CN117606831A - 用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法 - Google Patents
用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法 Download PDFInfo
- Publication number
- CN117606831A CN117606831A CN202311307724.6A CN202311307724A CN117606831A CN 117606831 A CN117606831 A CN 117606831A CN 202311307724 A CN202311307724 A CN 202311307724A CN 117606831 A CN117606831 A CN 117606831A
- Authority
- CN
- China
- Prior art keywords
- cable
- determining
- stayed bridge
- monitoring
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011068 loading method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 93
- 238000012360 testing method Methods 0.000 claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 77
- 238000006073 displacement reaction Methods 0.000 claims description 26
- 230000007246 mechanism Effects 0.000 claims description 14
- 238000011010 flushing procedure Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000004873 anchoring Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 239000006096 absorbing agent Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 230000015654 memory Effects 0.000 claims description 3
- 238000013077 scoring method Methods 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 4
- 230000001276 controlling effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002023 wood Substances 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/007—Subject matter not provided for in other groups of this subclass by applying a load, e.g. for resistance or wear testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本公开提供了用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法,涉及桥梁结构健康监测技术领域,利用电控加载系统室内桥梁模型进行加载,将斜拉桥划分为三个区块,分别确定每个区块的关键因子;作斜拉桥整体缩尺模型,或分别制作三个区块;设计模型试验,选择合适的传感器,依据规范将传感器安装于合适位置,并获取相关监测数据;基于模型试验确定反应斜拉索服、主梁以及反应索塔服役性能状态的影响因子;将确定的关键因子应用于实际桥梁。
Description
技术领域
本公开涉及桥梁结构健康监测技术领域,具体涉及用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
桥梁作为基础设施领域的重要组成部分,常常面临来自外部环境、车辆荷载、风荷载、地震等多种因素的影响,同时还要应对内部工作性能逐渐衰退的问题,这些因素共同导致桥梁结构的使用性能的逐步降低。为了充分把握桥梁结构的变化趋势和性能状态,目前普遍采用桥梁结构健康监控系统来进行实时监测。
然而,发明人发现,当前的挑战在于,桥梁健康监测所需的传感器类型繁多,传感器的布设数量和位置通常是基于经验或者简单的力学计算来决定的,这往往会导致潜在的传感器冗余和监测位置的选择不当。这些问题进一步导致数据传输和数据分析的复杂性,增加监测工作量以及成本。
发明内容
本公开为了解决上述问题,提出了用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法,优化加载监测系统的布局和数据处理流程,通过寻找关键影响因素,保留关键信息的同时减少冗余数据,更准确地捕捉桥梁结构的重要变化,进一步确保桥梁在高负荷运行环境下的可靠性和安全性。
根据一些实施例,本公开采用如下技术方案:
用于确定斜拉桥服役状态影响因子的室内模型加载系统,包括水量和水循环电控模块、温湿度控制模块、电控千斤顶模块、环绕式风机模块以及模拟行车荷载的电动轮载模块;各个模块由电控模块统一供电且各个模块之间通过串口通信连接;
通过所述水量和水循环电控模块控制室内模型基础冲刷的电控水量以及水循环、温湿度控制模块对环境温湿度进行调整、电控千斤顶模块控制桥梁位移和转角改变、环绕式风机模块对环境风速风向的调整以及电动轮载模块对行车荷载的调整来对斜拉索状态进行不同变量的主动干扰,获取斜拉索不同状态下的监测数据,根据所述监测数据确定斜拉索的服役性能,并确定影响斜拉桥服役状态的关键影响因子。
进一步的,所述水量和水循环电控模块包括管道本体、可开关的放水口、可开关的注水口、水管、储水桶、过滤网以及流量控制机构,所述过滤网用于过滤基础冲刷时被刷下的杂质,所述可开关的放水口、可开关的注水口、水管以及储水桶用于管道的注水和放水,实现水量的初步控制,所述流量控制机构包括吸水器和射水器,用于根本需要进一步控制水的流量和流速。
进一步的,所述温湿度控制模块包括空调和增湿除湿器,用于调整环境的温湿度;所述电控千斤顶模块包括电控千斤顶,所述环绕式风机模块包括360°排风口,所述电动轮载模块包括小车本体、牵引绳以及可调速度的牵引机构。
根据一些实施例,本公开采用如下技术方案:
用于确定斜拉桥服役状态影响因子的方法,包括:
构建室内斜拉桥缩尺模型,将斜拉桥缩尺模型划分三个区块;
选择合适的传感器,设置合适的监测点,用于获取斜拉桥缩尺模型的监测数据;
设计对缩尺模型的试验方法,利用如权利要求1-3任一项所述的加载系统改变斜拉桥缩尺模型的状态,施加不同的车辆荷载和风荷载,控制不同的变量,获取不同状态下传感器的监测数据,确定反应斜拉索服役性能状态的影响因子、主梁服役性能状态的影响因子以及索塔服役性能状态的影响因子。
进一步的,构建室内斜拉桥缩尺模型,包括:
对原始斜拉桥尺寸以及物理特性进行采集,确定缩尺模型的尺寸和比例;
确定缩尺模型与原始斜拉桥的相似关系;
根据需要的材料性能,选择合适的材料制作缩尺模型。
进一步的,将斜拉桥缩尺模型划分三个区块,包括斜拉索、主梁和索塔。
进一步的,选择合适的传感器,设置合适的监测点,用于获取斜拉桥缩尺模型的监测数据,包括:
根据试验目的和现有需求确定传感器监测内容,确定各类传感器的功能并对应于监测内容,确定所需传感器的型号;
依据相关规范和现有条件具体确定传感器的型号以及安装位置并安装传感器获取监测数据。
进一步的,确定反应斜拉索服役性能状态的影响因子的方法包括:
通过加载系统对斜拉索状态主动干扰,包括改变斜拉索的锚固状态、断丝状态以及温度湿度,施加不同的车辆荷载和风荷载;
获取全部传感器的监测数据,根据传感器监测的索力、风速风向、振动、温湿度、断丝、锚固状态数据,采用专家打分法确定斜拉索的服役性能输出指标值;
采用长短时记忆网络预测服役性能,以不同的监测内容数据作为输入,得到不同的预测精度,将输出预测值与指标值进行比较确定预测精度,若通过某几项输入得到的预测精度达到90%以上,则确定这几项参数为关键因子。
进一步的,确定反应主梁服役性能状态的影响因子的方法包括:
控制变量,通过加载系统逐个改变监测内容,即应变、振动、关键截面裂缝、横竖向位移、梁端纵向位移、梁端转角、温湿度、支座反力以及支座位移的状态;
获取并分析数据,找出每次试验中变化明显的监测数据;
计算多次试验中各项监测数据明显变化的次数,若大多数监测内容的改变,均能引起某几个监测内容的明显改变,则确定这几个监测内容为关键因子。
进一步的,确定反应索塔服役性能状态的影响因子的方法为:
控制变量,通过加载系统逐个改变监测内容,即关键截面应变、振动、风速风向、偏位、倾角以及基础冲刷的状态;
获取并分析数据,找出每次试验中变化明显的监测数据;
计算多次试验中各项监测数据明显变化的次数,若大多数监测内容的改变,均能引起某几个监测内容的明显改变,则确定这几个监测内容为关键因子。
与现有技术相比,本公开的有益效果为:
本公开通过控制变量和动态交互影响分析等手段,开展桥梁性能状态关键因子辨识技术研究,建立桥梁服役状态与关键因子的关系模型,形成覆盖桥梁建设、管理、养护、运维全生命周期的可监测、可解析、可预测、可控制的关键因子数据库。
本公开为物理实体性能状态智能辨识提供理论支撑,优化检监测设备的布设方案,降低监测成本。
本公开虽以斜拉桥为基础展开,但可推广应用于其它桥型,甚至能够将本套思路推广应用于其它交通基础设施,如道路路基路面、隧道等。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1是本公开的一种电控加载系统示意图;
图2是本公开的一种斜拉桥服役状态关键影响因子的确定方法流程图;
图3是本公开的缩尺模型制作流程;
图4是本公开的传感器布设示例图;
图5是本公开的传感器的确定和安装流程;
图6是本公开的斜拉索关键因子确定流程;
图7是本公开的主梁和索塔的关键因子确定流程。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
本公开的一种实施例中提供了一种用于确定斜拉桥服役状态影响因子的室内模型加载系统,包括水量和水循环电控模块、温湿度控制模块、电控千斤顶模块、环绕式风机模块以及模拟行车荷载的电动轮载模块;
通过所述水量和水循环电控模块控制室内模型基础冲刷的电控水量以及水循环、温湿度控制模块对环境温湿度进行调整、电控千斤顶模块控制桥梁位移和转角改变、环绕式风机模块对环境风速风向的调整以及电动轮载模块对行车荷载的调整来对斜拉索状态进行不同变量的主动干扰,获取斜拉索不同状态下的监测数据,根据所述监测数据确定斜拉索的服役性能,并确定影响斜拉桥服役状态的关键影响因子。
作为一种实施例,如图1所示,具体的,包括用于基础冲刷的电控水量控制和水循环模块,用于环境温湿度调整的温湿度控制模块,用于桥梁位移和转角的电控千斤顶模块,用于环境风速风向控制的360°环绕式风机模块,用于模拟行车荷载的电动轮载模块。
各个模块之间通过电控模块统一供电,然后各个模块之间通过串口通信连接,将各个模块与计算机相连接,该计算机具备适当的硬件接口和软件驱动程序来支持通信和控制,通过计算机软件实现各个模块的开关及模式等控制。
所述用于基础冲刷的电控水量控制和水循环模块,包括管道本体、可开关的放水口、可开关的注水口、水管、储水桶、过滤网以及流量控制机构。如图1所示,储水桶可置于靠近于放水口和注水口的地方,便于水管将水吸入管道本体。通过流量控制机构将管道本体中的水射出,用于模拟基础冲刷。所述过滤网用于过滤基础冲刷时被冲刷下的杂质。所述可开关的放水口、可开关的注水口、水管、储水桶用于管道的注水和放水,实现水量初步控制。所述流量控制系统包括吸水器和射水器,可根据需要进一步控制水的流量和流速。
具体的,根据需求,通过计算机软件控制该模块,具体为控制流量控制机构的吸水量、吸水速率和射水量以及射水速率。
所述用于环境温湿度调整的温湿度控制模块,包括空调和增湿除湿器。
用于桥梁位移和转角的电控千斤顶模块,包括2个电控千斤顶。千斤顶可上下左右前后移动,前后移动则控制纵向位移,左右移动则控制横向位移,两个千斤顶不同幅度的上下移动则可实现转角。
用于环境风速风向控制的360°环绕式风机模块,包括360°排风口。
所述用于模拟行车荷载的电动轮载模块。包括小车本体、牵引绳、可调节速度的牵引机构。根据需求,计算机软件调整牵引机构的拉力大小,然后牵引机构施加拉力于牵引绳,牵引绳则可拉着小车移动。小车移动到最左端时,右边的牵引机构启动,小车移动到最右端时,左边的牵引机构启动。
作为一种实施例,用于确定斜拉桥服役状态影响因子的室内模型加载系统的加载方法具体为:
步骤一:电控加载系统的所有模块以及计算机通电;
步骤二:根据需求,通过计算机软件控制各个模块的开关;
步骤三:根据需求,通过计算机软件控制各个模块的具体细节,例如,吸水速率、射水速率、风机模块的风速和风向、千斤顶的位移方向和幅度等。
实施例2
本公开的一种实施例中提供了一种用于确定斜拉桥服役状态影响因子的方法,包括:
步骤一:构建室内斜拉桥缩尺模型,将斜拉桥缩尺模型划分三个区块;
步骤二:选择合适的传感器,设置合适的监测点,用于获取斜拉桥缩尺模型的监测数据;
步骤三:设计对缩尺模型的试验方法,利用如权利要求1-3任一项所述的加载系统改变斜拉桥缩尺模型的状态,施加不同的车辆荷载和风荷载,控制不同的变量,获取不同状态下传感器的监测数据,确定反应斜拉索服役性能状态的影响因子、主梁服役性能状态的影响因子以及索塔服役性能状态的影响因子。
作为一种实施例,一种斜拉桥服役状态关键影响因子的确定方法,利用电控加载系统室内桥梁模型进行加载,如图2所示包括以下步骤:
S1:将斜拉桥划分为三个区块,分别确定每个区块的关键因子;
S2:制作斜拉桥整体缩尺模型,或分别制作三个区块;
S3:设计模型试验,选择合适的传感器,依据规范将传感器安装于合适位置,并获取相关监测数据;
S4:基于模型试验确定反应斜拉索服役性能状态的影响因子;
S5:基于模型试验确定反应主梁服役性能状态的影响因子;
S6:基于模型试验确定反应索塔服役性能状态的影响因子;
S7:将确定的关键因子应用于实际桥梁。
具体的,
S1:将斜拉桥划分为三个区块,分别确定每个区块的关键因子。斜拉桥的三个区块划分包括斜拉索、主梁和索塔。
S2:制作斜拉桥整体缩尺模型,或分别制作三个区块。流程如图3所示,具体步骤为:
S21:对原桥尺寸及其它物理特性进行调研,确定缩尺试验模型的尺寸和比例,确定各区块的几何尺寸比例为1:10。
S22:确定缩尺模型与原桥的相似关系,包括静力特性相似关系和动力特性相似关系。所述相似关系包括静力特性相似关系和动力特性相似关系,如下表所述:
表1静力特性相似关系
表2动力特性相似关系
S23:依据S22,根据设计好的材料性能,采用适当的材料(如木材、金属、不同强度的混凝土结构等)制作缩尺模型,包括斜拉索、主梁、索塔以及支座等。
S3:设计模型试验,选择合适的传感器,依据规范将传感器安装于合适位置,传感器安装如图4所示,并获取相关监测数据。流程如图5所示,具体步骤如下:
S31:首先应根据试验目的和现有条件确定监测内容,由于试验目的是确定反应斜拉索服役状态的关键因子,监测内容应尽可能全面,斜拉索监测内容包括索力、断丝、振动、结冰、固定状态。除此之外,还包括环境监测,风速风向、温度湿度等。
S32:根据各类传感器的功能并与监测内容一一对应,确定所需传感器的大致型号。索力监测可采用加速度传感器;断丝检测可采用声发射传感器;振动监测可采用加速度传感器;结冰监测可采用超声波测试法以及视频监测法;固定状态可采用压力环式测力传感器。
S33:应依据现行相关规范和现有条件具体确定传感器的型号以及安装位置并安装传感器获取监测数据。进一步在所选传感器类型中确定最终传感器型号。缩尺模型试验中尽可能在全部索上安装索力和振动传感器;索结冰传感器可布设于近塔顶;固定状态监测应根据索夹类型、索夹倾角以及螺栓布置形式确定。
S4:基于模型试验确定反应斜拉索服役性能状态的影响因子。流程如图6所示,具体步骤为:
S41:通过电控加载系统对斜拉索状态主动干扰,改变斜拉索的状态(锚固状态、断丝状态、温度湿度),施加不同的车辆荷载和风荷载。
S42:获取全部传感器的监测数据,根据传感器监测的索力、风速风向、振动、温湿度、断丝、锚固状态等数据,,采用专家打分法确定斜拉索的服役性能输出指标值。
打分表实例如下表3所示,具体斜拉索状态数值应依据现实情况和相关规范确定。
表3斜拉索服役性能评分表示例
S43:采用长短时记忆网络(Long Short Term Memory,LSTM)算法预测服役性能,以不同的监测内容数据作为输入,得到不同的预测精度,若在训练集中预测精度达到95%以上,则继续在测试集中测试,如下表4所示。
S44:在测试集中,若通过某几项输入得到的预测精度达到90%以上,则确定这几项参数为关键因子。关键因子应根据预测精度和输入的参数数量综合确定,尽可能使得较少的参数预测得到较高的精度。
S5:基于模型试验确定反应主梁服役性能状态的影响因子。流程如图7所示,具体步骤为:
S51:控制变量,通过电控加载系统逐个改变监测内容(包括应变、振动、关键截面裂缝、横竖向位移、梁端纵向位移、梁端转角、温湿度、支座反力以及支座位移)的状态。在实际试验中,可根据经验、规范以及文献等预先假设某几项为关键因子,如应变、振动和支座反力。依次调整主梁横竖向位移、梁端纵向位移、梁端转角、温湿度、支座位移以及关键截面裂缝。
改变梁的横纵向位移可以利用千斤顶等工具主动制造梁的位移;改变梁的竖向位移可以通过施加静荷载或动荷载等方法;关键截面裂缝方面则可以通过主动破坏方式主动制造梁的关键截面裂缝;改变温湿度则可通过加湿器及空调等设备控制室内试验的环境温湿度。
S52:利用传感器数据确定其它监测内容是否因S51明显改变。本实施例中则为监测应变、振动和支座反力。
S53:计算多次试验中各项监测数据明显变化的次数,若大多数监测内容的改变,均能引起某几个监测内容的明显改变,则确定这几个监测内容为关键因子。本实施例中则为:若主梁横竖向位移、梁端纵向位移、梁端转角、温湿度、支座位移以及关键截面裂缝的变化均能引起应变、振动和支座反力的变化,则表示应变、振动和支座反力能够反应其它几项内容。理论上可以通过应变、振动和支座反力反推出其它几项内容的变化,则可验证假设成立,进而可确定应变、振动和支座反力为关键因子。
S6:基于模型试验确定反应索塔服役性能状态的影响因子。流程如图7所示,具体步骤为:
S61:控制变量,通过电控加载系统逐个改变监测内容(包括关键截面应变、振动、风速风向、偏位、倾角以及基础冲刷)的状态。
与S5类似,在实际试验中,可根据经验、规范以及文献等预先假设某几项为关键因子,如关键截面应变、振动。依次调整风速风向、偏位、倾角以及基础冲刷。本实施例中则为:若调整风速风向、偏位、倾角以及基础冲刷的变化均能引起应变、振动和支座反力的变化,则表示关键截面应变、振动能够反应其它几项内容。理论上可以通过关键截面应变、振动反推出其它几项内容的变化,则可验证假设成立,进而可确定关键截面应变、振动为关键因子。
S62:利用传感器数据确定其它监测内容是否因S61改变。本实施例中则为关键截面应变、振动。
S63:计算多次试验中各项监测数据明显变化的次数,若大多数监测内容的改变,均能引起某几个监测内容的明显改变,则确定这几个监测内容为关键因子。
S7:将确定的关键因子应用于实际桥梁。具体步骤为:
S71:确定关键因子在缩尺模型试验中所对应的传感器及其布设位置。
S72:按照S71确定的相关内容,将相应传感器布设于实际桥梁的相应位置。
S73:获取监测数据,实时监控实际桥梁的服役状态。
本公开是参照根据本公开实施例的方法、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。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.用于确定斜拉桥服役状态影响因子的室内模型加载系统,其特征在于,包括水量和水循环电控模块、温湿度控制模块、电控千斤顶模块、环绕式风机模块以及模拟行车荷载的电动轮载模块;各个模块由电控模块统一供电且各个模块之间通过串口通信连接;
通过所述水量和水循环电控模块控制室内模型基础冲刷的电控水量以及水循环、温湿度控制模块对环境温湿度进行调整、电控千斤顶模块控制桥梁位移和转角改变、环绕式风机模块对环境风速风向的调整以及电动轮载模块对行车荷载的调整来对斜拉索状态进行不同变量的主动干扰,获取斜拉索不同状态下的监测数据,根据所述监测数据确定斜拉索的服役性能,并确定影响斜拉桥服役状态的关键影响因子。
2.如权利要求1所述的用于确定斜拉桥服役状态影响因子的室内模型加载系统,其特征在于,所述水量和水循环电控模块包括管道本体、可开关的放水口、可开关的注水口、水管、储水桶、过滤网以及流量控制机构,所述过滤网用于过滤基础冲刷时被刷下的杂质,所述可开关的放水口、可开关的注水口、水管以及储水桶用于管道的注水和放水,实现水量的初步控制,所述流量控制机构包括吸水器和射水器,用于根本需要进一步控制水的流量和流速。
3.如权利要求1所述的用于确定斜拉桥服役状态影响因子的室内模型加载系统,其特征在于,所述温湿度控制模块包括空调和增湿除湿器,用于调整环境的温湿度;所述电控千斤顶模块包括电控千斤顶,所述环绕式风机模块包括360°排风口,所述电动轮载模块包括小车本体、牵引绳以及可调速度的牵引机构。
4.用于确定斜拉桥服役状态影响因子的方法,其特征在于,包括:
构建室内斜拉桥缩尺模型,将斜拉桥缩尺模型划分三个区块;
选择合适的传感器,设置合适的监测点,用于获取斜拉桥缩尺模型的监测数据;
设计对缩尺模型的试验方法,利用如权利要求1-3任一项所述的加载系统改变斜拉桥缩尺模型的状态,施加不同的车辆荷载和风荷载,控制不同的变量,获取不同状态下传感器的监测数据,确定反应斜拉索服役性能状态的影响因子、主梁服役性能状态的影响因子以及索塔服役性能状态的影响因子。
5.如权利要求4所述的用于确定斜拉桥服役状态影响因子的方法,其特征在于,构建室内斜拉桥缩尺模型,包括:
对原始斜拉桥尺寸以及物理特性进行采集,确定缩尺模型的尺寸和比例;
确定缩尺模型与原始斜拉桥的相似关系;
根据需要的材料性能,选择合适的材料制作缩尺模型。
6.如权利要求4所述的用于确定斜拉桥服役状态影响因子的方法,其特征在于,将斜拉桥缩尺模型划分三个区块,包括斜拉索、主梁和索塔。
7.如权利要求4所述的用于确定斜拉桥服役状态影响因子的方法,其特征在于,选择合适的传感器,设置合适的监测点,用于获取斜拉桥缩尺模型的监测数据,包括:
根据试验目的和现有需求确定传感器监测内容,确定各类传感器的功能并对应于监测内容,确定所需传感器的型号;
依据相关规范和现有条件具体确定传感器的型号以及安装位置并安装传感器获取监测数据。
8.如权利要求4所述的用于确定斜拉桥服役状态影响因子的方法,其特征在于,确定反应斜拉索服役性能状态的影响因子的方法包括:
通过加载系统对斜拉索状态主动干扰,包括改变斜拉索的锚固状态、断丝状态以及温度湿度,施加不同的车辆荷载和风荷载;
获取全部传感器的监测数据,根据传感器监测的索力、风速风向、振动、温湿度、断丝、锚固状态数据,采用专家打分法确定斜拉索的服役性能输出指标值;
采用长短时记忆网络预测服役性能,以不同的监测内容数据作为输入,得到不同的预测精度,将输出预测值与指标值进行比较确定预测精度,若通过某几项输入得到的预测精度达到90%以上,则确定这几项参数为关键因子。
9.如权利要求4所述的用于确定斜拉桥服役状态影响因子的方法,其特征在于,确定反应主梁服役性能状态的影响因子的方法包括:
控制变量,通过加载系统逐个改变监测内容,即应变、振动、关键截面裂缝、横竖向位移、梁端纵向位移、梁端转角、温湿度、支座反力以及支座位移的状态;
获取并分析数据,找出每次试验中变化明显的监测数据;
计算多次试验中各项监测数据明显变化的次数,若大多数监测内容的改变,均能引起某几个监测内容的明显改变,则确定这几个监测内容为关键因子。
10.如权利要求4所述的用于确定斜拉桥服役状态影响因子的方法,其特征在于,确定反应索塔服役性能状态的影响因子的方法为:
控制变量,通过加载系统逐个改变监测内容,即关键截面应变、振动、风速风向、偏位、倾角以及基础冲刷的状态;
获取并分析数据,找出每次试验中变化明显的监测数据;
计算多次试验中各项监测数据明显变化的次数,若大多数监测内容的改变,均能引起某几个监测内容的明显改变,则确定这几个监测内容为关键因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311307724.6A CN117606831A (zh) | 2023-10-10 | 2023-10-10 | 用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311307724.6A CN117606831A (zh) | 2023-10-10 | 2023-10-10 | 用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117606831A true CN117606831A (zh) | 2024-02-27 |
Family
ID=89952211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311307724.6A Pending CN117606831A (zh) | 2023-10-10 | 2023-10-10 | 用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117606831A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374597A (zh) * | 2014-12-11 | 2015-02-25 | 中南大学 | 铁路斜拉桥试验模型 |
CN106097819A (zh) * | 2016-07-31 | 2016-11-09 | 重庆交通大学 | 用于实验教学的桥梁仿真检测方法及系统 |
CN109506714A (zh) * | 2018-12-22 | 2019-03-22 | 吴碧玉 | 一种人工智能桥梁安全检测系统 |
CN111751215A (zh) * | 2020-07-29 | 2020-10-09 | 重庆交通大学 | 一种转体桥梁称重试验系统 |
CN111982656A (zh) * | 2020-07-21 | 2020-11-24 | 深圳大学 | 环境荷载耦合作用下工程结构模型试验系统 |
US20220042875A1 (en) * | 2020-08-04 | 2022-02-10 | Palo Alto Research Center Incorporated | Methods and systems for damage evaluation of structural assets |
CN114580875A (zh) * | 2022-02-24 | 2022-06-03 | 广西交科集团有限公司 | 一种考虑多层级、多因素下的拉索状态评估方法 |
CN219547563U (zh) * | 2023-01-31 | 2023-08-18 | 湖北楚天联发路桥养护有限公司 | 一种桥梁顶升抬高位移调节装置 |
-
2023
- 2023-10-10 CN CN202311307724.6A patent/CN117606831A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104374597A (zh) * | 2014-12-11 | 2015-02-25 | 中南大学 | 铁路斜拉桥试验模型 |
CN106097819A (zh) * | 2016-07-31 | 2016-11-09 | 重庆交通大学 | 用于实验教学的桥梁仿真检测方法及系统 |
CN109506714A (zh) * | 2018-12-22 | 2019-03-22 | 吴碧玉 | 一种人工智能桥梁安全检测系统 |
CN111982656A (zh) * | 2020-07-21 | 2020-11-24 | 深圳大学 | 环境荷载耦合作用下工程结构模型试验系统 |
CN111751215A (zh) * | 2020-07-29 | 2020-10-09 | 重庆交通大学 | 一种转体桥梁称重试验系统 |
US20220042875A1 (en) * | 2020-08-04 | 2022-02-10 | Palo Alto Research Center Incorporated | Methods and systems for damage evaluation of structural assets |
CN114580875A (zh) * | 2022-02-24 | 2022-06-03 | 广西交科集团有限公司 | 一种考虑多层级、多因素下的拉索状态评估方法 |
CN219547563U (zh) * | 2023-01-31 | 2023-08-18 | 湖北楚天联发路桥养护有限公司 | 一种桥梁顶升抬高位移调节装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1108503C (zh) | 监控膨胀阀的系统 | |
CN101285463A (zh) | 一种有杆泵抽油机抽油控制方法及其系统 | |
CN1139969A (zh) | 建筑结构参数实时修正的改进方法及其装置 | |
CN115019477B (zh) | 一种智慧城市内涝灾害实时预测预警系统及方法 | |
CN104713673A (zh) | 基于扩展卡尔曼滤波器的拉索时变索力历程识别方法 | |
CN109991092B (zh) | 变幅荷载下构件的自然暴露实验装置、系统及方法 | |
CN112726432A (zh) | 一种桥梁运维方法、装置、系统、计算机设备和存储介质 | |
CN113158293A (zh) | 建筑物安全性能评估方法及装置 | |
CN107941620A (zh) | 地下工程锚网喷支护结构力学性能测试评价装置及方法 | |
CN115127943A (zh) | 一种风力机叶片多功能测试平台及测试方法 | |
CN117606831A (zh) | 用于确定斜拉桥服役状态影响因子的室内模型加载系统及方法 | |
CN110889248B (zh) | 空气弹簧疲劳寿命预测平台及其预测方法 | |
DeWolf et al. | Connecticut's bridge infrastructure monitoring program for assessment | |
CN117686211A (zh) | 直埋阀门故障容错控制方法及系统 | |
CN116795149A (zh) | 一种索塔横梁收缩裂缝控制方法、装置、设备及存储介质 | |
CN109523889B (zh) | 一种建筑二次供水节能中试系统及方法 | |
CN103603443B (zh) | 楼面建筑设备隔振装置及其安装方法 | |
CN106383019A (zh) | 一种用于离心模型试验的浸水系统及测试方法 | |
CN104963514A (zh) | 一种具有多台预应力智能张拉设备的控制系统 | |
CN115961996A (zh) | 一种基于随机风速场预测的煤矿主通风机变频器调速方法 | |
CN205581614U (zh) | 供水管网实时监控调度系统 | |
CN115265757A (zh) | 一种基于神经网络诊断模型的动力设备振动监测方法 | |
CN113486417A (zh) | 一种控制主塔和钢梁施工仿真系统 | |
CN110632175A (zh) | 路面层间结构脱空状态检测方法、系统及使用方法 | |
CN207180744U (zh) | 一种气膜建筑监测系统 |
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 |