CN118169374A - 深远海混凝土智能化实时监测方法及系统 - Google Patents
深远海混凝土智能化实时监测方法及系统 Download PDFInfo
- Publication number
- CN118169374A CN118169374A CN202410444619.5A CN202410444619A CN118169374A CN 118169374 A CN118169374 A CN 118169374A CN 202410444619 A CN202410444619 A CN 202410444619A CN 118169374 A CN118169374 A CN 118169374A
- Authority
- CN
- China
- Prior art keywords
- data
- corrosion
- concrete
- information
- detected
- 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
- 239000004567 concrete Substances 0.000 title claims abstract description 259
- 238000012544 monitoring process Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005260 corrosion Methods 0.000 claims abstract description 272
- 230000007797 corrosion Effects 0.000 claims abstract description 256
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims description 88
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 71
- 238000013480 data collection Methods 0.000 claims description 53
- 229910000831 Steel Inorganic materials 0.000 claims description 52
- 239000010959 steel Substances 0.000 claims description 52
- 238000009792 diffusion process Methods 0.000 claims description 37
- 238000012360 testing method Methods 0.000 claims description 36
- 230000007246 mechanism Effects 0.000 claims description 26
- 230000002787 reinforcement Effects 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 14
- 230000007704 transition Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 11
- 238000005336 cracking Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 239000011150 reinforced concrete Substances 0.000 claims description 7
- 244000005700 microbiome Species 0.000 claims description 4
- 150000003839 salts Chemical class 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 14
- 230000036541 health Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 15
- 239000011148 porous material Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000036571 hydration Effects 0.000 description 6
- 238000006703 hydration reaction Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 5
- 239000013535 sea water Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- SQGYOTSLMSWVJD-UHFFFAOYSA-N silver(1+) nitrate Chemical compound [Ag+].[O-]N(=O)=O SQGYOTSLMSWVJD-UHFFFAOYSA-N 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000007261 regionalization Effects 0.000 description 2
- 230000000979 retarding effect Effects 0.000 description 2
- 229910001961 silver nitrate Inorganic materials 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012669 compression test Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000004453 electron probe microanalysis Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000012779 reinforcing material Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本申请实施例涉及结构健康检测技术领域,提供了一种深远海混凝土智能化实时监测方法及系统。深远海混凝土智能化实时监测系统包括数据收集装置、监测分析装置和多个数据采集装置,多个数据采集装置被放置在深远海中,通过传感器检测多个数据采集装置承载的多个待检测混凝土块的监测数据,数据装置收集传感器检测的监测数据,并依据监测数据确定处理数据,监测分析装置获取处理数据并依据处理数据确定深远海混凝土腐蚀预测模型;通过数据采集装置中的传感器实现对待检测混凝土实现实时实地监测,以获得待检测混凝土腐蚀相关的真实数据,并依据真实数据确定深远海混凝土腐蚀预测模型,以便用于后续深海混凝土结构的保护和应用。
Description
技术领域
本申请涉及结构健康检测技术领域,更具体地,涉及一种深远海混凝土智能化实时监测方法及系统。
背景技术
钢筋混凝土作为常见的建筑材料,广泛应用于海洋混凝土结构中,如跨海大桥、港口码头、海上风电场等。这些混凝土结构大多暴露在含有大量氯离子、硫酸根离子和氧气等的深远海海洋环境中,会导致嵌入其中的钢筋受到严重腐蚀。目前,世界各地的海洋结构都因海洋腐蚀而造成了严重的损失。
实际海洋环境下混凝土结构暴露试验研究的特点是区域性较强、试验周期长且影响因素复杂,长期现场自然暴露试验数据匮乏是一个重要症结。由于混凝土耐久性试验的周期较长、影响因素较多、环境条件差异较大,而室内的加速试验无法真实反映现场自然暴露环境条件,导致有效的长期现场自然暴露试验数据极其匮乏,从而难以科学合理地揭示海洋混凝土结构的耐久性劣化机制与时变规律。
发明内容
本申请实施例提供了深远海混凝土智能化实时监测方法及系统,通过采集真实的海洋数据和混凝土的腐蚀情况,以实现对混凝土的情况进行监测。
第一方面,本申请实施例提供了一种深远海混凝土智能化实时监测方法,包括:
所述深远海混凝土智能化实时监测方法应用于深远海混凝土智能化实时监测系统,所述深远海混凝土智能化实时监测系统包括数据收集装置、监测分析装置及多个数据采集装置;其中,所述数据采集装置包括浮标件、供电设备、承载机构、传感器组件、采集装置,所述浮标件漂浮于深远海的海面上,所述供电设备与所述浮标件连接且所述供电设备至少部分位于所述海面上方,所述承载机构与所述浮标件连接,所述承载机构用于承载待检测混凝土块,所述传感器组件设置于所述承载机构上,所述传感器组件包括多个不同功能的传感器,用于检测所述待检测混凝土的环境数据和第一腐蚀状况数据,所述数据收集装置与所述浮标件连接,所述数据收集装置至少部分位于所述海面上;
所述方法包括:所述数据采集装置通过所述传感器组件获取环境数据和第一腐蚀状况数据;
所述数据收集装置获取所述环境数据和所述第一腐蚀状况数据,得到处理数据,并向所述监测分析装置发送所述处理数据;
所述监测分析装置获取所述处理数据,并依据所述处理数据确定深远海混凝土腐蚀预测模型。
在一些实施例中,所述承载机构包括承载件、升降件、第一驱动件,所述承载件与所述升降件连接,所述升降件与所述第一驱动件连接,所述第一驱动件与所述浮标件连接,所述承载件用于承载所述待检测混凝土块,所述方法还包括:
所述数据收集装置通过所述深度传感器获取所述待检测的当前深度;
若所述当前深度未达到预设深度范围,则所述数据收集装置向所述第一驱动件发送驱动指令,通过所述驱动指令指示所述第一驱动件驱动所述升降件移动,以使所述升降件带动所述承载件移动,直至所述承载件移动至预设深度范围。
第二方面,提供一种深远海混凝土智能化实时监测系统,所述深远海混凝土智能化实时监测系统包括数据收集装置、监测分析装置及多个数据采集装置;
其中,所述数据采集装置包括浮标件、供电设备、承载机构、传感器组件、采集装置,所述浮标件漂浮于深远海的海面上,所述供电设备与所述浮标件连接且所述供电设备至少部分位于所述海面上方,所述承载机构与所述浮标件连接,所述承载机构用于承载待检测混凝土块,所述传感器组件设置于所述承载机构上,所述传感器组件包括多个不同功能的传感器,用于检测所述待检测混凝土的环境数据和第一腐蚀状况数据,所述数据收集装置与所述浮标件连接,所述数据收集装置至少部分位于所述海面上;
所述数据采集装置通过所述传感器组件获取所述环境数据和所述第一腐蚀状况数据;
所述数据收集装置用于获取所述环境数据和所述第一腐蚀状况数据,得到处理数据,并向所述监测分析装置发送所述处理数据;
所述监测分析装置用于获取所述处理数据,并依据所述处理数据确定深远海混凝土腐蚀预测模型。
可以理解地,上述提供的第二方面均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可以参考上文所提供的对应的方法中的有益效果,此处不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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申请的一些实施例,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为本申请实施例提供的一种深远海混凝土智能化实时监测系统的模块示意图;
图2为本申请实施例提供的一种数据采集装置的结构示意图;
图3为本申请实施例提供的一种场景示意图;
图4为本申请实施例提供的一种场景示意图;
图5为本申请实施例提供的一种深远海混凝土智能化实时监测方法的流程示意图;
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
混凝土作为常见的建筑材料,广泛应用于海洋混凝土结构中,如跨海大桥、港口码头、海上风电场等。这些混凝土结构大多暴露在含有大量氯离子、硫酸根离子和氧气等的海洋环境中,会导致混凝土受到严重腐蚀。目前,世界各地的海洋结构都因海洋腐蚀而造成了严重的损失。而海洋环境中混凝土结构暴露区域和深度区域不同,常常导致针对混凝土结构中钢筋防腐设计和防护的“过保护”或“欠保护”。
实际海洋环境下混凝土结构暴露试验研究的特点是区域性较强、试验周期长且影响因素复杂,以至于目前相关研究的长期监测数据较少,因此有必要开展暴露于真实海洋的混凝土长期腐蚀监测试验。现有的理论分析多数基于室内模拟试验获得,缺乏实际海洋的长期暴露数据进行佐证。
基于上述问题,本申请实施例提供一种深远海混凝土智能化实时监测方法,深远海混凝土智能化实时监测方法应用于深远海混凝土智能化实时监测系统。深远海混凝土智能化实时监测系统包括数据收集装置、监测分析装置和多个数据采集装置,多个数据采集装置被放置在深远海中,通过传感器检测多个数据采集装置承载的多个待检测混凝土块的监测数据,数据装置收集传感器检测的监测数据,并依据监测数据确定处理数据,监测分析装置获取处理数据并依据处理数据确定深远海混凝土腐蚀预测模型;通过数据采集装置中的传感器实现对待检测混凝土实现实时实地监测,以获得待检测混凝土与其腐蚀相关的真实数据,并依据待检测混凝土相关的真实数据进行深远海混凝土腐蚀预测模型,以便将获得的真实数据用于后续深海混凝土结构的保护和应用。
请参见图1,图1为本申请实施例提供的一种深远海混凝土智能化实时监测系统的模块示意图,图1中深远海混凝土智能化实时监测系统包括多个数据采集装置、至少一个数据收集装置和至少一个监测分析装置。
图1中每个数据采集装置被放置于深远海中,用于承载待检测混凝土块,并通过传感器对待检测混凝土块进行实时监测;
数据收集装置收集数据采集装置的传感器监测的监测数据,得到处理数据。监测分析装置依据处理数据对深海混凝土腐蚀情况进行实时监测分析,例如依据处理数据确定深远海混凝土腐蚀预测模型,深远海混凝土腐蚀预测模型为一种机器学习模型,用于对深远海中的混凝土结构的腐蚀状况进行预测,以便依据预测结果对混凝土进行安全保护。
图1中数据采集装置和数据收集装置一一对应,即数据采集装置和数据收集装置的数量相同,且每个数据收集装置安装在对应数据采集装置上。
在一些实施例中,每个数据收集装置与多个数据采集装置对应,每个数据收集装置用于收集多个数据采集装置采集的监测数据,每个数据采集装置可放置于多个数据采集装置的中心,也可为位于多个数据采集装置的中其中一个数据采集装置上,数据收集装置与多个数据采集装置通过无线通信方式进行数据传输,以实现数据收集装置收集多个数据采集装置采集的监测数据。
在一些实施例中,监测分析装置可为计算机设备、服务器等具有处理器的设备,数据收集装置与监测分析装置可通过卫星通信、无线电通信等方式实现远程海上通信,数据收集装置将处理数据向监测分析装置发送,监测分析装置30接收处理数据。
请参见图2,图2为本申请实施例提供的一种数据采集装置的结构示意图。图2中的数据采集装置10包括数据采集装置包括浮标件11、供电设备12、承载机构13、传感器组件14。
其中,浮标件11漂浮于深远海的海面上,这里的深远海可为距离海岸线预设距离的海面,例如距离海岸线100km以上的海面上。也可为海中满足气象、水文、波浪、潮汐等条件的区域。以便可获取满足预设条件的混凝土的腐蚀监测数据。
供电设备12与浮标件11连接且供电设备12至少部分位于海面上方。
承载机构13与浮标件11连接,承载机构13用于承载待检测混凝土块,传感器组件14设置于承载机构13上,传感器组件14包括多个不同功能的传感器,例如可检测待检测混凝土块的深度的深度传感器,可检测待检测混凝土的周侧海水温度的温度传感器;
数据收集装置20与浮标件11连接,数据收集装置20至少部分位于海面上.
如此,通过放置于深远海的数据采集装置10的传感器组件14对承载的待检测混凝土进行实时监测,得到监测数据;通过数据收集装置收集至少一个数据采集装置10提供的监测数据,得到处理数据。
图2中供电设备12为风力发电系统,风力发电系统用于为数据收集装置20和数据采集装置10的传感器组件14供电。
图2中的供电设备包括设置在浮标上的支撑架,设置于支撑架上的风力转子和叶片,风力转子和叶片位于海面上。
可以理解,在其他实施例中,供电设备12包括太阳能发电系统和风力发电系统,通过两者结合,以实现为数据收集装置20和数据采集装置10进行供电。
在一些实施例中,数据采集装置10还包括储能设备16,储能设备16用于存储供电设备12中多余的电量。
易理解,海洋深度的不同,混凝土所收到的压力会不同,氯离子浓度也会存在差别、温度和二氧化碳浓度也会发生相应变化。例如,随着深度的增加,混凝土收到的压力会变大,温度会降低。大多深远海中的建筑,具有较大的长度,例如TY型混凝土桥墩的最大高度可达60米,该桥墩矗立于海水中,不同深度的桥墩受到海水的腐蚀程度不同,为了监测混凝土在预设深度的腐蚀情况,可将混凝土放置于预设深度的海水中。
在一些实施例中,承载机构13包括承载件131、升降件132及第一驱动件133,承载件131与升降件132连接,升降件132与第一驱动件133连接,第一驱动件133和浮标件11连接,在获取监测数据之前,通过传感器组件14中深度传感器获取承载件131的当前深度;若当前深度未达到预设深度范围,则数据收集装置20向所述第一驱动件133发送驱动指令,通过驱动指令指示第一驱动件133驱动升降件132移动,以使升降件132带动承载件131移动,直至承载件131移动至预设深度范围。
在一些实施例中,第一驱动件133为气缸或电机。
在一些实施例中,升降件132包括第一转动轴和套设于该第一转动轴的升降绳,升降绳的一端与承载件131连接,通过第一驱动件133驱动转动轴转动,以延长升降绳的延伸长度,从而使承载件131移动至预设深度范围。
在一些实施例中,承载机构13还包括第二驱动件和填充件,升降绳沿延伸方向具有贯穿孔,在承载件131移动至预设深度范围,第二驱动件驱动填充件填充至贯穿孔。通过将填充物填充至填充孔中,填充物与升降绳配合,以提升升降绳的硬度,减少升降绳的弯折度,从而减少待检测混凝土块的沿重力方向的浮动,使得待检测混凝土块保持在预设深度范围内。
在一些实施例中,填充件包括第二转动轴和套设于第二转动轴的升降钢丝;第二转动轴与第二驱动件连接。在承载件131移动至预设深度范围之后,第二驱动件驱动第二转动轴转动,第二转动轴带动升降钢丝移动,以使升降钢丝的一端穿过贯穿孔。通过升降绳和升降钢丝配合,以减少承载件131的上下浮动,从而保证承载件131承载的待检测混凝土始终保持在预设深度范围内移动。
在一些实施例中,数据采集装置10还包多组锚链组件15,每组锚链组件15包括锚链152和锚154,锚链152的一端与浮标件11连接,锚链152的另一端与锚154连接,通过多组锚链组件15,提升数据采集装置10的稳定性,减少承载件131的上下浮动和水平浮动。
在一些实施例中,数据采集装置10还包括设置于浮标件11下方的支撑框,用于保证浮标件11的稳定性。
易理解,图2中承载件131位于海面下,即待检测混凝土块全部位于还海面下。有些海洋中的建筑设备,例如跨海大桥的桥墩,跨越多个不同的区域;例如位于海面上的部分,位于海水和空气交接处的部分、位于浅海区域的部分、和位于深海区域的部分,不同的区域混凝土被海水腐蚀程度不同,为了实现对多个区域的混凝土进行监测,可将多个数据采集装置10分别放置在多个不同深度的区域,多个不同的区域可包括:大气区(海面标高5米以上)、浪溅区(海面标高-1米~5米)、浸没区(海面标高-1米~-3米以下)、深海区(海面标高-3米以下);通过将多个数据采集装置10分别放置在多个不同的区域,以实现对多个不同深度区域的混凝土块进行实时监测,以确定不同深度的混凝土块的腐蚀情况。
请参见图3,图3为本申请实施例提供的一种场景示意图,图3中承载待检测混凝土块的承载件131位于海面下,可通过第一驱动件和升降件配合,将其移动至预设深度范围,例如特定的浸没区或深海区。
请参见图4,图4为本申请实施例提供的另一种场景示意图,图4中承载件131设置于浮标件11上,承载件131承载的待检测混凝土块可位于大气区或浪溅区。
可选地,可将第一驱动件和升降件设置于承载件131和浮标件11之间,通过第一驱动件和升降件配合,以控制承载件131与浮标件11之间的距离,从而使承载件131承载的待检测混凝土块移动至大气区的特定位置或浪溅区的特定位置。
在一些实施例中,可通过传感器组件14实时获取待检测混凝土块的监测数据,其中监测数据包括环境数据和第一腐蚀状况数据,环境数据是待检测混凝土所在环境的信息,如环境数据可包括待检测混凝土周侧环境的温度信息、湿度信息、氯离子浓度信息、深度信息,可通过温度传感器获取温度信息,可通过氯离子浓度传感器检测待检测混凝土块周围海水的氯离子浓度,可用深度传感器检测待检测混凝土块的深度。
在一些实施例中,第一腐蚀状况数据为待检测混凝土本身的变化,例如通过载荷传感器检测待检测混凝土的载荷数据,例如通过应变式压力传感器、压电式压力传感器或压阻式压力传感器检测待检测混凝土本身因腐蚀而产生的形变。通过第一腐蚀状况数据可间接预测待检测混凝土的腐蚀情况。
在一些实施例中,若待检测缓凝土为钢筋混凝土,钢筋混凝土是一种通过在混凝土中加入钢筋的增强材料,则第一腐蚀状况数据还包括钢筋锈蚀信息,传感器组件14包括埋置型腐蚀传感器,埋置型腐蚀传感器预先设置在待检测缓凝土中。埋置型腐蚀传感器能够直接接触钢筋和混凝土,从而提供更为准确和可靠的腐蚀状况数据。
在一些实施例中,监测分析装置30获取到处理数据之后,可依据处理数据中的环境数据和第一腐蚀状况数据对应关系确定深远海的环境对混凝土腐蚀的影响,或将处理数据环境数据和第一腐蚀状况数据作为训练数据和测试数据训练对应的机器学习模型,得到深远海混凝土腐蚀预测模型。
进一步地,通过训练完成的深远海混凝土腐蚀预测模型对特定海域的混凝土结构的寿命或腐蚀情况进行预测。
易理解,第一腐蚀状况数据可以间接检测待检测混凝土的腐蚀情况,但是无法全面且直接获取混凝土的腐蚀情况。为了获得待检测混凝土更加详实直接的腐蚀数据,可将对应区域的待检测混凝土从海洋中取出,通过其他测试工具对取出的待检测混凝土进行监测,得到第二腐蚀状况数据,通过第二腐蚀状况数据可直接获取待检测混凝土的腐蚀情况。
可选地,第二腐蚀状况数据包括待检测混凝土中氯离子浓度分布、开裂情况、抗压或抗折的强度变化信息、弹性模量信息、微观测试信息(水化、孔隙微观结构)。
可选地,可通过放射性测量法测量检测混凝土中氯离子浓度分布,通过在混凝土样本中加入放射性同位素,利用氯离子与同位素的交换反应来测量氯离子含量;开裂情况可通过获取待检测混凝土的图像,依据神经网络模型对图像进行识别和特征提取,以确定混凝土的开裂情况,可通过测量混凝土的回弹值和超声波传播速度,推算混凝土的抗压强度;可通过抗折试验检测混凝土的抗折强度。混凝土的弹性模量是描述混凝土在外力作用下产生应变时,其应力与应变之间比例关系的物理量。可通过压缩试验法进行测量;水化是混凝土硬化过程中的关键环节,涉及水泥与水反应形成水化产物的过程。这些水化产物填充了混凝土的孔隙,影响其强度和耐久性;混凝土的孔隙微观结构包括孔隙的大小、形状、分布和连通性等,对混凝土的强度、渗透性和耐久性有重要影响。
在一些实施例中,监测分析装置30获取到环境数据、第一腐蚀状况数据、第二腐蚀状况数据之后,可依据环境数据、第一腐蚀状况数据、第二腐蚀状况数据确定海洋环境对混凝土腐蚀的影响。
在一些实施例中,第二腐蚀状况数据的获取通常需要专业的工具完成,例如实验室的显微镜等;且在获取第二腐蚀状况数据之后,无法将待检测混凝土放入深远海中进行再次监测。因此,可在每个深度区域设置多个数据采集装置10或每个数据采集装置上设置多个待检测混凝土块,则为了获取特定时间的待检测混凝土块的第二腐蚀状况数据,可从同一深度区域的多个待检测混凝土块中取出至少一个待检测混凝土块进行检测,以获取该深度区域对应的待检测混凝土块的第二腐蚀状况数据。
可选地,将待检测混凝土取回之后,可通过硝酸银喷涂法检车氯离子浓度,具体地,将混凝土试块劈开,在断面上喷涂硝酸银,通过显色剂显色得到氯离子扩散深度;也可通过电子探针微观分析法检测:在混凝土试块表面10毫米处取样,切割成20-50微米薄片,使用电子束轰击样品表面,测量激发的X射线,通过率标准样品计算处氯离子的浓度。
在一些实施例中,由于深远海的环境无法控制,对于深远海投放的待检测装置或待检测混凝土块存在损坏或遗失的情况,即存在无法将待检测装置或待检测混凝土块取回的情况,则无法通过更精密的仪器对待检测混凝的腐蚀状况进行监测,例如无法取回实验室进行监测。为了解决该问题,对于待检测缓凝土为钢筋混凝土,可通过埋置型腐蚀检测传感器钢筋混凝土的钢筋锈蚀信息,通过钢筋锈蚀信息确定待检测混凝土的腐蚀情况。
在一些实施例中,可在实验室等场所构建模拟海洋环境;然后将待检测混凝土放置于模拟海洋环境中,并通过实验室中监测工具确定预设时间点的腐蚀状况信息,通过埋置型腐蚀检测传感器钢筋混凝土的钢筋锈蚀信息。通过腐蚀状况信息可直接确定混凝土的腐蚀情况,由于混凝土的腐蚀情况可影响混凝土中的钢筋的锈蚀;则可构建钢筋锈蚀信息和腐蚀状况信息之间的钢筋锈蚀-腐蚀预测模型;
可选地,这里的腐蚀状况信息包括待检测混凝土中氯离子浓度分布、开裂情况、抗压或抗折的强度变化信息、弹性模量信息、微观测试信息(水化、孔隙微观结构)中的至少三种。
具体地,通过模拟环境获取数据集,数据集包括多个待检测混凝土块的数据,每个待检测混凝土块的数据包括预设时间点的腐蚀状况信息和对应的钢筋锈蚀信息;通过对数据集进行预处理,得到训练集和测试集;然后依据训练集和测试集对初始的钢筋锈蚀-腐蚀预测模型进行训练和测试,直至得到满足要求的钢筋锈蚀-腐蚀预测模型。
可选地,在监测分析装置获取处理数据之后,将第一腐蚀状况数据的钢筋锈蚀信息输入训练完成的钢筋锈蚀-腐蚀预测模型,得到第一腐蚀状况数据对应的腐蚀状况信息;
然后依据待检测混凝土的环境数据和对应的腐蚀状况信息确定深远海混凝土腐蚀预测模型。
可选地,监测分析装置可将环境数据和对应的腐蚀状况信息形成数据集,然后依据数据集对初始的深远海混凝土腐蚀预测模型进行训练,直至得到训练完成的深远海混凝土腐蚀预测模型。
可选地,在确定深远海混凝土腐蚀预测模型之后,可通过每个海域的位置信息、深度信息等环境数据,将环境数据输入对应的深远海混凝土腐蚀预测模型,即可得到对应混凝土的腐蚀情况,例如混凝土的在预设时间点的腐蚀情况。
可选地,由于混凝土的腐蚀情况往往通过多个信息共同确定,例如腐蚀状况信息包括待检测混凝土中氯离子浓度分布、开裂情况、抗压或抗折的强度变化信息、弹性模量信息、微观测试信息(水化、孔隙微观结构),对于非专业的用户,并不容易很直观的获取特定环境下的特定时刻的混凝土腐蚀情况,可将混凝土分为多个等级,依据混凝土的腐蚀情况确定混凝土的腐蚀等级。
可选地,可将混凝土的腐蚀状况信息的多个数据进行归一化处理,已将多个数据进行标准化处理,使得所有数据都在同一尺度上,得到多个过渡数据;
然后监测分析装置确定每个过渡数据的权重;依据多个过渡数据和每个过渡数据的权重确定该腐蚀状况信息对应的数值;
然后判断该数值所在的阈值范围,依据该数据所在的阈值范围确定混凝土的腐蚀等级。每个腐蚀等级对应一个阈值范围,不同腐蚀等级对应的阈值范围不同。
可选地,D=x1.P1+ x2.P2+ x3.P3+ x4.P4+ x5.P5;腐蚀状况数据包括五个测量数据,x1、x2、x3、x4、x5为五个测量数据对应的过渡数据,P1、P2、P3、P4、P5为五个过渡数据对应的权重,D为腐蚀状况数据对应的数值。
可选地,腐蚀等级可为1~10个等级,也可为初始腐蚀、中级腐蚀、中度腐蚀等,也可依据用户需求进行划分。
可选地,上述实施例中,依据通过模拟环境获取数据集,并依据数据集训练钢筋锈蚀-腐蚀预测模型,则依据腐蚀状况数据确定对应的腐蚀等级,依据腐蚀等级和钢筋锈蚀信息对钢筋锈蚀-腐蚀预测模型进行训练,得到训练完成的钢筋锈蚀-腐蚀预测模型,且用户向训练完成的钢筋锈蚀-腐蚀预测模型输入钢筋锈蚀信息,得到对应的腐蚀等级。
可选地,上述实施例中,监测分析装置可将环境数据和对应的第一腐蚀状况数据;然后将第一腐蚀状况数据(钢筋锈蚀信息)输入钢筋锈蚀-腐蚀预测模型,得到对应的腐蚀等级;依据环境数据和对应的腐蚀等级形成数据集;然后依据数据集对初始的深远海混凝土腐蚀预测模型进行训练,直至得到训练完成的深远海混凝土腐蚀预测模型。则用户可向训练完成的深远海混凝土腐蚀预测模型输入环境数据,得到多个时间点对应的腐蚀等级。
易理解,在近海中对待检测混凝土的腐蚀状况的检测或是实验室中对待检测混凝土的腐蚀状况的检测过程中存在多个数据模型,该数据模型可用于检测待检测混凝土块的腐蚀情况,在对深远海内的待检测混凝土进行监测时,可通过获取的环境数据和第一腐蚀状况数据对现有的模型中的参数进行修正,以确定适合深远海中的参数。
在一些实施例中,环境数据包括环境温度参数(例如深海温度)、在暴露时间与深度/>时采样检测所得的钢筋表面氯离子浓度参数,第一腐蚀状况数据包括待检测混凝土块的阳极腐蚀电流、阳极电势/>阳极腐蚀反应平衡电,则依据第一环境数据和第一腐蚀状况数据确定经验参数/>,并依据经验参数确定如下模型:
其中:是腐蚀反应中实时实地采集的阳极腐蚀电流;/>是阳极电势;/>是阳极腐蚀反应平衡电势;/>是理想气体常数;/>是实时实地采集的环境温度参数;/>是转换系数,例如/>为0.5;/>是离子价态;(海水中氯离子的价态);/>是法拉第常数;/>是需要反演标定的经验参数;/>是混凝土试块在暴露时间/>与深度/>时采样检测所得的钢筋表面氯离子浓度参数;通过此模型,可模拟待检测混凝土试块的钢筋锈蚀电化学反应过程,建立钢筋表面氯离子浓度与钢筋锈蚀速率的时变量化关联,用于预测混凝土中钢筋的锈蚀启动时间以及锈蚀状态的发展。
可选地,混凝土的氯离子扩散系数可评估氯离子有外界渗透进入钢筋表面并集聚的速率,是影响混凝土的耐久性或腐蚀状态的关键参数。在获取待检测混凝土块的环境数据(环境数据包括待检测混凝土块所在的深度、待检测混凝土块在暴露时间与深度/>时采样检测所得的氯离子浓度参数、待检测混凝土块表面暴露氯离子浓度参数)后,可依据环境数据和以下氯离子扩散系数模型确定待检测混凝土的氯离子扩散系数:
;
其中:是待检测混凝土块的表观氯离子扩散系数,表观氯离子扩散系数随暴露时间/>变化,与环境温湿度、静动态荷载及应力作用等众多因素相关;/>是待检测混凝土块在深海中的暴露时间;/>是待检测混凝土块中氯离子浓度采样检测深度,即待检测混凝土块所在的深度;/>是反误差函数计算符;/>是待检测混凝土块在暴露时间/>与深度/>时采样检测所得的氯离子浓度参数;/>是待检测混凝土块表面暴露氯离子浓度参数。通过此模型,可计算出随暴露时间变化的混凝土试块表观氯离子扩散系数,不仅可以判断混凝土试块中氯离子扩散速度的变化,同时可通过Fick第二定律预测未来氯离子扩散深度的变化。
可选地,在获取待检测混凝土块的环境数据(环境数据包括环境温度参数、混凝土试块平均孔隙率参数、混凝土试块孔径连通度参数)后,可依据环境数据和以下氯离子扩散系数模型确定待检测混凝土的氯离子扩散系数:
;
其中:是混凝土试块的氯离子扩散系数;/>是理想气体常数;/>是溶液黏度系数;/>是氯离子半径;/>是实时实地采集的环境温度参数;/>是采样检测所得的混凝土试块平均孔隙率参数;/>是采样检测所得的混凝土试块孔径连通度参数;通过此模型,可计算出随暴露时间变化的混凝土试块有效氯离子扩散系数,通过与表观氯离子扩散系数对比,是分析环境温度、孔隙结构等时变参数对混凝土试块氯离子扩散性能的影响,并校准预测准确性。
在一些实施例中,在获取氯离子扩散系数之后,将氯离子扩散系数作为腐蚀状况信息,以提升钢筋锈蚀-腐蚀预测模型的训练集合的数据量,则依据钢筋锈蚀信息和钢筋锈蚀信息对应的腐蚀状况信息确定数据集,包括:
依据环境数据和预设氯离子扩散系数模型确定氯离子扩散系数;
依据氯离子扩散系数、钢筋锈蚀信息和钢筋锈蚀信息对应的腐蚀状况信息确定数据集。
可选地,依据所述处理数据中的环境数据和所述环境数据对应的腐蚀状况信息构建数据集,包括:
依据环境数据和预设氯离子扩散系数模型确定氯离子扩散系数;
依据处理数据中的环境数据和环境数据对应的腐蚀状况信息、氯离子扩散系数构建数据集。
可选地,上述氯离子扩散系数模型也可通过其他方式训练获取,例如通过在近海或实验室测得数据确定训练集,并依据该训练集确定。
在一些实施例中,可通过特定设备(例如水下机械人携带的水下相机)获取待检测混凝土块的监测图像,监测分析装置30获取同一待检测混凝土块的多个不同时刻的检测图像之后,对图像进行识别,以确定待检测混凝土块在对应时刻的第三腐蚀数据。这里第三腐蚀数据可为待检测混凝土的开裂情况。
然后监测分析装置30依据环境数据、第一腐蚀状况数据、第二腐蚀状况数据及第三腐蚀数据确定海洋环境对混凝土腐蚀的影响。
在一些实施例中,可设置传感器组件14中多个传感器的采集周期和数据收集装置上报周期,例如设置采集周期为1个小时,上报周期为一天;且上报周期大于采集周期,且上报周期和采集周期分别属于不同的时间级别,如上报周期为天级别,采集周期为小时级别。
在一些实施例中,监测分析装置30向数据收集装置发送设置指令,数据收集装置依据设置指定设置传感器内多个传感器的采集周期或设置数据收集装置的上报周期。
易理解,为了测试多个深度区域、多个不同海域的混凝土的腐蚀情况,往往需要在深远海投放大量的待检测混凝土,通过数据采集装置采集每个待检测数据的监测数据,并通过数据收集装置将处理数据向监测分析装置发送,数量较大会影响监测分析装置的处理能力。因此,在数据收集装置获得传感器采集的监测数据之后,对监测数据进行预处理,得到处理数据,然后将处理数据向监测分析装置。
可选地,监测数据包括环境数据和第一腐蚀状况数据,则数据收集装置获得传感器采集的监测数据之后,对监测数据的环境数据进行统计分析,得到处理数据。其中。环境数据包括深度信息、温度信息、湿度信息,则处理数据包括在上报周期内多个环境数据在目标深度范围内的占比、在目标温度范围内的占比、在目标湿度范围内的占比。
示例性地,以温度信息为例,上报周期包括60个采集周期,上报周期内60个采集周期中,温度在10度~20度的占比为0,温度在9度~10度的占比为1%;温度在5度~8度的占比为30%;温度在4度~5度的占比为39%;温度在1度~3度的占比为30%。
易理解,每周周期代表对应的时长,可通过占比信息确定上报周期内的环境数据波动情况。
如上述实施例所述,为了采集不同区域的待检测混凝土块,可将多个数据采集装置中,第一数据采集装置的承载件中的待检测混凝土块位于大气区,第二数据采集装置的承载件的待检测混凝土块位于浪溅区,第三数据采集装置的承载件的待检测混凝土块位于浸没区,第四数据采集装置的承载件的待检测混凝土块位于深海区;
若待检测混凝土块位于大气区或浪溅区,环境数据还包括盐雾浓度信息、风力信息;
若待检测混凝土块位于浸没区或深海区,环境数据还包括氯离子浓度信息、PH值信息、微生物浓度信息、流速信息。
即待检测混凝土块位于不同的区域,该待检测混凝土块对应的环境数据也会存在差别,且上述环境数据均可通过对应的传感器监测获取。
进一步地,若待检测混凝土块位于浸没区或深海区,在数据收集装置获取数据采集装置的监测信息之后,对监测信息中的环境数据进行分析处理,得到处理数据,处理数据还包括在上报周期内多个环境数据在目标氯离子浓度范围内的占比、在目标PH值范围内的占比、在目标微生物浓度范围内的占比、在目标微流速度范围内的占比。
若待检测混凝土块位于大气区或浪溅区,在数据收集装置获取数据采集装置的监测信息之后,对监测信息中的环境数据进行分析处理,得到处理数据,处理数据还包括在上报周期内多个环境数据在目标盐雾浓度范围内的占比、在目标风力范围内的占比。
应理解,本实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。为了说明本申请的技术方案,下面通过具体实施例来说明。
请参照图5,图5示出了本申请实施例提供的一种深远海混凝土智能化实时监测方法的流程示意图,以应用于图1中深远海混凝土智能化实时监测系统为例进行说明,该方法包括如下步骤:
S501、数据收集装置通过传感器组件获取环境数据和第一腐蚀状况数据;
S502、数据收集装置获取环境数据和第一腐蚀状况数据,得到处理数据,并向监测分析装置发送处理数据;
S503、监测分析装置获取处理数据,并依据处理数据确定深远海混凝土腐蚀预测模型。
所述方法还包括:
所述数据收集装置通过所述深度传感器获取所述待检测的当前深度;
若所述当前深度未达到预设深度范围,则所述数据收集装置向所述第一驱动件发送驱动指令,通过所述驱动指令指示所述第一驱动件驱动所述升降件移动,以使所述升降件带动所述承载件移动,直至所述承载件移动至预设深度范围。
在一些实施例中,所述方法还包括:
若所述当前深度未达到所述预设深度范围,则所述数据收集装置向所述第一驱动件发送驱动指令,通过所述驱动指令指示所述第一驱动件驱动所述第一转动轴转动,所述第一转动轴带动所述升降绳延长延伸长度,直至所述承载件移动至预设深度范围;
在所述承载件移动至所述预设深度范围,所述第二驱动件驱动所述填充件填充至所述贯穿孔。
在一些实施例中,所述传感器组件的多个传感器按照采样周期采集所述环境数据和第一腐蚀状况数据,所述数据收集装置按照上报周期向所述监测分析装置发送所述处理数据,所述上报周期的时长等于多个所述采样周期的时长的和,所述环境数据包括所述待检测混凝土块的深度、周围的温度和湿度;
所述数据收集装置获取所述环境数据和所述第一腐蚀状况数据,得到处理数据,包括:
所述数据收集装置获取多个采样周期的所述环境数据和所述第一腐蚀状况数据,对所述环境数据进行统计分析,得到处理数据,所述处理数据包括上报周期内多个第一环境数据在目标深度范围、目标温度范围、目标湿度范围内的所占比例。
在一些实施例中,多个所述数据采集装置中,第一数据采集装置的承载件中的待检测混凝土块位于大气区,第二数据采集装置的承载件的待检测混凝土块位于浪溅区,第三数据采集装置的承载件的待检测混凝土块位于浸没区,第四数据采集装置的承载件的待检测混凝土块位于深海区;
若所述待检测混凝土块位于大气区或浪溅区,所述环境数据还包括盐雾浓度信息、风力信息;
若所述待检测混凝土块位于浸没区或深海区,所述环境数据还包括氯离子浓度信息、PH值信息、微生物浓度信息、流速信息。
在一些实施例中,所述待检测混凝土块为钢筋混凝土,所述第一腐蚀状况数据包括钢筋锈蚀信息;
所述监测分析装置获取所述处理数据,并依据所述处理数据确定深远海混凝土腐蚀预测模型,包括:
所述监测分析装置取所述处理数据;
将所述处理数据中的钢筋锈蚀信息输入钢筋锈蚀-腐蚀预测模型,得到所述钢筋锈蚀信息对应的腐蚀状况信息;
依据所述处理数据中的环境数据和所述环境数据对应的腐蚀状况信息构建数据集;
依据所述数据集对初始的深远海混凝土腐蚀预测模型进行训练,得到深远海混凝土腐蚀预测模型。
在一些实施例中,所述方法还包括:
获取模拟海洋环境中待检测混凝土块对应的钢筋锈蚀信息和钢筋锈蚀信息对应的腐蚀状况信息,所述腐蚀状况信息用于指示所述待检测混凝土的腐蚀情况;
依据钢筋锈蚀信息和钢筋锈蚀信息对应的腐蚀状况信息确定数据集;
依据所述数据集对初始的钢筋锈蚀-腐蚀预测模型进行训练,得到训练完成的钢筋锈蚀-腐蚀预测模型。
在一些实施例中,所述腐蚀状况信息包括待检测混凝土中氯离子浓度分布、开裂情况、抗压或抗折的强度变化信息、弹性模量信息、微观测试信息;
所述依据钢筋锈蚀信息和所述钢筋锈蚀信息对应的腐蚀状况信息确定数据集,包括:
对所述腐蚀状况信息中的氯离子浓度分布、开裂情况、抗压或抗折的强度变化信息、弹性模量信息、微观测试信息进行归一化处理,得到五个过渡数据;
获取所述五个过渡数据对应的权重;
依据所述五个过渡数据和所述五个过渡数据对应的权重确定所述腐蚀状况信息的数值;
依据所述数据所在的阈值范围确定所述腐蚀状况信息对应的腐蚀等级;
依据所述钢筋锈蚀信息和所述钢筋锈蚀信息对应的腐蚀等级确定数据集。
在一些实施例中,所述依据钢筋锈蚀信息和钢筋锈蚀信息对应的腐蚀状况信息确定数据集,包括:
依据所述环境数据和预设氯离子扩散系数模型确定氯离子扩散系数;
依据所述氯离子扩散系数、所述钢筋锈蚀信息和所述钢筋锈蚀信息对应的所述腐蚀状况信息确定数据集,和\或依据所述处理数据中的环境数据和所述环境数据对应的腐蚀状况信息构建数据集,包括:
依据环境数据和预设氯离子扩散系数模型确定氯离子扩散系数;
依据处理数据中的环境数据和环境数据对应的腐蚀状况信息、氯离子扩散系数构建数据集
本申请实施例提供的监测分析装置可以应用在前述方法实施例中,详情参见上述方法和系统的实施例的描述,在此不再赘述。
图6是本申请实施例提供的一种电子设备的结构框图。该电子设备可为上述实施例中的监测分析装置和/或数据收集装置。
如图6所示,该实施例的电子设备600包括:处理器610、存储器620以及存储在存储器620中并可在处理器610运行的计算机程序630,例如作钓导航的预测程序。处理器610执行计算机程序630时实现上述各个作钓导航方法的各实施例中的步骤,例如图5所示的方法。
示例性的,计算机程序630可以被分割成一个或多个模块,一个或者多个模块被存储在存储器620中,并由处理器610执行,以完成本申请。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序630在电子设备600中的执行过程。例如,计算机程序630可以被分割成各个单元模块,各模块具体功能如上。
电子设备600可包括,但不仅限于,处理器610、存储器620。本领域技术人员可以理解,图6仅仅是电子设备600的示例,并不构成对电子设备600的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器610可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。
存储器620可以是电子设备600的内部存储单元,例如电子设备600的硬盘或内存。存储器620也可以是电子设备600的外部存储设备,例如电子设备600上配备的插接式硬盘,智能存储卡,闪存卡等。进一步地,存储器620还可以既包括电子设备600的内部存储单元也包括外部存储设备。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本申请实现上述实施例方法中的全部或部分流程,也可以通过一种计算机程序产品来完成,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行时可实现上述各个方法实施例中的步骤。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (12)
1.一种深远海混凝土智能化实时监测方法,其特征在于,所述深远海混凝土智能化实时监测方法应用于深远海混凝土智能化实时监测系统,所述深远海混凝土智能化实时监测系统包括数据收集装置、监测分析装置及多个数据采集装置;
其中,所述数据采集装置包括浮标件、供电设备、承载机构、传感器组件、采集装置,所述浮标件漂浮于深远海的海面上,所述供电设备与所述浮标件连接且所述供电设备至少部分位于所述海面上方,所述承载机构与所述浮标件连接,所述承载机构用于承载待检测混凝土块,所述传感器组件设置于所述承载机构上,所述传感器组件包括多个不同功能的传感器,用于检测所述待检测混凝土的环境数据和第一腐蚀状况数据,所述数据收集装置与所述浮标件连接,所述数据收集装置至少部分位于所述海面上;
所述方法包括:
所述数据采集装置通过所述传感器组件获取环境数据和第一腐蚀状况数据;
所述数据收集装置获取所述环境数据和所述第一腐蚀状况数据,得到处理数据,并向所述监测分析装置发送所述处理数据;
所述监测分析装置获取所述处理数据,并依据所述处理数据确定深远海混凝土腐蚀预测模型。
2.如权利要求1所述的方法,其特征在于,所述承载机构包括承载件、升降件、第一驱动件,所述承载件与所述升降件连接,所述升降件与所述第一驱动件连接,所述第一驱动件与所述浮标件连接,所述承载件用于承载所述待检测混凝土块,所述方法还包括:
所述数据收集装置通过所述传感器组件的深度传感器获取所述待检测的当前深度;
若所述当前深度未达到预设深度范围,则所述数据收集装置向所述第一驱动件发送驱动指令,通过所述驱动指令指示所述第一驱动件驱动所述升降件移动,以使所述升降件带动所述承载件移动,直至所述承载件移动至预设深度范围。
3.如权利要求2所述的方法,其特征在于,所述升降件包括与第一驱动件连接的第一转动轴和套设于所述第一转动轴的升降绳,所述第一转动轴与所述升降绳沿其延伸方向具有贯穿孔;
所述承载机构还包括第二驱动件和填充件,所述第二驱动件与所述浮标件连接;所述方法还包括:
若所述当前深度未达到所述预设深度范围,则所述数据收集装置向所述第一驱动件发送驱动指令,通过所述驱动指令指示所述第一驱动件驱动所述第一转动轴转动,所述第一转动轴带动所述升降绳延长延伸长度,直至所述承载件移动至预设深度范围;
在所述承载件移动至所述预设深度范围,所述第二驱动件驱动所述填充件填充至所述贯穿孔。
4.如权利要求1所述的方法,其特征在于,所述传感器组件的多个传感器按照采样周期采集所述环境数据和第一腐蚀状况数据,所述数据收集装置按照上报周期向所述监测分析装置发送所述处理数据,所述上报周期的时长等于多个所述采样周期的时长的和,所述环境数据包括所述待检测混凝土块的深度、周围的温度和湿度;
所述数据收集装置获取所述环境数据和所述第一腐蚀状况数据,得到处理数据,包括:
所述数据收集装置获取多个采样周期的所述环境数据和所述第一腐蚀状况数据,对所述环境数据进行统计分析,得到处理数据,所述处理数据包括上报周期内多个第一环境数据在目标深度范围、目标温度范围、目标湿度范围内的所占比例。
5.如权利要求4所述的方法,其特征在于,多个所述数据采集装置中,第一数据采集装置的承载件中的待检测混凝土块位于大气区,第二数据采集装置的承载件的待检测混凝土块位于浪溅区,第三数据采集装置的承载件的待检测混凝土块位于浸没区,第四数据采集装置的承载件的待检测混凝土块位于深海区;
若所述待检测混凝土块位于大气区或浪溅区,所述环境数据还包括盐雾浓度信息、风力信息;
若所述待检测混凝土块位于浸没区或深海区,所述环境数据还包括氯离子浓度信息、PH值信息、微生物浓度信息、流速信息。
6.如权利要求1所述的方法,其特征在于,所述待检测混凝土块为钢筋混凝土,所述第一腐蚀状况数据包括钢筋锈蚀信息;
所述监测分析装置获取所述处理数据,并依据所述处理数据确定深远海混凝土腐蚀预测模型,包括:
所述监测分析装置取所述处理数据;
将所述处理数据中的钢筋锈蚀信息输入钢筋锈蚀-腐蚀预测模型,得到所述钢筋锈蚀信息对应的腐蚀状况信息;
依据所述处理数据中的环境数据和所述环境数据对应的腐蚀状况信息构建数据集;
依据所述数据集对初始的深远海混凝土腐蚀预测模型进行训练,得到深远海混凝土腐蚀预测模型。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
获取模拟海洋环境中待检测混凝土块对应的钢筋锈蚀信息和钢筋锈蚀信息对应的腐蚀状况信息,所述腐蚀状况信息用于指示所述待检测混凝土的腐蚀情况;
依据钢筋锈蚀信息和钢筋锈蚀信息对应的腐蚀状况信息确定数据集;
依据所述数据集对初始的钢筋锈蚀-腐蚀预测模型进行训练,得到训练完成的钢筋锈蚀-腐蚀预测模型。
8.如权利要求7所述的方法,其特征在于,所述腐蚀状况信息包括待检测混凝土中氯离子浓度分布、开裂情况、抗压或抗折的强度变化信息、弹性模量信息、微观测试信息;
所述依据钢筋锈蚀信息和所述钢筋锈蚀信息对应的腐蚀状况信息确定数据集,包括:
对所述腐蚀状况信息中的氯离子浓度分布、开裂情况、抗压或抗折的强度变化信息、弹性模量信息、微观测试信息进行归一化处理,得到五个过渡数据;
获取所述五个过渡数据对应的权重;
依据所述五个过渡数据和所述五个过渡数据对应的权重确定所述腐蚀状况信息的数值;
依据所述数据所在的阈值范围确定所述腐蚀状况信息对应的腐蚀等级;
依据所述钢筋锈蚀信息和所述钢筋锈蚀信息对应的腐蚀等级确定数据集。
9.如权利要求7或8所述的方法,其特征在于,所述依据钢筋锈蚀信息和钢筋锈蚀信息对应的腐蚀状况信息确定数据集,包括:
依据所述环境数据和预设氯离子扩散系数模型确定氯离子扩散系数;
依据所述氯离子扩散系数、所述钢筋锈蚀信息和所述钢筋锈蚀信息对应的所述腐蚀状况信息确定数据集,和\或
依据所述处理数据中的环境数据和所述环境数据对应的腐蚀状况信息构建数据集,包括:
依据环境数据和预设氯离子扩散系数模型确定氯离子扩散系数;
依据处理数据中的环境数据和环境数据对应的腐蚀状况信息、氯离子扩散系数构建数据集。
10.如权利要求1所述的方法,其特征在于,所述依据所述处理数据确定深远海混凝土腐蚀预测模型,包括:
所述监测分析装置获取第二腐蚀状况数据,所述第二腐蚀状况数据是将相同区域多个所述待检测混凝土块中至少一个取回并进行检测得到信息,所述第二腐蚀状况数据包括所述待检测混凝土中氯离子浓度分布、开裂情况、抗压或抗折的强度变化信息、弹性模量信息、微观测试信息;
所述监测分析装置依据所述处理数据、所述第二腐蚀状况数据确定深远海混凝土腐蚀预测模型。
11.如权利要求10所述的方法,其特征在于,所述依据所述处理数据、所述第二腐蚀状况数据确定深远海混凝土腐蚀预测模型,包括
所述监测分析装置获取所述待检测混凝土的图像信息,所述图像信息包括取回检测的所述待检测混凝土的图像信息、所述待检测混凝土的图像信息中的至少一种;
所述监测分析装置识别所述图像信息,得到第三腐蚀状况数据;
所述监测分析装置确定所述第三腐蚀状况数据、所述处理数据、所述第二腐蚀状况数据的对应关系;
所述监测分析装置依据所述处理数据、所述第二腐蚀状况数据、所述第三腐蚀状况数据及所述对应关系确定深远海混凝土腐蚀预测模型。
12.一种深远海混凝土智能化实时监测系统,其特征在于,所述深远海混凝土智能化实时监测系统包括数据收集装置、监测分析装置及多个数据采集装置;
其中,所述数据采集装置包括浮标件、供电设备、承载机构、传感器组件、采集装置,所述浮标件漂浮于深远海的海面上,所述供电设备与所述浮标件连接且所述供电设备至少部分位于所述海面上方,所述承载机构与所述浮标件连接,所述承载机构用于承载待检测混凝土块,所述传感器组件设置于所述承载机构上,所述传感器组件包括多个不同功能的传感器,用于检测所述待检测混凝土的环境数据和第一腐蚀状况数据,所述数据收集装置与所述浮标件连接,所述数据收集装置至少部分位于所述海面上;
所述数据采集装置通过所述传感器组件获取所述环境数据和所述第一腐蚀状况数据;
所述数据收集装置用于获取所述环境数据和所述第一腐蚀状况数据,得到处理数据,并向所述监测分析装置发送所述处理数据;
所述监测分析装置用于获取所述处理数据,并依据所述处理数据确定深远海混凝土腐蚀预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410444619.5A CN118169374A (zh) | 2024-04-15 | 2024-04-15 | 深远海混凝土智能化实时监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410444619.5A CN118169374A (zh) | 2024-04-15 | 2024-04-15 | 深远海混凝土智能化实时监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118169374A true CN118169374A (zh) | 2024-06-11 |
Family
ID=91358252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410444619.5A Pending CN118169374A (zh) | 2024-04-15 | 2024-04-15 | 深远海混凝土智能化实时监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118169374A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0016706A1 (fr) * | 1979-03-21 | 1980-10-01 | Intersub Engineering S.A. | Procédé et dispositif de contrôle de l'état d'une structure en béton armé immergée dans un liquide électriquement conducteur |
JPH1021211A (ja) * | 1996-06-28 | 1998-01-23 | Taisei Corp | ニューラルネットワークおよびコンクリート構造物中の鉄筋腐食の評価方法および予測方法 |
CN110057747A (zh) * | 2019-05-24 | 2019-07-26 | 中国船舶科学研究中心(中国船舶重工集团公司第七0二研究所) | 一种能实现投样水深交变的腐蚀试验装置 |
CN111610406A (zh) * | 2020-04-24 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种基于深度学习的接地网腐蚀预测方法 |
WO2021031664A1 (zh) * | 2019-08-22 | 2021-02-25 | 青岛理工大学 | 一种混凝土结构全寿命性能智慧感知与劣化预警系统及方法 |
CN114528753A (zh) * | 2022-01-17 | 2022-05-24 | 青岛理工大学 | 一种用于评估钢筋混凝土受损程度的智能监测装置及方法 |
CN114965239A (zh) * | 2022-05-23 | 2022-08-30 | 江汉大学 | 海洋环境下钢筋混凝土结构腐蚀劣化过程的无损评估系统 |
-
2024
- 2024-04-15 CN CN202410444619.5A patent/CN118169374A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0016706A1 (fr) * | 1979-03-21 | 1980-10-01 | Intersub Engineering S.A. | Procédé et dispositif de contrôle de l'état d'une structure en béton armé immergée dans un liquide électriquement conducteur |
JPH1021211A (ja) * | 1996-06-28 | 1998-01-23 | Taisei Corp | ニューラルネットワークおよびコンクリート構造物中の鉄筋腐食の評価方法および予測方法 |
CN110057747A (zh) * | 2019-05-24 | 2019-07-26 | 中国船舶科学研究中心(中国船舶重工集团公司第七0二研究所) | 一种能实现投样水深交变的腐蚀试验装置 |
WO2021031664A1 (zh) * | 2019-08-22 | 2021-02-25 | 青岛理工大学 | 一种混凝土结构全寿命性能智慧感知与劣化预警系统及方法 |
CN111610406A (zh) * | 2020-04-24 | 2020-09-01 | 国网河北省电力有限公司电力科学研究院 | 一种基于深度学习的接地网腐蚀预测方法 |
CN114528753A (zh) * | 2022-01-17 | 2022-05-24 | 青岛理工大学 | 一种用于评估钢筋混凝土受损程度的智能监测装置及方法 |
CN114965239A (zh) * | 2022-05-23 | 2022-08-30 | 江汉大学 | 海洋环境下钢筋混凝土结构腐蚀劣化过程的无损评估系统 |
Non-Patent Citations (2)
Title |
---|
HAO BAOHONG 等: "Model Research of Concrete Reinforcement Corrosion Mechanism and Corrosion Rate under the Corrosion of Chloride ion", APPLIED MECHANICS AND MATERIALS, vol. 470, 31 December 2013 (2013-12-31), pages 847 - 853 * |
车建利 等: "冻融环境下混凝土中钢筋初始锈蚀时间预测", 商品混凝土, no. 11, 15 November 2012 (2012-11-15), pages 32 - 34 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112343774B (zh) | 一种漂浮式海上风力发电装置的大尺度模型试验系统及制作方法 | |
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 | |
Strutt et al. | The prediction of corrosion by statistical analysis of corrosion profiles | |
CN101183059A (zh) | 一种多重环境时间的相似性氯盐侵蚀混凝土评估方法 | |
CN109883940A (zh) | 一种基于受力钢筋电化学信号的腐蚀度与力学性能退化规律模型的构建方法 | |
JP2007270552A (ja) | 信号処理方法、信号処理プログラムおよび記録媒体 | |
JP6374628B1 (ja) | 鉄筋コンクリート部材の判別システム及び鉄筋コンクリート部材の判別プログラム | |
Johanning et al. | Offshore reliability approach for floating renewable energy devices | |
Bourreau et al. | Uncertainty assessment of concrete electrical resistivity measurements on a coastal bridge | |
CN116861750B (zh) | 一种深海网箱远程健康诊断系统 | |
CN117471071B (zh) | 港口基础设施结构耐久性安全预警系统及方法 | |
Bourreau et al. | Spatial identification of exposure zones of concrete structures exposed to a marine environment with respect to reinforcement corrosion | |
CN118169374A (zh) | 深远海混凝土智能化实时监测方法及系统 | |
Peil | Assessment of bridges via monitoring | |
CN108132194B (zh) | 一种远程无线混凝土内钢筋锈蚀风险监测传感装置 | |
Poursaee | Corrosion sensing for assessing and monitoring civil infrastructures | |
Ha et al. | Role of sensors in corrosion monitoring and durability assessment in concrete structures: the state of the art | |
Bourreau et al. | On-site corrosion monitoring-reliability | |
Sammut et al. | Microscale miniaturisation of chloride ion detection sensors for long‐term embedding in reinforced concrete structures | |
Sousa et al. | Next-generation of Monitoring Systems towards Infrastructure Resilience | |
Vélez et al. | Assessment of Corrosion in Prestressed Concrete Piles in Marine Environment with Acoustic Emission | |
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 | |
CN113865648B (zh) | 一种波浪能装置锚链断裂监测方法、装置、设备及介质 | |
Kiecke | Simulated fatigue damage index on mooring lines of a Gulf of Mexico truss Spar determined from recorded field data | |
Kabir | Radar-based detection and estimation of reinforcement elements and degree of corrosion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |