用与桥隧维护所对应的知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的桥隧维护知识片集合,进一步将桥隧健康分析模型所输出的桥隧健康分析结果输入至该维护决策单元,再由维护决策单元中的桥隧维护知识库对维护决策进行分析,最终获得较为合理的桥隧维护方案,从而对桥隧进行智能合理的维护。
步骤S700:基于所述桥隧维护方案对所述目标桥隧进行维护。
具体而言,在上述所获的桥隧维护方案的基础上,首先对桥隧维护方案进行维护成本评估,获得桥隧维护成本信息,再对桥隧维护成本信息是否满足所预设的桥隧维护成本约束条件进行判断,其中所获预设的桥隧维护成本约束条件由相关技术人员根据大数据中桥隧维护成本的数据量进行预设,若桥隧维护成本信息不满足预设桥隧维护成本约束条件,则对桥隧维护方案进行成本优化,当完成对桥隧维护方案的成本优化后,再根据当前的桥隧维护方案对目标桥隧进行精准维护,实现对桥隧的的合理化精准维护,为桥隧智能维护提供准确的数据决策。
进一步而言,如图2所示,本申请步骤S300还包括:
步骤S310:对所述目标桥隧进行信息采集,获得桥隧基础信息;
步骤S320:将所述桥隧基础信息、所述预设桥隧监测指标集合输入监测规划分析模型,获得桥隧监测规划方案;
步骤S330:基于所述桥隧监测规划方案,对目标桥隧进行监测传感装置的布设,并根据布设完成的监测传感装置对所述目标桥隧进行监测,获得所述桥隧监测数据集。
具体而言,首先对目标桥隧的各项信息进行对应采集,其中目标桥隧的信息可以包含桥梁、隧道、涵洞、明渠、天桥、地道、跨线桥、调节河流或建筑物等,进一步将所采集到的桥隧基础信息与预设桥隧监测指标集合输入至所构建的监测规划分析模型,其监测规划分析模型为机器学习中的,可以不断进行自我迭代优化的神经网络模型,监测规划分析模型通过训练数据集和监督数据集训练获得,其中,所述训练数据集中的每组训练数据均包括桥隧基础信息与预设桥隧监测指标集合;所述监督数据集为与所述训练数据集一一对应的监督数据。
进一步的,监测规划分析模型构建过程为:将训练数据集中每一组训练数据输入监测规划分析模型,通过这组训练数据对应的监督数据进行监测规划分析模型的输出监督调整,当监测规划分析模型的输出结果与监督数据一致,则当前组训练结束,将训练数据集中全部的训练数据均训练结束,则监测规划分析模型训练完成。
为了保证监测规划分析模型的准确性,可以通过测试数据集进行监测规划分析模型的测试处理,举例而言,测试准确率可以设定为90%,当测试数据集的测试准确率满足90%时,则监测规划分析模型完成。
最终将桥隧基础信息与预设桥隧监测指标集合输入监测规划分析模型,输出桥隧监测规划方案。
再以桥隧监测规划方案为基础,对目标桥隧中进行监测传感装置的布设,其监测传感装置可以是多类传感器,即温度传感器、湿度传感器、位移传感器、压力传感器、超声波测距传感器等,并根据布设完成的监测传感装置对目标桥隧进行多个数据的同步监测,以此获得桥隧监测数据集,来保证在进行桥隧智能维护时的高效性。
进一步而言,如图3所示,本申请步骤S400还包括:
步骤S410:基于所述标准桥隧监测数据集,获得数据保密等级;
步骤S420:获得加密算法数据库;
步骤S430:基于所述加密算法数据库,对所述数据保密等级进行加密算法匹配,获得数据加密算法;
步骤S440:根据所述数据加密算法对所述标准桥隧监测数据集进行数据加密;
步骤S450:将数据加密后的所述标准桥隧监测数据集传输至所述数据分析单元。
具体而言,对基于预设桥隧监测指标集合,根据数据感知单元对目标桥隧进行监测所获的桥隧监测数据集进行预处理,以预处理后所获的标准桥隧监测数据集为基础,获得标准桥隧监测数据集中每个数据所对应的数据保密等级,其数据保密等级是根据该标准桥隧监测数据对桥隧维护的影响所设定的,其影响越大,则数据保密等级越高,进一步对加密算法数据库进行构建,其加密算法数据库中存在多个进行数据加密的数据,且根据数据的不同其所匹配的加密算法也可以不同,数据加密的基本过程就是对原来为明文的文件或数据按一种固定的算法进行处理,使其成为不可读的一段代码为“密文”,使其只能在输入相应的密钥之后才能显示出原容,同时加密算法数据库中的每个加密算法都具有数据加密等级,在此基础上对数据保密等级进行与之对应的加密算法匹配,其加密算法可以包含对称式加密算法以及非对称式加密算法,并根据匹配结果获得数据加密算法,再根据所获数据加密算法对标准桥隧监测数据集中的数据进行相应的数据加密,最终将数据加密后的标准桥隧监测数据集传输至智能桥隧预测维护平台中的数据分析单元进行分析,最终达到对桥隧智能维护提供参考的技术效果。
进一步而言,如图4所示,本申请步骤S500还包括:
步骤S510:所述桥隧健康分析模型包括输入层、桥隧健康评估层、桥隧寿命预测层、输出层;
步骤S520:将所述标准桥隧监测数据集输入所述桥隧健康评估层,获得桥隧健康评估结果;
步骤S530:将所述桥隧健康评估结果输入所述桥隧寿命预测层,获得桥隧寿命预测值;
步骤S540:根据所述桥隧健康评估结果和所述桥隧寿命预测值,获得所述桥隧健康分析结果,并通过所述输出层对所述桥隧健康分析结果进行输出。
具体而言,智能桥隧预测维护平台中的数据分析单元包括桥隧健康分析模型,再将标准桥隧监测数据集输入桥隧健康分析模型,其桥隧健康分析模型包括输入层、桥隧健康评估层、桥隧寿命预测层、输出层,进一步的将标准桥隧监测数据集输入桥隧健康评估层,在桥堆健康评估层中,首先对通过大数据采集桥隧健康事件信息所获的桥隧健康事件数据库进行影响指标提取,并在所提取的多个桥隧健康影响指标的基础上,对桥隧健康事件数据库进行健康影响分析,获得多个指标影响度参数,通过采集目标桥隧的维护事件信息所构建的桥隧维护事件数据库对多个桥隧健康影响指标进行置信度分析,获得多个指标置信度参数从而基于预设指标权重约束条件,对多个指标影响度参数和多个指标置信度参数进行加权计算,获得多个桥隧健康影响指标特征值,最终根据多个桥隧健康影响指标和多个桥隧健康影响指标特征值获得桥隧健康评价数据集,并将桥隧健康评价数据集嵌入至所述桥隧健康评估层,进而桥隧健康评价数据集对标准桥隧监测数据集进行特征识别,获得桥隧健康评估结果。
再将所获桥隧健康评估结果输入至桥隧寿命预测层,首先以桥隧健康评估结果为基础对桥隧当前寿命进行模糊预测,再通过对桥隧的建设环境的土壤和水进行取样,然后模拟自然环境中的风沙雨雾,快速地对其反复作用,观察桥隧的损伤裂化过程,从而计算出桥隧的预测使用寿命,由此获得桥隧寿命预测值,进一步的根据桥隧健康评估层输出的桥隧健康评估结果以及桥隧寿命预测层输出的桥隧寿命预测值,对当前的目标桥隧的健康情况进行分析,从而通过输出层对桥隧健康分析结果进行对应输出,达到后期对桥隧进行智能维护的技术效果。
进一步而言,本申请步骤S520包括:
步骤S521:通过大数据采集桥隧健康事件信息,获得桥隧健康事件数据库;
步骤S522:对所述桥隧健康事件数据库进行影响指标提取,获得多个桥隧健康影响指标;
步骤S523:基于所述多个桥隧健康影响指标,对所述桥隧健康事件数据库进行健康影响分析,获得多个指标影响度参数;
步骤S524:采集所述目标桥隧的维护事件信息,获得桥隧维护事件数据库;
步骤S525:基于所述桥隧维护事件数据库对所述多个桥隧健康影响指标进行置信度分析,获得多个指标置信度参数;
步骤S526:基于预设指标权重约束条件,对所述多个指标影响度参数和所述多个指标置信度参数进行加权计算,获得多个桥隧健康影响指标特征值;
步骤S527:基于所述多个桥隧健康影响指标和所述多个桥隧健康影响指标特征值,获得桥隧健康评价数据集,并将所述桥隧健康评价数据集嵌入至所述桥隧健康评估层;
步骤S528:根据所述桥隧健康评价数据集对所述标准桥隧监测数据集进行特征识别,获得所述桥隧健康评估结果。
具体而言,在大数据所采集到桥梁健康事件所拥有的信息基础上,对桥梁健康事件的信息进行信息采集,其中对桥梁健康事件进行信息采集所采集的信息包含但不仅限于桥隧裂缝监测信息、桥隧沉降监测信息、桥隧挠度监测信息、桥隧水平位移监测信息、桥隧振动监测信息、桥隧倾角监测信息、桥隧应力监测信息、桥隧索力监测信息等,由上述所采集到的桥梁健康事件信息构建桥隧健康事件数据库,进一步对桥隧健康事件数据库中的桥隧健康事件对桥隧的影响进行影响指标提取,从而获得多个桥隧健康影响指标,在此基础上对桥隧健康事件数据库中的桥隧健康事件进行桥隧的健康影响分析,同时对多个指标影响度参数进行获得,再对目标桥隧的维护事件信息进行采集,在大数据所采集到桥梁维护事件所拥有的信息基础上,对桥梁维护事件的信息进行信息采集,其中对桥梁维护事件进行信息采集所采集的信息包含但不仅限于桥隧钢结构局部维护信息、桥隧混凝土梁整修信息、桥隧支座整治空吊翻浆信息、桥隧涵洞排水设备维护信息等,由上述所采集到的桥梁维护事件信息构建桥隧维护事件数据库。
进一步的,由多个桥隧健康影响指标对桥隧维护事件数据库进行分类后再进行事件数量统计,获得多个指标事件数量参数,在此基础上将桥隧维护事件数据库进行事件数量统计,获得事件总数量参数,从而基于多个指标事件数量参数和事件总数量参数进行比值计算,以此获得多个指标置信度参数,再以预设指标权重约束条件为基础,其预设指标权重约束条件是指预设指标影响度权重系数以及预设指标置信度权重系数,对上述所获多个指标影响参数以及多个指标置信度参数分别进行加权计算,其加权计算需要基于大量的数据汇总以及精确确定权重后再进行针对性计算,示例性的,多个指标影响参数与多个指标置信度参数权重占比可以为第一影响系数:第二影响系数为4:6,则加权计算过程后的影响参数分别为第一影响参数*0.4,第二影响参数*0.6,根据该加权计算结果将所获最终值记作多个桥隧健康影响指标特征值,以多个桥隧健康影响指标和多个桥隧健康影响指标特征值为基础,对目标桥隧的健康情况进行评价,从而对桥隧健康评价数据集获得,再将桥隧健康评价数据集嵌入至桥隧健康分析模型中的桥隧健康评估层,最终由桥隧健康评价数据集对标准桥隧监测数据集进行桥隧健康情况的特征识别,进而得到桥隧健康评估结果,实现对桥隧进行智能维护的技术效果。
进一步而言,本申请步骤S525包括:
步骤S5251:根据所述多个桥隧健康影响指标对所述桥隧维护事件数据库进行分类,获得多个指标事件数据集;
步骤S5252:对所述多个指标事件数据集进行事件数量统计,获得多个指标事件数量参数;
步骤S5253:对所述桥隧维护事件数据库进行事件数量统计,获得事件总数量参数;
步骤S5254:基于所述多个指标事件数量参数和所述事件总数量参数进行比值计算,获得所述多个指标置信度参数。
具体而言,以所获多个桥隧健康影响指标对桥隧维护时间数据库中所包含的多个桥隧维护事件进行健康影响的分类,从而对应获得多个指标事件数据集,其多个指标事件数据集是指每个指标事件数据集包括同一桥隧健康影响指标对应的多个桥隧维护事件,进一步的对所获多个指标事件数据集的事件数量进行统计,即对多个指标事件数据集中所含的事件数量进行加和,从而获得与之对应的多个指标事件数量参数,同时再对桥隧维护时间数据库进行事件数量的统计,即对桥隧维护时间数据库中所含的事件数量进行加和,从而获得与之对应的事件总数量参数,最终在所获多个指标事件数量参数以及所获事件总数量参数的基础上,对二者进行比值计算,其比值是指多个指标事件数量参数与事件总数量参数进行相除,求比值用除法计算,用多个指标事件数量参数除以事件总数量参数,从而对应获得多个指标置信度参数,以此达到对桥隧智能维护打下基石。
进一步而言,如图5所示,本申请步骤S700还包括:
步骤S710:基于所述桥隧维护方案进行维护成本评估,获得桥隧维护成本信息;
步骤S720:获得预设桥隧维护成本约束条件;
步骤S730:判断所述桥隧维护成本信息是否满足所述预设桥隧维护成本约束条件;
步骤S740:如果所述桥隧维护成本信息不满足所述预设桥隧维护成本约束条件,对所述桥隧维护方案进行成本优化。
具体而言,由桥隧健康分析结果输入所述维护决策单元,通过桥隧维护知识库进行维护决策分析所获的桥隧维护方案,从而对桥隧维护方案进行维护成本的评估,即对桥隧维护方案中所使用的人员人力成本、材料物力成本、耗时的时间成本等均算作桥隧的维护成本,从而对应获得桥隧维护成本信息,再对预设桥隧维护成本约束条件进行设定,即对桥隧维护成本对应设定上线以及下线,其中具体预设桥隧维护成本约束条件由相关技术人员根据大数据中的桥隧维护成本数据进行预设,进一步的对桥隧维护成本信息是否满足预设桥隧维护成本约束条件进行判断,若桥隧维护成本信息满足预设桥隧维护成本约束条件,则继续使用当前生成的桥隧维护方案,若桥隧维护成本信息不满足预设桥隧维护成本约束条件,则需要对当前桥隧维护方案进行成本优化,即对人员人力成本、材料物力成本、耗时的时间成本进行相应调整,以达到符合预设桥隧维护成本约束条件的桥隧维护成本信息,使得按照优化后的桥隧维护方案能更好的对桥隧进行智能维护。
实施例二
基于与前述实施例中一种基于智能化感应的桥隧预测维护方法相同的发明构思,如图6所示,本申请提供了一种基于智能化感应的桥隧预测维护系统,系统包括:
平台构建模块1,所述平台构建模块1用于构建智能桥隧预测维护平台,其中,所述智能桥隧预测维护平台包括数据感知单元、数据传输单元、数据分析单元、维护决策单元;
集合获取模块2,所述集合获取模块2用于获得预设桥隧监测指标集合;
监测模块3,所述监测模块3用于基于所述预设桥隧监测指标集合,根据所述数据感知单元对目标桥隧进行监测,获得桥隧监测数据集,并对所述桥隧监测数据集进行预处理,获得标准桥隧监测数据集;
传输模块4,所述传输模块4用于通过所述数据传输单元将所述标准桥隧监测数据集加密传输至所述数据分析单元;
输入模块5,所述输入模块5用于所述数据分析单元包括桥隧健康分析模型,将所述标准桥隧监测数据集输入所述桥隧健康分析模型,获得桥隧健康分析结果;
分析模块6,所述分析模块6用于所述维护决策单元包括预先构建的桥隧维护知识库,将所述桥隧健康分析结果输入所述维护决策单元,通过所述桥隧维护知识库进行维护决策分析,获得桥隧维护方案;
维护模块7,所述维护模块7用于基于所述桥隧维护方案对所述目标桥隧进行维护。
进一步而言,系统还包括:
信息采集模块,信息采集模块用于对所述目标桥隧进行信息采集,获得桥隧基础信息;
第一输入模块,第一输入模块用于将所述桥隧基础信息、所述预设桥隧监测指标集合输入监测规划分析模型,获得桥隧监测规划方案;
布设模块,布设模块用于基于所述桥隧监测规划方案,对目标桥隧进行监测传感装置的布设,并根据布设完成的监测传感装置对所述目标桥隧进行监测,获得所述桥隧监测数据集。
进一步而言,系统还包括:
保密等级获取模块,保密等级获取模块用于基于所述标准桥隧监测数据集,获得数据保密等级;
第一数据库获得模块,第一数据库获得模块用于获得加密算法数据库;
算法匹配模块,算法匹配模块用于基于所述加密算法数据库,对所述数据保密等级进行加密算法匹配,获得数据加密算法;
数据加密模块,数据加密模块用于根据所述数据加密算法对所述标准桥隧监测数据集进行数据加密;
第一传输模块,第一传输模块用于将数据加密后的所述标准桥隧监测数据集传输至所述数据分析单元。
进一步而言,系统还包括:
模型层级模块,模型层级模块用于所述桥隧健康分析模型包括输入层、桥隧健康评估层、桥隧寿命预测层、输出层;
第二输入模块,第二输入模块用于将所述标准桥隧监测数据集输入所述桥隧健康评估层,获得桥隧健康评估结果;
第三输入模块,第三输入模块用于将所述桥隧健康评估结果输入所述桥隧寿命预测层,获得桥隧寿命预测值;
输出模块,输出模块用于根据所述桥隧健康评估结果和所述桥隧寿命预测值,获得所述桥隧健康分析结果,并通过所述输出层对所述桥隧健康分析结果进行输出。
进一步而言,系统还包括:
第二数据库获得模块,第二数据库获得模块用于通过大数据采集桥隧健康事件信息,获得桥隧健康事件数据库;
指标获取模块,指标获取模块用于对所述桥隧健康事件数据库进行影响指标提取,获得多个桥隧健康影响指标;
健康影响分析模块,健康影响分析模块用于基于所述多个桥隧健康影响指标,对所述桥隧健康事件数据库进行健康影响分析,获得多个指标影响度参数;
第三数据库获得模块,第三数据库获得模块用于采集所述目标桥隧的维护事件信息,获得桥隧维护事件数据库;
置信度分析模块,置信度分析模块用于基于所述桥隧维护事件数据库对所述多个桥隧健康影响指标进行置信度分析,获得多个指标置信度参数;
加权计算模块,加权计算模块用于基于预设指标权重约束条件,对所述多个指标影响度参数和所述多个指标置信度参数进行加权计算,获得多个桥隧健康影响指标特征值;
嵌入模块,嵌入模块用于基于所述多个桥隧健康影响指标和所述多个桥隧健康影响指标特征值,获得桥隧健康评价数据集,并将所述桥隧健康评价数据集嵌入至所述桥隧健康评估层;
特征识别模块,特征识别模块用于根据所述桥隧健康评价数据集对所述标准桥隧监测数据集进行特征识别,获得所述桥隧健康评估结果。
进一步而言,系统还包括:
分类模块,分类模块用于根据所述多个桥隧健康影响指标对所述桥隧维护事件数据库进行分类,获得多个指标事件数据集;
第一事件数量统计模块,第一事件数量统计模块用于对所述多个指标事件数据集进行事件数量统计,获得多个指标事件数量参数;
第二事件数量统计模块,第二事件数量统计模块用于对所述桥隧维护事件数据库进行事件数量统计,获得事件总数量参数;
比值计算模块,比值计算模块用于基于所述多个指标事件数量参数和所述事件总数量参数进行比值计算,获得所述多个指标置信度参数。
进一步而言,系统还包括:
维护成本评估模块,维护成本评估模块用于基于所述桥隧维护方案进行维护成本评估,获得桥隧维护成本信息;
预设模块,预设模块用于获得预设桥隧维护成本约束条件;
判断模块,判断模块用于判断所述桥隧维护成本信息是否满足所述预设桥隧维护成本约束条件;
成本优化模块,成本优化模块用于如果所述桥隧维护成本信息不满足所述预设桥隧维护成本约束条件,对所述桥隧维护方案进行成本优化。
本说明书通过前述对一种基于智能化感应的桥隧预测维护方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于智能化感应的桥隧预测维护方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种基于智能化感应的桥隧预测维护方法,其特征在于,所述方法包括:
构建智能桥隧预测维护平台,其中,所述智能桥隧预测维护平台包括数据感知单元、数据传输单元、数据分析单元、维护决策单元;
获得预设桥隧监测指标集合;
基于所述预设桥隧监测指标集合,根据所述数据感知单元对目标桥隧进行监测,获得桥隧监测数据集,并对所述桥隧监测数据集进行预处理,获得标准桥隧监测数据集;
通过所述数据传输单元将所述标准桥隧监测数据集加密传输至所述数据分析单元;
所述数据分析单元包括桥隧健康分析模型,将所述标准桥隧监测数据集输入所述桥隧健康分析模型,获得桥隧健康分析结果;
所述维护决策单元包括预先构建的桥隧维护知识库,将所述桥隧健康分析结果输入所述维护决策单元,通过所述桥隧维护知识库进行维护决策分析,获得桥隧维护方案;
基于所述桥隧维护方案对所述目标桥隧进行维护;
其中,所述获得桥隧健康分析结果,包括:
所述桥隧健康分析模型包括输入层、桥隧健康评估层、桥隧寿命预测层、输出层;
将所述标准桥隧监测数据集输入所述桥隧健康评估层,获得桥隧健康评估结果;
将所述桥隧健康评估结果输入所述桥隧寿命预测层,获得桥隧寿命预测值,包括:
以桥隧健康评估结果为基础对桥隧当前寿命进行模糊预测,再通过对桥隧的建设环境的土壤和水进行取样,然后模拟自然环境中的风沙雨雾,快速地对其反复作用,观察桥隧的损伤裂化过程,从而计算出桥隧的预测使用寿命,由此获得桥隧寿命预测值;
根据桥隧健康评估层输出的所述桥隧健康评估结果和桥隧寿命预测层输出的所述桥隧寿命预测值,对当前的目标桥隧的健康情况进行分析,获得所述桥隧健康分析结果,并通过所述输出层对所述桥隧健康分析结果进行输出;
所述获得桥隧健康评估结果,所述方法还包括:
通过大数据采集桥隧健康事件信息,获得桥隧健康事件数据库;
对所述桥隧健康事件数据库进行影响指标提取,获得多个桥隧健康影响指标;
基于所述多个桥隧健康影响指标,对所述桥隧健康事件数据库进行健康影响分析,获得多个指标影响度参数;
采集所述目标桥隧的维护事件信息,获得桥隧维护事件数据库;
基于所述桥隧维护事件数据库对所述多个桥隧健康影响指标进行置信度分析,获得多个指标置信度参数;
基于预设指标权重约束条件,对所述多个指标影响度参数和所述多个指标置信度参数进行加权计算,获得多个桥隧健康影响指标特征值;
基于所述多个桥隧健康影响指标和所述多个桥隧健康影响指标特征值,获得桥隧健康评价数据集,并将所述桥隧健康评价数据集嵌入至所述桥隧健康评估层;
根据所述桥隧健康评价数据集对所述标准桥隧监测数据集进行特征识别,获得所述桥隧健康评估结果;
基于所述桥隧维护事件数据库对所述多个桥隧健康影响指标进行置信度分析,获得多个指标置信度参数,所述方法包括:
根据所述多个桥隧健康影响指标对所述桥隧维护事件数据库进行分类,获得多个指标事件数据集;
对所述多个指标事件数据集进行事件数量统计,获得多个指标事件数量参数;
对所述桥隧维护事件数据库进行事件数量统计,获得事件总数量参数;
基于所述多个指标事件数量参数和所述事件总数量参数进行比值计算,获得所述多个指标置信度参数。
2.如权利要求1所述的方法,其特征在于,所述获得桥隧监测数据集,所述方法还包括:
对所述目标桥隧进行信息采集,获得桥隧基础信息;
将所述桥隧基础信息、所述预设桥隧监测指标集合输入监测规划分析模型,获得桥隧监测规划方案;
基于所述桥隧监测规划方案,对目标桥隧进行监测传感装置的布设,并根据布设完成的监测传感装置对所述目标桥隧进行监测,获得所述桥隧监测数据集。
3.如权利要求1所述的方法,其特征在于,通过所述数据传输单元将所述标准桥隧监测数据集加密传输至所述数据分析单元,所述方法还包括:
基于所述标准桥隧监测数据集,获得数据保密等级;
获得加密算法数据库;
基于所述加密算法数据库,对所述数据保密等级进行加密算法匹配,获得数据加密算法;
根据所述数据加密算法对所述标准桥隧监测数据集进行数据加密;
将数据加密后的所述标准桥隧监测数据集传输至所述数据分析单元。
4.如权利要求1所述的方法,其特征在于,获得桥隧维护方案之后,所述方法还包括:
基于所述桥隧维护方案进行维护成本评估,获得桥隧维护成本信息;
获得预设桥隧维护成本约束条件;
判断所述桥隧维护成本信息是否满足所述预设桥隧维护成本约束条件;
如果所述桥隧维护成本信息不满足所述预设桥隧维护成本约束条件,对所述桥隧维护方案进行成本优化。
5.一种基于智能化感应的桥隧预测维护系统,其特征在于,所述系统包括:
平台构建模块,所述平台构建模块用于构建智能桥隧预测维护平台,其中,所述智能桥隧预测维护平台包括数据感知单元、数据传输单元、数据分析单元、维护决策单元;
集合获取模块,所述集合获取模块用于获得预设桥隧监测指标集合;
监测模块,所述监测模块用于基于所述预设桥隧监测指标集合,根据所述数据感知单元对目标桥隧进行监测,获得桥隧监测数据集,并对所述桥隧监测数据集进行预处理,获得标准桥隧监测数据集;
传输模块,所述传输模块用于通过所述数据传输单元将所述标准桥隧监测数据集加密传输至所述数据分析单元;
输入模块,所述输入模块用于所述数据分析单元包括桥隧健康分析模型,将所述标准桥隧监测数据集输入所述桥隧健康分析模型,获得桥隧健康分析结果;
分析模块,所述分析模块用于所述维护决策单元包括预先构建的桥隧维护知识库,将所述桥隧健康分析结果输入所述维护决策单元,通过所述桥隧维护知识库进行维护决策分析,获得桥隧维护方案;
维护模块,所述维护模块用于基于所述桥隧维护方案对所述目标桥隧进行维护;
其中,所述桥隧健康分析模型包括输入层、桥隧健康评估层、桥隧寿命预测层、输出层;
第二输入模块,第二输入模块用于将所述标准桥隧监测数据集输入所述桥隧健康评估层,获得桥隧健康评估结果;
第三输入模块,第三输入模块用于将所述桥隧健康评估结果输入所述桥隧寿命预测层,获得桥隧寿命预测值,包括:
以桥隧健康评估结果为基础对桥隧当前寿命进行模糊预测,再通过对桥隧的建设环境的土壤和水进行取样,然后模拟自然环境中的风沙雨雾,快速地对其反复作用,观察桥隧的损伤裂化过程,从而计算出桥隧的预测使用寿命,由此获得桥隧寿命预测值;
输出模块,输出模块用于根据桥隧健康评估层输出的所述桥隧健康评估结果和桥隧寿命预测层输出的所述桥隧寿命预测值,对当前的目标桥隧的健康情况进行分析,获得所述桥隧健康分析结果,并通过所述输出层对所述桥隧健康分析结果进行输出;
第二数据库获得模块,第二数据库获得模块用于通过大数据采集桥隧健康事件信息,获得桥隧健康事件数据库;
指标获取模块,指标获取模块用于对所述桥隧健康事件数据库进行影响指标提取,获得多个桥隧健康影响指标;
健康影响分析模块,健康影响分析模块用于基于所述多个桥隧健康影响指标,对所述桥隧健康事件数据库进行健康影响分析,获得多个指标影响度参数;
第三数据库获得模块,第三数据库获得模块用于采集所述目标桥隧的维护事件信息,获得桥隧维护事件数据库;
置信度分析模块,置信度分析模块用于基于所述桥隧维护事件数据库对所述多个桥隧健康影响指标进行置信度分析,获得多个指标置信度参数;
加权计算模块,加权计算模块用于基于预设指标权重约束条件,对所述多个指标影响度参数和所述多个指标置信度参数进行加权计算,获得多个桥隧健康影响指标特征值;
嵌入模块,嵌入模块用于基于所述多个桥隧健康影响指标和所述多个桥隧健康影响指标特征值,获得桥隧健康评价数据集,并将所述桥隧健康评价数据集嵌入至所述桥隧健康评估层;
特征识别模块,特征识别模块用于根据所述桥隧健康评价数据集对所述标准桥隧监测数据集进行特征识别,获得所述桥隧健康评估结果;
分类模块,分类模块用于根据所述多个桥隧健康影响指标对所述桥隧维护事件数据库进行分类,获得多个指标事件数据集;
第一事件数量统计模块,第一事件数量统计模块用于对所述多个指标事件数据集进行事件数量统计,获得多个指标事件数量参数;
第二事件数量统计模块,第二事件数量统计模块用于对所述桥隧维护事件数据库进行事件数量统计,获得事件总数量参数;
比值计算模块,比值计算模块用于基于所述多个指标事件数量参数和所述事件总数量参数进行比值计算,获得所述多个指标置信度参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310156245.2A CN116401525B (zh) | 2023-02-23 | 2023-02-23 | 一种基于智能化感应的桥隧预测维护方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310156245.2A CN116401525B (zh) | 2023-02-23 | 2023-02-23 | 一种基于智能化感应的桥隧预测维护方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116401525A CN116401525A (zh) | 2023-07-07 |
CN116401525B true CN116401525B (zh) | 2023-09-29 |
Family
ID=87011321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310156245.2A Active CN116401525B (zh) | 2023-02-23 | 2023-02-23 | 一种基于智能化感应的桥隧预测维护方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401525B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102162773A (zh) * | 2010-12-24 | 2011-08-24 | 广州工程总承包集团有限公司 | 基于无线通信技术的集群式桥梁健康实时监测系统及方法 |
JP2014016691A (ja) * | 2012-07-06 | 2014-01-30 | Hitachi Ltd | 設備維持管理業務支援システム、およびその方法 |
CN108106663A (zh) * | 2017-12-07 | 2018-06-01 | 云南航天工程物探检测股份有限公司 | 在线可视化创建和管理桥梁监测平台 |
CN110633855A (zh) * | 2019-09-17 | 2019-12-31 | 江南大学 | 一种桥梁健康状态检测与管养决策系统及方法 |
CN111325403A (zh) * | 2020-02-26 | 2020-06-23 | 长安大学 | 一种公路隧道机电设备剩余寿命预测方法 |
CN111382542A (zh) * | 2020-02-26 | 2020-07-07 | 长安大学 | 一种面向全寿命周期的公路机电设备寿命预测系统 |
CN112862295A (zh) * | 2021-02-02 | 2021-05-28 | 上海市城市建设设计研究总院(集团)有限公司 | 基于q学习的路桥隧养护自主决策方法 |
CN114062516A (zh) * | 2022-01-18 | 2022-02-18 | 中大检测(湖南)股份有限公司 | 面向隧道的超声波检测系统 |
CN114626119A (zh) * | 2021-10-21 | 2022-06-14 | 湖北交投智能检测股份有限公司 | 一种基于桥梁大数据的养护智能决策方法及系统 |
CN114662619A (zh) * | 2022-05-23 | 2022-06-24 | 中大检测(湖南)股份有限公司 | 基于多源数据融合的桥梁监测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102677264B1 (ko) * | 2021-08-05 | 2024-06-25 | 주식회사 뉴로다임 | 인공지능을 이용한 교량 건전성 모니터링 시스템 |
-
2023
- 2023-02-23 CN CN202310156245.2A patent/CN116401525B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102162773A (zh) * | 2010-12-24 | 2011-08-24 | 广州工程总承包集团有限公司 | 基于无线通信技术的集群式桥梁健康实时监测系统及方法 |
JP2014016691A (ja) * | 2012-07-06 | 2014-01-30 | Hitachi Ltd | 設備維持管理業務支援システム、およびその方法 |
CN108106663A (zh) * | 2017-12-07 | 2018-06-01 | 云南航天工程物探检测股份有限公司 | 在线可视化创建和管理桥梁监测平台 |
CN110633855A (zh) * | 2019-09-17 | 2019-12-31 | 江南大学 | 一种桥梁健康状态检测与管养决策系统及方法 |
CN111325403A (zh) * | 2020-02-26 | 2020-06-23 | 长安大学 | 一种公路隧道机电设备剩余寿命预测方法 |
CN111382542A (zh) * | 2020-02-26 | 2020-07-07 | 长安大学 | 一种面向全寿命周期的公路机电设备寿命预测系统 |
CN112862295A (zh) * | 2021-02-02 | 2021-05-28 | 上海市城市建设设计研究总院(集团)有限公司 | 基于q学习的路桥隧养护自主决策方法 |
CN114626119A (zh) * | 2021-10-21 | 2022-06-14 | 湖北交投智能检测股份有限公司 | 一种基于桥梁大数据的养护智能决策方法及系统 |
CN114062516A (zh) * | 2022-01-18 | 2022-02-18 | 中大检测(湖南)股份有限公司 | 面向隧道的超声波检测系统 |
CN114662619A (zh) * | 2022-05-23 | 2022-06-24 | 中大检测(湖南)股份有限公司 | 基于多源数据融合的桥梁监测系统 |
Non-Patent Citations (1)
Title |
---|
马骥.国省道公路桥梁养护管理问题及措施分析.《科技资讯》.2018,第16卷(第13期),第69-70页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116401525A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533885B (zh) | 城市内涝监测预警系统及预警方法 | |
CN113779835A (zh) | 基于ai与智能监测系统的深大基坑安全预警方法 | |
CN113310528B (zh) | 一种基于多元传感数据的实时隧道结构健康监测方法 | |
CN104678954A (zh) | 基于全生命周期的大坝安全智能监测与预警系统及其方法 | |
CN101477207A (zh) | 一种智能型地质灾害综合监测系统及多级预报分析方法 | |
CN101763053A (zh) | 一种移动式桥梁安全检测分析管理系统 | |
CN114169548B (zh) | 一种基于bim的公路桥梁管养phm系统和方法 | |
JP2006011849A (ja) | データ圧縮装置及び方法,データ解析装置及び方法並びにデータ管理システム | |
CN117172556B (zh) | 一种桥梁工程的施工风险预警方法与系统 | |
CN107144891A (zh) | 隧道突涌水前兆信息监测与融合预警系统以及方法 | |
CN111445165A (zh) | 一种隧道结构健康监测在线分级预警评价方法 | |
CN115324650A (zh) | 一种基于智能识别的预警分级系统及方法 | |
CN116341272A (zh) | 一种用于配网工程数字化的施工安全风险管控系统 | |
CN117870609B (zh) | 一种基于非完整拱效应的软岩隧道掌子面变形监测方法 | |
CN117872938B (zh) | 基于物联网实现桥梁施工下的设备安全控制方法及系统 | |
CN106759546B (zh) | 基于改进多变量灰色预测模型的基坑变形预测方法及装置 | |
CN116090347A (zh) | 平稳荷载下历史建筑结构智能监测与预警系统 | |
CN116401525B (zh) | 一种基于智能化感应的桥隧预测维护方法及系统 | |
CN104504769A (zh) | 轨道交通桥梁隧道结构电子病害采集系统及采集分析方法 | |
Xiao et al. | Safety monitoring of expressway construction based on multisource data fusion | |
CN117306326A (zh) | 一种路基岩溶注浆施工方法 | |
CN114819506A (zh) | 一种路基分层压实质量在线智能管控平台及方法 | |
Zheng et al. | Tunnel displacement prediction under spatial effect based on Gaussian process regression optimized by differential evolution | |
Shen et al. | LSTM combined with BIM technology in the management of small and medium-sized span highway concrete beam bridges | |
Yao et al. | Mountain-Expressway Slope Safety Based on the Online Monitoring System and Fuzzy Comprehensive Evaluation |
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 |