基于小波分析的大跨径桥梁健康监测数据预处理研究

针对小波分析方法在桥梁健康监测系统中面临的小波基函数合理选择问题,采用一周期性仿真信号作为算例,考察了在其他研究领域内广泛用来进行信号去噪的Haar、Db、Sym、Coif、Bior、Rbio、Dmey等7种小波基函数,选取出去噪效果最显著的Bb8小波基函数。依托已建立的江阴大桥健康监测系统,对具有明显周期性的塔顶GPS的竖向数据进行去噪计算,并将计算结果与采用低通滤波进行去噪的结果进行比较分析。结果表明:由于小波方法采用了比低通滤波方法更为细致的处理方法,其去噪效果比低通滤波方法更有效。

江苏省长大桥梁健康监测云平台的设计与实施

江苏省在长大桥梁健康监测系统的建设及管理方面起步较早,为大桥的科学管养发挥了重要支撑作用。因时代限制,现有健康监测系统的技术架构陈旧,出现了兼容性、可拓展性、展现方式、管理方式及分析效率低下等问题。为解决这些问题,数据中心运用Web、云、机器学习等技术,设计并研发了纵向五层,横向两中心的江苏省长大桥梁健康监测云平台。本文以云平台的系统架构为基础,详细介绍了感知层的自检与边缘计算,传输层复杂环境下的大流量数据传输技术,数据层针对时序数据的模块化设计,应用层开放式数据分析及智能服务平台,展现层交互设计等平台特色技术。应用本平台后,江苏省长大桥梁健康监测业务的综合服务性能得到了显著提升。本平台的设计可为区域桥梁群的健康监测系统总体设计提供思路及参考。

安庆长江公路大桥健康监测系统研究与设计

根据安庆长江公路大桥的结构形式及桥址处的环境特点,结合有限元分析计算,结果按照先进、合理、适用等原则,对该桥的健康监测系统测点布设方案进行了优化设计,并对部分监测数据进行了分析。

南京长江隧道右汊悬索桥健康监测系统研究与设计

根据南京长江隧道右汊悬索桥(夹江大桥)的结构形式及桥址处的环境特点,建立夹江大桥结构有限元模型进行分析计算,按照先进、合理、适用等原则,对该桥的健康监测系统测点布设方案进行了优化设计,并对部分监测数据进行介绍与分析,为科学地进行结构健康与安全状态评估奠定了基础。

无人机桥梁检测技术进展与瓶颈问题分析

桥梁检测无人机以其机动性强、体积小、效率高、使用成本较低、模块化维修保养方便、安全风险低等优势,近年来受到桥梁养护管理部门的广泛关注。针对无人机桥梁检测技术的发展现状,分析了当前无人机桥梁检测多元化发展趋势及无人机图像采集下损伤诊断技术进展,总结出目前桥梁检测的无人机配置需求,研究了当前无人机桥梁检测技术在桥下定位、复杂环境下巡航能力、避障能力,以及在图像信息扰动下病害识别能力等方面存在的技术瓶颈问题,分析了已有解决方法的适用性。结果表明:现有的解决方案与技术尚不成熟。为全面掌握桥梁的健康技术状况,融合无人机、蛇形机器人、爬壁机器人、水下机器人等多种技术手段,形成多元化桥梁检测系统来实现高效、精准、全方位的检测作业,将成为自动化桥梁检测技术未来发展新趋势。

结构健康监测系统数据自动化处理系统应用浅析

桥梁结构健康监测就是利用各种传感器监测桥梁所处的环境场及桥梁的结构响应．而数据处理与信息挖掘一直是桥梁监测技术发展的瓶颈．大量传感器实时采集的海量数据困扰着桥梁工程师对桥梁结构状态的判断。结构健康监测系统数据自动化处理软件的开发就是利用多种数据处理技术，对海量数据进行刷选，特征值提取，系统自评估，特殊事件分析和基于环境边界的标准场分析，为桥梁安全评估提供有效的素材。

江阴大桥强风报警及风场特性分析

风荷载对悬索桥的运营期安全有重要影响。文章利用健康监测系统实测数据,建立了江阴长江公路大桥风特性数据库。在此基础上,一方面针对风速设定报警阈值,从而保证了行车与结构安全,另一方面计算得到紊流强度、阵风系数等风特性,对桥梁设计风荷载参数取值的合理性进行了验证。研究结论为江阴大桥的抗风安全性评价提供了实测依据,同时可为该地区其他工程结构的抗风研究提供参考。

绍兴滨海新城滨海大桥健康监测系统研究与设计

根据绍兴滨海新城滨海大桥的结构形式及桥址处的环境特点．对滨海大桥结构进行有限元分析计算，按照先进、合理、适用的原则，对该桥的健康监测系统测点布设方案进行了优化设计，以期为科学地进行结构健康与安全状态评估提供参考。

基于多特征融合的混凝土结构表面病害图像分类算法

为提升混凝土表面开裂、露筋锈蚀和损伤3类病害图像分类效率与准确性,减少人工成本,提出了基于多特征融合的混凝土结构表面病害图像分类算法。该算法通过提取混凝土表面病害图像的纹理特征、灰度直方图特征、颜色特征,以支持向量机(SVM)为分类器,分别训练3类特征的病害图像分类模型,采用特征权重算法估计各个特征的权重系数,借助分类模型与权重系数估计病害图像类别划分的可信度值,根据最小误差原则将病害图像判定为可信度值最大的类别。设计了7组覆盖上述图像特征的特征融合方案,以2400张病害图片为样本,训练了3种单一特征和4种多特征病害图像分类模型,并测试算法的准确性。结果表明:总体上,多特征融合分类模型对于混凝土表面病害图像分类准确率高于单一特征分类模型;基于多项式核函数,灰度+颜色+纹理特征融合分类模型分类效果最佳,平均分类准确率达到84%,较单一特征分类模型提升了7%;依赖于混凝土病害图像多特征的综合信息,灰度+颜色+纹理特征融合分类模型可将混凝土表面锈蚀和缺损的分类准确率提升至88%,多特征融合分类模型对于病害的分类判别稳定性显著优于单一特征分类模型。该研究可为混凝土表面病害图像分类提供有效方法,提升病害分类效率与准确性。