CN117387559B - 基于数字孪生的混凝土桥监测系统及方法 - Google Patents
基于数字孪生的混凝土桥监测系统及方法 Download PDFInfo
- Publication number
- CN117387559B CN117387559B CN202311699437.4A CN202311699437A CN117387559B CN 117387559 B CN117387559 B CN 117387559B CN 202311699437 A CN202311699437 A CN 202311699437A CN 117387559 B CN117387559 B CN 117387559B
- Authority
- CN
- China
- Prior art keywords
- model
- monitoring
- concrete bridge
- information
- module
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 133
- 239000004567 concrete Substances 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000010276 construction Methods 0.000 claims description 48
- 238000004422 calculation algorithm Methods 0.000 claims description 37
- 238000013461 design Methods 0.000 claims description 31
- 238000005516 engineering process Methods 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 24
- 230000003068 static effect Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 21
- 238000006073 displacement reaction Methods 0.000 claims description 18
- 238000012800 visualization Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 13
- 238000000547 structure data Methods 0.000 claims description 13
- 230000003993 interaction Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000035515 penetration Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 8
- 230000007774 longterm Effects 0.000 description 8
- 230000004927 fusion Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000009430 construction management Methods 0.000 description 2
- 239000011513 prestressed concrete Substances 0.000 description 2
- 238000000275 quality assurance Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001139947 Mida Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F30/27—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
- 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
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及混凝土桥变形监测技术领域，本发明公开了一种基于数字孪生的混凝土桥监测系统及方法，通过实时采集混凝土桥上各检测节点的桥梁结构参数进行实时的模型更新，以及采集场地监测参数进行混凝土桥的变形监控，分别建立仿真模型，再链接至数字孪生模型，利用数字孪生模型的信息交互功能，以更好的及时、准确根据反馈的变形数据对仿真模型进行修正，实现了人工智能辅助安全预测的功能，为施工提供了质量保障，本发明通过将桥梁信息化模型链接至数字孪生中，通过算法预测模型模拟桥梁内力影响效果，数字孪生模型对建造全过程给予了实时反馈与调控，提高了施工作业中的信息利用率，一定程度上保障工程质量，为桥梁施工管控提供便利。
Description
技术领域
本发明涉及混凝土桥变形监测技术领域，特别涉及一种基于数字孪生的混凝土桥监测系统及方法。
背景技术
正因混凝土的收缩徐变会对混凝土构件产生重大影响，为正确估计混凝土的收缩徐变，现有技术中，通过实际工程案例建立三维桥梁模型，对混凝土收缩徐变产生的影响进行分析。针对混凝土徐变检测系统的探究，在CN202582472U中公开了一种预应力混凝土箱梁收缩徐变自辨识监测系统，该实用新型通过数据控制与徐变辨识单元对数据采集单元采集的数据测量单元测量的变量数据进行处理,得到混凝土随时间变化的徐变应变值，从而给出桥梁上部结构混凝土实测收缩与徐变应变的发展规律，实现预测大跨径预应力混凝土箱梁桥的长期徐变变形。
然而上述方法的辨识系统通过数据处理得出规律来预测混凝土箱梁桥长期徐变变形不能反馈现实情况，发挥不了模型修正的作用。正因现有技术大都侧重于静态的信息存储与共享，而市政桥梁工程具有投资大，成本控制难度高，参建部门多等问题，其施工过程中使用的工艺工法复杂程度高，同时市政桥梁工程工期紧，任务重，传统的混凝土徐变监测技术因为仅能提供静态的数据存储、模拟预测功能，往往达不到监管和预警的效果。
发明内容
为了克服上述监测方法存在的对混凝土变形进行静态处理，不能反馈现实情况的问题，本发明提供了一种动态的、数据交互性能好的、能够实现交互反馈的基于数字孪生的混凝土桥监测系统及方法。
为了实现上述发明目的，本发明提供了以下技术方案：
第一方面，本发明提供了一种基于数字孪生的混凝土桥监测系统，所述系统包括设置在混凝土桥各检测节点的结构参数传感器和第一数据模块，以及设在在所述混凝土桥各预设节点的监测参数传感器和第二数据模块，所述第一数据模块用于收集所述结构参数传感器获取的桥梁结构数据，所述第二数据模块用于收集所述监测参数传感器获取的监测数据；所述系统还包括：
第一建模模块，用于根据设计参数构建所述混凝土桥的第一模型；
第二建模模块，用于根据所述桥梁结构数据并结合所述第一模型构建第二模型；
第三建模模块，用于根据所述场地监测数据并结合所述第一模型构建第三模型；
反馈修正模块，用于获取所述第一模型与所述第二模型的相似度，并根据所述相似度更新所述第一模型；
算法预测模块，用于向预先训练好的算法预测模型输入所述第一模型与所述第三模型，获取变形结果；
监测预警模块，用于当所述变形结果超过预设阈值时，生成预警信息；
可视化模块，用于链接所述第一模型、第二模型以及第三模型并生成数字孪生模型，进行可视化展示，以及，根据所述预警信息生成对应的预警提示。
根据一种具体的实施方式，上述系统中，所述可视化模块具体包括：
轻量化模块，用于转换所述第一模型与所述第二模型的文件格式，轻量化处理所述第一模型与所述第二模型；
加载交互模块，用于基于WEB技术编写原生脚本搭设threejs环境，载入轻量化处理后的第一模型与第二模型进行加载和交互，生成数字孪生模型，通过调整模型显示参数，实现所述数字孪生模型的可视化；
预警提示模块，用于根据预设的预警级别将所述预警信息进行分级，生成对应的预警提示。
根据一种具体的实施方式，上述系统中，所述桥梁结构数据包括所述混凝土桥的结构关键构件和节点处的内力及位移，以及所述混凝土桥的三维点云数据；所述场地监测数据包括振动监测、位移监测、应力监测、倾斜监测、裂缝监测以及渗透监测。
根据一种具体的实施方式，上述系统中，所述反馈修正模块还用于，当所述相似度超过施工方案时，生成报警信息；所述可视化模块还用于根据所述报警信息生成对应的报警提示。
第二方面，本发明提供了一种基于数字孪生的混凝土桥监测方法，所述方法包括：
根据设计参数构建混凝土桥的第一模型；
根据所述混凝土桥的桥梁结构数据并结合所述第一模型构建第二模型；
根据所述混凝土桥的场地监测数据并结合所述第一模型构建第三模型；
获取所述第一模型与所述第二模型的相似度，并根据所述相似度更新所述第一模型；
向预先训练好的算法预测模型输入所述第一模型与所述第三模型，获取变形结果；
当所述变形结果超过预设阈值时，生成预警信息。
根据一种具体的实施方式，上述方法中，所述第一模型表示为：
，
其中，为第i个第一模型，/>表示第i个第一模型的几何信息；Sij表示第i个第一模型包含的静力学信息，包括内力、位移和空间位置；Eik表示第i个第一模型的标注信息，包括工装、用料和环境；mi表示第i个第一模型的静力学信息的数量；ni表示第i个第一模型的标注信息的数量。
根据一种具体的实施方式，上述方法中，所述第二模型表示为：
，
其中，为第i个第二模型；/>表示第i个第二模型的几何信息；S'ij表示第i个第二模型包含的静力学信息，包括内力、位移和空间位置；E'ik表示第i个第二模型的标注信息，包括工装、用料和环境；mi'表示第i个第二模型的静力学信息的数量；n'i表示第i个第二模型的标注信息的数量。
根据一种具体的实施方式，上述方法中，所述获取所述第一模型与所述第二模型的相似度，通过如下公式计算：
，
其中，为第一模型与第二模型的相似度；/>为几何信息、静力学信息以及标注信息在相似度计算中所占的权重。
根据一种具体的实施方式，上述方法中，所述第一模型为根据所述混凝土桥的BIM模型和有限元仿真模型进行施工仿真分析获取的施工仿真模型；所述第二模型为根据所述混凝土桥的桥梁结构数据构建的三维点云模型；所述第三模型为根据所述混凝土桥的场地监测数据生成的变形预测模型。
根据一种具体的实施方式，上述方法中，所述算法预测模型的训练过程包括：
构建所述混凝土桥的监测数据与变形结果之间的对应关系；
基于所述对应关系训练所述算法预测模型；
基于训练好的算法预测模型输入所述第一模型与所述第三模型，获取变形结果。
与现有技术相比，本发明的有益效果：
本发明通过实时采集混凝土桥上各检测节点的桥梁结构参数进行实时的模型更新，以及采集场地监测参数进行混凝土桥的变形监控，分别建立仿真模型，再链接至数字孪生模型，利用数字孪生模型的信息交互功能，以更好的及时、准确根据反馈的变形数据对仿真模型进行修正，实现了人工智能辅助安全预测的功能，为施工提供了质量保障，本发明通过将桥梁信息化模型链接至数字孪生中，通过算法预测模型模拟桥梁内力影响效果，数字孪生模型对建造全过程给予了实时反馈与调控，提高了施工作业中的信息利用率，一定程度上保障工程质量，为桥梁施工管控提供便利。
附图说明
图1为本发明实施例提供的一种基于数字孪生的混凝土桥监测方法流程图
图2为本发明实施例提供的可视化模块的处理流程示意图；
图3为本发明实施例提供的数字孪生系统预警监测的工作流程示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
请参考图1，为本发明实施例提供的一种基于数字孪生的混凝土桥监测方法流程图，所述方法应用于基于数字孪生的混凝土桥监测系统，其所述系统包括设置在混凝土桥各检测节点的结构参数传感器和第一数据模块，以及设在在所述混凝土桥各预设节点的监测参数传感器和第二数据模块，所述第一数据模块用于收集所述结构参数传感器获取的桥梁结构数据，所述第二数据模块用于收集所述监测参数传感器获取的场地监测数据。
进一步地，所述监测方法包括：
步骤1：根据设计参数构建混凝土桥的第一模型。
其中，所述第一模型为根据所述混凝土桥的BIM模型和有限元仿真模型进行施工仿真分析获取的施工仿真模型。
步骤2：根据所述混凝土桥的桥梁结构数据并结合所述第一模型构建第二模型。
其中，所述第二模型为根据所述混凝土桥的桥梁结构数据结合所述施工仿真模型构建的三维点云模型。
步骤3：根据所述混凝土桥的场地监测数据并结合所述第一模型构建第三模型。
其中，所述第三模型为根据所述混凝土桥的场地监测数据结合所述施工仿真模型生成的变形预测模型。
步骤4：获取所述第一模型与所述第二模型的相似度，并根据所述相似度更新所述第一模型。
进一步地，所述第一模型表示为：
，
其中，为第i个第一模型，/>表示第i个第一模型的几何信息；Sij表示第i个第一模型包含的静力学信息，包括内力、位移和空间位置；Eik表示第i个第一模型的标注信息，包括工装、用料和环境；mi表示第i个第一模型的静力学信息的数量；ni表示第i个第一模型的标注信息的数量。
进一步地，所述第二模型表示为：
，
其中，为第i个第二模型；/>表示第i个第二模型的几何信息；S'ij表示第i个第二模型包含的静力学信息，包括内力、位移和空间位置；E'ik表示第i个第二模型的标注信息，包括工装、用料和环境；mi'表示第i个第二模型的静力学信息的数量；n'i表示第i个第二模型的标注信息的数量。
具体地，所述相似度通过如下公式计算：
，
其中，为第一模型与第二模型的相似度；/>为几何信息、静力学信息以及标注信息在相似度计算中所占的权重。
步骤5：向预先训练好的算法预测模型输入所述第一模型与所述第三模型，获取变形结果。
其中，所述算法预测模型的训练过程包括：
构建所述混凝土桥的监测数据与变形结果之间的对应关系；
基于所述对应关系训练所述算法预测模型；
基于训练好的算法预测模型输入所述第一模型与所述第三模型，获取变形结果。
步骤6：当所述变形结果超过预设阈值时，生成预警信息。
实施例2
下面，结合具体的实施方法对本发明实施例作进一步介绍和说明。本发明实施例根据上述监测系统构建了一种基于WEB技术和大数据技术对混凝土桥进行长期监测、预警、安全管理，并形成的数字孪生系统。
其中，WEB技术是指在互联网上不同类型的设备之间进行通信的过程中使用的各种工具和技术。Web浏览器用于访问网页。Web浏览器可以定义为在Internet上显示文本、数据、图片、动画和视频的程序。万维网上的超链接资源可以使用由Web浏览器提供的软件接口来访问。
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
BIM(BuildingInformationModeling，即建筑信息模型)是继CAD(计算机辅助设计)技术后出现在工程建设行业又一重要的计算机应用技术，正在引发建筑行业一次史无前例的彻底革命。该技术利用数字建模软件，提高项目设计、建造和管理的效率，并给采用该技术的建筑企业带来极大的新增价值。
为提高设计模型的适用性，保障混凝土构件施工、运营期的安全，针对混凝土徐变监测由仪器采集数据、监测模型、下发调控指令到最后实施调控行为的数字孪生系统，利用WEB技术、BIM( building information modeling)技术、数字孪生融合可视化监测管控等技术实现更新修正模型、模型信息可视化。
本发明实施例提供的所述数字孪生系统的架构的主要作用原理：建立时间维数字孪生模型，包括按照时间跨度划分的3个阶段：设计阶段、施工阶段、反馈修正阶段。
第一建模模块，用于根据设计参数构建所述混凝土桥的第一模型，在设计阶段，建立理论BIM 模型、理论有限元分析模型，对所提供的工程信息为工程设计阶段的可行性分析提供可视化依。
第二建模模块，用于根据所述桥梁结构数据并结合所述第一模型构建第二模型，在施工阶段，AI算法为施工模拟、施工方案比选等提供相应指导，物理空间利用传感器采集包含对象物理信息的实时数据，并利用三维激光扫描仪建立包含对象几何信息的点云模型，二者经数据融合后为实际监测模型，可作为施工阶段物理对象的实时映射，准确反映真实施工情况。
反馈修正模块，用于获取所述第一模型与所述第二模型的相似度，并根据所述相似度更新所述第一模型；在反馈修正阶段，将点云数据链接到理论BIM模型中得到修正后的理论模型，并提取新的关键节点坐标，得到修正有限元模型，二者共同作为修正模型，消除了实际施工误差，使得数字孪生模型更接近真实物理对象。
将基于数字孪生模型的更新修正过程分为两个阶段: 方案设计阶段与实时修正阶段。方案设计阶段的工作过程为：首先依据设计图纸建立对象 BIM 模型，然后从 BIM 模型中提取关键节点坐标建立对象有限元模型，可以在 BIM 三维模型中模拟施工对象的复杂施工工艺，在有限元模型中对结构进行施工仿真分析，以给出合理的施工方案，生成理论设计模型，即第一模型。理论设计模型是指在方案设计过程中，利用 BIM技术、有限元技术、AI算法预测模型等建立的包含人、机、料、法、环信息的模型集合。可将理论设计模型表示为：
，
其中，为第i个理论设计模型，/>表示第i个理论设计模型的几何信息；Sij表示第i个理论设计模型包含的静力学信息，包括内力、位移、空间位置等；Eik表示第i个理论设计模型的工装、用料、环境等标注信息；mi表示第i个理论设计模型的静力学信息的数量；ni表示第i个理论设计模型的标注信息的数量。
实时修正阶段的工作过程为: 安装在结构上的拉压传感器、位移传感器等实时采集并上传监测数据，包括结构关键构件和节点处的内力、位移等; 同时利用三维扫描仪建立实际结构的点云模型，生成实际检测模型，即第二模型。利用这些数据建立的实际监测模型与理论设计模型实时对比，系统层通过逻辑算法对二者数据进行计算分析，进而对物理空间的实际施工过程进行调整与修正。可将实际监测模型表示为：
，
其中，为第i个实际监测模型；/>表示第i个实际监测模型的几何信息；S'ij表示第i个实际监测模型包含的静力学信息，包括内力、位移、空间位置等；E'ik表示第i个实际监测模型上的工装、用料、环境等标注信息；mi'表示第i个实际监测模型上的静力学信息的数量；n'i表示第i个实际监测模型上标注信息的数量。
在理论设计模型和实际监测模型构建完毕后，计算两者的相似度：
，
其中，为理论设计模型与实际监测模型的相似度；/>为几何信息、静力学信息以及标注信息在相似度计算中所占的权重。/>值越小，代表实际监测模型与理论设计模型的差异越小，即现场施工过程与施工方案越接近，更符合理论计算的要求。为避免现场施工出现较大误差，通过反馈修正模块为相似度设置一个阈值Δ，当系统计算/>的值超过某一阈值Δ时，认为此误差不可忽略，反馈修正模块提供报警信息，相关人员获取警报信息及时采取相应措施。
可视化模块，用于链接所述第一模型、第二模型以及第三模型并生成数字孪生模型，进行可视化展示，以及，根据所述预警信息生成对应的预警提示。进一步地，本发明实施例通过数据融合可视化处理模块实现可视化模块的功能。具体地，如图2所示，为本发明实施例提供的数据融合可视化处理模块的处理流程示意图，原理说明如下：
第一步，通过轻量化模块对建立的BIM模型进行轻量化处理。采用重写RevitExporter导出接口直接转换，将文件格式转换，再借助编程程序进一步轻量化处理以缩短大型混凝土构件BIM模型加载时间、便于可视化过程中对设备要求过高而无法显示的现象。第二步，利用加载交互模块，基于WEB技术，编写原生脚本来搭设搭设threejs环境，借助threejs将轻量化处理后的3D设计模型载入到浏览器窗口实现网页加载和交互的过程，通过写入程序调整好模型显示模块参数，即可在网页中对模型施加控制、背景、高亮、展示动态窗格（具有但不限于这些）等多种命令，从而实现模型信息的可视化。第三步，使用iframe标签，在前面编程基础上，写入大屏展示界面，大屏展示钢筋混凝土梁长期试验（包括试件、加载装置、采集装置）BIM模型，以上模型放在大屏。数字孪生模型（理论模型（变形预测模型），有限元模型）与现场实际模型的关系，以上三个模型放在大屏的右侧。本模块基于GNSS 监测站的位移数据预测算法模块使用Python 语言开发，该算法模块基于Python平台下开源的FastApi Web 框架独立运行，提供了相应的RESTful 接口服务以供系统通过定时任务主动调用以获取算法预测模型得到的混凝土桥长期变形数据。
进一步地，本系统还包括：第三建模模块，用于根据所述监测数据并结合所述第一模型构建第三模型；算法预测模块用于向预先训练好的算法预测模型输入所述第一模型与所述第三模型，获取变形结果；监测预警模块，用于当所述变形结果超过预设阈值时，生成预警信息；预警提示模块，用于根据预设的预警级别将所述预警信息进行分级，生成对应的预警提示。
根据一种具体的实施方式，如图3所示，为本发明实施例提供的数字孪生系统预警监测的工作流程示意图，其中，算法预测模块根据工程实际由BIM模型信息、有限元分析、变形预测模型的理论数据和现场监测数据两种获取变形结果。现场监测数据为直接连接监测设备，监测数据自动读入至所述算法预测模块。该模块通过预设的算法预测模型获取预警信息，同时监测预警模块为不同监测类型的阈值管理模块进行预警阈值设置。预警处置机制处理是发生预警时各方进行预警分析、远程协同、预警处置及流程审批的模块。
具体地，所述算法预测模型的训练过程包括：
构建所述混凝土桥的监测数据与变形结果之间的对应关系；
基于所述对应关系训练所述算法预测模型；
基于训练好的算法预测模型输入所述第一模型与所述第三模型，获取变形结果。
进一步地，数字孪生系统将监测的类型、位置、徐变监测值、应变监测值、建筑物及其周边的地形地貌等信息都包括在内。监测类型根据工程实际包括振动监测、位移监测、应力监测、倾斜监测、裂缝监测、渗透监测，在该建设工程监测信息数字孪生模型中，根据实际埋设的位置和类型，对其进行标注和显示，并将其与该监测预警模块的监测值相关联，并依据该实时监测值是否达到预警阈值而通过预警提示模块显示不同的颜色预警状态：
安全分级颜色预警包括以下颜色预警：
绿色预警
显示绿色的监测点说明处于稳定且安全的状态，此时可进行日常巡视管理，检查设备使用情况、Midas有限元软件的变形数据与变形预测模型数据变化情况；
黄色预警
当桥梁正常使用情况下混凝土徐变变形超过设置预警值10%时出现黄色预警，立即通知外业组对现场设备进行检查，同时对预警信息进行记录，记录预警出现的位置、预警类型、预警值、预测值、正常值；
橙色预警
当桥梁正常使用情况下混凝土徐变变形超过设置预警值15%时出现橙色预警，立即通知外业组对现场设备进行检查，并对预警信息进行记录，记录预警出现的位置、预警类型、预警值、预测值、正常值，同时向各单位发布的预警信息后采取相应措施，对桥梁相应部位进行加固处治；
红色预警
当桥梁正常使用情况下混凝土徐变变形超过设置预警值20%时出现红色预警，立即发布红色预警，各单位接到发布的预警信息后立刻采取封闭交通的措施，对现场设备进行检查，并对预警信息进行记录，记录预警出现位置、预警类型、预警值、预测值、正常值，部门在接到内业组的通知后携带设备在30分钟内到达现场，立即组织开展桥梁抢修工作。
按照设置的预警级别自动触发预警机制，并向相关人员发送预警提醒，其监测预警模块通过所述数字孪生系统展示预警发生的部位及数值，用于设置预警机制、发送预警提醒、在线协同处置预警险情。
综上所述，本发明实施例通过实时采集混凝土桥上各检测节点的桥梁结构参数进行实时的模型更新，以及采集场地监测参数进行混凝土桥的变形监控，利用数字孪生模型的信息交互功能，以更好的及时、准确根据反馈的变形数据对模型进行修正，实现了人工智能辅助安全预测的功能，为施工提供了质量保障，本发明通过将桥梁信息化模型链接至数字孪生中，通过算法预测模型模拟桥梁内力影响效果，数字孪生模型对建造全过程给予了实时反馈与调控，提高了施工作业中的信息利用率，一定程度上保障工程质量，为桥梁施工管控提供便利。
本发明实施例可以实现多模型数据修正理论模型、BIM三维模型的WEB端监测预警。具体地，先将BIM三维模型置于数字孪生系统中，结合有限元计算模型，基于理论模型（BIM、有限元计算模型）数据，即第一模型，与现场仪器监测数据不停训练算法预测模型进行预测。还能将数字孪生系统与实际仪器检测数据对比修正后的数据，反馈给上一次训练好的算法预测模型作长期反复预测，实现对混凝土桥梁长期徐变变形的预测。最后，安全监测预警系统在孪生数据系统设置预警值和预警机制实现对混凝土桥的长期监测、预警及WEB端展示。进一步地，本发明实施例基于BIM模型，以实现混凝土桥梁徐变预测为目标，借助WEB技术，实现对混凝土桥梁的长期监测和预警。从而，降低运营维护的难度及风险。
综上所述，本发明通过现场监测仪器数据的反馈，对理论设计模型（BIM模型、有限元模型）、算法预测模型进行更新修正，以满足实际情况，使模型设计更加真实合理。
算法预测、数据融合可视化。借助数字孪生系统实现模型信息的交互与反馈，让各方能够收到警报并及时处理问题。
本发明将庞杂的经过效果渲染的三维建筑信息模型经过体量数据轻量化处理后运用云计算的技术展现在平板、智能手机等智能设备上，使得庞大复杂的三维模型可以在硬件较低的平板电脑或智能手机或网页上进行浏览、管理、等详细具体的操作。解决了大型桥梁模型在WEB端展示加载时间过长，导致模型加载对于设备要求过高的弊端。
本发明基于桥梁BIM三维模型及有限元分析模型，利用现场布设的精密传感设备对桥体各监测点进行观测，判定桥梁模型发生的混凝土徐变是否满足要求，利用现有监测技术、数字孪生的信息交互功能，以更好的及时、准确根据反馈的徐变数据对模型进行修正，实现了人工智能辅助安全预测的功能，为施工提供了质量保障。
本发明在数字孪生的基础上,通过现实场景布置的传感器采集真实环境参数,再通过数字孪生进行真实环境模拟，提前对监控系统的监控内容进行仿真,并做出一定的预测提供给监控系统。利用云计算技术，使得各阶段反馈的数据修正统一，并且利用大数据技术，使得建筑工程全寿命周期的工程管理得以更精准、更精细、更科学。
本发明基于WEB技术的数据交互模式，将桥梁信息化模型传递至数字孪生系统，通过变形预测模型模拟桥梁内力影响效果，数字孪生模型对建造全过程给予了实时反馈与调控，提高了施工作业中的信息利用率，一定程度上保障工程质量，为桥梁施工管控提供便利。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于数字孪生的混凝土桥监测系统，其特征在于，所述系统包括设置在混凝土桥各检测节点的结构参数传感器和第一数据模块，以及设置在所述混凝土桥各监测节点的监测参数传感器和第二数据模块，所述第一数据模块用于收集所述结构参数传感器获取的桥梁结构数据，所述第二数据模块用于收集所述监测参数传感器获取的场地监测数据；所述系统还包括：
第一建模模块，用于根据设计参数构建所述混凝土桥的第一模型；
第二建模模块，用于根据所述桥梁结构数据并结合所述第一模型构建第二模型；
第三建模模块，用于根据所述场地监测数据并结合所述第一模型构建第三模型；
反馈修正模块，用于获取所述第一模型与所述第二模型的相似度，并根据所述相似度更新所述第一模型；
算法预测模块，用于向预先训练好的算法预测模型输入更新后的第一模型与所述第三模型，获取变形结果；
监测预警模块，用于当所述变形结果超过预设阈值时，生成预警信息；
可视化模块，用于链接所述第一模型、第二模型以及第三模型并生成数字孪生模型，进行可视化展示，以及，根据所述预警信息生成对应的预警提示；
其中，所述可视化模块具体包括：
轻量化模块，用于转换所述第一模型与所述第二模型的文件格式，轻量化处理所述第一模型与所述第二模型；
加载交互模块，用于基于WEB技术编写原生脚本搭设threejs环境，载入轻量化处理后的第一模型与第二模型进行加载和交互，生成数字孪生模型，通过调整模型显示参数，实现所述数字孪生模型的可视化；
预警提示模块，用于根据预设的预警级别将所述预警信息进行分级，生成对应的预警提示；
其中，所述第一模型为根据所述混凝土桥的BIM模型和有限元仿真模型进行施工仿真分析获取的施工仿真模型；所述第二模型为根据所述混凝土桥的桥梁结构数据结合所述施工仿真模型构建的三维点云模型；所述第三模型为根据所述混凝土桥的场地监测数据结合所述施工仿真模型生成的变形预测模型；
所述桥梁结构数据包括所述混凝土桥的结构关键构件和节点处的内力及位移，以及所述混凝土桥的三维点云数据；所述场地监测数据包括所述混凝土桥的振动监测、位移监测、应力监测、倾斜监测、裂缝监测以及渗透监测；
所述算法预测模型的训练过程包括：
构建所述混凝土桥的监测数据与变形结果之间的对应关系；
基于所述对应关系训练所述算法预测模型；
基于训练好的算法预测模型输入更新后的第一模型与所述第三模型，获取变形结果。
2.根据权利要求1所述的一种基于数字孪生的混凝土桥监测系统，其特征在于，所述算法预测模块还用于，当所述相似度超过施工方案时，生成报警信息；所述可视化模块还用于根据所述报警信息生成对应的报警提示。
3.一种基于数字孪生的混凝土桥监测方法，其特征在于，所述方法应用于如权利要求1至2任一项所述的一种基于数字孪生的混凝土桥监测系统，所述方法包括：
根据设计参数构建混凝土桥的第一模型；
根据所述混凝土桥的桥梁结构数据并结合所述第一模型构建第二模型；
根据所述混凝土桥的场地监测数据并结合所述第一模型构建第三模型；
获取所述第一模型与所述第二模型的相似度，并根据所述相似度更新所述第一模型；
向预先训练好的算法预测模型输入更新后的第一模型与所述第三模型，获取变形结果；
当所述变形结果超过预设阈值时，生成预警信息；
所述方法还包括：
转换所述第一模型与所述第二模型的文件格式，轻量化处理所述第一模型与所述第二模型；
基于WEB技术编写原生脚本搭设threejs环境，载入轻量化处理后的第一模型与第二模型进行加载和交互，生成数字孪生模型，通过调整模型显示参数，实现所述数字孪生模型的可视化；
其中，所述第一模型为根据所述混凝土桥的BIM模型和有限元仿真模型进行施工仿真分析获取的施工仿真模型；所述第二模型为根据所述混凝土桥的桥梁结构数据结合所述施工仿真模型构建的三维点云模型；所述第三模型为根据所述混凝土桥的场地监测数据结合所述施工仿真模型生成的变形预测模型；
所述桥梁结构数据包括所述混凝土桥的结构关键构件和节点处的内力及位移，以及所述混凝土桥的三维点云数据；所述场地监测数据包括所述混凝土桥的振动监测、位移监测、应力监测、倾斜监测、裂缝监测以及渗透监测；
所述算法预测模型的训练过程包括：
构建所述混凝土桥的监测数据与变形结果之间的对应关系；
基于所述对应关系训练所述算法预测模型；
基于训练好的算法预测模型输入更新后的第一模型与所述第三模型，获取变形结果。
4.根据权利要求3所述的一种基于数字孪生的混凝土桥监测方法，其特征在于，所述第一模型表示为：
∪/>∪/>，
其中，为第i个第一模型，/>表示第i个第一模型的几何信息；Sij表示第i个第一模型包含的静力学信息，包括内力、位移和空间位置；Eik表示第i个第一模型的标注信息，包括工装、用料和环境；mi表示第i个第一模型的静力学信息的数量；ni表示第i个第一模型的标注信息的数量。
5.根据权利要求3所述的一种基于数字孪生的混凝土桥监测方法，其特征在于，所述第二模型表示为：
∪/>∪/>，
其中，为第i个第二模型；/>表示第i个第二模型的几何信息；S'ij表示第i个第二模型包含的静力学信息，包括内力、位移和空间位置；E'ik表示第i个第二模型上的标注信息，包括工装、用料和环境；mi'表示第i个第二模型上的静力学信息的数量；n'i表示第i个第二模型上标注信息的数量。
6.根据权利要求3至5任一项所述的一种基于数字孪生的混凝土桥监测方法，其特征在于，所述获取所述第一模型与所述第二模型的相似度，通过如下公式计算：
，
其中，为第一模型与第二模型的相似度；/>，/>，/>为几何信息、静力学信息以及标注信息在相似度计算中所占的权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311699437.4A CN117387559B (zh) | 2023-12-12 | 2023-12-12 | 基于数字孪生的混凝土桥监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311699437.4A CN117387559B (zh) | 2023-12-12 | 2023-12-12 | 基于数字孪生的混凝土桥监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117387559A CN117387559A (zh) | 2024-01-12 |
| CN117387559B true CN117387559B (zh) | 2024-03-12 |
Family
ID=89468770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311699437.4A Active CN117387559B (zh) | 2023-12-12 | 2023-12-12 | 基于数字孪生的混凝土桥监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117387559B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117629549B (zh) * | 2024-01-26 | 2024-04-09 | 辛集中交建设有限公司 | 一种桥梁建筑健康监测与安全预警系统 |
| CN117763926B (zh) * | 2024-02-22 | 2024-05-17 | 大连理工大学 | 一种数字孪生信息驱动的高可信结构变形监测方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1999057650A1 (fr) * | 1998-05-07 | 1999-11-11 | Manuel Mestre | Procede pour reconstruire une surface avec mise en oeuvre d'une prediction lineaire et applications de ce procede |
| CN111611634A (zh) * | 2020-03-30 | 2020-09-01 | 南京震坤物联网科技有限公司 | 基于bim-fem的桥梁健康评估系统和健康评估方法 |
| CN114925562A (zh) * | 2022-05-13 | 2022-08-19 | 华南理工大学 | 一种装配式桥梁数字孪生系统及方法 |
| WO2022221719A2 (en) * | 2021-04-16 | 2022-10-20 | Strong Force Vcn Portfolio 2019, Llc | Systems, methods, kits, and apparatuses for digital product network systems and biology-based value chain networks |
| CN115601008A (zh) * | 2022-09-29 | 2023-01-13 | 中交一公局第七工程有限公司（Cn） | 基于数字孪生的工程沉降变形监测系统及方法 |
| CN115935465A (zh) * | 2022-11-13 | 2023-04-07 | 福州大学 | 结合数字孪生技术的长大桥梁全寿命周期状态评估方法 |
| JP2023097502A (ja) * | 2021-12-28 | 2023-07-10 | 日本ファブテック株式会社 | モデルデータ作成プログラムおよび解析システム |
| KR20230108378A (ko) * | 2022-01-11 | 2023-07-18 | 안요섭 | 건축물 좌표 데이터를 통한 디지털 트윈 기반 건물 생애주기 관리 시스템 및 방법 |
| CN117094056A (zh) * | 2023-07-26 | 2023-11-21 | 华南理工大学 | 一种城市地下环路数字孪生智能建造方法及系统 |
| CN117150627A (zh) * | 2023-09-25 | 2023-12-01 | 贵州电网有限责任公司 | 一种基于3d建模数字孪生的仓库建造方法及系统 |
| CN117171842A (zh) * | 2023-08-04 | 2023-12-05 | 华南理工大学 | 一种城市慢行桥梁健康监测与数字孪生系统 |
| CN117217058A (zh) * | 2023-09-25 | 2023-12-12 | 中国电力科学研究院有限公司 | 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10636142B2 (en) * | 2018-04-20 | 2020-04-28 | Siemens Healthcare Gmbh | Real-time and accurate soft tissue deformation prediction |
-
2023
- 2023-12-12 CN CN202311699437.4A patent/CN117387559B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1999057650A1 (fr) * | 1998-05-07 | 1999-11-11 | Manuel Mestre | Procede pour reconstruire une surface avec mise en oeuvre d'une prediction lineaire et applications de ce procede |
| CN111611634A (zh) * | 2020-03-30 | 2020-09-01 | 南京震坤物联网科技有限公司 | 基于bim-fem的桥梁健康评估系统和健康评估方法 |
| WO2022221719A2 (en) * | 2021-04-16 | 2022-10-20 | Strong Force Vcn Portfolio 2019, Llc | Systems, methods, kits, and apparatuses for digital product network systems and biology-based value chain networks |
| JP2023097502A (ja) * | 2021-12-28 | 2023-07-10 | 日本ファブテック株式会社 | モデルデータ作成プログラムおよび解析システム |
| KR20230108378A (ko) * | 2022-01-11 | 2023-07-18 | 안요섭 | 건축물 좌표 데이터를 통한 디지털 트윈 기반 건물 생애주기 관리 시스템 및 방법 |
| CN114925562A (zh) * | 2022-05-13 | 2022-08-19 | 华南理工大学 | 一种装配式桥梁数字孪生系统及方法 |
| CN115601008A (zh) * | 2022-09-29 | 2023-01-13 | 中交一公局第七工程有限公司（Cn） | 基于数字孪生的工程沉降变形监测系统及方法 |
| CN115935465A (zh) * | 2022-11-13 | 2023-04-07 | 福州大学 | 结合数字孪生技术的长大桥梁全寿命周期状态评估方法 |
| CN117094056A (zh) * | 2023-07-26 | 2023-11-21 | 华南理工大学 | 一种城市地下环路数字孪生智能建造方法及系统 |
| CN117171842A (zh) * | 2023-08-04 | 2023-12-05 | 华南理工大学 | 一种城市慢行桥梁健康监测与数字孪生系统 |
| CN117150627A (zh) * | 2023-09-25 | 2023-12-01 | 贵州电网有限责任公司 | 一种基于3d建模数字孪生的仓库建造方法及系统 |
| CN117217058A (zh) * | 2023-09-25 | 2023-12-12 | 中国电力科学研究院有限公司 | 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| Extended Reality Application Framework for a Digital-Twin-Based Smart Crane;Chao Yang等;applied sciences;20220614;第12卷(第12期);全文 * |
| 基于人工智能的堆石混凝土坝安全监测管理系统研究及应用;郑文勇;水利科技;20230430(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117387559A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117387559B (zh) | 基于数字孪生的混凝土桥监测系统及方法 | |
| Ding et al. | Development of web-based system for safety risk early warning in urban metro construction | |
| CN113806978B (zh) | 基于bim-fem的桥梁结构数字孪生体及方法 | |
| CN111694916B (zh) | 浆砌石拱坝自动化监测系统 | |
| Honghong et al. | Digital twin enhanced BIM to shape full life cycle digital transformation for bridge engineering | |
| CN111552995B (zh) | 基于bim-3dgis和数据自动解析技术的轨道交通施工可视化监测管理系统 | |
| KR20220101192A (ko) | 산업-규모의 구조적 디지털 트윈들을 위한 컴포넌트-기반의 축소된 차수 모델링을 위한 방법들 및 시스템들 | |
| CN113010935A (zh) | BIM应用基于Revit监测平台的管理方法及系统 | |
| Memon et al. | An automatic project progress monitoring model by integrating auto CAD and digital photos | |
| CN111882202A (zh) | 一种基于bp神经网络的群体建筑同步建造风险管理系统 | |
| CN113722797A (zh) | 轻量化bim的预制构件全生命周期综合信息管理系统 | |
| CN113408035A (zh) | 一种基于bim的木结构古建筑结构健康监测方法 | |
| CN111583067A (zh) | 一种城市地下大空间施工安全预警与应急决策方法及系统 | |
| Clarke | Assessing building performance by simulation | |
| CN115563683A (zh) | 一种基于数字孪生的水利工程自动化安全监测管理系统 | |
| CN113360980A (zh) | 一种基于bim技术的异型钢结构可视化施工方法 | |
| CN117150627A (zh) | 一种基于3d建模数字孪生的仓库建造方法及系统 | |
| Zhao et al. | Research on dynamic data monitoring of marine bridge steel structure building information based on BIM model | |
| CN114693114A (zh) | 地下空间结构的监测方法、装置、计算机设备及存储介质 | |
| CN113673171A (zh) | 一种基于历史数据驱动和机器学习的对接机构数字孪生试验系统及其运行方法 | |
| CN111597618B (zh) | 一种基于bim-gis的桥梁监测系统 | |
| Fan et al. | Multi-agent system for tunnel-settlement monitoring: A case study in Shanghai | |
| CN117150602A (zh) | 一种基于bim的模块化建筑力学模拟分析方法和系统 | |
| Zhou et al. | Development and application of an industry foundation classes-based metro protection information model | |
| Fröhlich | On systematic approaches for interpreted information transfer of inspection data from bridge models to structural analysis |
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 |