CN117592820B - 一种基于计算机数据分析的桥梁损伤病害智能识别系统 - Google Patents
一种基于计算机数据分析的桥梁损伤病害智能识别系统 Download PDFInfo
- Publication number
- CN117592820B CN117592820B CN202410070412.6A CN202410070412A CN117592820B CN 117592820 B CN117592820 B CN 117592820B CN 202410070412 A CN202410070412 A CN 202410070412A CN 117592820 B CN117592820 B CN 117592820B
- Authority
- CN
- China
- Prior art keywords
- component
- maintained
- bridge
- maintenance
- disease
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 66
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 66
- 238000007405 data analysis Methods 0.000 title claims abstract description 23
- 238000012423 maintenance Methods 0.000 claims abstract description 112
- 238000011156 evaluation Methods 0.000 claims abstract description 104
- 230000003628 erosive effect Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 20
- 229920002678 cellulose Polymers 0.000 claims description 13
- 239000001913 cellulose Substances 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 13
- 239000005416 organic matter Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000007797 corrosion Effects 0.000 claims description 11
- 238000005260 corrosion Methods 0.000 claims description 11
- 238000010008 shearing Methods 0.000 claims description 6
- 239000010421 standard material Substances 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 230000036541 health Effects 0.000 abstract description 3
- 238000013468 resource allocation Methods 0.000 abstract description 3
- 230000008092 positive effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 7
- 239000000758 substrate Substances 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning 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
- 230000008439 repair process Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Abstract
本发明公开了一种基于计算机数据分析的桥梁损伤病害智能识别系统,涉及桥梁维护置技术领域,通过自动化处理、分析和评估大量的桥梁数据,提高了桥梁维护工作的效率和精确度,通过计算机数据分析,可以更准确地判断桥梁构件的维护情况和损伤程度,避免主观判断带来的误差,从而提高维护效率,同时,对桥梁进行历史保护具有多方面的积极影响,可以促进文化发展,通过获取各待维护构件的侵蚀和状态参数,有助于全面了解构件的健康状况,通过综合损伤评估系数获取模块,为桥梁的维护规划和资源分配提供科学依据,通过对维护优先级的分析,可以合理安排桥梁维护工作的顺序和重点,提高资金利用效率。
Description
技术领域
本发明涉及桥梁维护置技术领域,具体涉及一种基于计算机数据分析的桥梁损伤病害智能识别系统。
背景技术
随着计算机科学和数据科学的不断发展,越来越多的数据分析和机器学习技术被应用于各个领域,为解决复杂问题提供了新的工具和方法,利用这些技术,可以对大量的桥梁数据进行自动化处理、分析和评估,提高对桥梁损伤病害的智能识别能力,因此,一种基于计算机数据分析的桥梁损伤病害智能识别系统应运而生。
传统技术中的桥梁维护方式通常依赖人工巡检和经验判断,存在人力成本高、效率低下、识别准确性不高等问题,很显然这种桥梁损伤病害识别方法至少存在以下方面问题:1、传统技术需要人工巡检,耗费大量时间和精力,效率低下,尤其是对于庞大的桥梁网络,很难做到全面、高效地巡检,并且需要经验判断,容易受主观因素干扰,识别准确性不高,可能会忽略一些微小但重要的损伤病害,同时,相关的桥梁维护工作可能会被拖延或忽视,导致桥梁损伤病害无法及时修复,延迟维护可能会加剧桥梁的损坏程度,进而影响其使用寿命和安全性。
2、传统技术缺乏桥梁构件的维护优先级,无法判断各构件的维护紧急程度,导致维护资源的不合理分配,可能造成对重要构件的忽视或对次要构件的过度投入,同时,缺乏合理的维护方案,无法自动分析各构件的维护方案,可能导致维护策略的片面性或不科学性。
3、同时,如何不能及时的对桥梁进行维护,桥梁可能因时间和自然环境的影响而逐渐破损,最终可能导致文化遗产的流失和丧失,桥梁作为历史建筑的价值和吸引力可能会因为破旧、失修而减少,影响当地旅游业的发展,将导致传统建筑工艺的失传,影响相关传统技艺的继承和发展。
发明内容
针对上述存在的技术不足,本发明的目的是提供一种基于计算机数据分析的桥梁损伤病害智能识别系统。
为解决上述技术问题,本发明采用如下技术方案:本发明提供一种基于计算机数据分析的桥梁损伤病害智能识别系统,包括:病害数据获取模块,用于获取目标桥梁中各构件对应的病害数据,病害数据包括材料密度、蛀洞数量、各蛀洞对应的蛀洞大小和蛀洞深度。
维护情况判断模块,用于根据目标桥梁中各构件对应的病害数据,从而对目标桥梁中各构件对应的病害数据进行分析,分析得到目标桥梁中各构件对应的病害评估系数,进而判断目标桥梁中各构件的维护情况,并将判定需要维护的目标桥梁中各构件记为各待维护构件。
侵蚀和状态参数获取模块,用于获取各待维护构件对应的侵蚀和状态参数,侵蚀参数包括各蛀洞对应的有机物含量、pH值和纤维素含量,状态参数包括拉伸应变值、压缩应变和剪切应变值。
综合损伤评估系数获取模块,用于根据各待维护构件对应的侵蚀和状态参数,分析得到各待维护构件对应的侵蚀评估系数和状态评估系数,进而分析得到各待维护构件对应的综合损伤评估系数。
维护方案分析模块,用于根据各待维护构件对应的综合损伤评估系数,进而分析各待维护构件对应的维护方案,并将各待维护构件按照对应的维护方案进行维护。
维护优先级分析模块,用于根据各待维护构件对应的综合损伤评估系数,进而分析各待维护构件对应的维护优先级,并将各待维护构件按照对应的维护优先级顺序进行维护。
预警终端,用于当目标桥梁中某构件需要维护时,进行预警提示。
优选地,所述对目标桥梁中各构件对应的病害数据进行分析,具体分析过程如下:将目标桥梁中各构件对应的材料密度、蛀洞数量、各蛀洞对应的蛀洞大小和蛀洞深度分别记为、/>、/>和/>,其中,/>表示各构件对应的编号,/>,/>表示各蛀洞对应的编号,/>,n为大于2的任意整数,u为大于2的任意整数,代入计算公式
中,得到目标桥梁中各构件对应的病害评估系数/>,其中,/>、/>、/>、/>分别为设定的构件对应的标准材料密度、标准蛀洞数量、蛀洞对应的标准蛀洞大小、蛀洞对应的标准蛀洞深度,/>、/>、/>、/>分别为设定的构件材料密度对应的权重因子、构件蛀洞数量对应的权重因子、蛀洞大小对应的权重因子、蛀洞深度对应的权重因子。
优选地,所述判断目标桥梁中各构件的维护情况,具体判断过程如下:将目标桥梁中各构件对应的病害评估系数与设定的标准构件对应的病害评估系数进行对比,若目标桥梁中某构件对应的病害评估系数小于或者等于设定的标准构件对应的病害评估系数,则判定目标桥梁中该构件需要维护,若目标桥梁中某构件对应的病害评估系数大于设定的标准构件对应的病害评估系数,则判定目标桥梁中该构件不需要维护,以此方式判断目标桥梁中各构件的维护情况。
优选地,所述分析得到各待维护构件对应的侵蚀评估系数,具体分析过程如下:将各待维护构件中各蛀洞对应的有机物含量、pH值和纤维素含量分别记为、/>和/>,其中,/>表示各待维护构件对应的编号,/>,/>表示各蛀洞对应的编号,,p为大于2的任意整数,u为大于2的任意整数,代入计算公式
中,得到各待维护构件对应的侵蚀评估系数/>,其中,/>、/>、/>分别为设定的蛀洞对应的标准有机物含量、标准pH值、标准纤维素含量,/>、/>、/>分别为设定的蛀洞有机物含量对应的权重因子、蛀洞pH值对应的权重因子、蛀洞纤维素含量对应的权重因子。
优选地,所述分析得到各待维护构件对应的状态评估系数,具体分析过程如下:将各待维护构件对应的拉伸应变值、压缩应变和剪切应变值分别记为、/>和/>,代入计算公式
中,得到各待维护构件对应的状态评估系数/>,其中,/>、/>、/>分别为设定的待维护构件对应的标准拉伸应变值、标准压缩应变、标准剪切应变值,/>、/>、/>分别为设定的待维护构件拉伸应变值对应的权重因子、待维护构件压缩应变对应的权重因子、待维护构件剪切应变值对应的权重因子。
优选地,所述分析得到各待维护构件对应的综合损伤评估系数,具体分析过程如下:将各待维护构件对应的侵蚀评估系数和状态评估系数/>,代入计算公式
中,得到各待维护构件对应的综合损伤评估系数/>,其中,/>、/>分别为设定的待维护构件侵蚀评估系数对应的权重因子、待维护构件状态评估系数对应的权重因子,e表示自然常数。
优选地,所述分析各待维护构件对应的维护方案,具体分析过程如下:将各待维护构件对应的综合损伤评估系数与数据库中各维护方案对应的综合损伤评估系数进行对比,若某待维护构件对应的综合损伤评估系数与数据库中某维护方案对应的综合损伤评估系数相同,则将数据库中该综合损伤评估系数对应的维护方案作为该待维护构件对应的维护方案,以此方式分析各待维护构件对应的维护方案。
优选地,所述分析各待维护构件对应的维护优先级,具体分析过程如下:将各待维护构件对应的综合损伤评估系数按照从大到小的顺序进行排列,并将各待维护构件按照综合损伤评估系数从大到小的顺序进行维护优先级的设置。
优选地,所述数据库用于储存各维护方案对应的综合损伤评估系数。
本发明的有益效果在于:1、本发明提供一种基于计算机数据分析的桥梁损伤病害智能识别系统,通过自动化处理、分析和评估大量的桥梁数据,提高了桥梁维护工作的效率和精确度,通过计算机数据分析,可以更准确地判断桥梁构件的维护情况和损伤程度,避免主观判断带来的误差,从而提高维护效率。
2、本发明提供一种基于计算机数据分析的桥梁损伤病害智能识别系统,通过获取各待维护构件的侵蚀和状态参数,有助于全面了解构件的健康状况,通过综合损伤评估系数获取模块,为桥梁的维护规划和资源分配提供科学依据,通过对维护优先级的分析,可以合理安排桥梁维护工作的顺序和重点,提高资金利用效率,同时,有助于制定针对性的维护计划,提高维护效率和提高维护的及时性和针对性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统模块连接示意图。
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。
本发明实施例如图1所示,一种基于计算机数据分析的桥梁损伤病害智能识别系统,包括:病害数据获取模块、维护情况判断模块、侵蚀和状态参数获取模块、综合损伤评估系数获取模块、维护方案分析模块、维护优先级分析模块、预警终端和数据库。
所述维护情况判断模块分别与病害数据获取模块和侵蚀和状态参数获取模块连接,所述综合损伤评估系数获取模块分别与侵蚀和状态参数获取模块和维护方案分析模块连接,所述维护优先级分析模块分别与维护方案分析模块和预警终端连接,所述预警终端与维护情况判断模块连接,所述数据库与维护方案分析模块连接。
病害数据获取模块,用于获取目标桥梁中各构件对应的病害数据,病害数据包括材料密度、蛀洞数量、各蛀洞对应的蛀洞大小和蛀洞深度。
需要说明的是,桥梁中的构件是指组成桥梁的各个部分,包括桥墩、拱、梁、栏杆等,这些构件通常由石材、木材、砖块等材料制成,具有独特的形态和结构,在维护桥梁时,需要对这些构件进行评估和分析,确定其受损程度和维护方案,以保证维护后的桥梁既能保持其历史文化价值,又能满足安全性和使用要求。
还需要说明的是,在目标桥梁中各构件上安装密度仪和超声波检测仪,通过安装在目标桥梁中各构件上的密度仪,进而获取目标桥梁中各构件对应的材料密度;通过安装在目标桥梁中各构件上的超声波检测仪,通过超声波检测仪可以生成构件内部的超声波扫描图像,这些图像可以通过图像处理技术进行分析,以识别和计量蛀洞的数量、大小和深度,图像处理算法可以识别超声波扫描图像中的空洞区域,并根据信号的强度和反射情况来获取空洞的大小和深度。
维护情况判断模块,用于根据目标桥梁中各构件对应的病害数据,从而对目标桥梁中各构件对应的病害数据进行分析,分析得到目标桥梁中各构件对应的病害评估系数,进而判断目标桥梁中各构件的维护情况,并将判定需要维护的目标桥梁中各构件记为各待维护构件。
在一个具体的实施例中,所述对目标桥梁中各构件对应的病害数据进行分析,具体分析过程如下:将目标桥梁中各构件对应的材料密度、蛀洞数量、各蛀洞对应的蛀洞大小和蛀洞深度分别记为、/>、/>和/>,其中,/>表示各构件对应的编号,/>,/>表示各蛀洞对应的编号,/>,n为大于2的任意整数,u为大于2的任意整数,代入计算公式
中,得到目标桥梁中各构件对应的病害评估系数/>,其中,/>、/>、/>、/>分别为设定的构件对应的标准材料密度、标准蛀洞数量、蛀洞对应的标准蛀洞大小、蛀洞对应的标准蛀洞深度,/>、/>、/>、/>分别为设定的构件材料密度对应的权重因子、构件蛀洞数量对应的权重因子、蛀洞大小对应的权重因子、蛀洞深度对应的权重因子。
需要说明的是,、/>、/>、/>均大于0且小于1。
在另一个具体的实施例中,所述判断目标桥梁中各构件的维护情况,具体判断过程如下:将目标桥梁中各构件对应的病害评估系数与设定的标准构件对应的病害评估系数进行对比,若目标桥梁中某构件对应的病害评估系数小于或者等于设定的标准构件对应的病害评估系数,则判定目标桥梁中该构件需要维护,若目标桥梁中某构件对应的病害评估系数大于设定的标准构件对应的病害评估系数,则判定目标桥梁中该构件不需要维护,以此方式判断目标桥梁中各构件的维护情况。
侵蚀和状态参数获取模块,用于获取各待维护构件对应的侵蚀和状态参数,侵蚀参数包括各蛀洞对应的有机物含量、pH值和纤维素含量,状态参数包括拉伸应变值、压缩应变和剪切应变值。
需要说明的是,从各待维护构件中提取样品,使用化学试剂对各待维护构件样品进行处理,并通过化学反应来测量其中的有机物含量和纤维素含量;使用pH值测试仪对各待维护构件样品进行测试,可以将pH值测试仪放置在各待维护构件样品的表面或者取样后的溶液中,来测量木材的pH值。
还需要说明的是,拉伸应变值、压缩应变和剪切应变值通过应变测量设备来获取。例如,可以使用应变片、应变计或者光栅测量系统来测量构件在受力作用下的应变情况。这些设备可以精确地测量构件在不同方向上的应变值,从而获取各待维护构件对应的拉伸应变值、压缩应变和剪切应变值。
综合损伤评估系数获取模块,用于根据各待维护构件对应的侵蚀和状态参数,分析得到各待维护构件对应的侵蚀评估系数和状态评估系数,进而分析得到各待维护构件对应的综合损伤评估系数。
在一个具体的实施例中,所述分析得到各待维护构件对应的侵蚀评估系数,具体分析过程如下:将各待维护构件中各蛀洞对应的有机物含量、pH值和纤维素含量分别记为、/>和/>,其中,/>表示各待维护构件对应的编号,/>,/>表示各蛀洞对应的编号,/>,p为大于2的任意整数,u为大于2的任意整数,代入计算公式
中,得到各待维护构件对应的侵蚀评估系数/>,其中,/>、/>、/>分别为设定的蛀洞对应的标准有机物含量、标准pH值、标准纤维素含量,/>、/>、/>分别为设定的蛀洞有机物含量对应的权重因子、蛀洞pH值对应的权重因子、蛀洞纤维素含量对应的权重因子。
需要说明的是,、/>、/>均大于0且小于1。
在另一个具体的实施例中,所述分析得到各待维护构件对应的状态评估系数,具体分析过程如下:将各待维护构件对应的拉伸应变值、压缩应变和剪切应变值分别记为、和/>,代入计算公式
中,得到各待维护构件对应的状态评估系数/>,其中,/>、/>、/>分别为设定的待维护构件对应的标准拉伸应变值、标准压缩应变、标准剪切应变值,/>、/>、/>分别为设定的待维护构件拉伸应变值对应的权重因子、待维护构件压缩应变对应的权重因子、待维护构件剪切应变值对应的权重因子。
需要说明的是,、/>、/>均大于0且小于1。
在另一个具体的实施例中,所述分析得到各待维护构件对应的综合损伤评估系数,具体分析过程如下:将各待维护构件对应的侵蚀评估系数和状态评估系数/>,代入计算公式
中,得到各待维护构件对应的综合损伤评估系数/>,其中,/>、/>分别为设定的待维护构件侵蚀评估系数对应的权重因子、待维护构件状态评估系数对应的权重因子,e表示自然常数。
需要说明的是,、/>均大于0且小于1。
维护方案分析模块,用于根据各待维护构件对应的综合损伤评估系数,进而分析各待维护构件对应的维护方案,并将各待维护构件按照对应的维护方案进行维护。
需要说明的是,维护方案包括维护方法、维护材料和维护周期等。
在一个具体的实施例中,所述分析各待维护构件对应的维护方案,具体分析过程如下:将各待维护构件对应的综合损伤评估系数与数据库中各维护方案对应的综合损伤评估系数进行对比,若某待维护构件对应的综合损伤评估系数与数据库中某维护方案对应的综合损伤评估系数相同,则将数据库中该综合损伤评估系数对应的维护方案作为该待维护构件对应的维护方案,以此方式分析各待维护构件对应的维护方案。
维护优先级分析模块,用于根据各待维护构件对应的综合损伤评估系数,进而分析各待维护构件对应的维护优先级,并将各待维护构件按照对应的维护优先级顺序进行维护。
在一个具体的实施例中,所述分析各待维护构件对应的维护优先级,具体分析过程如下:将各待维护构件对应的综合损伤评估系数按照从大到小的顺序进行排列,并将各待维护构件按照综合损伤评估系数从大到小的顺序进行维护优先级的设置。
需要说明的是,待维护构件按照综合损伤评估系数越大,维护优先级越高,待维护构件按照综合损伤评估系数越小,维护优先级越低。
本发明实施例,通过获取各待维护构件的侵蚀和状态参数,有助于全面了解构件的健康状况,通过综合损伤评估系数获取模块,为桥梁的维护规划和资源分配提供科学依据,通过对维护优先级的分析,可以合理安排桥梁维护工作的顺序和重点,提高资金利用效率,同时,有助于制定针对性的维护计划,提高维护效率和提高维护的及时性和针对性。
所述数据库用于储存各维护方案对应的综合损伤评估系数。
预警终端,用于当目标桥梁中某构件需要维护时,进行预警提示。
本发明提供一种基于计算机数据分析的桥梁损伤病害智能识别系统,通过自动化处理、分析和评估大量的桥梁数据,提高了桥梁维护工作的效率和精确度,通过计算机数据分析,可以更准确地判断桥梁构件的维护情况和损伤程度,避免主观判断带来的误差,从而提高维护效率。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本说明书所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种基于计算机数据分析的桥梁损伤病害智能识别系统,其特征在于,包括:
病害数据获取模块,用于获取目标桥梁中各构件对应的病害数据,病害数据包括材料密度、蛀洞数量、各蛀洞对应的蛀洞大小和蛀洞深度;
维护情况判断模块,用于根据目标桥梁中各构件对应的病害数据,从而对目标桥梁中各构件对应的病害数据进行分析,分析得到目标桥梁中各构件对应的病害评估系数,进而判断目标桥梁中各构件的维护情况,并将判定需要维护的目标桥梁中各构件记为各待维护构件;
所述对目标桥梁中各构件对应的病害数据进行分析,具体分析过程如下:
将目标桥梁中各构件对应的材料密度、蛀洞数量、各蛀洞对应的蛀洞大小和蛀洞深度分别记为Ai、Bi、和/>其中,i表示各构件对应的编号,i=1,2......n,g表示各蛀洞对应的编号,g=1,2......u,n为大于2的任意整数,u为大于2的任意整数,代入计算公式
中,
得到目标桥梁中各构件对应的病害评估系数φi,其中,A′、B′、C′、D′分别为设定的构件对应的标准材料密度、标准蛀洞数量、蛀洞对应的标准蛀洞大小、蛀洞对应的标准蛀洞深度,υ1、υ2、υ3、υ4分别为设定的构件材料密度对应的权重因子、构件蛀洞数量对应的权重因子、蛀洞大小对应的权重因子、蛀洞深度对应的权重因子;
侵蚀和状态参数获取模块,用于获取各待维护构件对应的侵蚀和状态参数,侵蚀参数包括各蛀洞对应的有机物含量、pH值和纤维素含量,状态参数包括拉伸应变值、压缩应变和剪切应变值;
综合损伤评估系数获取模块,用于根据各待维护构件对应的侵蚀和状态参数,分析得到各待维护构件对应的侵蚀评估系数和状态评估系数,进而分析得到各待维护构件对应的综合损伤评估系数;
维护方案分析模块,用于根据各待维护构件对应的综合损伤评估系数,进而分析各待维护构件对应的维护方案,并将各待维护构件按照对应的维护方案进行维护;
维护优先级分析模块,用于根据各待维护构件对应的综合损伤评估系数,进而分析各待维护构件对应的维护优先级,并将各待维护构件按照对应的维护优先级顺序进行维护;
预警终端,用于当目标桥梁中某构件需要维护时,进行预警提示。
2.如权利要求1所述的一种基于计算机数据分析的桥梁损伤病害智能识别系统,其特征在于,所述判断目标桥梁中各构件的维护情况,具体判断过程如下:
将目标桥梁中各构件对应的病害评估系数与设定的标准构件对应的病害评估系数进行对比,若目标桥梁中某构件对应的病害评估系数小于或者等于设定的标准构件对应的病害评估系数,则判定目标桥梁中该构件需要维护,若目标桥梁中某构件对应的病害评估系数大于设定的标准构件对应的病害评估系数,则判定目标桥梁中该构件不需要维护,以此方式判断目标桥梁中各构件的维护情况。
3.如权利要求1所述的一种基于计算机数据分析的桥梁损伤病害智能识别系统,其特征在于,所述分析得到各待维护构件对应的侵蚀评估系数,具体分析过程如下:
将各待维护构件中各蛀洞对应的有机物含量、pH值和纤维素含量分别记为和其中,h表示各待维护构件对应的编号,h=1,2......p,g表示各蛀洞对应的编号,g=1,2......u,p为大于2的任意整数,u为大于2的任意整数,代入计算公式
中,得到各待维护构件对应的侵蚀评估系数αh,其中,E′、F′、K′分别为设定的蛀洞对应的标准有机物含量、标准pH值、标准纤维素含量,σ1、σ2、σ3分别为设定的蛀洞有机物含量对应的权重因子、蛀洞pH值对应的权重因子、蛀洞纤维素含量对应的权重因子。
4.如权利要求3所述的一种基于计算机数据分析的桥梁损伤病害智能识别系统,其特征在于,所述分析得到各待维护构件对应的状态评估系数,具体分析过程如下:
将各待维护构件对应的拉伸应变值、压缩应变和剪切应变值分别记为Zh、Xh和Yh,代入计算公式
中,得到各待维护构件对应的状态评估系数βh,其中,Z′、X′、Y′分别为设定的待维护构件对应的标准拉伸应变值、标准压缩应变、标准剪切应变值,ω1、ω2、ω3分别为设定的待维护构件拉伸应变值对应的权重因子、待维护构件压缩应变对应的权重因子、待维护构件剪切应变值对应的权重因子。
5.如权利要求4所述的一种基于计算机数据分析的桥梁损伤病害智能识别系统,其特征在于,所述分析得到各待维护构件对应的综合损伤评估系数,具体分析过程如下:
将各待维护构件对应的侵蚀评估系数αh和状态评估系数βh,代入计算公式
中,得到各待维护构件对应的综合损伤评估系数γh,其中,λ1、λ2分别为设定的待维护构件侵蚀评估系数对应的权重因子、待维护构件状态评估系数对应的权重因子,e表示自然常数。
6.如权利要求5所述的一种基于计算机数据分析的桥梁损伤病害智能识别系统,其特征在于,所述分析各待维护构件对应的维护方案,具体分析过程如下:
将各待维护构件对应的综合损伤评估系数与数据库中各维护方案对应的综合损伤评估系数进行对比,若某待维护构件对应的综合损伤评估系数与数据库中某维护方案对应的综合损伤评估系数相同,则将数据库中该综合损伤评估系数对应的维护方案作为该待维护构件对应的维护方案,以此方式分析各待维护构件对应的维护方案。
7.如权利要求6所述的一种基于计算机数据分析的桥梁损伤病害智能识别系统,其特征在于,所述分析各待维护构件对应的维护优先级,具体分析过程如下:
将各待维护构件对应的综合损伤评估系数按照从大到小的顺序进行排列,并将各待维护构件按照综合损伤评估系数从大到小的顺序进行维护优先级的设置。
8.如权利要求6所述的一种基于计算机数据分析的桥梁损伤病害智能识别系统,其特征在于,所述数据库用于储存各维护方案对应的综合损伤评估系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410070412.6A CN117592820B (zh) | 2024-01-18 | 2024-01-18 | 一种基于计算机数据分析的桥梁损伤病害智能识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410070412.6A CN117592820B (zh) | 2024-01-18 | 2024-01-18 | 一种基于计算机数据分析的桥梁损伤病害智能识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117592820A CN117592820A (zh) | 2024-02-23 |
CN117592820B true CN117592820B (zh) | 2024-03-29 |
Family
ID=89915394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410070412.6A Active CN117592820B (zh) | 2024-01-18 | 2024-01-18 | 一种基于计算机数据分析的桥梁损伤病害智能识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117592820B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784438A (zh) * | 2018-12-28 | 2019-05-21 | 福建华闽通达信息技术有限公司 | 一种桥梁养护病害记录、识别及处理措施指导方法及系统 |
CN110031477A (zh) * | 2019-04-04 | 2019-07-19 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN114648659A (zh) * | 2022-02-28 | 2022-06-21 | 北京工业大学 | 一种基于迁移学习的轻量化混凝土桥梁病害识别方法 |
CN115439657A (zh) * | 2022-08-31 | 2022-12-06 | 浙江大学 | 一种基于改进残差结构的桥梁病害智能识别方法 |
CN117057600A (zh) * | 2023-08-02 | 2023-11-14 | 贵州顺康检测股份有限公司 | 一种混凝土桥梁结构裂缝的在线监测分析方法 |
CN117173598A (zh) * | 2023-08-31 | 2023-12-05 | 贵州顺康检测股份有限公司 | 一种基于图像识别的桥梁结构健康智能监测系统 |
CN117233152A (zh) * | 2023-08-14 | 2023-12-15 | 贵州顺康检测股份有限公司 | 一种t型梁桥健康监测系统 |
-
2024
- 2024-01-18 CN CN202410070412.6A patent/CN117592820B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784438A (zh) * | 2018-12-28 | 2019-05-21 | 福建华闽通达信息技术有限公司 | 一种桥梁养护病害记录、识别及处理措施指导方法及系统 |
CN110031477A (zh) * | 2019-04-04 | 2019-07-19 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN114648659A (zh) * | 2022-02-28 | 2022-06-21 | 北京工业大学 | 一种基于迁移学习的轻量化混凝土桥梁病害识别方法 |
CN115439657A (zh) * | 2022-08-31 | 2022-12-06 | 浙江大学 | 一种基于改进残差结构的桥梁病害智能识别方法 |
CN117057600A (zh) * | 2023-08-02 | 2023-11-14 | 贵州顺康检测股份有限公司 | 一种混凝土桥梁结构裂缝的在线监测分析方法 |
CN117233152A (zh) * | 2023-08-14 | 2023-12-15 | 贵州顺康检测股份有限公司 | 一种t型梁桥健康监测系统 |
CN117173598A (zh) * | 2023-08-31 | 2023-12-05 | 贵州顺康检测股份有限公司 | 一种基于图像识别的桥梁结构健康智能监测系统 |
Non-Patent Citations (1)
Title |
---|
基于索力变化的斜拉桥实时高程测量及损伤识别;黄超凡;《中国优秀硕士学位论文全文数据库》;20170216(第3期);C034-461 * |
Also Published As
Publication number | Publication date |
---|---|
CN117592820A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108225906B (zh) | 基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法 | |
CN109490072B (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
CN109472486B (zh) | 试验检测混凝土试块数据集成评价系统 | |
CN109374870B (zh) | 一种水泥基自修复材料修复性能的评价方法及装置 | |
CN117309661B (zh) | 一种混凝土质量在线检测系统 | |
Saouma | Diagnosis & prognosis of AAR affected structures: state-of-the-art report of the RILEM Technical Committee 259-ISR | |
Wu et al. | Grey relational analysis of static tensile properties of structural steel subjected to urban industrial atmospheric corrosion and accelerated corrosion | |
Schoefs et al. | Quantitative evaluation of contactless impact echo for non-destructive assessment of void detection within tendon ducts | |
CN116840135A (zh) | 一种腐蚀和疲劳同时作用的钢闸门加速劣化试验台及劣化后运行状态评估方法 | |
CN117592820B (zh) | 一种基于计算机数据分析的桥梁损伤病害智能识别系统 | |
CN103698259A (zh) | 一种水泥基材料硫酸根侵蚀深度测试方法 | |
CN109490334B (zh) | 一种运用残余应力预测模型的t字型锻件无损测试方法 | |
CN114139383A (zh) | 一种燃料电池汽车的动态疲劳可靠性风险评估方法 | |
Kabashi et al. | Evaluation the compressive strength in concrete structures using the in-situ test methods | |
CN113640301A (zh) | 特种设备的螺栓检测方法 | |
CN117906889B (zh) | 一种绝缘管型母线性能智慧化检测分析系统 | |
CN111721510A (zh) | 一种基于实时监测的钢吊车梁智慧诊断方法 | |
CN110618173A (zh) | 一种服役桥梁耐久性预测的方法 | |
CN117262237B (zh) | 考虑装配分散性的飞机座舱盖骨架模拟件疲劳试验方法 | |
CN117056686B (zh) | 一种检测压力容器表面缺陷的告警方法及系统 | |
Liu et al. | Structure Bearing Capacity Testing and Evaluation of Existing Bridges | |
CN116228761B (zh) | 一种钢结构刚度损伤评价方法及系统 | |
CN117906889A (zh) | 一种绝缘管型母线性能智慧化检测分析系统 | |
CN114609358B (zh) | 一种针对既有锈蚀钢结构剩余性能评估方法 | |
CN113138157B (zh) | 一种铝合金挤压型材应力腐蚀敏感性无损评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |