铁路桥梁与隧道检测课件：演示试验

铁路桥梁与隧道检测演示试验2试验二：模型孔道压浆密实度检测（人工智能）1试验一：中小跨径桥梁健康监测系统目录Contents一、试验目的演示试验一：中小跨径桥梁健康监测系统1、使学生掌握桥梁健康监测系统的评估原则。2、使学生了解桥梁健康监测系统的构成。3、使学生了解桥梁健康检测系统的操作，理解各个检测指标的意义。二、试验设备及装置演示试验一：中小跨径桥梁健康监测系统1、中小跨径桥梁模型。2、桥梁健康监测系统（BSS-RMS-M）。3、梁体弹性模量测试系统：混凝土多功能无损测试仪（SCE-MATS）。三、试验准备演示试验一：中小跨径桥梁健康监测系统1、检测对象准备：中小跨径桥梁模型。中小跨径桥梁模型三、试验准备演示试验一：中小跨径桥梁健康监测系统2、检测设备准备：桥梁健康监测系统（BSS-RMS-M）。混凝土多功能无损测试仪（SCE-MATS）。3、其他准备工作：（1）根据测试要求及相关资料，设计传感器安装位置。（2）正确连接仪器设备。（3）调试仪器设备，确定运行正常。（4）打开计算机准备试验。桥梁健康监测系统混凝土多功能无损测试仪型四、试验原理演示试验一：中小跨径桥梁健康监测系统对于被动型监测系统，通过连续测试桥梁在役过程中由于交通等荷载产生的各种物理量，从而推断桥梁的健康状态。主要监测项目见下表。对象传感器种类测试参数监测对象及作用桥梁加速度计动挠度梁的承载力（不含自重）、超载振动模态、频率梁的刚性状况、损伤状况倾角计静挠度梁的承载力（含自重）横向稳定性桥板的翻转温度传感器混凝土内温度对温度效应进行补偿、修正桥墩加速度计振动模态、频率桥墩的约束状况（基础冲刷等）交通数字摄像机视频桥梁的整体状态、交通状态被动型监测系统主要监测项目五、试验步骤演示试验一：中小跨径桥梁健康监测系统被动型监测系统的试验步骤如下：1、打开系统软件。2、建立桥梁资料，包含桥梁名称、结构、传感器的布置等。3、选定桥梁，进行预警系统的参数设定（参数来自快速无损检测）。4、进入监测系统界面，用模型工程车模拟不同荷载驶过桥面时的情况，并记录振动特性。5、进入评估系统界面，将记录的数据进行下列评估，并得出评估结论：（1）与设计资料的桥梁刚度对比（主要是梁的动、静扰度等）。（2）与设计资料的相应允许值对比（主要是梁的动挠度、自振频率等）。（3）与监测数据变化历史对比。一、试验目的演示试验二：模型孔道压浆密实度检测（人工智能）1、掌握孔道压浆密实度检测的原理及方法。2、掌握人工智能的基本方法及利用人工智能分析孔道压浆密实度数据的方法。二、试验设备及装置1、冲击弹性波无损检测仪（PE）。2、孔道压浆密实度模型。3、计算机（电脑，需联网）。三、试验准备演示试验二：模型孔道压浆密实度检测（人工智能）1、检测对象准备：孔道压浆密实度模型。孔道压浆密实度模型三、试验准备演示试验二：模型孔道压浆密实度检测（人工智能）2、检测设备准备：冲击弹性波无损检测仪（PE）。计算机（电脑，需联网）。3、其他准备工作：（1）根据需要选择有代表性的测区，并对测点清楚记录、明确编号。（2）根据测试要求确定测试频率、测试数量。（3）根据测试需要连接好仪器设备。（4）调试仪器设备，确认运转正常。（5）打开设备准备测试。冲击弹性波无损检测仪计算机四、试验原理演示试验二：模型孔道压浆密实度检测（人工智能）机器学习可从不同的角度，根据不同的方式进行分类。最常用的是按系统的学习能力分类，即机器学习可分为有监督的学习与无监督的学习，两者的主要区别是前者在学习时需要教师的示教或训练，而后者是用评价标准来代替人的监督工作。1、机器学习在无损检测中的应用在无损检测中，许多时候检测精度高度依赖于操作人员的判断水平，为检测结果的客观性、一致性等带来不利影响，也增加了操作人员的负担。为此，基于AI(机器学习)的辅助判定手段应运而生，以提高检测精度和降低作业难度。同时，我们可以应用其机器学习领域对检测数据进行处理，包括分类、回归及聚类等，其主要对象有：（1）分类：内部缺陷（有无、大小）的识别。（2）回归：数值指标，如厚度、深度、强度、弹性模量等的回归。（3）聚类：结构损伤程度的划分等。四、试验原理演示试验二：模型孔道压浆密实度检测（人工智能）2、机器学习的优点（1）适合于多参数分析机器学习可以同时分析出多参数联合变化的规律即多参数联合分析。而人脑只能同时分析判别少数联动的参数。因此，在边界条件复杂、分析参数较多时，基于机器学习的方法具有很大的优势。（2）客观性强，精度（误差）稳定性好由于基于机器学习的无损检测分析是建立在较多数量的训练集的基础上的，因此，其预测精度相对比较稳定、可靠。（3）精度可不断提高随着训练（验证）数据的不断积累，预测精度也会不断提高。同时，训练模型还可以传承。五、试验步骤演示试验二：模型孔道压浆密实度检测（人工智能）采用机器学习对混凝土块中有无管道时的信号特征进行训练和识别。针对教学用孔道灌浆密实度模型，采用S31SC进行检测，在注浆密实区域与不密实区域分别采集数据，保存至同一个文件中（需