CN111931407B - 一种基于长期监测数据的结构可靠度评估预测方法及系统 - Google Patents
一种基于长期监测数据的结构可靠度评估预测方法及系统 Download PDFInfo
- Publication number
- CN111931407B CN111931407B CN202010807445.6A CN202010807445A CN111931407B CN 111931407 B CN111931407 B CN 111931407B CN 202010807445 A CN202010807445 A CN 202010807445A CN 111931407 B CN111931407 B CN 111931407B
- Authority
- CN
- China
- Prior art keywords
- reliability
- annual
- probability distribution
- components
- load effect
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 230000007774 longterm Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000000694 effects Effects 0.000 claims abstract description 80
- 230000004044 response Effects 0.000 claims abstract description 19
- 230000015556 catabolic process Effects 0.000 claims abstract description 15
- 238000006731 degradation reaction Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims description 92
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000012423 maintenance Methods 0.000 claims description 19
- 238000005315 distribution function Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000008376 long-term health Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 2
- 230000036541 health Effects 0.000 abstract description 8
- 230000008439 repair process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
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)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本公开提供一种基于长期监测数据的结构可靠度评估预测方法及系统，涉及土木结构监测领域，充分利用海量监测数据分别对被监测构件和未监测构件进行分析；通过结构的有限元模型建立起两者之间的联系：将监测得到的荷载施加于结构有限元模型上得到未监测构件的荷载效应，从而使得整个结构所有构件的可靠度得以分析；充分利用海量健康监测数据，可更准确、全面地评估和预测土木结构可靠度：除了结构强度的退化，还考虑了荷载效应的长期变化对结构可靠度评估结果的影响；同时利用结构的整体和局部响应数据分别从构件和结构体系两个层面评估结构可靠度。
Description
技术领域
本公开涉及土木结构监测领域，特别涉及一种基于长期监测数据的结构可靠度评估预测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
结构健康监测技术在土木工程领域广泛应用，系统长年运行积累了海量数据，包括交通、风、温度等荷载和加速度、位移、应变结构响应数据，但是基于这些数据分析结构安全服役状况并有效指导日常管理、养护工作成为当前亟待解决的实际问题。
在结构状态评估中不确定性问题不可避免，如荷载，荷载效应，构件的材料、几何特性，结构的退化机理等都是随机变量。为确保评估结果的准确性，有必要对这些随机变量进行量化描述。结构可靠度理论为描述工程中固有的不确定性提供了一套科学方法。它通过抗力和荷载效应的概率分布研究结构的失效概率，通常用可靠度指标表示。而健康监测数据恰恰可用于得到荷载效应的概率分布，并为抗力分布提供必要信息。
发明人发现，目前采用的预测方法中，通过荷载、材料收缩及徐变影响下的刚度衰减系数更新结构的抗力分布函数，从而得到结构可靠度的演化规律和结构的剩余使用寿命。然而，结构可靠度评估的两大要素，除了抗力还有荷载效应。这种方法侧重于考虑抗力的退化，对结构服役期内荷载效应的变化并未作考虑；另一种评估方法，通过对挠度数据进行数理统计评估桥梁的刚度可靠度。但挠度响应是桥梁的整体性响应，它对结构的局部破坏不太敏感。当从挠度响应觉察到桥梁安全状态变化时，结构的破坏很可能已经非常严重，已构成对人民生命财产安全的巨大威胁。
发明内容
本公开的目的是针对现有技术存在的缺陷，提供一种基于长期监测数据的结构可靠度评估预测方法及系统，充分利用海量健康监测数据，可更准确、全面地评估和预测土木结构可靠度：除了结构强度的退化，还考虑了荷载效应的长期变化对结构可靠度评估结果的影响；同时利用结构的整体和局部响应数据分别从构件和结构体系两个层面评估结构可靠度。
本公开的第一目的是提供一种基于长期监测数据的结构可靠度评估预测方法，包括以下步骤：
获取长期监测数据进行预处理得到荷载效应每年的概率分布和极值分布，对监测结构建立有限元模型并校准；
通过有限元模型模拟并确定未监测构件荷载效应每年的概率分布和极值分布；
利用构件和结构的年荷载效应概率分布计算年可靠度指标，对可靠度进行评估，并更新构件和结构的年可靠度指标；
确定抗力的全寿命期退化模型，依托于上述的荷载效应极值分布，预测构件和结构的可靠度指标。
进一步地，获取对土木结构长期健康监测数据，并进行去噪处理，分离荷载效应信号中的各类载荷对应的信号源，将数据转化为结构工程物理量，对各类荷载数据进行数理统计，得到每年的概率分布和总体极值分布。
进一步地，对总荷载效应及各类荷载效应进行数理统计，分别得到其每年的概率分布和极值分布。
进一步地，利用各类荷载数据、概率分布和总体极值分布校准有限元模型。
进一步地，获取各构件及结构初始抗力的概率分布，将结构服役时间离散成以年为单位，计算年可靠度指标。
进一步地，将荷载效应数据按照结构局部响应和结构整体响应分类，分别得到各构件的年荷载效应概率分布和结构整体的年荷载概率分布。
进一步地，对于更新年可靠度指标，基于最大荷载效应数据及结构的维护、养护记录，更新抗力的概率分布函数，结合历史监测数据，更新年概率分布参数，重新计算结构和构件的年可靠度指标。
进一步地，还包括，进行风险分析，设立各构件一定参考期内的目标可靠度，以目标可靠度为基准，根据构件可靠度评估结果指定检查、维护策略。
本公开的第二目的是提供一种基于长期监测数据的结构可靠度评估预测系统，采用以下技术方案：
预处理模块：被配置为获取长期监测数据并进行预处理得到荷载效应每年的概率分布和极值分布；
有限元模块：被配置为建立有限元模型并校准，利用有限元模型模拟并确定未监测构件荷载效应每年的概率分布和极值分布；
评估模块：被配置为利用构件和结构的年荷载效应概率分布计算年可靠度指标，并进行评估；并更新构件和结构的年可靠度指标；
预测模块：被配置为确定抗力的全寿命期退化模型，依托于上述的荷载效应极值分布，预测构件和结构的可靠度指标。
进一步地，所述评估模块，基于最大荷载效应数据及结构的维护、养护记录，更新抗力的概率分布函数，结合历史监测数据，更新年概率分布参数，重新计算并更新结构和构件的年可靠度指标。
与现有技术相比，本公开具有的优点和积极效果是：
(1)充分利用海量健康监测数据，可更准确、全面地评估和预测土木结构可靠度：除了结构强度的退化，还考虑了荷载效应的长期变化对结构可靠度评估结果的影响；同时利用结构的整体和局部响应数据分别从构件和结构体系两个层面评估结构可靠度；
(2)充分挖掘海量结构健康监测数据的潜力，将全寿命的概念纳入结构状态评价，更全面、准确地评估和预测土木结构可靠度，为科学、经济的管养修工作提供量化参考指标；
(3)基于长期监测数据，结构可靠度所需的结构抗力和荷载效应的概率分布均得以更准确的估计和预测。而且，它不仅能从整体上把握结构的服役安全状况，还能掌握各构件的可靠度并对其排序，从而有助于在有限的经济预算下更合理地安排结构的管理、养护、维修工作，也便于更早地觉察结构异常。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1、2中评估预测过程的流程示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步地说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；
为了方便叙述，本公开中如果出现“上”、“下”、“左”、“右”字样，仅表示与附图本身的上、下、左、右方向一致，并不对结构起限定作用，仅仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本公开的限制。
正如背景技术中所介绍的，现有技术中侧重于考虑抗力的退化，对结构服役期内荷载效应的变化并未作考虑；对挠度数据进行数理统计评估桥梁的刚度可靠度，但挠度响应是桥梁的整体性响应，它对结构的局部破坏不太敏感；针对上述问题，本公开提出了一种基于长期监测数据的结构可靠度评估预测方法及系统。
实施例1
本公开的一种典型的实施方式中，如图1所示，提出了一种基于长期监测数据的结构可靠度评估预测方法。
充分利用海量监测数据分别对被监测构件和未监测构件进行分析；
通过结构的有限元模型建立起两者之间的联系：将监测得到的荷载施加于结构有限元模型上得到未监测构件的荷载效应，从而使得整个结构所有构件的可靠度得以分析。
其工作流程具体为：
对长期监测数据进行预处理、结构工程物理量推导和数理统计；
建立并基于监测数据校准结构的精细有限元模型，通过该模型得未监测构件荷载效应的概率分布；
评估并更新各构件及结构整体的年结构可靠度；
预测构件及结构整体可靠度的全寿命期演化规律；
设立各构件的目标可靠度，并根据可靠度分析结果制定相应的检查、养护、维修策略。
具体的，结合附图，对本实施例的详细工作过程进行描述：
1.对长期监测数据进行预处理和数理统计。包括：
(1-1)用时频分析法等处理长期监测数据，高效去除信号中的噪声、尖峰、趋势等无效信息，并分离荷载效应信号中各类荷载对应的信号源；
(1-2)将监测数据通过物理分析转化为结构工程物理量，如风压、车辆荷载、车道荷载等荷载，以及轴力、弯矩、剪力等荷载效应；
(1-3)对预处理后的各类荷载数据进行数理统计，得到其每年的概率分布和总体极值分布；
(1-4)对总荷载效应及其各组分即各类荷载效应进行数理统计，得到它们每年的概率分布和极值分布。
2.建立并基于监测数据校准结构的精细有限元模型。
(2-1)用ABAQUS等有限元软件建立结构的精细有限元模型；
(2-2)按规程对结构进行荷载测试；
(2-3)将测试荷载施加于结构的有限元模型，得到对应的结构响应；
(2-4)比较模型和监测系统实测的静、动力结构响应，校准有限元模型。
3.通过有限元模型得未监测构件荷载效应每年的概率分布及总体极值分布。包括：
(3-1)通过有限元模型，利用(1-4)得到的各类荷载效应概率分布反推未测荷载的概率分布；
(3-2)施加各类荷载谱，包括直接测得的和(3-1)反推得到的，于结构有限元模型上，将被监测构件的荷载效应与实测数据进行比较，进一步验证并校准有限元模型的精确度；
(3-3)由有限元模拟结果确定未监测构件荷载效应每年的概率分布以及极值分布。
4.评估并更新各构件及结构整体的年结构可靠度。
(4-1)通过设计资料和构件的材料、几何属性，得到各构件及结构初始抗力的概率分布；
(4-2)将结构服役时间离散成以年为单位，从而将时变可靠度问题转化为时不变问题进行研究；
(4-3)基于健康监测数据和有限元模拟分析构件和结构的荷载效应年概率分布；
具体包括：
(4-3a)将荷载效应数据按结构局部和整体响应分类；
(4-3b)利用每年的结构局部响应数据，如应变，得到各构件的年荷载效应概率分布；
(4-3c)利用每年的结构整体响应数据，如位移或挠度，得到结构的年荷载效应概率分布。
(4-4)通过解析法如一次二阶矩法等或数值法如蒙特卡罗法等计算结构及各构件的年可靠度指标；
(4-5)结合历史监测数据，更新抗力和荷载效应的概率分布，从而持续更新结构和构件的年可靠度指标。
具体包括：
(4-5a)基于最大荷载效应数据及结构的维修、养护记录，更新抗力的概率分布函数；
(4-5b)融合过去所有历史数据，更新荷载效应的年概率分布参数，可把所有新旧数据放到一起用概率论方法更新，也可将概率分布参数看作变量，用新数据对各参数用贝叶斯方法更新；
(4-5c)利用更新后的抗力和荷载效应概率分布重新计算结构和构件的年结构可靠度，以使评估结果更合理。
5.预测构件及结构整体可靠度的全寿命期演化规律。
(5-1)确定抗力的全寿命期退化模型，可利用前人研究成果或结构、构件的加速退化试验；
(5-2)基于抗力的全寿命期退化模型，以及长期监测数据得到的荷载效应极值分布，预测结构和构件未来各年的可靠度指标，并分析其演化规律。
6.设立各构件的目标可靠度，并制定相应的检查、养护、维修策略。
(6-1)在保证结构安全的前提下，以经济性最优为原则做风险分析，设定各构件一定参考期内的目标可靠度；
(6-2)以目标可靠度为基准，按构件的可靠度评估结果制定相应的检查、养护、维修策略：若评估可靠度高于目标可靠度，评估通过，对构件进行一般巡检即可；若构件可靠度低于目标可靠度，则按程度或进行特殊检查，或进行养护、维修。
基于长期监测数据，结构可靠度所需的结构抗力和荷载效应的概率分布均得以更准确的估计和预测。而且，它不仅能从整体上把握结构的服役安全状况，还能掌握各构件的可靠度并对其排序，从而有助于在有限的经济预算下更合理地安排结构的管理、养护、维修工作，也便于更早地觉察结构异常。
实施例2
本公开的另一典型实施方式中，如图1所示，提出了一种基于长期监测数据的结构可靠度评估预测系统。
包括：
预处理模块：被配置为获取长期监测数据并进行预处理得到荷载效应每年的概率分布和极值分布；
有限元模块：被配置为建立有限元模型并校准，利用有限元模型模拟并确定未监测构件荷载效应每年的概率分布和极值分布；
评估模块：被配置为利用构件和结构的年荷载效应概率分布计算年可靠度指标，并进行评估；并更新构件和结构的年可靠度指标；
预测模块：被配置为确定抗力的全寿命期退化模型，依托于上述的荷载效应极值分布，预测构件和结构的可靠度指标。
所述评估模块，基于最大荷载效应数据及结构的维护、养护记录，更新抗力的概率分布函数，结合历史监测数据，更新年概率分布参数，重新计算并更新结构和构件的年可靠度指标。
对于本实施例中系统的具体配置，与实施例1中的配置相同，在此不再赘述。
充分利用海量健康监测数据，可更准确、全面地评估和预测土木结构可靠度：除了结构强度的退化，还考虑了荷载效应的长期变化对结构可靠度评估结果的影响；同时利用结构的整体和局部响应数据分别从构件和结构体系两个层面评估结构可靠度。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (4)
1.一种基于长期监测数据的结构可靠度评估预测方法，其特征在于，包括以下步骤：
获取长期监测数据进行预处理得到荷载效应每年的概率分布和极值分布，对监测结构建立有限元模型并校准；
通过有限元模型模拟并确定未监测构件荷载效应每年的概率分布和极值分布；
利用构件和结构的年荷载效应概率分布计算年可靠度指标，对可靠度进行评估，并更新构件和结构的年可靠度指标；
确定抗力的全寿命期退化模型，依托于对构件和结构的荷载效应极值分布，预测构件和结构的可靠度指标；
其中，所述获取长期监测数据进行预处理的具体方法为：获取对土木结构长期健康监测数据，并进行去噪处理，分离荷载效应信号中的各类荷载对应的信号源，将数据转化为结构工程物理量，对各类荷载数据进行数理统计，得到每年的概率分布和总体极值分布；对总荷载效应及各类荷载效应进行数理统计，分别得到其每年的概率分布和极值分布；
其中，通过有限元模型模拟并确定未监测构件荷载效应每年的概率分布和极值分布具体包括：通过有限元模型利用得到的各类荷载效应概率分布反推未测荷载的概率分布；施加各类荷载谱，包括直接测得的和反推得到的，于有限元模型上，将被监测构件的荷载效应与实测数据进行比较，进一步验证并校准有限元模型的精确度；由有限元模拟结果确定未监测构件荷载效应每年的概率分布以及极值分布；
其中，所述利用构件和结构的年荷载效应概率分布计算年可靠度指标的具体方法为：获取各构件及结构初始抗力的概率分布；将结构服役时间离散成以年为单位，将时变可靠度问题转化为时不变问题；将荷载效应数据按结构局部和整体响应分类，分别得到各构件的年荷载效应概率分布和结构整体的年荷载概率分布，通过解析法计算结构及各构件的年可靠度指标；
其中，所述更新构件和结构的年可靠度指标的具体方法为: 基于最大荷载效应数据及结构的维护、养护记录，更新抗力的概率分布函数，结合历史监测数据，更新荷载效应的年概率分布参数，利用更新后的抗力和荷载效应概率分布重新计算结构和构件的年可靠度指标；
所述方法还包括进行风险分析，设立各构件一定参考期内的目标可靠度，以目标可靠度为基准，根据构件可靠度评估结果指定检查、维护策略：若评估可靠度高于目标可靠度，评估通过，对构件进行一般巡检即可；若构件可靠度低于目标可靠度，则按程度或进行特殊检查，或进行养护、维修。
2.如权利要求1所述的基于长期监测数据的结构可靠度评估预测方法，其特征在于，利用各类荷载数据、概率分布和总体极值分布校准有限元模型。
3.一种基于长期监测数据的结构可靠度评估预测系统，其特征在于，包括：
预处理模块：被配置为获取长期监测数据并进行预处理得到荷载效应每年的概率分布和极值分布；
有限元模块：被配置为建立有限元模型并校准，利用有限元模型模拟并确定未监测构件荷载效应每年的概率分布和极值分布；
评估模块：被配置为利用构件和结构的年荷载效应概率分布计算年可靠度指标，并进行评估；并更新构件和结构的年可靠度指标；
预测模块：被配置为确定抗力的全寿命期退化模型，依托于对构件和结构的荷载效应极值分布，预测构件和结构的可靠度指标；
其中，所述获取长期监测数据进行预处理的具体方法为：获取对土木结构长期健康监测数据，并进行去噪处理，分离荷载效应信号中的各类荷载对应的信号源，将数据转化为结构工程物理量，对各类荷载数据进行数理统计，得到每年的概率分布和总体极值分布；对总荷载效应及各类荷载效应进行数理统计，分别得到其每年的概率分布和极值分布；
其中，通过有限元模型模拟并确定未监测构件荷载效应每年的概率分布和极值分布具体包括：通过有限元模型利用得到的各类荷载效应概率分布反推未测荷载的概率分布；施加各类荷载谱，包括直接测得的和反推得到的，于有限元模型上，将被监测构件的荷载效应与实测数据进行比较，进一步验证并校准有限元模型的精确度；由有限元模拟结果确定未监测构件荷载效应每年的概率分布以及极值分布；
其中，所述利用构件和结构的年荷载效应概率分布计算年可靠度指标的具体方法为：获取各构件及结构初始抗力的概率分布；将结构服役时间离散成以年为单位，将时变可靠度问题转化为时不变问题；将荷载效应数据按结构局部和整体响应分类，分别得到各构件的年荷载效应概率分布和结构整体的年荷载概率分布，通过解析法计算结构及各构件的年可靠度指标；
其中，所述更新构件和结构的年可靠度指标的具体方法为:基于最大荷载效应数据及结构的维护、养护记录，更新抗力的概率分布函数，结合历史监测数据，更新荷载效应的年概率分布参数，利用更新后的抗力和荷载效应概率分布重新计算结构和构件的年可靠度指标；
所述方法还包括进行风险分析，设立各构件一定参考期内的目标可靠度，以目标可靠度为基准，根据构件可靠度评估结果指定检查、维护策略：若评估可靠度高于目标可靠度，评估通过，对构件进行一般巡检即可；若构件可靠度低于目标可靠度，则按程度或进行特殊检查，或进行养护、维修。
4.如权利要求3所述的基于长期监测数据的结构可靠度评估预测系统，其特征在于，所述评估模块，基于最大荷载效应数据及结构的维护、养护记录，更新抗力的概率分布函数，结合历史监测数据，更新年概率分布参数，重新计算并更新结构和构件的年可靠度指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010807445.6A CN111931407B (zh) | 2020-08-12 | 2020-08-12 | 一种基于长期监测数据的结构可靠度评估预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010807445.6A CN111931407B (zh) | 2020-08-12 | 2020-08-12 | 一种基于长期监测数据的结构可靠度评估预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111931407A CN111931407A (zh) | 2020-11-13 |
| CN111931407B true CN111931407B (zh) | 2024-12-31 |
Family
ID=73312002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010807445.6A Active CN111931407B (zh) | 2020-08-12 | 2020-08-12 | 一种基于长期监测数据的结构可靠度评估预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111931407B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114622974B (zh) * | 2022-05-16 | 2022-08-23 | 山东新凌志检测技术有限公司 | 一种机动车尾气智能检测诊断系统及方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102384856B (zh) * | 2011-08-15 | 2014-01-22 | 东南大学 | 基于概率有限元法的钢桥疲劳可靠度评估方法 |
| CN104899388B (zh) * | 2015-06-17 | 2019-02-05 | 卢伟 | 一种空间钢结构环境荷载作用下的结构安全评估方法 |
| CN105488352B (zh) * | 2015-12-11 | 2018-02-09 | 河南省交通科学技术研究院有限公司 | 基于长期挠度监测数据的混凝土桥梁刚度可靠度评估方法 |
| CN105956216B (zh) * | 2016-04-15 | 2019-05-31 | 东南大学 | 大跨钢桥基于均匀温度响应监测值的有限元模型修正方法 |
| CN111008413A (zh) * | 2019-10-22 | 2020-04-14 | 中铁第四勘察设计院集团有限公司 | 基于监测数据的高速铁路无砟轨道结构承载能力评估方法 |
| CN210924883U (zh) * | 2019-12-06 | 2020-07-03 | 山东用新电子科技有限公司 | 一种桥梁结构健康监测系统 |
| CN111159802A (zh) * | 2019-12-16 | 2020-05-15 | 中国建筑科学研究院有限公司 | 轻型屋盖雪荷载设计值的分析计算方法 |
| CN111256924B (zh) * | 2020-03-06 | 2021-12-03 | 东南大学 | 一种大跨度高铁桥梁伸缩缝智能监测方法 |
-
2020
- 2020-08-12 CN CN202010807445.6A patent/CN111931407B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 基于桥梁长期健康监测数据时变可靠度分析与寿命预测;雷秀强;中国优秀硕士学位论文全文数据库（电子期刊） 工程科技Ⅱ辑;11-47 * |
| 汪双杰.高海拔高寒地区高速公路建设技术.上海科学技术出版社,2019,288-289. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111931407A (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Eick et al. | Automated damage detection in miter gates of navigation locks | |
| Li et al. | Sensor fault detection with generalized likelihood ratio and correlation coefficient for bridge SHM | |
| Caballé et al. | Analysis of the reliability and the maintenance cost for finite life cycle systems subject to degradation and shocks | |
| US20140229149A1 (en) | Probabilistic modeling and sizing of embedded flaws in ultrasonic nondestructive inspections for fatigue damage prognostics and structural integrity assessment | |
| Gobbato et al. | A recursive Bayesian approach for fatigue damage prognosis: An experimental validation at the reliability component level | |
| WO2024041233A1 (zh) | 桥梁结构多因素耦合作用疲劳损伤与寿命的评估方法 | |
| Thöns et al. | On damage detection system information for structural systems | |
| Seo et al. | Integrated structural health monitoring system and multi-regression models for determining load ratings for complex steel bridges | |
| Liu et al. | Fatigue reliability assessment for orthotropic steel deck details using copulas: Application to Nan-Xi Yangtze River Bridge | |
| CN111931407B (zh) | 一种基于长期监测数据的结构可靠度评估预测方法及系统 | |
| Zárate et al. | Deterministic and probabilistic fatigue prognosis of cracked specimens using acoustic emissions | |
| Leung et al. | Evaluating the use of rate-based monitoring for improved fatigue remnant life predictions | |
| Saberi et al. | Steel bridge service life prediction using bootstrap method | |
| Prakash et al. | A two-phase model to predict the remaining useful life of corroded reinforced concrete beams | |
| KR100795967B1 (ko) | 극치통계분석을 이용한 교량의 점검 및 유지관리 시스템 및방법 | |
| Haider et al. | Effect of frequency of pavement condition data collection on performance prediction | |
| CN117892084B (zh) | 一种桥梁支座静位移概率预测模型构建方法及预警方法 | |
| CN118246134A (zh) | 基于机器学习的双塔斜拉桥全寿命周期安全管控系统 | |
| CN114778040B (zh) | 一种桥梁随机荷载试验安全评估方法、系统及可存储介质 | |
| Dzakowic et al. | Advanced Techniques for the verification and validation of prognostics & health management capabilities | |
| Pavasson et al. | Variation mode and effect analysis compared to FTA and FMEA in product development | |
| RU2667119C2 (ru) | Способ проверки остаточной дефектности изделий | |
| Karbhari et al. | Operational modal analysis for vibration-based structural health monitoring of civil structures | |
| Haardt et al. | Monitoring during life cycle of bridges to establish performance indicators | |
| Coppe et al. | Least squares-filtered Bayesian updating for remaining useful life estimation |
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 |