Nothing Special   »   [go: up one dir, main page]

CN115479949B - 一种基于大数据的桥梁安全监测预警方法及系统 - Google Patents

一种基于大数据的桥梁安全监测预警方法及系统 Download PDF

Info

Publication number
CN115479949B
CN115479949B CN202211116579.9A CN202211116579A CN115479949B CN 115479949 B CN115479949 B CN 115479949B CN 202211116579 A CN202211116579 A CN 202211116579A CN 115479949 B CN115479949 B CN 115479949B
Authority
CN
China
Prior art keywords
bearing
bridge
threshold value
appearance defect
value set
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.)
Active
Application number
CN202211116579.9A
Other languages
English (en)
Other versions
CN115479949A (zh
Inventor
阳建明
颜霜
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.)
Jiaotong Railway Inspection And Certification Laboratory Chengdu Co ltd
Original Assignee
Jiaotong Railway Inspection And Certification Laboratory Chengdu 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 Jiaotong Railway Inspection And Certification Laboratory Chengdu Co ltd filed Critical Jiaotong Railway Inspection And Certification Laboratory Chengdu Co ltd
Priority to CN202211116579.9A priority Critical patent/CN115479949B/zh
Publication of CN115479949A publication Critical patent/CN115479949A/zh
Application granted granted Critical
Publication of CN115479949B publication Critical patent/CN115479949B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/043—Analysing solids in the interior, e.g. by shear waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Acoustics & Sound (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提供了一种基于大数据的桥梁安全监测预警方法及系统，应用于桥梁安全监测技术领域，该方法包括：通过接收桥梁监测指令，进行桥梁主承力区域集合圈定。遍历桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合。通过图像采集装置获取外观缺陷集合。通过超声探伤装置获取内部缺陷集合。根据外观缺陷集合和内部缺陷集合进行承力分析，生成承力极限值集合。遍历承力极限值集合和一级承力阈值集合、二级承力阈值集合进行比对，生成承力异常区域集合。根据承力异常区域集合发送至管理终端的显示界面，生成安全预警信号。解决了现有技术中桥梁安全监测预警方法存在一定的滞后性，导致无法对桥梁实际状态进行准确评估的技术问题。

Description

一种基于大数据的桥梁安全监测预警方法及系统
技术领域
本发明涉及桥梁安全监测技术领域，具体涉及一种基于大数据的桥梁安全监测预警方法及系统。
背景技术
桥梁安全监测是实现桥梁安全运行的重要手段，在现有技术中对于桥梁的安全监测手段主要通过监测桥梁的载荷、环境等外在方面的因素，评估分析其在所处环境条件下的可能发展势态及其对结构安全运营造成的可能潜在威胁。由于其采用间接评估的方式对桥梁安全进行监测，无法直接获取桥梁的实际缺陷与质量衰变，对桥梁的当前状态评估存在一定的滞后性。
因此，在现有技术中桥梁安全监测预警方法存在一定的滞后性，导致无法对桥梁实际状态进行准确评估的技术问题。
发明内容
本申请提供一种基于大数据的桥梁安全监测预警方法及系统，用于针对解决现有技术中桥梁安全监测预警方法存在一定的滞后性，导致无法对桥梁实际状态进行准确评估的技术问题。
鉴于上述问题，本申请提供了一种基于大数据的桥梁安全监测预警方法及系统。
本申请的第一个方面，提供了一种基于大数据的桥梁安全监测预警方法，所述方法应用一基于大数据的桥梁安全监测预警系统，所述方法包括：当接收到桥梁监测指令时，将待监测铁道桥梁设计图发送至管理终端的显示界面，通过工作人员圈定桥梁主承力区域集合；遍历所述桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合，其中，所述一级承力阈值集合和所述二级承力阈值集合一一对应，且任意一组的所述一级承力阈值小于所述二级承力阈值；通过图像采集装置遍历所述桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合；通过超声探伤装置遍历所述桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合；根据所述外观缺陷集合和所述内部缺陷集合遍历所述桥梁主承力区域集合进行承力分析，生成承力极限值集合；遍历所述承力极限值集合和所述一级承力阈值集合、所述二级承力阈值集合进行比对，生成承力异常区域集合；根据所述承力异常区域集合发送至所述管理终端的显示界面，生成安全预警信号。
本申请的第二个方面，提供了一种基于大数据的桥梁安全监测预警系统，所述系统包括：承力区域集合获取模块，用于当接收到桥梁监测指令时，将待监测铁道桥梁设计图发送至管理终端的显示界面，通过工作人员圈定桥梁主承力区域集合；承力阈值集合匹配模块，用于遍历所述桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合，其中，所述一级承力阈值集合和所述二级承力阈值集合一一对应，且任意一组的所述一级承力阈值小于所述二级承力阈值；外观缺陷集合获取模块，用于通过图像采集装置遍历所述桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合；内部缺陷集合获取模块，用于通过超声探伤装置遍历所述桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合；承力极限值集合获取模块，用于根据所述外观缺陷集合和所述内部缺陷集合遍历所述桥梁主承力区域集合进行承力分析，生成承力极限值集合；承力异常区域集合获取模块，用于遍历所述承力极限值集合和所述一级承力阈值集合、所述二级承力阈值集合进行比对，生成承力异常区域集合；安全预警信号生成模块，用于根据所述承力异常区域集合发送至所述管理终端的显示界面，生成安全预警信号。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的方法通过接收桥梁监测指令，进行桥梁主承力区域集合圈定。遍历桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合。通过图像采集装置遍历桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合。通过超声探伤装置遍历桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合。根据外观缺陷集合和内部缺陷集合进行承力分析，生成承力极限值集合。遍历承力极限值集合和一级承力阈值集合、二级承力阈值集合进行比对，生成承力异常区域集合。根据承力异常区域集合发送至管理终端的显示界面，生成安全预警信号。通过对承力区域承力极限的分析比对，并根据分析比对结果生成预警信号，实现对铁路桥梁的及时预警，进一步避免桥梁安全事故的发生。实现了对铁路桥梁的及时预警，及时避免桥梁发生安全事故。解决了现有技术中桥梁安全监测预警方法存在一定的滞后性，导致无法对桥梁实际状态进行准确评估的技术问题。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请提供的一种基于大数据的桥梁安全监测预警方法流程示意图；
图2为本申请提供的一种基于大数据的桥梁安全监测预警方法中匹配一级承力阈值集合和二级承力阈值集合的流程示意图；
图3为本申请提供的一种基于大数据的桥梁安全监测预警方法中获取承力异常区域集合的流程示意图；
图4为本申请提供了一种基于大数据的桥梁安全监测预警系统结构示意图。
附图标记说明：承力区域集合获取模块11，承力阈值集合匹配模块12，外观缺陷集合获取模块13，内部缺陷集合获取模块14，承力极限值集合获取模块15，承力异常区域集合获取模块16，安全预警信号生成模块17。
具体实施方式
本申请提供一种基于大数据的桥梁安全监测预警方法及系统，用于针对解决现有技术中桥梁安全监测预警方法存在一定的滞后性，导致无法对桥梁实际状态进行准确评估的技术问题。
下面将参考附图对本申请中的技术方案进行清楚、完整地描述。所描述的实施内容例仅为本申请所能实现的部分内容，而不是本申请的全部内容。
实施例一
如图1所示，本申请提供了一种基于大数据的桥梁安全监测预警方法，所述方法应用一基于大数据的桥梁安全监测预警系统，所述方法包括：
步骤100：当接收到桥梁监测指令时，将待监测铁道桥梁设计图发送至管理终端的显示界面，通过工作人员圈定桥梁主承力区域集合；
步骤200：遍历所述桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合，其中，所述一级承力阈值集合和所述二级承力阈值集合一一对应，且任意一组的所述一级承力阈值小于所述二级承力阈值；
具体的，铁路桥梁载荷量大，行车密度大，要求能抵抗自然灾害的标准高，并且对桥梁的结构强度具有一定的要求，为了保证铁路桥梁的安全运行，对铁路桥梁安全监测是桥梁日常维护中重要的部分，通过对桥梁进行安全监测保证桥梁的使用安全，以及对桥梁存在的潜在风险进行预警。当接收到桥梁监测指令时，此时待监测桥梁需要进行安全监测，将待监测铁道桥梁设计图发送至管理终端的显示界面，其中铁道桥梁为包含轨道交通或铁路通行需求的桥梁，通过工作人员圈定桥梁主承力区域集合，得到桥梁的主承力区域。随后，遍历桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合，即匹配各承力区域的空载承力和负载承力，一级承力阈值集合为桥梁空载时的承力，二级承力阈值集合为桥梁负载时的承力。其中，所述一级承力阈值集合和所述二级承力阈值集合一一对应，且任意一组的所述一级承力阈值小于所述二级承力阈值。
如图2所示，本申请实施例提供的方法步骤200还包括：
步骤210：将圈定所述桥梁主承力区域集合的所述待监测铁道桥梁设计图发送至承力阈值标定表的第一子表，生成无轨车承力阈值标定结果；
步骤220：将圈定所述桥梁主承力区域集合的所述待监测铁道桥梁设计图发送至所述承力阈值标定表的第二子表，生成有轨车承力阈值标定结果；
步骤230：将所述无轨车承力阈值标定结果添加进所述一级承力阈值集合；
步骤240：将所述有轨车承力阈值标定结果添加进所述二级承力阈值集合。
具体的，将圈定桥梁主承力区域集合的待监测铁道桥梁设计图发送至承力阈值标定表的第一子表，生成无轨车承力阈值标定结果，无轨车承力阈值标定结果为承力区域在无交通工具通行状态下的承力阈值，即空载承力阈值。由于在桥梁空载时，各承力区域的需要承担桥梁自身的重量。其中承力阈值标定表为各承力区域的承力阈值，包括第一子表以及第二子表，其中第一子表中包含各承力区域在无交通工具通行的状态下的设定承力阈值，其中第二子表中包含各承力区域在存在交通工具通行状态下的设定承力阈值。将圈定所述桥梁主承力区域集合的所述待监测铁道桥梁设计图发送至所述承力阈值标定表的第二子表，生成有轨车承力阈值标定结果，即获取存在交通工具通行状态下各的承力区域的承力阈值，有轨车承力阈值标定结果为该承力区域的最大承力阈值。最后，将无轨车承力阈值标定结果添加进所述一级承力阈值集合，将有轨车承力阈值标定结果添加进所述二级承力阈值集合。
本申请实施例提供的方法步骤200还包括：
步骤250：判断所述承力阈值标定表是否满足预设更新周期；
步骤260：若满足，通过第一设计方，第二设计方直到第N设计方，上传第一数据集与第二数据集，其中，所述第一数据集包括多组铁道桥梁设计图和无轨车承力阈值记录数据，所述第二数据集包括多组铁道桥梁设计图和有轨车承力阈值记录数据；
步骤270：根据所述第一数据集更新所述承力阈值标定表的所述第一子表；
步骤280：根据所述第二数据集更新所述承力阈值标定表的所述第二子表。
具体的，判断承力阈值标定表是否满足预设更新周期，由于承力阈值标定表中包含体现承力区域承力能力的范围，随着桥梁使用年限的增加初始设定的承力范围会发生改变，因此需要对承力阈值标定表进行一定周期的更新，以保证承力阈值标定表可以更好的体现桥梁的真实承力情况。若满足预设更新周期此时需要对承力阈值标定表进行更新，通过第一设计方，第二设计方直到第N设计方，上传第一数据集与第二数据集，即根据设计方上传承力点的承力数据。其中，所述第一数据集包括多组铁道桥梁设计图和无轨车承力阈值记录数据，所述第二数据集包括多组铁道桥梁设计图和有轨车承力阈值记录数据。根据第一数据集更新所述承力阈值标定表的第一子表，根据第二数据集更新所述承力阈值标定表的第二子表。
步骤300：通过图像采集装置遍历所述桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合；
步骤400：通过超声探伤装置遍历所述桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合；
步骤500：根据所述外观缺陷集合和所述内部缺陷集合遍历所述桥梁主承力区域集合进行承力分析，生成承力极限值集合；
具体的，通过图像采集装置遍历所述桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合，其中外观缺陷包括结构变形、结构侵蚀等可以通过图像获取的外观方面存在的缺陷。通过超声探伤装置遍历所述桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合，其中内部缺陷为无法直接通过外观图像获取的内部缺陷，如内部裂缝、等其他内部缺陷。随后，根据所述外观缺陷集合和所述内部缺陷集合遍历所述桥梁主承力区域集合进行承力分析，即对存在缺陷的承力区域进行承力分析，生成承力极限值集合。
本申请实施例提供的方法步骤500还包括：
步骤510：遍历所述外观缺陷集合进行特征提取，生成外观缺陷长度特征、外观缺陷宽度特征、外观缺陷深度特征和外观缺陷坐标特征；
步骤520：遍历所述内部缺陷集合进行特征提取，生成内部缺陷体积特征和内部缺陷坐标特征；
步骤530：构建承力分析模型，其中，所述承力分析模型包括第一承力分析模块和第二承力分析模块；
步骤540：将所述外观缺陷长度特征、所述外观缺陷宽度特征、所述外观缺陷深度特征和所述外观缺陷坐标特征，输入所述第一承力分析模块，获取第一承力极限值；
步骤550：将所述第一承力极限值、所述内部缺陷体积特征和所述内部缺陷坐标特征输入所述第二承力分析模块，获取第二承力极限值；
步骤560：将所述第二承力极限值添加进所述承力极限值集合。
具体的，遍历外观缺陷集合进行特征提取，提取其中外观缺陷长度、外观缺陷宽度、外观缺陷深度和外观缺陷坐标，生成外观缺陷长度特征、外观缺陷宽度特征、外观缺陷深度特征和外观缺陷坐标特征。遍历内部缺陷集合进行特征提取，生成内部缺陷体积特征和内部缺陷坐标特征，其中内部缺陷为承力区域部位的内部裂缝获取裂缝体积和具体的位置坐标。进一步的，构建承力分析模型，其中，所述承力分析模型包括第一承力分析模块和第二承力分析模块。其中第一承力分析模块用于通过外观缺陷获取承力区域的承力极限，第二承力分析模块用于根据内部缺陷获取承力区域的承力极限。最后，将外观缺陷长度特征、所述外观缺陷宽度特征、所述外观缺陷深度特征和所述外观缺陷坐标特征，输入所述第一承力分析模块，获取第一承力极限值。将所述第一承力极限值、所述内部缺陷体积特征和所述内部缺陷坐标特征输入所述第二承力分析模块，获取第二承力极限值。将所述第二承力极限值添加进所述承力极限值集合，完成对存在缺陷的承力区域承力极限的评估。
本申请实施例提供的方法步骤530还包括：
步骤531：通过所述第一设计方，所述第二设计方直到所述第N设计方，上传第三数据集和第四数据集；
步骤532：从所述第三数据集中提取外观缺陷特征记录数据集和第一承力极限标定值集合；
步骤533：从所述第四数据集中提取内部缺陷特征记录数据集和第二承力极限标定值集合；
步骤534：根据所述外观缺陷特征记录数据集和所述第一承力极限标定值集合，基于回归决策森林，构建所述第一承力分析模块；
步骤535：根据所述内部缺陷特征记录数据集、所述第一承力极限标定值集合与所述第二承力极限标定值集合，基于回归决策森林，构建所述第二承力分析模块；
步骤536：将所述第一承力分析模块和所述第二承力分析模块合并，生成所述承力分析模型。
具体的，通过第一设计方所述第二设计方直到所述第N设计方，上传第三数据集和第四数据集。从第三数据集中提取外观缺陷特征记录数据集和第一承力极限标定值集合，通过获取第三数据集获得外观缺陷特征记录和对应的第一承力极限标定值。从所述第四数据集中提取内部缺陷特征记录数据集和第二承力极限标定值集合，通过第四数据集提取内部缺陷特征记录数据和对应的第二承力极限标定值。随后，根据外观缺陷特征记录数据集和所述第一承力极限标定值集合，基于回归决策森林，构建所述第一承力分析模块，其中第一承力分析模块用于根据外观缺陷特征获取对应的第一承力极限数据。根据所述内部缺陷特征记录数据集、所述第一承力极限标定值集合与所述第二承力极限标定值集合，基于回归决策森林，构建所述第二承力分析模块，其中第二承力分析模块用于根据内部缺陷特征和第一承力极限标定值，获取第二承力极限，最后输出的第二承力极限即为最终的承力极限。最后，将所述第一承力分析模块和所述第二承力分析模块合并，生成所述承力分析模型。由于承力区域的承力极限受到内部缺陷和外部缺陷的影响，因此通过构建承力分析模型，获得内部缺陷和外部缺陷对承力极限的影响，便于后续对桥梁承力进行准确分析。
本申请实施例提供的方法步骤534还包括：
步骤534-1：将所述外观缺陷特征记录数据集和所述第一承力极限标定值集合划分为k等份，有放回的取出k次，生成第一训练数据集；
步骤534-2：重复M次，生成第二训练数据集、第三训练数据集直到第M训练数据集；
步骤534-3：将所述第一训练数据集的所述外观缺陷特征记录数据集作为输入数据，将所述第一训练数据集的所述第一承力极限标定值集合作为输出标识信息，构建第一决策树；
步骤534-4：将所述第M训练数据集的所述外观缺陷特征记录数据集作为输入数据，将所述第M训练数据集的所述第一承力极限标定值集合作为输出标识信息，构建第M决策树；
步骤534-5：将所述第一决策树直到所述第M决策树合并，生成所述第一承力分析模块，其中，所述第一承力分析模块的输出为所述第一决策树直到所述第M决策树的输出均值。
具体的，在构建第一承力分析模块时，将外观缺陷特征记录数据集和所述第一承力极限标定值集合划分为k等份，有放回的取出k次，生成第一训练数据集，重复M次，生成第二训练数据集、第三训练数据集直到第M训练数据集，由于该过程为由放回的随机提取，因此构建的数据集更加具有随机性，进一步提升后续模型的训练效果。将第一训练数据集的所述外观缺陷特征记录数据集作为输入数据，将第一训练数据集的所述第一承力极限标定值集合作为输出标识信息，构建第一决策树。随后，将所述第M训练数据集的所述外观缺陷特征记录数据集作为输入数据，将所述第M训练数据集的所述第一承力极限标定值集合作为输出标识信息，构建第M决策树。对第一决策树直到所述第M决策树合并，生成所述第一承力分析模块，其中，所述第一承力分析模块的输出为所述第一决策树直到所述第M决策树的输出均值。构建第二承力分析模块时采用相同的方式将内部缺陷特征记录数据集、所述第一承力极限标定值集合与所述第二承力极限标定值集合划分为k等份，有放回的取出k次，重复M次，生成第二承力分析模块的训练数据集。随后，将获取的第二承力分析模块的训练数据集中内部缺陷特征记录数据集和第一承力极限标定值集合作为输入数据，将第二承力极限标定值集合作为输出标识信息，构建第一决策树。获取第二承力分析模块的第一决策树直到所述第M决策树并进行合并，生成第二承力分析模块。其中第二承力分析模块输出为上述决策树输出的均值。
步骤600：遍历所述承力极限值集合和所述一级承力阈值集合、所述二级承力阈值集合进行比对，生成承力异常区域集合；
步骤700：根据所述承力异常区域集合发送至所述管理终端的显示界面，生成安全预警信号。
具体的，遍历承力极限值集合和所述一级承力阈值集合、所述二级承力阈值集合进行比对，即遍历承力极限和一级承力阈值集合、所述二级承力阈值集合，并进行数值比对，当承力极限不满足一级承力阈值集合、所述二级承力阈值集合时，生成承力异常区域集合，其中承力极限不满足一级承力阈值集合时，此时在无交通工具通行时桥梁也有可能存在坍塌的风险。承力极限不满足二级承力阈值集合时，此时在交通工具通行时桥梁可能存在坍塌的风险。最后，根据承力异常区域集合发送至所述管理终端的显示界面，不同的比对结果生成的预警信号存在差异，当承力极限不满足一级承力阈值集合时为第一类预警方式，承力极限不满足二级承力阈值集合时为第二类预警方式，第一类预警方式预警等级高于第二类预警方式，生成安全预警信号。通过对承力区域承力极限的分析比对，并根据分析比对结果生成预警信号，实现对铁路桥梁的及时预警，进一步避免桥梁安全事故的发生。
如图3所示，本申请实施例提供的方法步骤600还包括：
步骤610：遍历所述承力极限值集合和所述一级承力阈值集合进行比对，将所述承力极限值小于或等于所述一级承力阈值的所述桥梁主承力区域，添加进一级承力异常区域集合；
步骤620：将所述承力极限值大于所述一级承力阈值的所述承力极限值集合和所述二级承力阈值集合进行比对，将所述承力极限值小于或等于所述一级承力阈值的所述桥梁主承力区域，添加进二级承力异常区域集合；
步骤630：将所述一级承力异常区域集合与所述二级承力异常区域集合，添加进所述承力异常区域集合。
具体的，遍历所述承力极限值集合和所述一级承力阈值集合进行比对，将所述承力极限值小于或等于所述一级承力阈值的所述桥梁主承力区域，添加进一级承力异常区域集合，此时承力极限已经无法满足桥梁自身结构的承力需求。将所述承力极限值大于所述一级承力阈值的所述承力极限值集合和所述二级承力阈值集合进行比对，将所述承力极限值小于或等于所述一级承力阈值的所述桥梁主承力区域，添加进二级承力异常区域集合，此时承力极限可以满足桥梁自身结构的承力需求，但当存在交通工具通过时，各承力区域的承力能力则无法满足，存在一定的安全风险。最后，将所述一级承力异常区域集合与所述二级承力异常区域集合，添加进所述承力异常区域集合。
综上所述，本申请实施例提供的方法通过接收桥梁监测指令，将待监测铁道桥梁设计图发送至管理终端的显示界面，通过工作人员圈定桥梁主承力区域集合。遍历桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合。通过图像采集装置遍历桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合。通过超声探伤装置遍历桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合。根据外观缺陷集合和内部缺陷集合进行承力分析，生成承力极限值集合。遍历承力极限值集合和一级承力阈值集合、二级承力阈值集合进行比对，生成承力异常区域集合。根据承力异常区域集合发送至管理终端的显示界面，生成安全预警信号。通过对承力区域承力极限的分析比对，并根据分析比对结果生成预警信号，实现对铁路桥梁的及时预警，进一步避免桥梁安全事故的发生。实现了对铁路桥梁的及时预警，及时避免桥梁发生安全事故。实施例二
基于与前述实施例中一种基于大数据的桥梁安全监测预警方法相同的发明构思，如图4所示，本申请提供了一种基于大数据的桥梁安全监测预警系统，所述系统包括：
承力区域集合获取模块11，用于当接收到桥梁监测指令时，将待监测铁道桥梁设计图发送至管理终端的显示界面，通过工作人员圈定桥梁主承力区域集合；
承力阈值集合匹配模块12，用于遍历所述桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合，其中，所述一级承力阈值集合和所述二级承力阈值集合一一对应，且任意一组的所述一级承力阈值小于所述二级承力阈值；
外观缺陷集合获取模块13，用于通过图像采集装置遍历所述桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合；
内部缺陷集合获取模块14，用于通过超声探伤装置遍历所述桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合；
承力极限值集合获取模块15，用于根据所述外观缺陷集合和所述内部缺陷集合遍历所述桥梁主承力区域集合进行承力分析，生成承力极限值集合；
承力异常区域集合获取模块16，用于遍历所述承力极限值集合和所述一级承力阈值集合、所述二级承力阈值集合进行比对，生成承力异常区域集合；
安全预警信号生成模块17，用于根据所述承力异常区域集合发送至所述管理终端的显示界面，生成安全预警信号。
进一步地，所述承力阈值集合匹配模块12还用于：
将圈定所述桥梁主承力区域集合的所述待监测铁道桥梁设计图发送至承力阈值标定表的第一子表，生成无轨车承力阈值标定结果；
将圈定所述桥梁主承力区域集合的所述待监测铁道桥梁设计图发送至所述承力阈值标定表的第二子表，生成有轨车承力阈值标定结果；
将所述无轨车承力阈值标定结果添加进所述一级承力阈值集合；
将所述有轨车承力阈值标定结果添加进所述二级承力阈值集合。
进一步地，所述承力阈值集合匹配模块12还用于：
判断所述承力阈值标定表是否满足预设更新周期；
若满足，通过第一设计方，第二设计方直到第N设计方，上传第一数据集与第二数据集，其中，所述第一数据集包括多组铁道桥梁设计图和无轨车承力阈值记录数据，所述第二数据集包括多组铁道桥梁设计图和有轨车承力阈值记录数据；
根据所述第一数据集更新所述承力阈值标定表的所述第一子表；
根据所述第二数据集更新所述承力阈值标定表的所述第二子表。
进一步地，所述承力极限值集合获取模块15还用于：
遍历所述外观缺陷集合进行特征提取，生成外观缺陷长度特征、外观缺陷宽度特征、外观缺陷深度特征和外观缺陷坐标特征；
遍历所述内部缺陷集合进行特征提取，生成内部缺陷体积特征和内部缺陷坐标特征；
构建承力分析模型，其中，所述承力分析模型包括第一承力分析模块和第二承力分析模块；
将所述外观缺陷长度特征、所述外观缺陷宽度特征、所述外观缺陷深度特征和所述外观缺陷坐标特征，输入所述第一承力分析模块，获取第一承力极限值；
将所述第一承力极限值、所述内部缺陷体积特征和所述内部缺陷坐标特征输入所述第二承力分析模块，获取第二承力极限值；
将所述第二承力极限值添加进所述承力极限值集合。
进一步地，所述承力极限值集合获取模块15还用于：
通过所述第一设计方，所述第二设计方直到所述第N设计方，上传第三数据集和第四数据集；
从所述第三数据集中提取外观缺陷特征记录数据集和第一承力极限标定值集合；
从所述第四数据集中提取内部缺陷特征记录数据集和第二承力极限标定值集合；
根据所述外观缺陷特征记录数据集和所述第一承力极限标定值集合，基于回归决策森林，构建所述第一承力分析模块；
根据所述内部缺陷特征记录数据集、所述第一承力极限标定值集合与所述第二承力极限标定值集合，基于回归决策森林，构建所述第二承力分析模块；
将所述第一承力分析模块和所述第二承力分析模块合并，生成所述承力分析模型。
进一步地，所述承力极限值集合获取模块15还用于：
将所述外观缺陷特征记录数据集和所述第一承力极限标定值集合划分为k等份，有放回的取出k次，生成第一训练数据集；
重复M次，生成第二训练数据集、第三训练数据集直到第M训练数据集；
将所述第一训练数据集的所述外观缺陷特征记录数据集作为输入数据，将所述第一训练数据集的所述第一承力极限标定值集合作为输出标识信息，构建第一决策树；
将所述第M训练数据集的所述外观缺陷特征记录数据集作为输入数据，将所述第M训练数据集的所述第一承力极限标定值集合作为输出标识信息，构建第M决策树；
将所述第一决策树直到所述第M决策树合并，生成所述第一承力分析模块，其中，所述第一承力分析模块的输出为所述第一决策树直到所述第M决策树的输出均值。
进一步地，所述承力异常区域集合获取模块16还用于：
遍历所述承力极限值集合和所述一级承力阈值集合进行比对，将所述承力极限值小于或等于所述一级承力阈值的所述桥梁主承力区域，添加进一级承力异常区域集合；
将所述承力极限值大于所述一级承力阈值的所述承力极限值集合和所述二级承力阈值集合进行比对，将所述承力极限值小于或等于所述一级承力阈值的所述桥梁主承力区域，添加进二级承力异常区域集合；
将所述一级承力异常区域集合与所述二级承力异常区域集合，添加进所述承力异常区域集合。
上述实施例二用于执行如实施例一中的方法，其执行原理以及执行基础均可以通过实施例一中记载的内容获取，在此不做过多赘述。尽管结合具体特征及其实施例对本申请进行了描述，但本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围，这样获取的内容也属于本申请保护的范围。

Claims (7)

1.一种基于大数据的桥梁安全监测预警方法，其特征在于，所述方法应用一基于大数据的桥梁安全监测预警系统，所述方法包括：
当接收到桥梁监测指令时，将待监测铁道桥梁设计图发送至管理终端的显示界面，通过工作人员圈定桥梁主承力区域集合；
遍历所述桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合，其中，所述一级承力阈值集合和所述二级承力阈值集合一一对应，且任意一组的所述一级承力阈值小于所述二级承力阈值；
通过图像采集装置遍历所述桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合；
通过超声探伤装置遍历所述桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合；
根据所述外观缺陷集合和所述内部缺陷集合遍历所述桥梁主承力区域集合进行承力分析，生成承力极限值集合；
遍历所述承力极限值集合和所述一级承力阈值集合、所述二级承力阈值集合进行比对，生成承力异常区域集合；
根据所述承力异常区域集合发送至所述管理终端的显示界面，生成安全预警信号；
其中，所述根据所述外观缺陷集合和所述内部缺陷集合遍历所述桥梁主承力区域集合进行承力分析，生成承力极限值集合，包括：
遍历所述外观缺陷集合进行特征提取，生成外观缺陷长度特征、外观缺陷宽度特征、外观缺陷深度特征和外观缺陷坐标特征；
遍历所述内部缺陷集合进行特征提取，生成内部缺陷体积特征和内部缺陷坐标特征；
构建承力分析模型，其中，所述承力分析模型包括第一承力分析模块和第二承力分析模块；
将所述外观缺陷长度特征、所述外观缺陷宽度特征、所述外观缺陷深度特征和所述外观缺陷坐标特征，输入所述第一承力分析模块，获取第一承力极限值；
将所述第一承力极限值、所述内部缺陷体积特征和所述内部缺陷坐标特征输入所述第二承力分析模块，获取第二承力极限值；
将所述第二承力极限值添加进所述承力极限值集合。
2.如权利要求1所述的方法，其特征在于，所述遍历所述桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合，包括：
将圈定所述桥梁主承力区域集合的所述待监测铁道桥梁设计图发送至承力阈值标定表的第一子表，生成无轨车承力阈值标定结果；
将圈定所述桥梁主承力区域集合的所述待监测铁道桥梁设计图发送至所述承力阈值标定表的第二子表，生成有轨车承力阈值标定结果；
将所述无轨车承力阈值标定结果添加进所述一级承力阈值集合；
将所述有轨车承力阈值标定结果添加进所述二级承力阈值集合。
3.如权利要求2所述的方法，其特征在于，还包括：
判断所述承力阈值标定表是否满足预设更新周期；
若满足，通过第一设计方，第二设计方直到第N设计方，上传第一数据集与第二数据集，其中，所述第一数据集包括多组铁道桥梁设计图和无轨车承力阈值记录数据，所述第二数据集包括多组铁道桥梁设计图和有轨车承力阈值记录数据；
根据所述第一数据集更新所述承力阈值标定表的所述第一子表；
根据所述第二数据集更新所述承力阈值标定表的所述第二子表。
4.如权利要求3所述的方法，其特征在于，所述构建承力分析模型，包括：
通过所述第一设计方，所述第二设计方直到所述第N设计方，上传第三数据集和第四数据集；
从所述第三数据集中提取外观缺陷特征记录数据集和第一承力极限标定值集合；
从所述第四数据集中提取内部缺陷特征记录数据集和第二承力极限标定值集合；
根据所述外观缺陷特征记录数据集和所述第一承力极限标定值集合，基于回归决策森林，构建所述第一承力分析模块；
根据所述内部缺陷特征记录数据集、所述第一承力极限标定值集合与所述第二承力极限标定值集合，基于回归决策森林，构建所述第二承力分析模块；
将所述第一承力分析模块和所述第二承力分析模块合并，生成所述承力分析模型。
5.如权利要求4所述的方法，其特征在于，所述根据所述外观缺陷特征记录数据集和所述第一承力极限标定值集合，基于回归决策森林，构建所述第一承力分析模块，包括：
将所述外观缺陷特征记录数据集和所述第一承力极限标定值集合划分为k等份，有放回的取出k次，生成第一训练数据集；
重复M次，生成第二训练数据集、第三训练数据集直到第M训练数据集；
将所述第一训练数据集的所述外观缺陷特征记录数据集作为输入数据，将所述第一训练数据集的所述第一承力极限标定值集合作为输出标识信息，构建第一决策树；
将所述第M训练数据集的所述外观缺陷特征记录数据集作为输入数据，将所述第M训练数据集的所述第一承力极限标定值集合作为输出标识信息，构建第M决策树；
将所述第一决策树直到所述第M决策树合并，生成所述第一承力分析模块，其中，所述第一承力分析模块的输出为所述第一决策树直到所述第M决策树的输出均值。
6.如权利要求1所述的方法，其特征在于，所述遍历所述承力极限值集合和所述一级承力阈值集合、所述二级承力阈值集合进行比对，生成承力异常区域集合，包括：
遍历所述承力极限值集合和所述一级承力阈值集合进行比对，将所述承力极限值小于或等于所述一级承力阈值的所述桥梁主承力区域，添加进一级承力异常区域集合；
将所述承力极限值大于所述一级承力阈值的所述承力极限值集合和所述二级承力阈值集合进行比对，将所述承力极限值小于或等于所述一级承力阈值的所述桥梁主承力区域，添加进二级承力异常区域集合；
将所述一级承力异常区域集合与所述二级承力异常区域集合，添加进所述承力异常区域集合。
7.一种基于大数据的桥梁安全监测预警系统，其特征在于，所述系统包括：
承力区域集合获取模块，用于当接收到桥梁监测指令时，将待监测铁道桥梁设计图发送至管理终端的显示界面，通过工作人员圈定桥梁主承力区域集合；
承力阈值集合匹配模块，用于遍历所述桥梁主承力区域集合，匹配一级承力阈值集合和二级承力阈值集合，其中，所述一级承力阈值集合和所述二级承力阈值集合一一对应，且任意一组的所述一级承力阈值小于所述二级承力阈值；
外观缺陷集合获取模块，用于通过图像采集装置遍历所述桥梁主承力区域集合进行外观缺陷采集，生成外观缺陷集合；
内部缺陷集合获取模块，用于通过超声探伤装置遍历所述桥梁主承力区域集合进行内部缺陷采集，生成内部缺陷集合；
承力极限值集合获取模块，用于根据所述外观缺陷集合和所述内部缺陷集合遍历所述桥梁主承力区域集合进行承力分析，生成承力极限值集合；
承力异常区域集合获取模块，用于遍历所述承力极限值集合和所述一级承力阈值集合、所述二级承力阈值集合进行比对，生成承力异常区域集合；
安全预警信号生成模块，用于根据所述承力异常区域集合发送至所述管理终端的显示界面，生成安全预警信号；
其中，所述承力极限值集合获取模块，包括：
遍历所述外观缺陷集合进行特征提取，生成外观缺陷长度特征、外观缺陷宽度特征、外观缺陷深度特征和外观缺陷坐标特征；
遍历所述内部缺陷集合进行特征提取，生成内部缺陷体积特征和内部缺陷坐标特征；
构建承力分析模型，其中，所述承力分析模型包括第一承力分析模块和第二承力分析模块；
将所述外观缺陷长度特征、所述外观缺陷宽度特征、所述外观缺陷深度特征和所述外观缺陷坐标特征，输入所述第一承力分析模块，获取第一承力极限值；
将所述第一承力极限值、所述内部缺陷体积特征和所述内部缺陷坐标特征输入所述第二承力分析模块，获取第二承力极限值；
将所述第二承力极限值添加进所述承力极限值集合。
CN202211116579.9A 2022-09-14 2022-09-14 一种基于大数据的桥梁安全监测预警方法及系统 Active CN115479949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211116579.9A CN115479949B (zh) 2022-09-14 2022-09-14 一种基于大数据的桥梁安全监测预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211116579.9A CN115479949B (zh) 2022-09-14 2022-09-14 一种基于大数据的桥梁安全监测预警方法及系统

Publications (2)

Publication Number Publication Date
CN115479949A CN115479949A (zh) 2022-12-16
CN115479949B true CN115479949B (zh) 2023-04-07

Family

ID=84393041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211116579.9A Active CN115479949B (zh) 2022-09-14 2022-09-14 一种基于大数据的桥梁安全监测预警方法及系统

Country Status (1)

Country Link
CN (1) CN115479949B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116182943B (zh) * 2023-01-31 2023-12-15 扬州丰筑建设工程有限公司 一种基于数据重构的大跨度钢结构健康监测方法及系统
CN118114035B (zh) * 2024-04-28 2024-07-02 交铁检验认证实验室(成都)有限公司 一种基于大数据的桥梁监测数据处理方法及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113916673A (zh) * 2021-10-28 2022-01-11 安阳市蓝海安全工程师事务所有限公司 一种基于容器状态监测的安全预警方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4859521B2 (ja) * 2006-05-02 2012-01-25 三菱重工業株式会社 超音波探傷データを処理するためのプログラム、処理装置及び処理方法
JP5342619B2 (ja) * 2011-08-30 2013-11-13 三菱重工業株式会社 超音波探傷データを処理するためのプログラム、処理装置及び処理方法
JP6546826B2 (ja) * 2015-10-08 2019-07-17 株式会社日立パワーソリューションズ 欠陥検査方法、及びその装置
CN112734702A (zh) * 2020-12-28 2021-04-30 詹晨 基于大数据分析和机器视觉的桥梁安全监测方法及云平台
CN113029229A (zh) * 2021-02-04 2021-06-25 泉州市泽锐航科技有限公司 一种基于物联网大数据的桥梁检测安全系统
CN113408396B (zh) * 2021-06-15 2022-03-18 广西交科集团有限公司 一种基于云计算的桥梁智能感知系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113916673A (zh) * 2021-10-28 2022-01-11 安阳市蓝海安全工程师事务所有限公司 一种基于容器状态监测的安全预警方法及系统

Also Published As

Publication number Publication date
CN115479949A (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
CN115479949B (zh) 一种基于大数据的桥梁安全监测预警方法及系统
CN108569607B (zh) 基于双向门控循环神经网络的电梯故障预警方法
EP3783356A1 (en) Train component crack damage monitoring method and system
CN107153914B (zh) 一种汽车运行风险的评价系统及方法
CN111486893A (zh) 一种桥梁结构健康监测与预警系统及预警方法
Rizvi et al. Crack detection in railway track using image processing
CN108896299B (zh) 一种齿轮箱故障检测方法
CN114894411B (zh) 一种基于无线传感器网络的桥梁健康监测方法及系统
CN111896625A (zh) 钢轨伤损实时监测方法及其监测系统
CN111444252A (zh) 一种桥梁监测系统
CN106198749B (zh) 一种基于金属裂纹监测的多路传感器的数据融合方法
CN108170925A (zh) 一种基于arma模型的桥梁损伤预警方法
CN113255188A (zh) 一种基于事故树的桥梁安全预警方法及系统
CN116380496B (zh) 一种汽车车门疲劳耐久测试方法、系统及介质
Ghiasi et al. An unsupervised anomaly detection framework for onboard monitoring of railway track geometrical defects using one-class support vector machine
CN106650113A (zh) 一种基于模糊聚类的桥梁监测数据异常情况识别方法
CN111144485A (zh) 基于xgboost分类算法的车辆事故判断方法和系统
Yaman et al. A vision based diagnosis approach for multi rail surface faults using fuzzy classificiation in railways
CN108763966B (zh) 一种尾气检测作弊监管系统及方法
CN118410428A (zh) 一种地铁隧道自动化监测方法、系统、设备和介质
Zeng et al. Rail break prediction and cause analysis using imbalanced in-service train data
Purnomo et al. Initial implementation of structural health monitoring system of a railway bridge
Vincent et al. A Cognitive Rail Track Breakage Detection System Using Artificial Neural Network
Asplund et al. Assessment of the data quality of wayside wheel profile measurements.
CN117345344B (zh) 一种矿井声电信号智能预测方法与系统

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