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

CN113239436A - 一种钢桥状态等级评估与预测方法 - Google Patents

一种钢桥状态等级评估与预测方法 Download PDF

Info

Publication number
CN113239436A
CN113239436A CN202110523238.2A CN202110523238A CN113239436A CN 113239436 A CN113239436 A CN 113239436A CN 202110523238 A CN202110523238 A CN 202110523238A CN 113239436 A CN113239436 A CN 113239436A
Authority
CN
China
Prior art keywords
steel bridge
state
grade
state grade
evaluation
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
CN202110523238.2A
Other languages
English (en)
Other versions
CN113239436B (zh
Inventor
丁凯
张浩博
惠记庄
黄健
史合
杨小冬
刘永健
程高
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.)
Changan University
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN202110523238.2A priority Critical patent/CN113239436B/zh
Publication of CN113239436A publication Critical patent/CN113239436A/zh
Application granted granted Critical
Publication of CN113239436B publication Critical patent/CN113239436B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Geometry (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Optimization (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种钢桥状态等级评估与预测方法，包括以下步骤，步骤1，对影响钢桥技术状态等级的物理量建立状态评定模型，通过传感器对影响钢桥状态的物理量进行数据采集，对采集到的数据通过模糊综合评价法在状态评定模型中进行评估，得到钢桥当前技术状态等级；步骤2，依据马尔科夫模型建立状态转移矩阵，依据步骤1中确定的钢桥当前技术状态等级对钢桥未来技术状态等级进行预测。通过建立新型评估状态模型，对数据隶属向量化处理后，利用模糊综合评价法结合传感器实时采集的数据定量化综合性的评估了影响钢桥状态等级的各个模糊量，且易于针对不同钢桥模型，不同监测物理量，同一物理量不同监测位置对模型变形使用，通用性好。

Description

一种钢桥状态等级评估与预测方法
技术领域
本发明属于智能监测与预测技术领域，具体属于一种钢桥状态等级评估与预测方法。
背景技术
钢桥相比传统混凝土桥梁，具有结构简单、构件互换性强、拆装方便、强度高等特点，是目前国家正在大力推广和应用的一种新型桥梁。在钢桥全寿命周期中，服役时间最长，由于受到车辆载荷、环境侵蚀、材料缺陷、以及人为破坏等不利因素耦合作用将导致钢桥自身结构性能、整体状态不断下降，严重影响钢桥运营安全。因此对钢桥运营阶段养护管理系统的开发提出更高的要求，然而现有技术中的钢桥状态等级评估需要工程师去桥梁现场用各种手段测量桥的各项数据，进行人工现场打分来进行钢桥状态的等级评估，并且不能对钢桥状态进行预测，通用性差，并且现有桥梁监测技术中还存在通过单一因素阈值报警模式难以反映真实桥梁的技术状态等级的问题。
发明内容
为了解决现有技术中存在的问题，本发明提供一种钢桥状态等级评估与预测方法，能够实现对钢桥的当前技术状态等级通过采集到的数据进行综合有效评价，方法可行度高，可靠性好，考虑周全，且易于针对不同钢桥模型，不同监测物理量，同物理量不同监测位置对模型变形使用，通用性强。
为实现上述目的，本发明提供如下技术方案：
一种钢桥状态等级评估与预测方法，包括以下步骤，
步骤1，对影响钢桥技术状态等级的物理量建立状态评定模型，通过传感器对影响钢桥状态的物理量进行数据采集，对采集到的数据通过模糊综合评价法在状态评定模型中进行评估，得到钢桥当前技术状态等级；
步骤2，依据马尔科夫模型建立状态转移矩阵，依据步骤1中确定的钢桥当前技术状态等级对钢桥未来技术状态等级进行预测。
优选的，步骤1中，具体包括以下步骤，
步骤1.1，依据影响钢桥技术状态等级物理量的种类和位置构建状态等级评定模型，确定影响钢桥技术状态等级物理量的影响程度；
步骤1.2，通过传感器对影响钢桥状态的物理量进行数据采集，依据步骤1.1中建立的状态等级评价模型通过模糊综合评价法将传感器采集到的数据处理后得到的当前状态等级向量；
步骤1.3，依据步骤1.2中的当前状态等级向量确定钢桥当前状态所处的技术级别。
进一步的，步骤1.1中具体包括以下步骤，
步骤1.1.1，建立影响钢桥技术状态等级的物理量种类与监测位置的评估层次结构模型；
步骤1.1.2，在步骤1.1.1的评估层次结构模型中比较各个物理量的影响程度，构成各个物理量的判断矩阵；
步骤1.1.3，对步骤1.1.2的判断矩阵进行一致性检验；
步骤1.1.4，对通过一致性检验的判断矩阵进行归一化处理后得到物理量的权重向量。
进一步的，步骤1.1中，所述评估层次结构模型中的第一层为影响钢桥技术状态等级的各种物理量种类，第二层为影响钢桥技术状态等级的同一物理量的不同监测位置。
进一步的，步骤1.2中具体包括以下步骤，
步骤1.2.1，通过传感器对影响钢桥状态的物理量进行数据采集，对采集到的数据进行隶属向量化处理，得到当前时间段内的数据所对应的模糊关系矩阵；
步骤1.2.2，依据模糊关系矩阵和权重向量进行模糊综合评价，确定当前状态等级向量。
优选的，步骤1中，所述影响物理量包括锈蚀、挠度、应变和温度。
优选的，步骤1中，所述传感器包括电位传感器、无线倾角传感器、光纤光栅应变传感器和温度传感器。
优选的，步骤2中具体包括以下步骤，
步骤2.1，依据马尔科夫模型确定状态转移概率矩阵；
步骤2.2，依据步骤2.1中的状态转移矩阵和步骤1中确定的当前状态等级向量对钢桥未来技术状态等级进行预测，得到钢桥未来状态向量；
步骤2.3，依据钢桥未来状态向量计算钢桥未来状态等级的预测值。
与现有技术相比，本发明具有以下有益的技术效果：
本发明提供一种钢桥状态等级评估与预测方法，通过建立传感器与监测点的新型评估结构模型，将被测物理量作为第一层，被测物理量的监测位置作为第二层；通过构建该模型中各层量的判断矩阵，进而确定该模型的各层所对应的权向量；通过传感器对影响钢桥状态的物理量进行数据采集，记录。将各物理量所测得的阈值范围进行划分，再对某时间段内的数据进行隶属向量化处理，进而由隶属向量组成该时间段的模糊关系矩阵，从而利用模糊综合评价法评估该时间段的数据对钢桥状态的影响程度，确定该时间段钢桥所处的技术状态等级；建立马尔科夫状态转移矩阵，在模糊综合评价法所确定的钢桥当前技术状态向量的基础上，对钢桥未来技术状态等级进行预测。本文所示方法通过建立新型评估状态模型，对数据隶属向量化处理后，利用模糊综合评价法结合传感器实时采集的数据定量化综合性的评估了影响钢桥状态等级的各个模糊量，为传统进行桥梁监测时，通过单一因素阈值报警模式难以反映真实桥梁的技术状态等级的问题提供了一种新的方法。并提出在此基础上还可应用马尔科夫链对未来技术状态等级进行预测。该算法在实际搭建钢桥养护管理系统时可行度高，可靠性好，考虑周全，且易于针对不同钢桥模型，不同监测物理量，同一物理量不同监测位置对模型变形使用，故而通用性好。
附图说明
图1为本发明一种钢桥状态等级评估与预测方法流程示意图；
图2为本发明新型钢桥评估模型示意图；
图3为本发明钢桥截面监测点位置示意图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
本发明的一种钢桥状态等级评估与预测方法考虑影响钢桥技术状态等级的多个影响因素，建立了新型钢桥评估模型，将影响钢桥技术状态等级的被测物理量的种类作为模型的第一层，将各被测物理量的监测位置作为模型的第二层。应用模糊综合评价法对传感器测得的数据进行处理，从而确定钢桥当下的技术状态等级。再由当下的技术状态为基础，应用马尔科夫链对钢桥未来技术状态等级进行预测。本发明的模型对桥梁养护管理系统中钢桥当前技术状态等级评价与未来技术状态等级的预测模块的开发设计提供了新的实现过程。
本发明的新型钢桥评估模型中第一层和第二层的设定可针对不同类型的桥梁做出对应的调整，即对钢桥所要监测的类型和监测点个数以及监测位置的选取具有通用性，可针对不同桥梁做出调整，即本发明提供了一种通用的对钢桥当前技术状态等级的评价以及未来技术状态等级的预测方法。
本发明是一种基于新模型的钢桥技术状态等级评估与预测方法，在将马尔科夫模型应用于钢桥状态预测时，需将模糊综合评价法确定的钢桥当前状态的结果作为当前状态向量，通过马尔科夫链模型建立状态转移矩阵，进而对未来状态进行实时预测。
应用马尔科夫模型首先需要确定钢桥的当前状态分布向量，本发明基于模糊数学理论，应用模糊综合评价法对钢桥当前状态进行定量评价。根据新型钢桥评估模型二层结构特点，本发明采用二级模糊综合评价方法。第二层为同一物理量在不同监测点对钢桥状态的影响。第一层在第二层的基础上，对影响钢桥状态的不同物理量进行评价。
本发明一种钢桥状态等级评估与预测方法，具体包括以下步骤：
一、确定钢桥当前状态
步骤1：确定钢桥状态评定模型
依据不同钢桥实际传感器选择和布置位置，将物理量监测点位置作为第二层，将被测物理量作为第一层。本发明示例的钢桥评估层次结构模型见附图2。传感器选择见表1.1，钢桥模型和传感器布置位置见附图3。以该模型为基础进行进一步说明。
Step1.1：确定权重集。
本发明应用层次分析法(AHP)确定各物理量的权重，本发明确定各权重的步骤为：
Step1.1.1：建立新型钢桥评估结构：本发明所建立的新型钢桥结构如附图2所示，将最终目标设定为钢桥当前状态，第一层为影响钢桥状态的各种物理量，第二层为同一物理量在不同位置对钢桥状态的影响。这样建立的评估层次结构不但逻辑严密，符合钢桥状态的评价特点。而且易于实际中应用，可通过影响钢桥状态的物理量所对应传感器在钢桥不同位置处获得监测数据，传感器类型及安装位置如表1.1所示，进而由监测数据对钢桥状态实时评估。
一级评价集为影响钢桥状态的物理量。主要有锈蚀，挠度，应变，温度。因此钢桥一级评价集为{锈蚀，挠度，应变，温度}。
二级评价集为同一物理量在不同位置对钢桥状态的影响，即钢桥二级评价集{监测点1，监测点2，监测点3，监测点4，监测点5}。本发明所示钢桥截面位置如附图3所示。
表1.1监测内容与传感器类型及其安装位置
Figure BDA0003064788190000051
Figure BDA0003064788190000061
Step1.2：构造判断矩阵：在新型钢桥评估模型的基础上，比较两两之间相对重要性，从而得到各层的权重，进而由此构成判断矩阵
构造判断矩阵Ai为
Figure BDA0003064788190000062
式中：rij表示第i个影响因素为相对第j个因素的重要程度，相对重要性用1～9标度来度量，如下表1.2所示。
表1.2层次分析法相对重要性判断标度
Figure BDA0003064788190000071
通过分析同一影响因素在不同位置对钢桥状态的相对重要性，
(1)锈蚀监测点位置的判断矩阵为：
Figure BDA0003064788190000072
(2)挠度监测点位置的判断矩阵为：
Figure BDA0003064788190000073
(3)应变监测点位置的判断矩阵为：
Figure BDA0003064788190000081
(4)温度监测点位置的判断矩阵为
Figure BDA0003064788190000082
Step1.3：一致性检验：为防止构建的判断矩阵产生非一致性，需要对n阶判断矩阵进行一
致性检验。第一步是计算出判断矩阵的最大特征值代入一致性指标公式：
Figure BDA0003064788190000083
第二步是查下表1.3确定RI值：
表1.3 1～9阶矩阵平均随机一致性指标
Figure BDA0003064788190000084
第三步是计算判断矩阵的随机一致性比例
Figure BDA0003064788190000085
当CR<0.1时，称该判断矩阵具有一致性，所设权重系数合理。
本发明层次分析法的各个判断矩阵的一致性检验结果为下表1.4。
表1.4各判断矩阵一致性检验结果
Figure BDA0003064788190000086
由上表一致性检验结果可知，本发明建立的层次分析法的判断矩阵的CR均小于0.1，即均满足一致性检验。
Step1.4：确定权向量：对于满足一致性要求的判断矩阵，其最大特征值所对应的特征向量进行归一化处理后即为该影响因素的权向量
Figure BDA0003064788190000091
第二层权向量的确定：锈蚀监测点位置的判断矩阵A1的最大特征值为λmax＝5.03，所对应的特征向量为WT＝(0.1470，0.6381，0.1470，0.3775，0.6381)，归一化处理后得到锈蚀监测点位置的权重向量为：
Figure BDA0003064788190000092
同理得，挠度监测点位置的权重为：
Figure BDA0003064788190000093
应变监测点位置的权重向量为：
Figure BDA0003064788190000094
温度监测点位置的权重向量为：
Figure BDA0003064788190000095
第一层被测物理量权向量的确定：对如附图2所示本发明新型钢桥评估模型，依据层次分析法相对重要性判断标度的定义，两两比较被测物理量锈蚀，挠度，应变，温度对钢桥当前状态的影响程度，构建判断矩阵A：
Figure BDA0003064788190000096
A的最大特征值λmax＝4.05，所对应的特征向量WT＝(0.8233，0.5115，0.2089，0.1302)。进行一致性检验：
Figure BDA0003064788190000097
因此得权重向量：
Figure BDA0003064788190000101
步骤2：模型综合评价
首先确定钢桥整体状态空间和状态向量。
钢桥状态逐渐退化是指钢桥在外界载荷、自然条件等影响下逐渐从功能完好状态逐渐退化为无法正常使用状态。根据《公路桥梁技术状况评定标准》，结合钢结构桥梁的结构，将钢桥状态空间进行细分，以1为单位分为5个离散状态。即状态向量为S＝{1，2，3，4，5}，在下表2.1中是钢桥具体状态划分：
表2.1：桥梁技术状态分类
Figure BDA0003064788190000102
Step2.1:数据隶属向量化处理
本发明利用模糊统计法确定各个评价物理量的隶属度，如表2.2-表2.5所示，通过传感器对影响钢桥状态的物理量进行数据采集，对单个评价物理量数据处理后确定的阈值范围划分k个区间(本文所示例均划分为5个区间，即k＝5)分别进行评价，并将每个区间的评价结果用隶属向量Xj(j＝1，2，3，4，5)表示，如测得某一应变数值在(0，2000]内，则将该数值用隶属向量X1＝(1，0，0，0，0)表示；
表2.2锈蚀隶属度
Figure BDA0003064788190000111
表2.3挠度隶属度
Figure BDA0003064788190000112
注：L为桥梁长度。
表2.4应变隶属度
Figure BDA0003064788190000121
表2.5温度隶属度
Figure BDA0003064788190000122
首先判断每一个监测点处应变传感器所测得数据的所属区间，并用该区间的隶属向量表示该数据。进一步的对某一时间段内测得N个数据，设其分别属于各个区间的次数为nj(j＝1,2,3...)，记为该区间的权重，加权平均后该因素此时间段的隶属向量为：
Figure BDA0003064788190000123
Step2.2，基于二级模糊综合评价法确定钢桥当前技术状态等级。
如果应用模糊评价法测得钢桥当前状态分布向量等级表示为1，该状态下向量表示为
P(t0＝0)＝{p1(0),p2(0),p3(0),p4(0),p5(0),}＝{1,0,0,0,0} (2.2)
为满足一般性，本发明重点研究服役期任意时刻的钢桥状态分布向量。基于传感器采集数据进行分析的模糊综合评价法可对钢桥状态这个模糊量进行定量评价，从而建立钢桥当前状态分布向量，实现对当前技术状态等级的评价，进而也是应用到马尔科夫模型中进行技术状态预测的基础。本发明使用二级模糊综合评价法得到钢桥当前状态分布向量，具体分为下列步骤：
Step2.2.1：确定因素集：
设钢桥当前状态U。将因素级U分为n个因素子集(第一层)：
U＝{u1，u2，u3……un} (2.3)
每个因素子集ui里有k个因素(第二层)：
ui＝{ui1，ui2……uin} (2.4)
uij(i＝1，2…n；j＝1，2…k)表示第i个因素子集中的第j个因素。本发明将钢桥当前状态作为因素集U，ui表示影响钢桥状态的物理量，由对应的传感器来测取。uij表示每一个被测物理量在不同位置对钢桥状态的影响，由同一传感器安装在不同钢桥截面位置来测取。
Step2.2.2：确定评价集：
评价等级集指评价者对评价因素集可能做出的各种结果所组成的集合，用V＝{V1，V2…Vm}，反映了被评价的影响因素属于各个可能结果的程度，本发明对钢桥状态的评价参照《公路桥涵养护规范》，将评价等级集设定为V＝{良好、较好、较差、差、危险}5个等级。
Step2.2.3：多级模糊综合评价：
由于建立了二层模型结构，采用二级模糊综合评价。
Step2.2.4：一级模糊综合评价：一级模糊综合评价是对第二层进行评价，本发明为对监测位置，即各被测物理量监测点进行模糊综合评价。
(1)建立第二层权重集：本文第二层权重计算结果如式1.7-式1.10。
(2)确定第二层模糊关系矩阵：根据各单物理量的在各个位置对桥梁的监测数据，通过式2.1隶属向量化处理后，将结果组成模糊关系矩阵Ri。
(3)进行一级模糊综合评价：将第二层模糊关系矩阵Ri与第二层的权重向量
Figure BDA0003064788190000145
采用加权平均模型M(·，+)进行一级综合评判：
Figure BDA0003064788190000141
再对B′i归一化处理：
Bi＝[bi1，bi2，bi3，bi4，bi5] (2.10)
其中i＝0，1，2……n。
Step2.2.5：二级模糊综合评价：二级模糊综合评价是对第一层进行评价，本发明为对监测对象，即对被测物理量进行模糊综合评价。
(1)建立第一层权重集：建立第一层权重集
Figure BDA0003064788190000142
的方法同第二层，结果如式1.13所示。
(2)确定第一层模糊关系矩阵：第一层模糊关系矩阵为第二层评判结果Bi中的元素，即：
R＝(B1，B2，B3，B4)T (2.14)
(3)进行二级模糊综合评价：将第一层模糊关系矩阵R与第一层的权重向量
Figure BDA0003064788190000143
采用加权平均模型M(·，+)进行二级综合评判：
Figure BDA0003064788190000144
步骤3：结果处理
参照桥梁技术状态分类表2.1，将钢桥状态级分确定为S＝(100，95，80，60，40)，最终系统打分为：
F＝BxST (2.16)
B向量就是通过模糊综合评价后所得到的当前状态等级向量，F为该钢桥当前状态所处的技术等级级别。
二、预测钢桥未来状态
预测钢桥未来状态需要在上述确定钢桥当前状态等级向量的基础上进行。
步骤1：建立状态转移矩阵
基于马尔科夫模型的钢桥状态预测模型中最重要的是确定状态转移概率矩阵，将系统在时刻t所处的状态i表示为Xt＝i，将系统在时刻t+1所处的状态j表示为Xt+1＝j，应用马尔科夫模型方法，t时刻一步转移概率表示为：
pij(t)＝P{Xt＝i|Xt+1＝j}，i，j∈S (3.1)
式中pij(t)为系统在t所处的状态i转移到t+1所处的状态j的一步转移概率。在任意时刻t，我们将系统在t所处的状态i转移到t+1所处的状态j的一步转移概率集合起来，就组成了系统的一步转移概率矩阵：
Figure BDA0003064788190000151
该矩阵满足：
(1)所有概率均为非负的0≤pij≤1(i，j＝0，1…n)；
(2)每一行概率和为1：
Figure BDA0003064788190000152
其中，钢桥状态转移概率矩阵通常采用状态统计的方法：
Figure BDA0003064788190000153
得到，式中：
pij表示钢桥在给定周期内从状态i转移到状态j的概率；
xij表示钢桥在给定周期内从状态i转移到状态j的个数；
xi表示钢桥在给定周期内出现状态i的个数。
步骤2：钢桥技术状态等级预测：
在得到钢桥状态转移概率矩阵后，预测在当前状态下第n个预测周期的钢桥状态，根据马尔科夫理论有：
{an，bn，cn，dn，en}＝{a0，b0，c0，d0，e0}xPn (3.4)
式中：P是用统计方法得到的钢桥状态转移概率矩阵；{a0，b0，c0，d0，e0}表示钢桥初始状态向量，在本发明中，该初始状态向量是上述步骤中所确定钢桥技术状态等级级别，如果得到的钢桥初始技术状况等级级别为一类，则记{a0，b0，c0，d0，e0}＝{1，0，0，0，0}，以此类推：
{an，bn，cn，dn，en}表示在当前状态下第n个预测周期的钢桥状态向量；
由于模型时间跨度很长，可将整个状态转移过程划分为采用不同转移概率的若干个阶段，此时有：
Figure BDA0003064788190000161
式中：di表示钢桥的第i个退化阶段；mi表示钢桥在第i个退化阶段所经历的年数，有∑i＝1mi＝n；
步骤3：处理结果
计算出钢桥未来状态状态向量{an，bn，cn，dn，en}后，在现实中需要有一个明确的、直观的可以表示钢桥状态等级的状态值。本发明在计算钢桥状态等级的状态值时采用加权平均法，将该钢桥的技术状态的状态空间分为5个等级S＝{1，2，3，4，5}，对应钢桥技术状态等级中的一类，二类，三类，四类和五类。则钢桥n年后的状态计算公式为：
D(n)＝{an，bn，cn，dn，en}·ST (3.6)
式中：D(n)表示钢桥n年后的状态向量；S表示钢桥的状态空间。
实施例
下面举例说明如何利用本文所述基于模糊综合评价法的马尔科夫模型估计单个钢桥当前状态与未来状态。这种模型将为钢桥养护管理系统的开发提供新的实现过程。该算例采用的钢桥技术状态等级演变的统计数据人为拟定，实际应用时可由相关部门进行统计。目的在于验证该方法在系统中实现的可行性。
例：假设某地区100座同类钢桥的技术状态等级的演变过程经过相关部门统计如下表4.1所示，现要对某一同类型钢桥进行养护系统的技术状态等级开发，该钢桥模型如附图3所示，该钢桥全长40m，桥龄5年。现需实现实时监测评估钢桥技术状态等级以及预测未来此桥的技术状态等级：
表4.1某地区100座钢桥技术状态等级演变统计表
Figure BDA0003064788190000171
注：t表示各个桥梁阶段在该钢桥技术状态等级下的钢桥总数量；该表中所选取钢桥都是自然退化，退化过程中无维修加固。
一、确定钢桥当前状态。
步骤1：确定状态评定模型；
(1)根据实际钢桥所测物理量和各物理量监测点位置建立状态评定模型。将所测物理量作为第一层，所测物理量传感器布置位置作为第二层。本文所示例的钢桥模型见附图3，建立的状态评定模型见附图2。
(2)本例新型钢桥评估模型如附图2所示，该模型结合通过咨询相关专家所确定的相对重要性的判断矩阵如式1.2-1.5所示，得到的锈蚀、挠度、应变、温度监测点位置的权重向量
Figure BDA0003064788190000182
如式1.7-1.10所示。
步骤2：模型综合评价；
(1)数据进行采样和处理过程如下：以该钢桥在某一时间段的挠度监测点的数据为例，其采集和隶属度计算值的统计见表4.2所示：
表4.2挠度传感器的某时间段50个监测数据统计
Figure BDA0003064788190000181
其中，表中次数统计为该事件段内ND-1传感器(挠度监测点1处的传感器)所测得的50个数据属于各个挠度区间的次数nj，其对应的隶属向量计算方法为：按照表2.3所示的各个技术等级区间所对应的挠度隶属向量Xi和该时间段内ND-1传感器采集到的50个数据的区间统计，依据式2.1计算得其该时间段的隶属向量：
Figure BDA0003064788190000191
同理，得相应的监测点2-5的隶属向量如下：
r2＝(0.62,0.30,0.08,0,0)
r3＝(0.17,0.28,0.51,0.04,0)
r4＝(0.45,0.43,0.12,0,0)
r5＝(0.54,0.37,0.09,0,0)
(2)建立模糊关系矩阵：将各监测点处的传感器的监测数据都按照所建表2.2-2.5所示隶属度和式2.1进行隶属向量计算，由隶属向量建立模糊关系矩阵。得该时间段内挠度监测位置的模糊关系矩阵：
Figure BDA0003064788190000192
同理可得到锈蚀监测位置的模糊关系矩阵：
Figure BDA0003064788190000193
应变监测位置的模糊关系矩阵：
Figure BDA0003064788190000194
温度监测位置的模糊关系矩阵：
Figure BDA0003064788190000195
(3)一级模糊综合评价(对模型第二层进行的评价)；
对第二层的每个物理量监测位置分别进行模糊评价：
Figure BDA0003064788190000201
Figure BDA0003064788190000202
Figure BDA0003064788190000203
Figure BDA0003064788190000204
(二)二级模糊评价(对模型第一层进行的评价)
(1)建立权重集：本发明所示模型的第一层的判断矩阵
Figure BDA0003064788190000208
见式1.11，权重见式1.13。
(2)模糊关系矩阵建立：二级模糊关系矩阵中的元素是一级评价结果Bi的元素，即：
Figure BDA0003064788190000205
(3)综合评价
Figure BDA0003064788190000206
(4)结果处理：
Figure BDA0003064788190000207
由表2.1知，F的数值处于(95,100]，即该钢桥当前技术状态等级为1。
二、预测钢桥未来状态
Step2：基于马尔科夫链预测该钢桥技术未来状态等级
根据表4.1中的假设数据依据马尔科夫理论计算此类钢桥在退化过程的各个阶段的状态转移矩阵如下所示：
阶段1：
Figure BDA0003064788190000211
阶段2：
Figure BDA0003064788190000212
阶段3：
Figure BDA0003064788190000213
阶段4：
Figure BDA0003064788190000214
阶段5：
Figure BDA0003064788190000215
由于通过第一步的模糊综合评价确定钢桥当前技术状态等级为1，即用状态向量{a0，b0，c0，d0，e0}＝{1，0，0，0，0}表示当前状态，该钢桥桥龄5年。若计算该桥在运营第10年时的状态，由于第8年后退化过程处于第二阶段，由公式计算第10年(5年后)该桥的技术状态如下：
Figure BDA0003064788190000221
由式3.6知，该钢桥5年后，即运营第10年时的状态期望值为：
Figure BDA0003064788190000222
同理，可预测该钢桥30年后的技术状态为：
{a30，b30，c30，d30，e30}＝{a0，b0，c0，d0，e0}·P(1)3·P(2)8·P(3)8·P(4)8·P(5)3
＝(0，0，0，0.0096，0.9904)
由式3.6知，该钢桥30年后，即运营第35年时的状态期望值为：
D(30)＝4.99
因此，通过该方法可确定该钢桥当前所处的技术状态等级为1级，5年后的技术状态等级为2.71级，30年后的技术状态等级为4.99级。

Claims (8)

1.一种钢桥状态等级评估与预测方法，其特征在于，包括以下步骤，
步骤1，对影响钢桥技术状态等级的物理量建立状态评定模型，通过传感器对影响钢桥状态的物理量进行数据采集，对采集到的数据通过模糊综合评价法在状态评定模型中进行评估，得到钢桥当前技术状态等级；
步骤2，依据马尔科夫模型建立状态转移矩阵，依据步骤1中确定的钢桥当前技术状态等级对钢桥未来技术状态等级进行预测。
2.根据权利要求1所述的一种钢桥状态等级评估与预测方法，其特征在于，步骤1中，具体包括以下步骤，
步骤1.1，依据影响钢桥技术状态等级物理量的种类和位置构建状态等级评定模型，确定影响钢桥技术状态等级物理量的影响程度；
步骤1.2，通过传感器对影响钢桥状态的物理量进行数据采集，依据步骤1.1中建立的状态等级评价模型通过模糊综合评价法将传感器采集到的数据处理后得到的当前状态等级向量；
步骤1.3，依据步骤1.2中的当前状态等级向量确定钢桥当前状态所处的技术级别。
3.根据权利要求2所述的一种钢桥状态等级评估与预测方法，其特征在于，步骤1.1中具体包括以下步骤，
步骤1.1.1，建立影响钢桥技术状态等级的物理量种类与监测位置的评估层次结构模型；
步骤1.1.2，在步骤1.1.1的评估层次结构模型中比较各个物理量的影响程度，构成各个物理量的判断矩阵；
步骤1.1.3，对步骤1.1.2的判断矩阵进行一致性检验；
步骤1.1.4，对通过一致性检验的判断矩阵进行归一化处理后得到物理量的权重向量。
4.根据权利要求3所述的一种钢桥状态等级评估与预测方法，其特征在于，步骤1.1中，所述评估层次结构模型中的第一层为影响钢桥技术状态等级的各种物理量种类，第二层为影响钢桥技术状态等级的同一物理量的不同监测位置。
5.根据权利要求3所述的一种钢桥状态等级评估与预测方法，其特征在于，步骤1.2中具体包括以下步骤，
步骤1.2.1，通过传感器对影响钢桥状态的物理量进行数据采集，对采集到的数据进行隶属向量化处理，得到当前时间段内的数据所对应的模糊关系矩阵；
步骤1.2.2，依据模糊关系矩阵和权重向量进行模糊综合评价，确定当前状态等级向量。
6.根据权利要求1所述的一种钢桥状态等级评估与预测方法，其特征在于，步骤1中，所述影响物理量包括锈蚀、挠度、应变和温度。
7.根据权利要求1所述的一种钢桥状态等级评估与预测方法，其特征在于，步骤1中，所述传感器包括电位传感器、无线倾角传感器、光纤光栅应变传感器和温度传感器。
8.根据权利要求1所述的一种钢桥状态等级评估与预测方法，其特征在于，步骤2中具体包括以下步骤，
步骤2.1，依据马尔科夫模型确定状态转移概率矩阵；
步骤2.2，依据步骤2.1中的状态转移矩阵和步骤1中确定的当前状态等级向量对钢桥未来技术状态等级进行预测，得到钢桥未来状态向量；
步骤2.3，依据钢桥未来状态向量计算钢桥未来状态等级的预测值。
CN202110523238.2A 2021-05-13 2021-05-13 一种钢桥状态等级评估与预测方法 Active CN113239436B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110523238.2A CN113239436B (zh) 2021-05-13 2021-05-13 一种钢桥状态等级评估与预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110523238.2A CN113239436B (zh) 2021-05-13 2021-05-13 一种钢桥状态等级评估与预测方法

Publications (2)

Publication Number Publication Date
CN113239436A true CN113239436A (zh) 2021-08-10
CN113239436B CN113239436B (zh) 2024-03-12

Family

ID=77134100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110523238.2A Active CN113239436B (zh) 2021-05-13 2021-05-13 一种钢桥状态等级评估与预测方法

Country Status (1)

Country Link
CN (1) CN113239436B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113900381A (zh) * 2021-12-10 2022-01-07 西南科技大学 一种基于物联网的钢结构远程健康监测平台及应用方法
CN119167806A (zh) * 2024-11-25 2024-12-20 北京中交华联科技发展有限公司 桥梁的技术性能预测方法、装置、设备、存储介质及产品

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100242609A1 (en) * 2009-03-26 2010-09-30 Wei-Feng Lee Bridge monitoring and safety evaluation method using a vibration technique
CN106156336A (zh) * 2016-07-08 2016-11-23 江苏金海星导航科技有限公司 一种斜拉桥结构状态评价系统及评定方法
RU2650812C1 (ru) * 2017-03-13 2018-04-17 Федеральное государственное бюджетное учреждение науки Институт вычислительных технологий Сибирского отделения Российской академии наук (ИВТ СО РАН) Способ мониторинга технического состояния мостовых сооружений в процессе их эксплуатации (варианты)
CN111395144A (zh) * 2020-03-20 2020-07-10 广西大学 一种大跨度连续刚构桥健康状态的监测与评判方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100242609A1 (en) * 2009-03-26 2010-09-30 Wei-Feng Lee Bridge monitoring and safety evaluation method using a vibration technique
CN106156336A (zh) * 2016-07-08 2016-11-23 江苏金海星导航科技有限公司 一种斜拉桥结构状态评价系统及评定方法
RU2650812C1 (ru) * 2017-03-13 2018-04-17 Федеральное государственное бюджетное учреждение науки Институт вычислительных технологий Сибирского отделения Российской академии наук (ИВТ СО РАН) Способ мониторинга технического состояния мостовых сооружений в процессе их эксплуатации (варианты)
CN111395144A (zh) * 2020-03-20 2020-07-10 广西大学 一种大跨度连续刚构桥健康状态的监测与评判方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
任俐璇;董春晖;陈争;: "双曲拱桥耐久性模糊综合评价方法", 公路与汽运, no. 02 *
李福海;靳贺松;胡丁涵;姜沫臣;武志伟;徐公允;洪宇超;刘洋;: "钢筋混凝土桥梁的耐久性评估", 安全与环境学报, no. 05 *
杜中和;张三峰;唐英;邓长军;: "基于健康监测系统的非对称外倾蝴蝶拱桥健康状态评估方法研究", 铁道建筑, no. 11 *
王莹;李兆霞;陈鸿天;黄启远;: "大跨悬索桥箱形钢桁架梁的综合疲劳评定方法研究", 公路交通科技, no. 02 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113900381A (zh) * 2021-12-10 2022-01-07 西南科技大学 一种基于物联网的钢结构远程健康监测平台及应用方法
CN113900381B (zh) * 2021-12-10 2022-04-12 西南科技大学 一种基于物联网的钢结构远程健康监测平台及应用方法
CN119167806A (zh) * 2024-11-25 2024-12-20 北京中交华联科技发展有限公司 桥梁的技术性能预测方法、装置、设备、存储介质及产品

Also Published As

Publication number Publication date
CN113239436B (zh) 2024-03-12

Similar Documents

Publication Publication Date Title
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
CN112101811B (zh) 一种供水管网爆管风险预测方法及系统
CN106919784A (zh) 一种基于变权重的盾构隧道服役性能评价方法
CN105205329A (zh) 一种大坝安全综合评价方法
CN113239436B (zh) 一种钢桥状态等级评估与预测方法
AU2021100448A4 (en) Fuzzy Bayesian Network-based Method for Dynamic Evaluation and Control of Concrete Durability
CN113139605A (zh) 基于主成分分析和lstm神经网络的电力负荷预测方法
CN118134700A (zh) 一种桥梁结构综合智能养护决策方法及系统
Bai et al. Health assessment and management of wind turbine blade based on the fatigue test data
CN115062979A (zh) 基于层次分析和模糊评价的金属屋面性能评估方法和系统
CN117114501A (zh) 基于模糊理论的桥隧健康状态监测方法
CN113449905A (zh) 一种基于门控循环单元神经网络的交通拥堵预警方法
CN113269384A (zh) 一种对河流系统健康状态进行预警的方法
CN110990916B (zh) 考虑滞后效应的大坝长期运行安全度评价及预测集成方法
CN112348351B (zh) 一种路网中桥梁抗震加固优先级评估方法
CN118629176A (zh) 一种大跨拱桥动态预警方法及系统
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
CN117574773A (zh) 一种桥梁群承载性能评估方法、装置、设备及存储介质
CN116957534A (zh) 一种预测智能电表更换数量的方法
CN114004467B (zh) 一种基于监测数据的预制装配式桥梁结构性能分析方法
CN118485165A (zh) 一种基于时间序列图与图卷积记忆网络的轴承寿命预测方法
CN117763675A (zh) 基于bp神经网络的钢筋锈蚀渡槽状态评价方法和系统
CN116362617A (zh) 泵闸运行安全评估方法、系统及电子设备
CN116448954A (zh) 基于多维度监测参数融合评估桥梁健康状况的方法及系统
CN115496342A (zh) 一种基于主客观动态权重的冲击地压预警方法和装置

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