CN117974369A - 一种桥梁智能施工监控方法及装置 - Google Patents

一种桥梁智能施工监控方法及装置 Download PDF

Info

Publication number
CN117974369A
CN117974369A CN202410371826.2A CN202410371826A CN117974369A CN 117974369 A CN117974369 A CN 117974369A CN 202410371826 A CN202410371826 A CN 202410371826A CN 117974369 A CN117974369 A CN 117974369A
Authority
CN
China
Prior art keywords
monitoring
construction
bridge
range
value
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
Application number
CN202410371826.2A
Other languages
English (en)
Other versions
CN117974369B (zh
Inventor
杨继承
余曾
舒涛
王亚风
刘紫超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi Traffic Control Tongyu Traffic Research Co ltd
Original Assignee
Shaanxi Traffic Control Tongyu Traffic Research Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shaanxi Traffic Control Tongyu Traffic Research Co ltd filed Critical Shaanxi Traffic Control Tongyu Traffic Research Co ltd
Priority to CN202410371826.2A priority Critical patent/CN117974369B/zh
Publication of CN117974369A publication Critical patent/CN117974369A/zh
Application granted granted Critical
Publication of CN117974369B publication Critical patent/CN117974369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08Construction
    • EFIXED CONSTRUCTIONS
    • E01CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01DCONSTRUCTION OF BRIDGES, ELEVATED ROADWAYS OR VIADUCTS; ASSEMBLY OF BRIDGES
    • E01D21/00Methods or apparatus specially adapted for erecting or assembling bridges
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/243Classification techniques relating to the number of classes
    • G06F18/24323Tree-organised classifiers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • G06N20/20Ensemble learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/01Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Structural Engineering (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)

Abstract

本发明涉及桥梁施工监控技术领域,具体涉及一种桥梁智能施工监控方法及装置。根据施工方案计算各施工阶段的监控参数的理论值;再根据监控参数的理论值确定监控参数的备选监控范围;然后根据施工阶段的观测值对备选监控范围进行修正,获得监控指导范围;最后基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果。这样,在各施工阶段获取不同的监控指导范围,并根据观测值实时调整,灵活性高,从而在利用监控指导范围对实测值进行判断,实现桥梁监控时,更加灵活,准确性更高。

Description

一种桥梁智能施工监控方法及装置
技术领域
本发明涉及桥梁施工监控技术领域,具体涉及一种桥梁智能施工监控方法及装置。
背景技术
刚构桥是一种介于梁与拱之间的一种结构体系,它是由受弯的上部梁(或板)结构与承压的下部柱(或墩)整体结合在一起的结构。由于梁和柱的刚性连接,梁因柱的抗弯刚度而得到卸荷作用,整个体系是压弯结构,也是有推力的结构,是一种桥身主要承重结构为刚架的桥梁。刚构桥梁段数量多、结构复杂,施工过程影响因素多,易造成施工过程中桥梁实际线形与理想线形偏离,因此需对施工全过程进行监控。
现有技术通常是采集桥梁施工过程中的各种桥梁参数,并进行显示以便于用户查看,以此实现对桥梁施工过程的监测。例如现有技术CN110765532A公开了一种刚构桥施工全过程的结构监测分析管理系统及方法,该方法通过有限元模型预测刚构桥下一阶段的桥梁参数,并将施工过程的各种桥梁实测参数和预测参数进行多维度显示,以供用户参考,从而实现对刚构桥施工全过程的结构监测。这种方式着重于显示桥梁数据的多样性和可看性,在监控时仅仅将桥梁参数与预设的阈值进行比较来实现桥梁预警。这样的刚构桥监控方式全依赖于人工提前设置预警阈值,灵活性不高,不能根据刚构桥的实际施工过程灵活变化,导致准确性较差。
发明内容
针对现有技术存在的不足,本发明提出一种桥梁智能施工监控方法及装置,提高监控的准确性和灵活性。
第一方面,本发明提供一种桥梁智能施工监控方法。
在第一种可实现方式中,一种桥梁智能施工监控方法,包括:
根据施工方案计算各施工阶段的监控参数的理论值;
根据监控参数的理论值确定监控参数的备选监控范围;
获取施工阶段的观测值;
根据观测值对备选监控范围进行修正,获得监控指导范围;
获取各施工阶段的监控参数的实测值,并基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果;
根据施工方案计算各施工阶段的监控参数的理论值,包括:
根据施工方案获取桥梁施工测试数据;
基于监控参数理论值算法对桥梁施工测试数据进行计算,获得监控参数的理论值;
监控参数理论值算法包括:
根据施工方案获取施工桥梁类型;
从桥梁数据库内提取相同施工桥梁类型的第一桥梁施工历史数据;并获取发生安全事故的第二桥梁施工历史数据;
根据第一桥梁施工历史数据和第二桥梁施工历史数据确定训练数据集;
基于随机森林算法,随机从训练数据集中提取数据属性特征项构建多棵决策树;每棵决策树选取的数据属性特征项基于基尼系数最小化原则形成,各决策树的输出结果即为各监控参数的理论值。
结合第一种可实现方式,在第二种可实现方式中,还包括:
根据监控参数理论值算法确定各施工阶段的至少一个监控参数的理论值后,将监控参数的理论值与同等跨径桥梁的理论值进行比较,判断监控参数的理论值是否正确。
结合第一种可实现方式,在第三种可实现方式中,获取施工阶段的观测值,包括:
在桥梁观测区域内安放自动化全站仪;设置固定后视基准点,并布置圆棱镜;
通过自动化全站仪自动寻找圆棱镜,进行全天不间断观测,获得观测原始数据;
对观测原始数据之间的依赖关系进行消除,获得观测值。
结合第三种可实现方式,在第四种可实现方式中,对观测原始数据之间的依赖关系进行消除,获得观测值,包括:
计算任意两个观测原始数据的相关程度;
根据各相关程度获取相关因子矩阵;
根据相关因子矩阵获取观测权重矩阵;
根据观测权重矩阵对观测原始数据进行回归计算,获得观测值。
结合第二种可实现方式,在第五种可实现方式中,根据观测值对备选监控范围进行修正,获得监控指导范围,包括:
在观测值超出备选监控范围的情况下,按照预设修正阈值对备选监控范围进行微调,获得监控指导范围。
结合第一种可实现方式,在第六种可实现方式中,基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果,包括:
判断实测值是否超出监控参数的监控指导范围,在实测值超出监控指导范围的情况下,进行桥梁预警;在实测值未超出监控指导范围的情况下,按照监控参数的理论值进行施工。
结合第一种可实现方式,在第七种可实现方式中,施工阶段至少包括移动挂篮阶段、混凝土浇筑阶段和张拉预应力阶段。
第二方面,本发明提供一种桥梁智能施工监控装置。
在第八种可实现方式中,一种桥梁智能施工监控装置,包括:
理论值计算模块,被配置为根据施工方案计算各施工阶段的监控参数的理论值;
备选监控范围获取模块,被配置为根据监控参数的理论值确定监控参数的备选监控范围;
观测值获取模块,被配置为获取施工阶段的观测值;
监控指导范围获取模块,被配置为根据观测值对备选监控范围进行修正,获得监控指导范围;
实测值获取模块,被配置为获取各施工阶段的监控参数的实测值;
桥梁监控结果获取模块,被配置为基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果;
理论值计算模块通过以下方式实现根据施工方案计算各施工阶段的监控参数的理论值:根据施工方案获取桥梁施工测试数据;基于监控参数理论值算法对桥梁施工测试数据进行计算,获得监控参数的理论值;
监控参数理论值算法包括:根据施工方案获取施工桥梁类型;从桥梁数据库内提取相同施工桥梁类型的第一桥梁施工历史数据;并获取发生安全事故的第二桥梁施工历史数据;根据第一桥梁施工历史数据和第二桥梁施工历史数据确定训练数据集;基于随机森林算法,随机从训练数据集中提取数据属性特征项构建多棵决策树;每棵决策树选取的数据属性特征项基于基尼系数最小化原则形成,各决策树的输出结果即为各监控参数的理论值。
由上述技术方案可知,本发明的有益技术效果如下:
根据施工方案计算各施工阶段的监控参数的理论值;再根据监控参数的理论值确定监控参数的备选监控范围;然后根据施工阶段的观测值对备选监控范围进行修正,获得监控指导范围;最后基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果。这样,在各施工阶段获取不同的监控指导范围,并根据观测值实时调整,灵活性高,从而在利用监控指导范围对实测值进行判断,实现桥梁监控时,更加灵活,准确性更高。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本实施例提供的一种桥梁智能施工监控方法的示意图;
图2为本实施例提供的另一种桥梁智能施工监控方法的流程图;
图3为本实施例提供的一种桥梁智能施工监控装置的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开实施例的实施。除非另有说明,术语“多个”表示两个或两个以上。本公开实施例中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。术语“对应”可以指的是一种关联关系或绑定关系,A与B相对应指的是A与B之间是一种关联关系或绑定关系。
结合图1所示,本实施例提供了一种桥梁智能施工监控方法,包括:
步骤S01、根据施工方案计算各施工阶段的监控参数的理论值;
步骤S02、根据监控参数的理论值确定监控参数的备选监控范围;
步骤S03、获取施工阶段的观测值;
步骤S04、根据观测值对备选监控范围进行修正,获得监控指导范围;
步骤S05、获取各施工阶段的监控参数的实测值;
步骤S06、基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果。
根据施工方案计算各施工阶段的监控参数的理论值,包括:根据施工方案获取桥梁施工测试数据;基于监控参数理论值算法对桥梁施工测试数据进行计算,获得监控参数的理论值。
在一些实施例中,施工方案从计算机的桥梁数据库内调取,或通过扫描桥梁设计图纸,对桥梁设计图纸进行自动分析获得。施工方案包括施工桥梁类型、施工进度、施工方法以及各施工阶段的测试数据、监控指标参数等。
监控参数理论值算法包括:根据施工方案获取施工桥梁类型;从桥梁数据库内提取相同施工桥梁类型的第一桥梁施工历史数据;并获取发生安全事故的第二桥梁施工历史数据;根据第一桥梁施工历史数据和第二桥梁施工历史数据确定训练数据集;基于随机森林算法,随机从训练数据集中提取数据属性特征项构建多棵决策树;其中每棵决策树选取的数据属性特征项基于基尼系数最小化原则形成,各决策树的输出结果即为各监控参数的理论值。
在一些实施例中,桥梁数据库内存储有大量桥梁施工的历史数据,根据施工方案确定施工桥梁类型后,从桥梁数据库内查找同一类型的施工桥梁,并将该施工桥梁的数据确定为第一桥梁施工历史数据。通过使用同类桥梁施工的历史数据,可以更加准确地确定各施工阶段监控参数的理论值,进而提升了施工监控的准确率和有效性。
在一些实施例中,桥梁数据库内还存储有严重程度分布较为均衡的事故报告,从事故报告中确定出发生安全事故的第二桥梁施工历史数据。根据中国安全生产事故报告及调查处理制度中对于安全生产事故的报告、调查和处理的规定,当工程建设中出现事故时行业主管部门和监察部门组成专家调查组,对事故进行详细调查并形成具有权威性的调查处理报告,因此事故报告具有重要的参考价值。
可选地,基于监控参数理论值算法对桥梁施工测试数据进行计算,获得监控参数的理论值,包括:将各施工阶段的桥梁施工测试数据输入随机森林算法的各决策树中,按照所有决策树输出的结果,选择出现次数最多的众数作为最终的结果,从而确定各施工阶段至少一个监控参数的理论值。
可选地,还包括:根据监控参数理论值算法确定各施工阶段的至少一个监控参数的理论值后,将该监控参数的理论值与同等跨径桥梁的理论值进行比较,判断该监控参数的理论值是否正确。桥梁数据库内存储有同等跨径桥梁的理论值,同等跨径桥梁的理论值从桥梁数据库内查找获取。这样,监控实施前对理论计算成果进行校核,以确保监控理论计算的准确性和合理性。
可选地,获取施工阶段的观测值,包括:在桥梁观测区域内安放自动化全站仪;设置固定后视基准点,并布置圆棱镜;通过自动化全站仪自动寻找圆棱镜,进行全天不间断观测,获得观测原始数据;对观测原始数据之间的依赖关系进行消除,获得观测值。
在一些实施例中,在刚构桥位附近选择一可以进行全桥观测稳固位置,作为桥梁观测区域,在该观测区域安放自动化全站仪,设置固定后视基准点,布置圆棱镜用于设站定向使用。在桥梁挂篮模板前端固定一对圆棱镜,在主梁节段施工全过程中(包括挂篮移动阶段、混凝土浇筑阶段、预应力张拉阶段等),自动化全站仪自动寻找棱镜进行24小时不间断观测,观测频率10min一次。这样,一方面实现了模板安装标高的定位,另一方面可实时掌握悬臂端受温度、荷载的影响。
可选地,本方案采用无线传感器对桥梁监控参数进行采集。本发明将传统的有线传感器替换为无线传感器,能够更加灵活地布置传感器。现场配备采集仪并传输至平台,可实现传感数据的24小时实时监控。进而为后续施工过程结构线形和应力实时监测与分析、理论立模标高微调提供基本实测数据。
可选地,对观测原始数据之间的依赖关系进行消除,获得观测值,包括:计算任意两个观测原始数据的相关程度;根据各相关程度获取相关因子矩阵;根据相关因子矩阵获取观测权重矩阵;根据观测权重矩阵对观测原始数据进行回归计算,获得观测值。
可选地,计算任意两个观测原始数据的相关程度包括:
在上式中,为第一观测原始数据的标准偏差;/>为第二观测原始数据的标准偏差;/>为两个观测原始数据的协方差,/>为第一观测原始数据和第二观测原始数据之间的相关程度。
可选地,根据各相关程度获取相关因子矩阵,包括:
在上式中,表示相关因子矩阵,a表示第一观测原始数据,b表示第二观测原始数据,c表示第三观测原始数据,/>为第一观测原始数据和第二观测原始数据之间的相关程度,/>为第一观测原始数据和第三观测原始数据之间的相关程度,/>为第二观测原始数据和第一观测原始数据之间的相关程度,/>为第二观测原始数据和第三观测原始数据之间的相关程度,/>为第三观测原始数据和第一观测原始数据之间的相关程度,/>为第三观测原始数据和第二观测原始数据之间的相关程度。
可选地,根据相关因子矩阵获取观测权重矩阵,包括:通过公式获得观测权重矩阵。
在一些实施例中,相比于全站仪和传感器,桥梁属于庞然大物,任何测量的误差都可能导致所得监控数据不稳定。通过对监控参数实测值进行回归分析,通过控制、降低标准偏差来保障各监控数据的精确性,从而减少测量误差,最终得到科学可靠的监控参数观测值。通过自相关观测手段对监控点的坐标计算进行调整,减少空间测量参数之间空间依赖导致的统计中的空间自相关问题,进而通过观测权重矩阵对观测原始数据进行调整,获得观测值。
可选地,还包括:对观测值之间的时间依赖关系进行消除。
在一些实施例中,通过自相关观测手段对观测原始数据进行空间依赖关系和时间依赖关系消除,再利用观测权重矩阵进行回归分析,可以有效地去除监控参数的观测值的误差,从而提升了施工监控的准确率和有效性。
可选地,根据观测值对备选监控范围进行修正,获得监控指导范围,包括:在观测值超出备选监控范围的情况下,按照预设修正阈值对备选监控范围进行微调,获得监控指导范围。
在一些实施例中,考虑到一些环境因素对施工监控带来的缓慢影响,例如气温、能见度、风速、湿度等,由于这些因素的影响,监控参数的观测值可能会超出监控参数的备选监控范围。环境因素对施工监控的影响通常是缓慢的,因此每一步中对备选监控范围进行修正时采用微调方式,修正范围小于预设修正阈值。通过设置一个较小的修正阈值,可以限制每次修正的幅度,从而以小步微调的方式进行修正,可以防止监控指导范围的突变,继而导致产生不必要的误报警,从而提升了施工监控的准确率和有效性。
可选地,采用与观测值相同的采集和计算方式获取监控参数的实测值。
可选地,基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果,包括:判断实测值是否超出监控参数的监控指导范围,在实测值超出监控指导范围的情况下,进行桥梁预警;在实测值未超出监控指导范围的情况下,按照监控参数的理论值进行施工。
在一些实施例中,在实测值超出监控指导范围的情况下,则说明存在安全隐患,此时系统自动进行报警,并向相关单位发出相应响应,同时转入步骤S04继续对备选监控范围进行修正,看是否需要对监控指导范围进行微调。
可选地,进行桥梁预警包括:自动查询消除安全隐患的方法,按照该方法下达相应的施工指令,并将安全隐患随施工指令一并发给一线施工人员,提示现场施工人员确认,保证结构安全和施工有序。这样在施工过程中,可以实时监控掌握桥梁线形和内力状态变化,一方面可以定性的衡量施工过程的规范化,如临时荷载施加情况、预应力张拉情况、风雪荷载影响情况,一旦发现异常,可以及时预警。另一方面,对于环境变化导致的报警,系统可以及时作出调整。
可选地,施工阶段至少包括移动挂篮阶段、混凝土浇筑阶段和张拉预应力阶段。
在一些实施例中,各施工阶段至少包括移动挂篮、混凝土浇筑、张拉预应力三步,每一步的监控参数的监控指导范围调整相对独立。本方案各阶段实测数据多、样本大(自动监控频率高),有大量同类桥梁历史数据参考,尤其是移动挂篮、混凝土浇筑、张拉预应力每步作用独立,荷载相对单一,直接在前述基础上进行微调,调整更可靠,有效防止误报警。
在一些实施例中,结合图2所示,一种桥梁智能施工监控方法包括:
步骤S11、输入施工方案;
步骤S12、根据施工方案计算各施工阶段的监控参数的理论值;
步骤S13、基于同等跨径桥梁的理论值,判断监控参数的理论值是否正确,若不正确,复核检查并修改算法后,返回步骤S12,若正确则执行步骤S14;
步骤S14、根据监控参数的理论值确定监控参数的备选监控范围;
步骤S15、获取当前施工阶段的观测值;
步骤S16、根据当前施工阶段的观测值对备选监控范围进行微调,获得监控指导范围;
步骤S17、获取当前施工阶段的监控参数的实测值;
步骤S18、判断实测值是否处于监控参数的监控指导范围内,若是,则执行步骤S19,若否则执行步骤S20;
步骤S19,按照理论值进行施工,并进入下一施工阶段后返回步骤S15。
步骤S20,进行桥梁预警,并返回步骤S16。
在一些实施例中,结合图3所示,一种桥梁智能施工监控装置,包括:理论值计算模块101,被配置为根据施工方案计算各施工阶段的监控参数的理论值;备选监控范围获取模块102,被配置为根据监控参数的理论值确定监控参数的备选监控范围;观测值获取模块103,被配置为获取施工阶段的观测值;监控指导范围获取模块104,被配置为根据观测值对备选监控范围进行修正,获得监控指导范围;实测值获取模块105,被配置为获取各施工阶段的监控参数的实测值;桥梁监控结果获取模块106,被配置为基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果。
理论值计算模块通过以下方式实现根据施工方案计算各施工阶段的监控参数的理论值:根据施工方案获取桥梁施工测试数据;基于监控参数理论值算法对桥梁施工测试数据进行计算,获得监控参数的理论值;
监控参数理论值算法包括:根据施工方案获取施工桥梁类型;从桥梁数据库内提取相同施工桥梁类型的第一桥梁施工历史数据;并获取发生安全事故的第二桥梁施工历史数据;根据第一桥梁施工历史数据和第二桥梁施工历史数据确定训练数据集;基于随机森林算法,随机从训练数据集中提取数据属性特征项构建多棵决策树;每棵决策树选取的数据属性特征项基于基尼系数最小化原则形成,各决策树的输出结果即为各监控参数的理论值。
在一些实施例中,作为高风险行业之一,建筑业的安全风险研究对于减少人员伤亡和降低财产损失具有显著作用。为了杜绝连续刚构桥梁施工的安全风险,往往施工过程中需要投入大量人力进行各种测量和安全监控。本发明提供的桥梁智能施工监控方法及装置,减少现场技术人员数量和作业时间,降低施工监控成本,解决了常规连续刚构桥梁施工监控人力投入多、成本高的缺点。从提供施工方案,监控计算等监控全过程实现智能化、流水化,除因技术问题或者出现故障外,都不需要技术人员跟踪,监控全过程智能化。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (8)

1.一种桥梁智能施工监控方法,其特征在于,包括:
根据施工方案计算各施工阶段的监控参数的理论值;
根据监控参数的理论值确定监控参数的备选监控范围;
获取施工阶段的观测值;
根据观测值对备选监控范围进行修正,获得监控指导范围;
获取各施工阶段的监控参数的实测值,并基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果;
根据施工方案计算各施工阶段的监控参数的理论值,包括:根据施工方案获取桥梁施工测试数据;基于监控参数理论值算法对桥梁施工测试数据进行计算,获得监控参数的理论值;
监控参数理论值算法包括:根据施工方案获取施工桥梁类型;从桥梁数据库内提取相同施工桥梁类型的第一桥梁施工历史数据;并获取发生安全事故的第二桥梁施工历史数据;根据第一桥梁施工历史数据和第二桥梁施工历史数据确定训练数据集;基于随机森林算法,随机从训练数据集中提取数据属性特征项构建多棵决策树;每棵决策树选取的数据属性特征项基于基尼系数最小化原则形成,各决策树的输出结果即为各监控参数的理论值。
2.根据权利要求1所述的方法,其特征在于,还包括:
根据监控参数理论值算法确定各施工阶段的至少一个监控参数的理论值后,将监控参数的理论值与同等跨径桥梁的理论值进行比较,判断监控参数的理论值是否正确。
3.根据权利要求1所述的方法,其特征在于,获取施工阶段的观测值,包括:
在桥梁观测区域内安放自动化全站仪;设置固定后视基准点,并布置圆棱镜;
通过自动化全站仪自动寻找圆棱镜,进行全天不间断观测,获得观测原始数据;
对观测原始数据之间的依赖关系进行消除,获得观测值。
4.根据权利要求3所述的方法,其特征在于,对观测原始数据之间的依赖关系进行消除,获得观测值,包括:
计算任意两个观测原始数据的相关程度;
根据各相关程度获取相关因子矩阵;
根据相关因子矩阵获取观测权重矩阵;
根据观测权重矩阵对观测原始数据进行回归计算,获得观测值。
5.根据权利要求2所述的方法,其特征在于,根据观测值对备选监控范围进行修正,获得监控指导范围,包括:
在观测值超出备选监控范围的情况下,按照预设修正阈值对备选监控范围进行微调,获得监控指导范围。
6.根据权利要求1所述的方法,其特征在于,基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果,包括:
判断实测值是否超出监控参数的监控指导范围,在实测值超出监控指导范围的情况下,进行桥梁预警;在实测值未超出监控指导范围的情况下,按照监控参数的理论值进行施工。
7.根据权利要求1所述的方法,其特征在于,施工阶段至少包括移动挂篮阶段、混凝土浇筑阶段和张拉预应力阶段。
8.一种桥梁智能施工监控装置,其特征在于,包括:
理论值计算模块,被配置为根据施工方案计算各施工阶段的监控参数的理论值;
备选监控范围获取模块,被配置为根据监控参数的理论值确定监控参数的备选监控范围;
观测值获取模块,被配置为获取施工阶段的观测值;
监控指导范围获取模块,被配置为根据观测值对备选监控范围进行修正,获得监控指导范围;
实测值获取模块,被配置为获取各施工阶段的监控参数的实测值;
桥梁监控结果获取模块,被配置为基于监控参数的监控指导范围对实测值进行判断,获取桥梁监控结果;
理论值计算模块通过以下方式实现根据施工方案计算各施工阶段的监控参数的理论值:根据施工方案获取桥梁施工测试数据;基于监控参数理论值算法对桥梁施工测试数据进行计算,获得监控参数的理论值;
监控参数理论值算法包括:根据施工方案获取施工桥梁类型;从桥梁数据库内提取相同施工桥梁类型的第一桥梁施工历史数据;并获取发生安全事故的第二桥梁施工历史数据;根据第一桥梁施工历史数据和第二桥梁施工历史数据确定训练数据集;基于随机森林算法,随机从训练数据集中提取数据属性特征项构建多棵决策树;每棵决策树选取的数据属性特征项基于基尼系数最小化原则形成,各决策树的输出结果即为各监控参数的理论值。
CN202410371826.2A 2024-03-29 2024-03-29 一种桥梁智能施工监控方法及装置 Active CN117974369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410371826.2A CN117974369B (zh) 2024-03-29 2024-03-29 一种桥梁智能施工监控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410371826.2A CN117974369B (zh) 2024-03-29 2024-03-29 一种桥梁智能施工监控方法及装置

Publications (2)

Publication Number Publication Date
CN117974369A true CN117974369A (zh) 2024-05-03
CN117974369B CN117974369B (zh) 2024-06-21

Family

ID=90860005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410371826.2A Active CN117974369B (zh) 2024-03-29 2024-03-29 一种桥梁智能施工监控方法及装置

Country Status (1)

Country Link
CN (1) CN117974369B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200284883A1 (en) * 2019-03-08 2020-09-10 Osram Gmbh Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device
CN112729370A (zh) * 2020-12-31 2021-04-30 交通运输部公路科学研究所 桥梁动态应变监测系统校准方法
WO2022000528A1 (zh) * 2020-06-29 2022-01-06 浙江工业大学 一种桥梁冲刷多源监测系统及其监测方法、冲深评定方法
CN114282398A (zh) * 2021-06-02 2022-04-05 四川轻化工大学 一种基于大数据的桥梁健康监测系统及方法
CN117034400A (zh) * 2023-05-29 2023-11-10 中铁十九局集团华东工程有限公司 大跨度桥梁施工监控方法
CN117232578A (zh) * 2023-09-22 2023-12-15 中铁七局集团西安铁路工程有限公司 一种斜拉桥索塔施工安全监测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200284883A1 (en) * 2019-03-08 2020-09-10 Osram Gmbh Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device
WO2022000528A1 (zh) * 2020-06-29 2022-01-06 浙江工业大学 一种桥梁冲刷多源监测系统及其监测方法、冲深评定方法
CN112729370A (zh) * 2020-12-31 2021-04-30 交通运输部公路科学研究所 桥梁动态应变监测系统校准方法
CN114282398A (zh) * 2021-06-02 2022-04-05 四川轻化工大学 一种基于大数据的桥梁健康监测系统及方法
CN117034400A (zh) * 2023-05-29 2023-11-10 中铁十九局集团华东工程有限公司 大跨度桥梁施工监控方法
CN117232578A (zh) * 2023-09-22 2023-12-15 中铁七局集团西安铁路工程有限公司 一种斜拉桥索塔施工安全监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢春辉;陈志;: "沅水仓儿总大桥施工监控研讨", 湖南交通科技, no. 03, 30 September 2009 (2009-09-30), pages 113 - 116 *

Also Published As

Publication number Publication date
CN117974369B (zh) 2024-06-21

Similar Documents

Publication Publication Date Title
JP6563038B2 (ja) 情報処理装置及び情報処理方法
CN107687924B (zh) 一种桥梁的安全预警方法及系统
EP1801682B1 (en) Information analysis system for water distribution and pipelines
JP7422404B2 (ja) 植物分析デバイス
CN107421586B (zh) 一种核电站安全壳打压试验强度监测系统及监测方法
US7680627B2 (en) Plant operation data monitoring apparatus
CN101393680A (zh) 设备警报装置及设备警报方法
CN117974369B (zh) 一种桥梁智能施工监控方法及装置
JP3662981B2 (ja) 可搬型プラント巡視点検データ判定装置
CN111275939B (zh) 一种桥梁施工设备安全监测预警方法及系统
CN117193203A (zh) 基于数据分析的合金材料加工产线监控系统
CN117034400A (zh) 大跨度桥梁施工监控方法
CN104264589B (zh) 一种挂篮状态实时监测方法
CN112883480B (zh) 一种利用倾角与位移联合测试的桥梁荷载试验评估方法
CN114691463A (zh) 基于云端的结构健康监测评估方法、系统及存储介质
CN104504769A (zh) 轨道交通桥梁隧道结构电子病害采集系统及采集分析方法
JP4863822B2 (ja) 組み合わせ秤
CN112561257A (zh) 一种基于大数据的桥梁结构安全评价方法及装置
CN114970273A (zh) 一种基于arima-lstm组合模型的输电杆塔应变时间序列预测与失稳预警方法
CN107192448B (zh) 一种识别柔性绳索振动频率的宽带搜峰法
JP2001153719A (ja) 振動特性解析システム
CN218524153U (zh) 一种高支模支架沉降观测装置
CN117929928A (zh) 一种基于物联网的电路更新和故障检测方法、系统及介质
CN118329342B (zh) 桥梁疲劳重车动态阈值确定方法、系统及存储介质
CN117057955B (zh) 一种基于大数据的桥梁形变智能监测系统

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
GR01 Patent grant
GR01 Patent grant