CN117688480A - 一种基于损伤频率全景图与随机森林的桥梁损伤识别方法 - Google Patents
一种基于损伤频率全景图与随机森林的桥梁损伤识别方法 Download PDFInfo
- Publication number
- CN117688480A CN117688480A CN202410156246.1A CN202410156246A CN117688480A CN 117688480 A CN117688480 A CN 117688480A CN 202410156246 A CN202410156246 A CN 202410156246A CN 117688480 A CN117688480 A CN 117688480A
- Authority
- CN
- China
- Prior art keywords
- bridge
- damage
- random forest
- frequency
- degree
- 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.)
- Granted
Links
- 230000006378 damage Effects 0.000 title claims abstract description 185
- 238000007637 random forest analysis Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000000007 visual effect Effects 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 9
- 238000010801 machine learning Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于损伤频率全景图与随机森林的桥梁损伤识别方法,属于桥梁结构领域,包括:根据桥梁的原始响应数据,并进行标记和预处理,得到标记的原始响应数据和预处理的原始响应数据,并建立桥梁的频率全景图,得到桥梁的损伤位置和程度,并用于对随机森林模型进行训练,利用训练好的随机森林模型对新的桥梁进行损伤识别,得到可视化的桥梁损伤识别结果。本发明能够根据桥梁的原始响应数据、损伤频率全景图和随机森林机器学习模型,对桥梁的损伤位置和损伤程度进行自动化识别和预测,具有准确定位损伤位置和程度的能力、具有更高的识别准确性和可靠性、更强的泛化能力、还能够提供预测结果的不确定性,为桥梁维护和保养提供有效的支持。
Description
技术领域
本发明属于桥梁结构领域,具体涉及一种基于损伤频率全景图与随机森林的桥梁损伤识别方法。
背景技术
桥梁是现代社会不可或缺的基础设施之一,对交通和经济发展起着至关重要的作用,桥梁的安全性和可靠性一直是工程领域的重要关注点。桥梁的损伤识别对于确保其正常运行、延长使用寿命以及预防事故具有极其重要的意义。桥梁损伤的累积和未被察觉的损伤可能导致桥梁的结构性能下降,增加了事故的风险。通过及时识别损伤,采取必要的维修和保养措施,延长桥梁的寿命,减少了维修成本和交通中断的风险,减少事故发生的可能性,保障行车安全。
通过桥梁损伤识别能够便于安排桥梁定期的维护和修复,可以防止小问题变成大问题,延长桥梁的寿命,减少了维修成本和交通中断的风险,对于基础设施投资具有长期经济效益,桥梁损伤识别不仅关乎公共安全和基础设施的可持续性,还关系到经济和社会的发展,因此,发展和应用高效的桥梁损伤识别技术是当前工程领域的紧迫任务,能够显著提高桥梁的安全性、可用性和经济性。
传统的桥梁损伤识别方法,通常需要人工经验或局部监测,存在着识别效率低、可靠性不高等问题,同时人工监测成本高,使得桥梁维护的成本效益低,因此,发展和应用高效的桥梁损伤识别技术是当前工程领域的紧迫任务,能够显著提高桥梁的安全性、可用性和经济性。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于损伤频率全景图与随机森林的桥梁损伤识别方法,能够准确定位桥梁损伤位置和程度,具有更高的识别准确性、可靠性和泛化能力,为桥梁维护和保养提供有效的支持。
为了达到上述发明目的,本发明采用的技术方案为:一种基于损伤频率全景图与随机森林的桥梁损伤识别方法,包括以下步骤:
S1:获取桥梁的原始响应数据,并进行标记,得到已标记的原始响应数据;
S2:对桥梁的原始响应数据进行预处理,得到预处理后的原始响应数据;
S3:根据预处理后的原始响应数据,建立桥梁的频率全景图,得到桥梁的损伤位置和程度;
S4:构建随机森林模型,并利用桥梁的原始响应数据、已标记的原始响应数据以及桥梁的损伤位置和程度对其进行训练,得到已训练的随机森林模型;
S5:利用训练好的随机森林模型对新的桥梁进行损伤识别,得到损伤位置和损伤程度的预测结果,并对损伤位置和损伤程度的预测结果进行评估,得到评估结果;
S6:根据所述损伤位置的预测结果、损伤程度的预测结果和评估结果,得到可视化的桥梁损伤识别结果。
本发明的有益效果为:本发明提供了一种基于损伤频率全景图与随机森林的桥梁损伤识别方法,能够根据桥梁振动频率、加速度和形变,结合损伤频率全景图和随机森林机器学习模型,对桥梁的损伤位置和损伤程度进行自动化识别和概率预测,具有准确定位损伤位置和程度的能力、具有更高的识别准确性和可靠性、更强的泛化能力、还能够提供预测结果的不确定性,为桥梁维护和保养提供有效的支持。
进一步地:所述S3的具体步骤如下:
S301:根据桥梁振动频率,计算桥梁振动频率与桥梁损伤位置的相关性;
S302:根据桥梁振动频率,计算桥梁振动频率对桥梁损伤位置的信息增益和桥梁振动频率对桥梁损伤程度的信息增益;
S303:根据所述相关性和所述信息增益,得到损伤频率等高带和损伤频率等高线,并投影至二维平面,建立桥梁的频率全景图,得到桥梁的损伤位置和损伤程度。
上述进一步方案的有益效果为:本发明通过建立桥梁的频率全景图,便于对损伤位置和损伤程度进行定位和识别,能够更加准确地展示桥梁的结构健康状况,并识别潜在的结构损伤。
进一步地:所述S4的具体步骤如下:
S401:利用随机森林算法,建立随机森林模型;
S402:将桥梁的原始响应数据作为特征集,将桥梁的损伤位置和程度作为标签;
S403:对已标记的原始响应数据进行划分,得到训练集和验证集;
S404:根据特征集、标签和训练集对随机森林模型进行训练;
S405:根据交叉验证方法,判断随机森林模型在验证集上是否存在过度拟合,若是,则停止训练,得到已训练的随机森林模型,否则,对随机森林模型的参数进行调整,并返回S404。
上述进一步方案的有益效果为:本发明通过随机森林模型,识别和预测桥梁的损伤位置和损伤程度,能够额外提供概率信息,提高损伤识别的准确性和可靠性。
进一步地:所述S5的具体步骤如下:
S501:获取新的桥梁振动频率、桥梁加速度和桥梁形变;
S502:根据S501获取的数据,利用已训练的随机森林模型建立桥梁的频率全景图并进行预测,分别得到损伤位置的预测结果、损伤位置的概率信息、损伤程度的预测结果和损伤程度的概率信息;
S503:根据损伤位置的概率信息和损伤程度的概率信息,对损伤位置和损伤程度的预测结果进行评估,得到评估结果。
上述进一步方案的有益效果为:根据损伤位置的预测结果、损伤位置的概率信息、损伤程度的预测结果和损伤程度的概率信息,便于后续转化为可视化的损伤识别结果。
附图说明
图1为一种基于损伤频率全景图与随机森林的桥梁损伤识别方法的流程图;
图2为桥梁的损伤频率全景图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于损伤频率全景图与随机森林的桥梁损伤识别方法,包括以下步骤:
S1:获取桥梁的原始响应数据,并进行标记,得到已标记的原始响应数据;
S2:对桥梁的原始响应数据进行预处理,得到预处理后的原始响应数据;
S3:根据预处理后的原始响应数据,建立桥梁的频率全景图,得到桥梁的损伤位置和程度;
S4:构建随机森林模型,并利用桥梁的原始响应数据、已标记的原始响应数据以及桥梁的损伤位置和程度对其进行训练,得到已训练的随机森林模型;
S5:利用训练好的随机森林模型对新的桥梁进行损伤识别,得到损伤位置和损伤程度的预测结果,并对损伤位置和损伤程度的预测结果进行评估,得到评估结果;
S6:根据所述损伤位置的预测结果、损伤程度的预测结果和评估结果,得到可视化的桥梁损伤识别结果。
在本发明的一个实施例中,S1中通过安装在桥梁上的传感器和监测系统采集桥梁的振动频率、桥梁的加速度和桥梁的形变,作为原始响应数据,并进行准确标记,将损伤位置和损伤程度均与原始响应数据进行关联;根据原始响应数据,采用去噪、滤波、归一化、采样率调整、异常值检测与处理、数据插值、特征提取和数据标准化进行预处理,得到质量更高、可用性更强的预处理后的原始响应数据。
其中,S3的具体步骤如下:
S301:根据桥梁振动频率,计算桥梁振动频率与桥梁损伤位置的相关性;
S302:根据桥梁振动频率,计算桥梁振动频率对桥梁损伤位置的信息增益和桥梁振动频率对桥梁损伤程度的信息增益;
S303:根据所述相关性和所述信息增益,得到损伤频率等高带和损伤频率等高线,并投影至二维平面,建立桥梁的频率全景图,得到桥梁的损伤位置和损伤程度。
在本发明的一个实施例中,S301中可通过计算皮尔逊相关系数表示桥梁振动频率与桥梁损伤位置的相关性,皮尔逊相关系数的表达式如下:
其中,为皮尔逊相关系数,/>为第/>个桥梁振动频率数据,/>为第/>个桥梁损伤位置,/>为桥梁振动频率的平均值,/>为桥梁损伤位置的平均值,/>为数据的数量。
在本发明的一个实施例中,S302中可通过熵和条件熵的差值表示桥梁振动频率对桥梁损伤位置的信息增益和桥梁振动频率对桥梁损伤程度的信息增益,信息增益的表达式如下:
其中,为桥梁振动频率,/>为已知桥梁损伤位置,/>为桥梁振动频率的熵,为在已知桥梁损伤位置条件下桥梁振动频率的条件熵,/>为熵和条件熵的差值。
上述熵和条件熵的差值的表达式中,能够衡量了振动频率的不确定性,其值越大,表示振动频率的变化越不规律,信息量越大;/>能够衡量在已知损伤位置的情况下振动频率的不确定性,其值越大,表示在已知损伤位置的情况下,振动频率的变化越不规律,信息量越大;/>能够衡量在已知桥梁损伤位置的情况下,桥梁振动频率提供了多少额外的信息,其值越大,表示桥梁振动频率对损伤位置的预测具有更高的信息量。
在本发明的一个实施例中,使用数据可视化工具可建立桥梁的损伤频率全景图,如图2所示,其中,横坐标为桥梁的振动频率,单位为Hz,纵坐标为桥梁的损伤程度,实线为损伤等高线,虚线为损伤频率,根据桥梁的损伤频率全景图,可对桥梁的损伤位置和损伤程度进行确定。
其中,S4的具体步骤如下:
S401:利用随机森林算法,建立随机森林模型,其中,随机森林通过对原始响应数据进行自助采样和随机选择特征子集来建立多个决策树;
S402:将桥梁的原始响应数据作为特征集,并选择最具有区分性和相关性的特征作为输入特征,将桥梁的损伤位置和程度作为标签;
S403:对已标记的原始响应数据进行划分,得到训练集和验证集;
S404:根据特征集、标签和训练集对随机森林模型进行训练;
S405:根据交叉验证方法,判断随机森林模型在验证集上是否存在过度拟合,若是,则停止训练,得到已训练的随机森林模型,否则,对随机森林模型的参数进行调整,并返回S404。
在本发明的一个实施例中,S405中对随机森林模型的参数进行调整时,可通过调整随机森林模型的参数和超参数,比如随机森林模型中树的数量、树的深度、特征选择的阈值和随机性控制参数等参数,对随机森林模型进行优化,提高损伤识别结果的准确性和可靠性;
其中,树的数量,表示在随机森林中包含的决策树的数量,增加树的数量通常能够提高模型的性能,但也会增加计算成本,需要找到一个合适的数量,在性能和效率之间取得平衡;
树的深度,表示每棵决策树的最大深度,树的深度越大,拟合训练数据的效果越好,但深度过大会导致过拟合,需要控制树的深度,避免随机森林模型过于复杂;
特征选择的阈值,表示在每次分裂节点时要考虑的特征数量,可以是一个整数(表示要考虑的特征数)或一个浮点数(表示要考虑的特征比例),通过限制每次分裂考虑的特征数量,可以增加随机森林模型的多样性;
随机性控制参数,可通过控制随机性控制参数来改变模型的性能,例如,可以设置种子以确保结果的可重复性,使用随机子样本来构建每棵树。
其中,S5的具体步骤如下:
S501:获取新的桥梁的振动频率、加速度和形变;
S502:根据S501获取的数据,利用训练好的随机森林模型建立桥梁的频率全景图并进行预测,分别得到损伤位置的预测结果、损伤位置的概率信息、损伤程度的预测结果和损伤程度的概率信息;
S503:根据损伤位置的概率信息和损伤程度的概率信息,对损伤位置和损伤程度的预测结果进行评估,得到评估结果。
在本发明的一个实施例中,S6中可识别的桥梁损伤识别结果,包括损伤位置的分布区域和损伤程度的预测范围,具体可转化为可视化的结果,比如损伤热图、损伤等高带图和损伤等高线图,能够直观地显示桥梁上的损伤位置和损伤程度分布,便于专业人员更好地理解桥梁的具体健康情况。
在本发明的一个实施例中,对得到的可视化的桥梁损伤识别结果进行验证,将模型的输出与实际损伤情况进行对比和分析,本发明可采用以下方式进行验证:
实地检查:专业人员在现场检查桥梁的损伤情况,将实际损伤情况与本发明的预测结果进行比较,验证本发明预测的损伤识别结果的准确性;
结构评估:专业人员对桥梁结构进行评估,评估本发明预测的损伤识别结果是否与实际桥梁结构状况一致;
性能指标:使用性能指标如准确性、召回率、F1分数等来定量评估模型性能。
本发明的有益效果为:本发明提供了一种基于损伤频率全景图与随机森林的桥梁损伤识别方法,能够根据桥梁振动频率、加速度和形变,结合损伤频率全景图和随机森林机器学习模型,对桥梁的损伤位置和损伤程度进行自动化识别和概率预测,具有准确定位损伤位置和程度的能力、具有更高的识别准确性和可靠性、更强的泛化能力、还能够提供预测结果的不确定性,为桥梁维护和保养提供有效的支持。
Claims (5)
1.一种基于损伤频率全景图与随机森林的桥梁损伤识别方法,其特征在于,包括以下步骤:
S1:获取桥梁的原始响应数据,并进行标记,得到已标记的原始响应数据;
S2:对桥梁的原始响应数据进行预处理,得到预处理后的原始响应数据;
S3:根据预处理后的原始响应数据,建立桥梁的频率全景图,得到桥梁的损伤位置和程度;
S4:构建随机森林模型,并利用桥梁的原始响应数据、已标记的原始响应数据以及桥梁的损伤位置和程度对其进行训练,得到已训练的随机森林模型;
S5:利用训练好的随机森林模型对新的桥梁进行损伤识别,得到损伤位置和损伤程度的预测结果,并对损伤位置和损伤程度的预测结果进行评估,得到评估结果;
S6:根据所述损伤位置的预测结果、损伤程度的预测结果和评估结果,得到可视化的桥梁损伤识别结果。
2.根据权利要求1所述的基于损伤频率全景图与随机森林的桥梁损伤识别方法,其特征在于,所述S2中预处理后的原始响应数据包括:桥梁振动频率、桥梁加速度和桥梁形变。
3.根据权利要求2所述的基于损伤频率全景图与随机森林的桥梁损伤识别方法,其特征在于,所述S3的具体步骤如下:
S301:根据桥梁振动频率,计算桥梁振动频率与桥梁损伤位置的相关性;
S302:根据桥梁振动频率,计算桥梁振动频率对桥梁损伤位置的信息增益和桥梁振动频率对桥梁损伤程度的信息增益;
S303:根据所述相关性和所述信息增益,得到损伤频率等高带和损伤频率等高线,并投影至二维平面,建立桥梁的频率全景图,得到桥梁的损伤位置和损伤程度。
4.根据权利要求1所述的基于损伤频率全景图与随机森林的桥梁损伤识别方法,其特征在于,所述S4的具体步骤如下:
S401:利用随机森林算法,建立随机森林模型;
S402:将桥梁的原始响应数据作为特征集,将桥梁的损伤位置和程度作为标签;
S403:对已标记的原始响应数据进行划分,得到训练集和验证集;
S404:根据特征集、标签和训练集对随机森林模型进行训练;
S405:根据交叉验证方法,判断随机森林模型在验证集上是否存在过度拟合,若是,则停止训练,得到已训练的随机森林模型,否则,对随机森林模型的参数进行调整,并返回S404。
5.根据权利要求1所述的基于损伤频率全景图与随机森林的桥梁损伤识别方法,其特征在于,所述S5的具体步骤如下:
S501:获取新的桥梁振动频率、桥梁加速度和桥梁形变;
S502:根据S501获取的数据,利用已训练的随机森林模型建立桥梁的频率全景图并进行预测,分别得到损伤位置的预测结果、损伤位置的概率信息、损伤程度的预测结果和损伤程度的概率信息;
S503:根据损伤位置的概率信息和损伤程度的概率信息,对损伤位置和损伤程度的预测结果进行评估,得到评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410156246.1A CN117688480B (zh) | 2024-02-04 | 一种基于损伤频率全景图与随机森林的桥梁损伤识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410156246.1A CN117688480B (zh) | 2024-02-04 | 一种基于损伤频率全景图与随机森林的桥梁损伤识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117688480A true CN117688480A (zh) | 2024-03-12 |
CN117688480B CN117688480B (zh) | 2024-05-14 |
Family
ID=
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160245686A1 (en) * | 2015-02-23 | 2016-08-25 | Biplab Pal | Fault detection in rotor driven equipment using rotational invariant transform of sub-sampled 3-axis vibrational data |
CN107832564A (zh) * | 2017-12-05 | 2018-03-23 | 河海大学 | 一种基于pzt振测信号的泄流结构bim损伤识别信息系统 |
CN110375987A (zh) * | 2019-06-24 | 2019-10-25 | 昆明理工大学 | 一种基于深度森林机械轴承故障检测方法 |
CN114139381A (zh) * | 2021-12-01 | 2022-03-04 | 北京交通大学 | 一种考虑桩土参数不确定性的桩基础损伤普查和评估方法 |
CN114563150A (zh) * | 2021-12-23 | 2022-05-31 | 贵州大学 | 桥梁健康在线检测模块生成方法、检测方法、工具箱及装置 |
CN115937504A (zh) * | 2022-12-01 | 2023-04-07 | 西南林业大学 | 一种桥梁结构损伤识别方法和系统 |
US20230121897A1 (en) * | 2021-10-20 | 2023-04-20 | Oracle International Corporation | Autonomous discrimination of operation vibration signals |
CN116401902A (zh) * | 2022-12-14 | 2023-07-07 | 中国人民解放军军事科学院国防工程研究院工程防护研究所 | 基于随机森林模型的意外爆炸对桥梁毁伤评估方法 |
CN116664488A (zh) * | 2023-04-25 | 2023-08-29 | 河海大学 | 基于手机app和机器视觉的桥梁表面病害及结构损伤监测方法 |
JP2023163356A (ja) * | 2022-04-28 | 2023-11-10 | 三菱重工業株式会社 | 損傷箇所特定装置、損傷箇所特定システム、損傷箇所特定方法及びプログラム |
CN117473263A (zh) * | 2023-11-08 | 2024-01-30 | 厦门大学 | 一种桥梁振动监测的频率与阻尼比自动识别方法和系统 |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160245686A1 (en) * | 2015-02-23 | 2016-08-25 | Biplab Pal | Fault detection in rotor driven equipment using rotational invariant transform of sub-sampled 3-axis vibrational data |
CN107832564A (zh) * | 2017-12-05 | 2018-03-23 | 河海大学 | 一种基于pzt振测信号的泄流结构bim损伤识别信息系统 |
CN110375987A (zh) * | 2019-06-24 | 2019-10-25 | 昆明理工大学 | 一种基于深度森林机械轴承故障检测方法 |
US20230121897A1 (en) * | 2021-10-20 | 2023-04-20 | Oracle International Corporation | Autonomous discrimination of operation vibration signals |
CN114139381A (zh) * | 2021-12-01 | 2022-03-04 | 北京交通大学 | 一种考虑桩土参数不确定性的桩基础损伤普查和评估方法 |
CN114563150A (zh) * | 2021-12-23 | 2022-05-31 | 贵州大学 | 桥梁健康在线检测模块生成方法、检测方法、工具箱及装置 |
JP2023163356A (ja) * | 2022-04-28 | 2023-11-10 | 三菱重工業株式会社 | 損傷箇所特定装置、損傷箇所特定システム、損傷箇所特定方法及びプログラム |
CN115937504A (zh) * | 2022-12-01 | 2023-04-07 | 西南林业大学 | 一种桥梁结构损伤识别方法和系统 |
CN116401902A (zh) * | 2022-12-14 | 2023-07-07 | 中国人民解放军军事科学院国防工程研究院工程防护研究所 | 基于随机森林模型的意外爆炸对桥梁毁伤评估方法 |
CN116664488A (zh) * | 2023-04-25 | 2023-08-29 | 河海大学 | 基于手机app和机器视觉的桥梁表面病害及结构损伤监测方法 |
CN117473263A (zh) * | 2023-11-08 | 2024-01-30 | 厦门大学 | 一种桥梁振动监测的频率与阻尼比自动识别方法和系统 |
Non-Patent Citations (5)
Title |
---|
YIFENG ZHANG 等: "Automatic identifcation method of bridge structure damage area based on digital image", 《STRUCTURES》, 28 April 2021 (2021-04-28), pages 68 - 76 * |
YINGYING HE 等: "A Novel Structural Damage Identification Method Using a Hybrid Deep Learning Framework", 《BUILDINGS》, 4 December 2022 (2022-12-04), pages 1 - 18 * |
范小宁、罗志宏: "等高线法的桥式起重机主梁损伤识别", 《中国工程机械学报》, vol. 19, no. 2, 30 April 2021 (2021-04-30), pages 170 - 175 * |
贺文宇 等: "基于间接法识别的桥梁振型的损伤定位方法", 《振动与冲击》, vol. 37, no. 24, 28 December 2018 (2018-12-28), pages 13 - 17 * |
闫嵩 等: "基于双层深度置信网络的梁桥结构损伤识别方法研究", 《地震工程学报》, vol. 46, no. 1, 31 January 2024 (2024-01-31), pages 66 - 73 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104992270B (zh) | 输变电设备状态检修辅助决策系统及方法 | |
CN108446864B (zh) | 基于大数据分析的轨道交通设备的故障预警系统及方法 | |
CN109544399B (zh) | 基于多源异构数据的输电设备状态评价方法及装置 | |
CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
CN112347916A (zh) | 基于视频图像分析的电力现场作业安全监控方法及装置 | |
US11906112B2 (en) | Methods for safety management of compressors in smart gas pipeline network and internet of things systems thereof | |
CN116308305B (zh) | 一种桥梁健康监测数据管理系统 | |
CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
CN116186936B (zh) | 连铸工艺参数的确定方法、系统、设备及介质 | |
CN117032415B (zh) | 一种基于温度变化的设备数据监管系统及方法 | |
CN116105802A (zh) | 一种基于物联网的地下设施安全监测预警方法 | |
CN115035475A (zh) | 供水管线实时监控方法、装置、电子设备及介质 | |
CN117454114A (zh) | 基于多点位分布的地铁隧道掘进爆破振动安全监测装置 | |
CN113177646A (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
CN112052732A (zh) | 一种电缆异常自动报警的方法及装置 | |
CN113743726B (zh) | 基于边缘计算的输电线路电缆沟作业安全管控方法及系统 | |
CN113743725B (zh) | 基于边缘计算的登高作业人员的登高资质检测方法及系统 | |
CN117688480B (zh) | 一种基于损伤频率全景图与随机森林的桥梁损伤识别方法 | |
CN111222968A (zh) | 一种企业税务风险管控方法及系统 | |
CN117688480A (zh) | 一种基于损伤频率全景图与随机森林的桥梁损伤识别方法 | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
CN113392576B (zh) | 一种系留气球主缆绳拉力状态评估预警方法 | |
CN114862039A (zh) | 一种卷烟制丝工序物料损耗的预警方法及装置 | |
CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
CN117113259B (zh) | 用于安全隐患预测的煤矿状态数据处理方法及系统 |
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 | ||
GR01 | Patent grant |