CN117272805A - 一种混凝土结构耐久性全寿命分析方法和系统 - Google Patents
一种混凝土结构耐久性全寿命分析方法和系统 Download PDFInfo
- Publication number
- CN117272805A CN117272805A CN202311228379.7A CN202311228379A CN117272805A CN 117272805 A CN117272805 A CN 117272805A CN 202311228379 A CN202311228379 A CN 202311228379A CN 117272805 A CN117272805 A CN 117272805A
- Authority
- CN
- China
- Prior art keywords
- durability
- concrete structure
- maintenance
- analyzing
- monitoring
- 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
- 239000004567 concrete Substances 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012423 maintenance Methods 0.000 claims abstract description 122
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 230000007797 corrosion Effects 0.000 claims abstract description 24
- 238000005260 corrosion Methods 0.000 claims abstract description 24
- 230000007246 mechanism Effects 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 230000015556 catabolic process Effects 0.000 claims description 24
- 238000006731 degradation reaction Methods 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000003449 preventive effect Effects 0.000 claims description 11
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 8
- 230000002787 reinforcement Effects 0.000 claims description 8
- 229910000831 Steel Inorganic materials 0.000 claims description 7
- 239000010959 steel Substances 0.000 claims description 7
- 239000011150 reinforced concrete Substances 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 5
- 238000003763 carbonization Methods 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 claims description 4
- 238000010257 thawing Methods 0.000 claims description 4
- 238000012854 evaluation process Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 7
- 230000002035 prolonged effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process 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
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种混凝土结构耐久性全寿命分析方法和系统，该方法包括：根据混凝土结构所处环境分析影响所述混凝土结构耐久性的主要影响因素，并针对腐蚀过程进行耐久性机理分析；建立耐久性动态评估模型，并根据混凝土结构耐久性极限状态确定某一项或某一项需重点监测关注的耐久性参数；对耐久性参数进行监测，并根据监测得到的耐久性参数进行耐久性动态评估；根据耐久性动态评估结果进行分层级划分，并根据划分结果采用相应的维护方案进行耐久性维护。本发明通过将混凝土结构耐久性机理研究、耐久性评估、耐久性监测以及耐久性维护结合起来，形成混凝土结构全寿命阶段的维护管理方案，提高了混凝土结构耐久性，延长了混凝土结构使用寿命。
Description
技术领域
本发明属于混凝土结构技术领域，具体涉及一种混凝土结构耐久性全寿命分析方法和系统。
背景技术
目前，我国的建筑业正从“重建造”往“重维护”方面转移。很多上世纪建造的混凝土结构存在不同程度的耐久性问题，其中，最主要的耐久性问题则是钢筋锈蚀，而导致钢筋锈蚀的主要诱因为氯离子侵蚀、碳化、冻融以及多种腐蚀方式耦合。
在以往的研究中，混凝土结构耐久性的研究侧重于腐蚀机理、腐蚀的监测、检测方式，对后期的维护以及加固研究较少，同时缺少将整个混凝土结构耐久性全寿命中各阶段融合起来，从而导致准确性和可靠性较低。
发明内容
为了解决现有混凝土结构耐久性分析技术的可靠性和准确性较低的问题，本发明提供了一种混凝土结构耐久性全寿命分析方法和系统，本发明通过将混凝土结构耐久性机理研究、耐久性评估、耐久性监测以及耐久性维护结合起来，形成混凝土结构全寿命阶段的维护管理方案，提高了混凝土结构耐久性，延长了混凝土结构使用寿命。
本发明通过下述技术方案实现：
一种混凝土结构耐久性全寿命分析方法，所述方法包括：
根据混凝土结构所处环境分析影响所述混凝土结构耐久性的主要影响因素，并针对腐蚀过程进行耐久性机理分析；
建立耐久性动态评估模型，并根据混凝土结构耐久性极限状态确定耐久性参数；
对耐久性参数进行监测，并根据监测得到的耐久性参数进行耐久性动态评估；
根据耐久性动态评估结果进行分层级划分，并根据划分结果采用相应的维护方案进行耐久性维护。
相较于现有混凝土结构耐久性分析技术主要侧重于腐蚀机理、腐蚀的监测、检测技术，对后期的维护以及加固研究较小，同时缺少将整个湖凝土结构耐久性全寿命中各阶段融合起来，从而导致混凝土结构耐久性分析结果的准确性和可靠性较低。本发明提出的方法涵盖了混凝土设计初期、建造中、使用中以及维护四个阶段，并将混凝土结构耐久性机理分析、混凝土耐久性评估、混凝土耐久性监测、以及混凝土耐久性维护融合起来，提高混凝土耐久性，延长混凝土结构使用寿命，为混凝土结构的后期维护提供了技术支撑。
作为优选实施方式，本发明根据钢筋混凝土结构所处环境，分析得到导致所述钢筋混凝土结构劣化的主要因素为钢筋锈蚀，钢筋锈蚀的诱因至少包括以下诱因中的一种：
氯离子侵蚀、碳化、冻融。
作为优选实施方式，本发明的耐久性动态评估过程具体包括：
对所述混凝土结构劣化机理进行分析，得到耐久性劣化模型；
根据耐久性劣化模型确定一项或至少两项耐久性劣化参数并对其进行监测；
根据监测结果，对耐久性动态可靠度进行实时更新；
根据更新的动态可靠度，进行混凝土结构整体耐久性评估和结构耐久性评估。
作为优选实施方式，本发明的根据耐久性评估结果进行分层级划分，具体为：
根据相关分层级标准进行划分，按照不同层级划分为：预防性维护、必要性维护和耐久性再设计；按具体措施划分为：预防类、修补类和加固类。
作为优选实施方式，本发明的耐久性维护过程具体包括：
对混凝土结构进行耐久性劣化机理分析：
在耐久性初步设计期间制定初始的维护方案；
通过耐久性可靠性的概率分析，得到初始的耐久性劣化模型；
对混凝土结构进行监测，并根据实际监测数据更新耐久性劣化模型，得到混凝土结构当前耐久性；
根据混凝土结构当前耐久性评估结果选择相应的维护方案。
作为优选实施方式，本发明选择的维护方案包括预防性维护、必要性维护或者耐久性再设计；
同时在选择预防性维护时，还根据混凝土当前耐久性评估结果优化维护方案。本发明还在维护阶段，以维护成本、耐久性提升效果、环境影响等目标建立优化模型，并采用智能算法对优化模型进行求解，从而得到最优的维护方案，在保证混凝土性能的基础上行实现维护成本最小化，降低了后期维护成本。
作为优选实施方式，本发明的维护方案优化过程具体为：
以第一次维护时间点和维护间隔作为变量，以保证性能的基础上维护成本最小化作为优化目标；
根据工程实际确定变量的边界条件，并且确定约束条件：耐久性可靠指标始终大于等于预期的可靠指标限值，从而建立优化模型；
利用智能算法对所述优化模型进行求解，得到最优的第一次维护时间点和维护间隔。
作为优选实施方式，本发明的智能算法包括：粒子群算法、火绒算法或遗传算法。
作为优选实施方式，本发明当动态评估的耐久性低于预期值时，进行耐久性再设计。
另一方面，一种混凝土结构耐久性全寿命分析系统，所述系统包括：
耐久性机理分析单元，所述耐久性机理分析单元根据混凝土结构所处环境分析影响所述混凝土结构耐久性的主要影响因素，并针对腐蚀过程进行耐久性机理分析；
耐久性评估单元，所述耐久性评估单元建立耐久性动态评估模型，并根据混凝土结构耐久性极限状态确定耐久性参数；
耐久性监测单元，所述耐久性监测单元对耐久性参数进行监测，并根据监测得到的耐久性参数进行耐久性动态评估；
耐久性维护单元，所述耐久性维护单元根据耐久性动态评估结果进行分层级划分，并根据划分结果采用相应的维护方案进行耐久性维护。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明涵盖了混凝土设计初期、建造中、使用中以及维护四个阶段，并将混凝土结构耐久性机理分析、混凝土耐久性评估、混凝土耐久性监测、以及混凝土耐久性维护融合起来，提高混凝土耐久性，延长混凝土结构使用寿命，为混凝土结构的后期维护提供了技术支撑。
2、本发明还在维护阶段，以维护成本、耐久性提升效果、环境影响等目标建立优化模型，并采用智能算法对优化模型进行求解，从而得到最优的维护方案，在保证混凝土性能的基础上行实现维护成本最小化，降低了后期维护成本。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明实施例的方法流程示意图；
图2为本发明实施例的混凝土结构耐久性动态评估示意图；
图3为本发明实施例的混凝土结构耐久性维护示意图；
图4为本发明实施例的系统原理框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例：
现有混凝土结构耐久性分析技术主要侧重于腐蚀机理、腐蚀的监测、检测技术，对后期的维护以及加固研究较少，同时缺少将整个混凝土结构耐久性全寿命中各阶段融合起来，从而导致混凝土结构耐久性分析结果的准确性和可靠性不够高，无法为基建的后期维护管理提供更加可靠全面的技术支撑。针对此，本实施例提供了一种混凝土结构耐久性全寿命分析方法，本实施例提出的方法涵盖了混凝土设计初期、建造中、使用中以及维护四个阶段，在混凝土结构设计初期，建立初始的混凝土结构耐久性维护措施；建造过程中采用专门耐久性防护措施；使用过程中通过对不同腐蚀方式进行分析，建立相应的混凝土结构耐久性使用极限状态方程，对长期监测数据进行处理分析，基于可靠度理论得到混凝土结构耐久性可靠指标，对混凝土结构耐久性状态进行决策评估；维护过程中，对耐久性评估结果进行分层级划分，采用相应的维护措施。同时，在维护阶段，以维护成本、耐久性提升效果、环境影响等目标，通过智能算法对维护措施进行多目标优化，得到最佳维护方案，提高混凝土耐久性，延长混凝土结构使用寿命，降低后期维护成本。
具体如图1所示，本实施例提出的方法包括如下步骤：
步骤1，根据混凝土结构所处环境分析影响该混凝土结构耐久性的主要影响因素，并针对腐蚀过程进行耐久性机理分析，建立初始的混凝土结构耐久性维护方案；
步骤2，建立耐久性动态评估模型，并根据混凝土结构耐久性极限状态确定某一项或某一项需重点监测关注的耐久性参数；
步骤3，对耐久性参数进行监测，并根据监测得到的耐久性参数进行耐久性动态评估；
步骤4，根据耐久性动态评估结果进行分层级划分，并根据划分结果采用相应的维护方案进行耐久性维护。
一种可选实施方式，根据钢筋混凝土结构所处环境，分析得到导致该钢筋混凝土结构劣化的因素主要为钢筋锈蚀，主要诱因有氯离子侵蚀、碳化、冻融以及三种诱因耦合(两两耦合或三者耦合)。
一种可选实施方式，如图2所示，耐久性动态评估过程具体包括：
对混凝土结构劣化机理进行分析，得到耐久性劣化模型；具体的，基于某一项或至少两项耐久性劣化因素，根据不同的劣化激励得到耐久性劣化模型；
根据耐久性劣化模型确定某一项或至少两项耐久性劣化参数并对其进行监测；例如，以氯离子腐蚀为劣化机理，钢筋锈蚀的耐久性极限有氯离子含量等，那么氯离子浓度就是对应参数，则对氯离子浓度进行监测；
将确定的耐久性参数监测结果输入到耐久性动态评估模型，得到耐久性动态可靠度数值，从而对动态可靠度进行实时更新；
按照更新的动态可靠度，进行混凝土结构整体耐久性评估和结构耐久性评估，具体的，根据相关标准先对混凝土结构整体耐久性进行评估，若需要整体维护，则进行整体维护，否则对混凝土结构各个构件进行构件耐久性评估，从而确定最终评估结果，并根据评估结果采用相应的维护方案。
一种可选实施方式，根据耐久性评估结果进行分层级划分，具体通过相关分层级标准，包括但不限于可靠性指标、失效概率、整体评价等标准；按照不同层级划分为：包括但不限于预防性维护、必要性维护、耐久性再设计等等；按具体措施划分为：包括但不限于预防类、修补类、加固类。需要特别说明的是，本实施例涉及的混凝土结构全寿命周期，包括设计初期、建设阶段、使用阶段和维护阶段，在该过程中，当动态评估发现结构耐久性水平远远低于预期值时，采取相关维护措施：进行耐久性再设计，因此不存在混凝土拆除阶段。
具体如图1所示，根据评估结果，可采用的维护措施包括但不限于：采用原有维护措施、进行耐久性再设计或维修、加固等处理。
一种可选实施方式，如图3所示，混凝土结构耐久性维护过程具体包括：
对混凝土结构进行耐久性劣化机理分析；
在耐久性初步设计期间制定初始的维护方案；
通过耐久性可靠性的概率分析，得到初始耐久性劣化模型；
对混凝土结构进行监测，并根据实际监测数据更新耐久性劣化模型，得到混凝土结构当前耐久性；
根据混凝土当前耐久性评估结果选择相应的维护方案，例如采用预防性维护、必要性维护(小修、大修、或加固等)、或者耐久性再设计等，同时在选择预防性维护时，还可根据混凝土当前耐久性评估结果优化维护方案，具体的，对最佳初始维护时间点和维护间隔进行优化，以获得最佳维护方案(措施)。
进一步的，以维护成本、耐久性提升效果、环境影响等目标，建立维护方案的多目标优化模型，通过智能算法进行优化，根据得到的最优帕累托解选择合适的维护方案，具体包括：
以第一次维护时间点(即初始维护时间点)和维护间隔作为变量，以维护目标为优化目标，优选优化目标为：保证性能的基础上维护成本最小化；
根据工程实际确定变量的边界条件，并确定约束条件，即耐久性可靠指标始终大于等于预期的可靠指标限值；从而建立优化模型；
利用智能算法对上述优化模型进行求解，得到最优的第一次维护时间点和维护间隔。其中，智能算法包括但不限于：粒子群算法、火绒算法、遗传算法等等。
一种可选实施方式，耐久性再设计包括：耐久性再评故、维护成本优化、维护管理等。
本实施例提出的混凝土结构耐久性全寿命分析方法，将混凝土结构耐久性机理研究、耐久性评估、那耐久性监测以及耐久性维护结合起来，并形成混凝土结构全寿命维护策略，提高了混凝土结构耐久性，延长了混凝土结构使用寿命。同时，在混凝土结构维护阶段，以维护成本、耐久性提升效果、环境影响等多目标对维护方案进行优化，在保证混凝土结构的耐久性的前提下有效降低维护成本。
基于相同的技术构思，本实施例还提出了一种混凝土结构耐久性全寿命分析系统，具体如图4所示，该系统包括：
耐久性机理分析单元，该耐久性机理分析单元根据混凝土结构所处环境分析影响该混凝土结构耐久性的主要影响因素，并针对腐蚀过程进行耐久性机理分析，建立初始的混凝土结构耐久性维护方案；
耐久性评估单元，该耐久性评估单元用于建立耐久性动态评估模型，并根据混凝土结构耐久性极限状态确定某一项或某一项需重点监测关注的耐久性参数；
耐久性监测单元，该耐久性监测单元对耐久性参数进行监测，并根据监测得到的耐久性参数进行耐久性动态评估；
耐久性维护单元，根据耐久性动态评估结果进行分层级划分，并根据划分结果采用相应的维护方案进行耐久性维护。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种混凝土结构耐久性全寿命分析方法，其特征在于，所述方法包括：
根据混凝土结构所处环境分析影响所述混凝土结构耐久性的主要影响因素，并针对腐蚀过程进行耐久性机理分析；
建立耐久性动态评估模型，并根据混凝土结构耐久性极限状态确定耐久性参数；
对耐久性参数进行监测，并根据监测得到的耐久性参数进行耐久性动态评估；
根据耐久性动态评估结果进行分层级划分，并根据划分结果采用相应的维护方案进行耐久性维护。
2.根据权利要求1所述的一种混凝土结构耐久性全寿命分析方法，其特征在于，根据钢筋混凝土结构所处环境，分析得到导致所述钢筋混凝土结构劣化的主要因素为钢筋锈蚀，钢筋锈蚀的诱因至少包括以下诱因中的一种：
氯离子侵蚀、碳化、冻融。
3.根据权利要求1所述的一种混凝土结构耐久性全寿命分析方法，其特征在于，耐久性动态评估过程具体包括：
对所述混凝土结构劣化机理进行分析，得到耐久性劣化模型；
根据耐久性劣化模型确定一项或至少两项耐久性劣化参数并对其进行监测；
根据监测结果，对耐久性动态可靠度进行实时更新；
根据更新的动态可靠度，进行混凝土结构整体耐久性评估和结构耐久性评估。
4.根据权利要求1所述的一种混凝土结构耐久性全寿命分析方法，其特征在于，根据耐久性评估结果进行分层级划分，具体为：
根据相关分层级标准进行划分，按照不同层级划分为：预防性维护、必要性维护和耐久性再设计；按具体措施划分为：预防类、修补类和加固类。
5.根据权利要求1所述的一种混凝土结构耐久性全寿命分析方法，其特征在于，耐久性维护过程具体包括：
对混凝土结构进行耐久性劣化机理分析：
在耐久性初步设计期间制定初始的维护方案；
通过耐久性可靠性的概率分析，得到初始的耐久性劣化模型；
对混凝土结构进行监测，并根据实际监测数据更新耐久性劣化模型，得到混凝土结构当前耐久性；
根据混凝土结构当前耐久性评估结果选择相应的维护方案。
6.根据权利要求5所述的一种混凝土结构耐久性全寿命分析方法，其特征在于，选择的维护方案包括预防性维护、必要性维护或者耐久性再设计；
同时在选择预防性维护时，还根据混凝土当前耐久性评估结果优化维护方案。
7.根据权利要求6所述的一种混凝土结构耐久性全寿命分析方法，其特征在于，维护方案优化过程具体为：
以第一次维护时间点和维护间隔作为变量，以保证性能的基础上维护成本最小化作为优化目标；
根据工程实际确定变量的边界条件，并且确定约束条件：耐久性可靠指标始终大于等于预期的可靠指标限值，从而建立优化模型；
利用智能算法对所述优化模型进行求解，得到最优的第一次维护时间点和维护间隔。
8.根据权利要求7所述的一种混凝土结构耐久性全寿命分析方法，其特征在于，所述智能算法包括：粒子群算法、火绒算法或遗传算法。
9.根据权利要求6所述的一种混凝土结构耐久性全寿命分析方法，其特征在于，当动态评估的耐久性低于预期值时，进行耐久性再设计。
10.一种混凝土结构耐久性全寿命分析系统，其特征在于，所述系统包括：
耐久性机理分析单元，所述耐久性机理分析单元根据混凝土结构所处环境分析影响所述混凝土结构耐久性的主要影响因素，并针对腐蚀过程进行耐久性机理分析；
耐久性评估单元，所述耐久性评估单元建立耐久性动态评估模型，并根据混凝土结构耐久性极限状态确定耐久性参数；
耐久性监测单元，所述耐久性监测单元对耐久性参数进行监测，并根据监测得到的耐久性参数进行耐久性动态评估；
耐久性维护单元，所述耐久性维护单元根据耐久性动态评估结果进行分层级划分，并根据划分结果采用相应的维护方案进行耐久性维护。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311228379.7A CN117272805A (zh) | 2023-09-21 | 2023-09-21 | 一种混凝土结构耐久性全寿命分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311228379.7A CN117272805A (zh) | 2023-09-21 | 2023-09-21 | 一种混凝土结构耐久性全寿命分析方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117272805A true CN117272805A (zh) | 2023-12-22 |
Family
ID=89209978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311228379.7A Pending CN117272805A (zh) | 2023-09-21 | 2023-09-21 | 一种混凝土结构耐久性全寿命分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117272805A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117705692A (zh) * | 2024-02-04 | 2024-03-15 | 交通运输部公路科学研究所 | 一种海洋环境混凝土结构耐久性原位监测推演及评估方法 |
-
2023
- 2023-09-21 CN CN202311228379.7A patent/CN117272805A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117705692A (zh) * | 2024-02-04 | 2024-03-15 | 交通运输部公路科学研究所 | 一种海洋环境混凝土结构耐久性原位监测推演及评估方法 |
| CN117705692B (zh) * | 2024-02-04 | 2024-04-19 | 交通运输部公路科学研究所 | 一种海洋环境混凝土结构耐久性原位监测推演及评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110147321B (zh) | 一种基于软件网络的缺陷高风险模块的识别方法 | |
| CN117272805A (zh) | 一种混凝土结构耐久性全寿命分析方法和系统 | |
| CN111259947A (zh) | 一种基于多模态学习的电力系统故障预警方法和系统 | |
| CA2426627A1 (en) | Method and system for analyzing fault and quantized operational data for automated diagnostics of locomotives | |
| KR20110034508A (ko) | 신뢰도 기반 배전기자재 유지보수 시스템과 방법 | |
| CN114429249B (zh) | 钢管束生产设备的寿命预测方法、系统、设备及存储介质 | |
| Jin et al. | An optimal maintenance strategy for multi-state deterioration systems based on a semi-Markov decision process coupled with simulation technique | |
| CN115453356A (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
| CN116629658A (zh) | 一种锂电池正极材料生产质量评估和工艺优化方法 | |
| Zeng et al. | Maintenance strategy based on reliability analysis and FMEA: a case study for hydraulic cylinders of traditional excavators with ERRS | |
| Baraldi et al. | Modelling the effects of maintenance on the degradation of a water-feeding turbo-pump of a nuclear power plant | |
| CN117312972A (zh) | 一种刮板输送机减速器健康状态识别方法 | |
| Han et al. | Remaining useful life prediction of manufacturing system based on fuzzy Quality State Task Network | |
| CN114971164B (zh) | 一种基于人工智能的污泥处理设备异常检测方法及系统 | |
| Zhou et al. | Quantification of value of information associated with optimal observation actions within partially observable Markov decision processes | |
| Wenner et al. | smartBRIDGE Hamburg: A digital twin to optimise infrastructure maintenance | |
| Cheng et al. | Optimal opportunistic maintenance model of multi-unit systems | |
| KR20220097252A (ko) | 스마트 플랜트에 관한 머신러닝 기반 설비 관리 방법 및 시스템 | |
| CN113887885A (zh) | 一种设备维修策略的效益评估方法和计算机终端 | |
| Ren et al. | A condition-based maintenance policy (CBM) of repairable multi-component deteriorating systems based on quality information | |
| CN115936679B (zh) | 一种复杂系统的预测维修决策数字化方法和装置 | |
| CN115795740B (zh) | 一种复杂工况下的工程机械液压油缸失效模式分析方法 | |
| Fallahnezhad et al. | Clustering of Condition-Based Maintenance Activities with Imperfect Maintenance and Predication Signals | |
| CN117370824B (zh) | 一种空气压缩机进气状态智能监测方法及系统 | |
| CN118114005B (zh) | 皮带机轴承自适应分阶段与数模融合寿命预测方法 |
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 |