CN116720353A - 一种土木工程结构安全评估系统及方法 - Google Patents

Abstract

本发明公开了一种土木工程结构安全评估系统及方法，具体涉及安全评估领域，包括土木结构区域划分模块、数据采集模块、数据处理模块、图像数据采集模块、特征图像处理模块、数据分析模块、安全判断模块，本发明通过采集各监测子区域内的地震荷载值、极限强度和钢筋损伤程度值，再通过采集的数据算出刚性指数；再次采集混凝土表面特征图像，将图像输入安全监测模型中，经过图像增强得出关键特征值，并根据关键特征值计算出损失函数；将刚性指数和损失函数整理分析得出损失特征值，再将损失特征值与损失特征值阈值进行对比，并输出不同指令，以便相关工作人员作出相应措施。

Description

一种土木工程结构安全评估系统及方法

技术领域

本发明涉及土木工程结构安全技术领域，更具体地说，本发明涉及一种土木工程结构安全评估系统及方法。

背景技术

预应力混凝土结构是城镇基础设施的重要组成部分，然而随着使用年限的增加、结构使用条件及环境侵蚀等因素的影响，加之设计和施工的不当，将发生混凝土材料老化与结构损伤，导致结构性能劣化，承载力下降和耐久性降低。当前预应力混凝土结构面临的主要损伤类型包括：混凝土碳化、钢筋锈蚀、预应力筋松弛、混凝土表面开裂等，而损伤的产生通常是由于混凝土表面出现裂缝造成。

但是其在实际使用时，仍旧存在一些缺点，如钢筋锈蚀是影响混凝土结构耐久性的首要因素，钢筋锈蚀膨胀造成的混凝土顺筋开裂、钢筋与混凝土粘结力下降、钢筋有效面积减小等，都会导致预应力混凝土结构承载力和安全性的丧失。预应力筋的应力松弛直接影响预应力混凝土结构的承载能力。裂缝作为最明显的病害类型，直接降低了混凝土结构的强度和刚度，影响了结构的美观性，同时使钢筋失去保护层而更容易发生锈蚀现象。

因此，建立一种有效的预应力混凝土结构安全评估方法尤为重要。针对预应力混凝土结构可能出现的钢筋锈蚀、预应力筋应力下降、混凝土表面裂缝开展等关键问题进行健康监测，并采取有效的方式评估局部损伤对结构整体承载能力的影响，及时预警结构存在的潜在隐患，对局部构件及时拆除和加固，避免灾难性事故的发生。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种土木工程结构安全评估系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

优选的，土木结构区域划分模块用于将目标结构按照等距离划分成各监测子区域，并将目标结构各监测子区域依次编号为：1，2，3，……，n；目标结构按照等距离划分方式划分成各监测子区域的距离不少于1层楼。

优选的，数据采集模块用于采集目标结构各监测子区域的地震载荷值、极限强度和钢筋损伤程度值；其中，采集的地震荷值具体计算方法为：

其中F_x为地震载荷值，H为建筑结构的阻尼比取值，G为楼面板重力值，j为地震等级，E为各层水平作用力，ω为水平地震影响系数；

极限强度的计算方法为：

其中σ_b为极限强度，F_b为试样拉断时所承受最大的力，S_o为试样原始横截面积；

钢筋损伤程度值计算方法为：

其中Z为钢筋损伤程度值，N是产生塑性形变的循环半周期数，β_i是i半周期的权值，/>是材料第i平周期的塑性应变，/>是材料的极限塑性应变；当最大塑性应变为一半周期，将相应项的取值为1，而其他项的权值为1，则上式变为：

其中/>为循环过程中的最大塑性应变。

优选的，数据处理模块用于提取采集样本中的有效数据，并将有效数据进行处理，将最大最小值进行舍弃再进行求平均处理，并计算得出刚度指数；其中刚度指数的计算方法为：

其中η,ι,υ为权重系数。F为地震荷值，n为楼层数，σ_b为极限强度，/>是材料第i平周期的塑性应变，/>为循环过程中的最大塑性应变，Z为钢筋损伤程度值，ω为水平地震影响系数。

优选的，图像数据采集模块：用于使用无人机搭载拍摄工具采集目标监测各子区域内混凝土表面特征图像，并将采集的混凝土表面特征图像输送至数据二次处理模块；搭载的拍摄工具为高清摄像机，其中图像识别技术包括图像灰度化、图像直方图均值化、图像中值滤波、图像归一化、图像二值化、图像二值率化、图像像素检测提取图像中混凝土表面的裂缝特征，构造图像识别样本集。

优选的，特征图像处理模块：用于将采集的图像进行增强处理，得到最终增强图像，再进行构建并训练安全监测网络模型；最终增强图像方法为：获取待测土木结构的实时图像，利用四方向Sobel算子确定实时图像中各个像素点的灰度值，并根据各个像素点的灰度值确定所有像素点的灰度均值；根据所有像素点的灰度均值，利用滑动窗口确定并增强实时图像中各个点的对比度，得到第一增强图像；对第一增强图像依次进行滤波处理和平滑处理，得到第二增强图像；对第二增强图像进行异物剔除，得到最终增强图像。

优选的，数据分析模块用于将最终增强图像作为安全监测网络模型的输入，获取待测土木结构的关键特征值，根据待测土木结构的关键特征值，进行安全监测，并根据关键特征值计算出损失函数；再将刚性指数和损失函数进行分析得出损伤特征值；安全监测网络模型包括依次连接的深度卷积层、特征映射层和特征融合层；在特征映射层中，颜色深度D(m)的计算公式为：

其中tr(M)为像素点组成矩阵M的迹，γ_m为像素点m的灰度值，θ_ave为所有像素点均值，exp(·)为指数函数，Γ(·)为伽马函数；

在特征融合层中，损失特征函数为：

其中N为超调参量，Dist(u,u₁)为区域内特征信息点u与其最相邻特征信息点u₁的最短距离，Dist(u₁,u₂)为区域内特征信息点u₁与其最相邻特征信息点u₂的最短距离；

损伤特征值的计算公式为：

其中，Q为损伤特征值，ψ₁,ψ₂,ψ₃为权重。

优选的，安全判断模块用于判断比较损伤特征值和损伤特征值阈值，若损伤特征值达到设定特征阈值，则输出土木结构受损指令；若损伤特征值未达到设定特征值，则输出土木结构未受损指令；若Q＞ΔQ,ΔQ为损失特征值阈值，则土木结构受损，需要及时向相关人员报告并进行修正；若Q＜ΔQ，ΔQ为损失特征值阈值，则土木结构安全未受损，只需进行例行检查即可，无需其他操作。

本发明的技术效果和优点：

土木结构安全评估监测方法采用图像处理和网络模型结合，对增强处理后的图像进行监测，能够准确地判断土木结构是否受损，进而对可能存在的安全隐患及时预警

附图说明

图1为本发明的整体结构示意图。

图2为本发明的方法流程示意图。

具体实施方式

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一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1所示，本发明提供一种基于无人机影像智能分析的电力巡检方法，其中包括土木结构区域划分模块、数据采集模块、数据处理模块、图像数据采集模块、特征图像处理模块、数据分析模块、安全判断模块。

所述土木结构区域划分模块与数据采集模块连接，所述数据采集模块与数据处理模块连接，所述数据处理模块与图像数据采集模块连接，所述图像数据采集模块与特征图像处理模块连接，所述特征图像处理模块与数据分析模块连接，所述数据分析模块与安全判断模块连接。

所述土木结构区域划分模块用于将目标结构按照等距离划分成各监测子区域，并将目标结构各监测子区域依次编号为：1，2，3，……，n；

在一种可能的设计中，所述土木结构区域划分模块中对区域划分的具体处理方式为：

将目标结构按照等距离划分方式划分成各监测子区域的距离不少于1层楼。

所述数据采集模块用于采集目标结构各监测子区域的地震载荷值、极限强度和钢筋损伤程度值。

在一种可能的设计中，地震荷载值、极限强度和钢筋损伤程度值具体计算方法为：

其中F_x为地震载荷值，H为建筑结构的阻尼比取值，G为楼面板重力值，j为地震等级，E为各层水平作用力，ω为水平地震影响系数；阻尼比取值、地震等级和水平地震影响系数均可查阅书籍查阅；楼面板重力值和各层水品作用力则需要工作人员使用专用仪器进行测量采集。

其中σ_b为极限强度，F_b为试样拉断时所承受最大的力，S_o为试样原始横截面积；

其中Z为钢筋损伤程度值，N是产生塑性形变的循环半周期数，β_i是i半周期的权值，/>是材料第i平周期的塑性应变，/>是材料的极限塑性应变；当最大塑性应变为一半周期，将相应项的取值为1，而其他项的权值为1，则上式变为：

其中/>为循环过程中的最大塑性应变。

所述数据处理模块用于提取采集样本中的有效数据，并将有效数据进行处理，将最大最小值进行舍弃再进行求平均处理，并计算得出刚度指数。

在一种可能的设计中，刚性指数的计算方法为：

其中η,ι,υ为权重系数。F为地震荷值，n为楼层数，σ_b为极限强度，/>是材料第i平周期的塑性应变，/>为循环过程中的最大塑性应变，Z为钢筋损伤程度值，ω为水平地震影响系数。

所述图像采集数据用于使用无人机搭载拍摄工具采集目标监测各子区域内混凝土表面特征图像，并将采集的混凝土表面特征图像输送至数据二次处理模块。

搭载的拍摄工具为高清摄像机，其中图像识别技术包括图像灰度化、图像直方图均值化、图像中值滤波、图像归一化、图像二值化、图像二值率化、图像像素检测提取图像中混凝土表面的裂缝特征，构造图像识别样本集。

所述特征图像处理模块用于将采集的图像进行增强处理，得到最终增强图像，再进行构建并训练安全监测网络模型。

在一种可能的设计中，增强图像的具体方法为：

获取待测土木结构的实时图像，利用四方向Sobel算子确定实时图像中各个像素点的灰度值，并根据各个像素点的灰度值确定所有像素点的灰度均值；根据所有像素点的灰度均值，利用滑动窗口确定并增强实时图像中各个点的对比度，得到第一增强图像；对第一增强图像依次进行滤波处理和平滑处理，得到第二增强图像；对第二增强图像进行异物剔除，得到最终增强图像。

所述进行对比增强的具体方法为：

获取实时图像的反射分量；若实时图像的反射分量大于或等于所有像素点的灰度均值，则不进行对比度增强；若实时图像的反射分量小于所有像素点的灰度均值，则获取实时图像的反射分量和所有像素点的灰度均值的和值以及实时图像的反射分量和所有像素点的灰度均值的差值，并将和值和差值的比值作为实时图像增强后的对比度。

所述进行异物剔除的具体方法为：

从第二增强图像中裁剪设定像素尺寸的目标图像，计算目标图像与实时图像不重叠部分的像素值均值，并将小于像素值均值对应的区域作为异物剔除区域，进行异物剔除。

所述数据分析模块用于将最终增强图像作为安全监测网络模型的输入，获取待测土木结构的关键特征值，根据待测土木结构的关键特征值，进行安全监测，并根据关键特征值计算出损失函数；再将刚性指数和损失函数进行分析得出损伤特征值。

在一种可能的设计中，损伤特征值的具体计算方法为：

其中，D(m)为颜色深度，tr(M)为像素点组成矩阵M的迹，γ_m为像素点m的灰度值，θ_ave为所有像素点均值，exp(·)为指数函数，Γ(·)为伽马函数；

其中N为超调参量，L_loss为损失函数，Dist(u,u₁)为区域内特征信息点u与其最相邻特征信息点u₁的最短距离，Dist(u₁,u₂)为区域内特征信息点u₁与其最相邻特征信息点u₂的最短距离；

其中，Q为损伤特征值，ψ₁,ψ₂,ψ₃为权重。

所述安全判断模块用于判断比较损伤特征值和损伤特征值阈值，若损伤特征值达到设定特征阈值，则输出土木结构受损指令；若损伤特征值未达到设定特征值，则输出土木结构未受损指令。

在一种可能的设计中，具体判别方法为：

若Q＞ΔQ,ΔQ为损失特征值阈值，则土木结构受损，需要及时向相关人员报告并进行修正；若Q＜ΔQ，ΔQ为损失特征值阈值，则土木结构安全未受损，只需进行例行检查即可，无需其他操作。

请参阅图2所示，在本实施例中，需要具体说明的是，本发明提供一种土木工程结构安全评估系统，包括以下步骤：

A01：将目标结构按照等距离划分为各监测子区域，并将目标结构各监测子区域依次编号为：1，2，3，……，n；

A02：首次采集目标结构各监测子区域内的数据，数据包括地震载荷值、极限强度和钢筋损伤程度值，并将有效数据进行整理将最大最小值进行舍弃再进行平均处理，无效数据进行舍弃，防止出现数据误差；

A03：二次采集数据使用无人机搭载高清摄像机采集目标监测各子区域内混凝土表面特征图像数据，并将数据传输至下一版块进行数据处理：

A04：将采集的图像运用图像识别技术进行处理，其中图像识别技术包括图像灰度化、图像直方图均值化、图像中值滤波、图像归一化、图像二值化、图像二值率化、图像像素检测提取图像中混凝土表面的裂缝特征，构造图像识别样本集；

A05：再将图像进行增强处理，得到最终增强图像，再输入至安全监测网络模型中，提取待测土木关键结构的关键特征值，再根据关键特征值计算损失函数，最后将刚性指数和损失函数进行分析得出损伤特征值；

其中步骤A05中包括以下子步骤：

A051：获取待测土木结构的实时图像，利用四方向Sobel算子确定实时图像中各个像素点的灰度值，并根据各个像素点的灰度值确定所有像素点的灰度均值；

A052：根据所有像素点的灰度均值，利用滑动窗口确定并增强实时图像中各个点的对比度，得到第一增强图像；

A053：对第一增强图像依次进行滤波处理和平滑处理，得到第二增强图像：

A054：对第二增强图像进行异物剔除，得到最终增强图像；

A06：将分析出的损伤特征值和损伤特征值阈值作比较，若Q＞ΔQ,则土木结构受损，需要及时向相关人员报告并进行修正；若Q＜ΔQ，则土木结构安全未受损，只需进行例行检查即可，无需其他操作。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种土木工程结构安全评估系统，其特征在于，包括：

土木结构区域划分模块：用于将目标结构按照等距离划分成各监测子区域，并将目标结构各监测子区域依次编号为：1，2，3，……，n；

数据采集模块：用于采集目标结构各监测子区域的地震荷载值、极限强度和钢筋损伤程度值；

数据处理模块：用于提取采集样本中的有效数据，并将有效数据进行处理，将最大最小值进行舍弃再进行求平均处理，并计算得出刚度指数；

图像数据采集模块：用于使用无人机搭载拍摄工具采集目标监测各子区域内混凝土表面特征图像，并将采集的混凝土表面特征图像输送至数据二次处理模块；

特征图像处理模块：用于将采集的图像进行增强处理，得到最终增强图像，再进行构建并训练安全监测网络模型；

数据分析模块：用于将最终增强图像作为安全监测网络模型的输入，获取待测土木结构的关键特征值，根据待测土木结构的关键特征值，进行安全监测，并根据关键特征值计算出损失函数；再将刚性指数和损失函数进行分析得出损伤特征值；

安全判断模块：用于判断比较损伤特征值和损伤特征值阈值，若损伤特征值达到设定特征值阈值，则输出土木结构受损指令；若损伤特征值未达到设定特征值阈值，则输出土木结构未受损指令。

2.根据权利要求1所述的一种土木工程结构安全评估系统，其特征在于：所述将目标结构按照等距离划分方式划分成各监测子区域的距离不少于1层楼。

3.根据权利要求1所述的一种土木工程结构安全评估系统及方法，其特征在于：所述采集的地震载荷值具体计算方法为：

其中F_x为地震载荷值，H为建筑结构的阻尼比取值，G为楼面板重力值，j为地震等级，E为各层水平作用力，ω为水平地震影响系数；

所述极限强度的计算方法为：

其中σ_b为极限强度，F_b为试样拉断时所承受最大的力，S_o为试样原始横截面积；

所述钢筋损伤程度值计算方法为：

其中Z为钢筋损伤程度值，N是产生塑性形变的循环半周期数，β_i是i半周期的权值，/>是材料第i平周期的塑性应变，/>是材料的极限塑性应变；当最大塑性应变为一半周期，将相应项的取值为1，而其他项的权值为1，则上式变为：

其中/>为循环过程中的最大塑性应变。

4.根据权利要求1所述的一种土木工程结构安全评估系统，其特征在于：所述将上述数据进行去除最大最小值并求取平均值，其中刚度指数的计算方法为：

其中η,ι,υ为权重系数。F为地震荷值，n为楼层数，σ_b为极限强度，/>是材料第i平周期的塑性应变，/>为循环过程中的最大塑性应变，Z为钢筋损伤程度值，ω为水平地震影响系数。

5.根据权利要求1所述的一种土木工程结构安全评估系统，其特征在于：所述搭载的拍摄工具为高清摄像机，其中图像识别技术包括图像灰度化、图像直方图均值化、图像中值滤波、图像归一化、图像二值化、图像二值率化、图像像素检测提取图像中混凝土表面的裂缝特征，构造图像识别样本集。

6.根据权利要求1所述的一种土木工程结构安全评估系统，其特征在于：所述得到最终增强图像方法为：获取待测土木结构的实时图像，利用四方向Sobel算子确定实时图像中各个像素点的灰度值，并根据各个像素点的灰度值确定所有像素点的灰度均值；根据所有像素点的灰度均值，利用滑动窗口确定并增强实时图像中各个点的对比度，得到第一增强图像；对第一增强图像依次进行滤波处理和平滑处理，得到第二增强图像；对第二增强图像进行异物剔除，得到最终增强图像。

7.根据权利要求1所述的一种土木工程结构安全评估系统，其特征在于：所述安全监测网络模型包括依次连接的深度卷积层、特征映射层和特征融合层；在特征映射层中，颜色深度D(m)的计算公式为：

其中tr(M)为像素点组成矩阵M的迹，γ_m为像素点m的灰度值，θ_ave为所有像素点均值，exp(·)为指数函数，Γ(·)为伽马函数；

在特征融合层中，损失特征函数为：

其中N为超调参量，Dist(u,u₁)为区域内特征信息点u与其最相邻特征信息点u₁的最短距离，Dist(u₁,u₂)为区域内特征信息点u₁与其最相邻特征信息点u₂的最短距离；

损伤特征值的计算公式为：

其中，Q为损伤特征值，ψ₁,ψ₂,ψ₃为权重。

8.根据权利要求1所述的一种土木工程结构安全评估系统，其特征在于：所述安全判断模块中，若Q＞ΔQ,ΔQ为损失特征值阈值，则土木结构受损，需要及时向相关人员报告并进行修正；若Q＜ΔQ，ΔQ为损失特征值阈值，则土木结构安全未受损，只需进行例行检查即可，无需其他操作。

9.一种土木工程结构安全评估方法，所述方法用于上述权利要求1-8任一所述的一种土木工程结构安全评估系统，其特征在于，包括以下步骤；

A01：将目标结构按照等距离划分为各监测子区域，并将目标结构各监测子区域依次编号为：1，2，3，……，n；

A02：首次采集目标结构各监测子区域内的数据，数据包括地震载荷值、极限强度和钢筋损伤程度值，并将有效数据进行整理将最大最小值进行舍弃再进行平均处理，无效数据进行舍弃，防止出现数据误差；

A03：二次采集数据使用无人机搭载高清摄像机采集目标监测各子区域内混凝土表面特征图像数据，并将数据传输至下一版块进行数据处理：

A04：将采集的图像运用图像识别技术进行处理，其中图像识别技术包括图像灰度化、图像直方图均值化、图像中值滤波、图像归一化、图像二值化、图像二值率化、图像像素检测提取图像中混凝土表面的裂缝特征，构造图像识别样本集；

A05：再将图像进行增强处理，得到最终增强图像，再输入至安全监测网络模型中，提取待测土木关键结构的关键特征值，再根据关键特征值计算损失函数，最后将刚性指数和损失函数进行分析得出损伤特征值；

其中步骤A05中包括以下子步骤：

A051：获取待测土木结构的实时图像，利用四方向Sobel算子确定实时图像中各个像素点的灰度值，并根据各个像素点的灰度值确定所有像素点的灰度均值；

A052：根据所有像素点的灰度均值，利用滑动窗口确定并增强实时图像中各个点的对比度，得到第一增强图像；

A053：对第一增强图像依次进行滤波处理和平滑处理，得到第二增强图像：

A054：对第二增强图像进行异物剔除，得到最终增强图像；

A06：将分析出的损伤特征值和损伤特征值阈值作比较，若Q＞ΔQ,则土木结构受损，需要及时向相关人员报告并进行修正；若Q＜ΔQ，则土木结构安全未受损，只需进行例行检查即可，无需其他操作。