CN119043606B 一种桥梁结构隐性损伤识别方法 （广州航海学院）

本发明涉及一种桥梁结构隐性损伤识别方下的锈蚀程度，构建锈蚀预测及粘结力关联模型及其发展趋势的问题；通过精确的监测和预2S2、分析采集的钢筋表面锈蚀图像，识别锈S4、对不同预设锈蚀程度的钢筋与混凝土之间S5、将所述锈蚀预测模型与不同桥梁结构的S6、将所述关联分析模型与不同桥梁结构的当前监测对锈蚀程度时间序列进行平稳性检验，若不平稳则进行差分处理，直提取实时的粘结力监测数据，包括采用拉拔法测试得到的钢筋与混将当前粘结力监测数据输入到已构建的钢筋表面锈蚀程度与粘结力的关联分析模型3针对每个桥梁结构，将粘结力预测值与实测值进行比对，计评估关联分析模型在当前锈蚀程度下的准确度，确定模型的预测精度是2.根据权利要求1所述桥梁结构隐性损伤识别方法，其特征在于，所述步骤S1具体包采用图像传感器获取桥梁结构表面的高清图像数据，并对图像进行分割和特征提取，采用应变传感器和加速度计对桥梁结构的应变和振动加速度进行实采用温度传感器、湿度传感器和腐蚀传感器对桥梁所处环境的温度3.根据权利要求1所述桥梁结构隐性损伤识别方法，其特征在于，所述步骤S2具体包根据采集钢筋表面的高清图像数据，采用图像预处理技术对图像采用基于深度学习的语义分割算法对锈蚀图像进行像素级分割，根据锈蚀区域掩码图，计算锈蚀面积占钢筋表面总面积的比例通过计算锈蚀区域的局部二值模式特征，捕捉锈蚀纹理的微观结4.根据权利要求1所述桥梁结构隐性损伤识别方法，其特征在于，所述步骤S4具体包根据预设的锈蚀程度等级，采用电化学加速腐蚀的方法，对钢筋模拟实际环境中的不均匀锈蚀，并制备不同锈蚀程度的钢筋试件，测量将锈蚀处理后的钢筋试件与混凝土浇筑成标准试件，采用与实际4对不同锈蚀程度的钢筋混凝土试件进行拉拔实验，通过位移传感器和应变片测试设结合锈蚀产物的体积膨胀效应、疏松多孔特性以及钢对不同锈蚀程度下的粘结强度和界面应力分布进行统计分析，提取粘结力的定量指采用多元线性回归或非线性回归方法，建立钢筋表面锈蚀程度与粘结力5.根据权利要求1所述桥梁结构隐性损伤识别方法，其特征在于，所述步骤S5具体包将监测数据库中各桥梁的当前锈蚀状态参数输入到已构建的锈蚀对各个桥梁的预测误差进行统计分析，计算预测误差的均值和标准差，的分布直方图和箱线图，直观评估锈蚀预测模型在不同桥梁上的整体预测准确度和稳定6.根据权利要求1所述桥梁结构隐性损伤识别方法，其特征在于，所述步骤S7具体包结合锈蚀的形态特征、空间分布特点和成因机理，结合锈蚀分布特征分析，确定各类型锈蚀在桥梁不同部位的分布概率和空间相关性，7.根据权利要求1所述桥梁结构隐性损伤识别方法，其特征在于，所述步骤S8具体包根据桥梁结构的受力特点，选择适用的有限元分析软件，建立桥梁结5在修正粘结滑移本构时，引入反映锈蚀程度的无量纲参数将修正后的锈蚀劣化_粘结滑移本构嵌入有限元模型，评估不同锈蚀程度对桥梁整体对超出粘结力阈值的危害区域，利用有限元分析方法进行受力分析对未超出粘结力阈值的非危害区域，根据桥梁的结构特点和监测数6[0001]本发明涉及桥梁结构损伤识别的技术，具体涉及一种桥梁结构隐性损伤识别方78得各个桥梁在当前时刻的锈蚀程度预测值，并与通过电化学参数估算的锈蚀程度进行对[0051]将当前粘结力监测数据输入到已构建的钢筋表面锈蚀程度与粘结力的关联分析9[0063]针对锈蚀钢筋混凝土粘结滑移行为，采用经修正的CEB_FIPModelCode2010本构[0065]将修正后的锈蚀劣化_粘结滑移本构嵌入有限元模型，评估不同锈蚀程度对桥梁[0067]对超出粘结力阈值的危害区域，利用有限元分析方法进[0070]本发明的一种桥梁结构隐性损伤识别方法解决了传统桥梁锈蚀监测方法难以实[0092]通过大数据分析技术对历史监测数据进行挖掘分析，选择长短期记忆神经网络更新养护计划；[0099]对于识别出的裂纹，可根据其长度划分为轻度裂纹(小于10cm)、中度裂纹(10_[0101]通过建立环境参数与桥梁结构材料性能退化速率的数学模型，例如湿度每增加特征图划分为8x8的网格，计算每个网格内的LBP直方图，将直方图连接成一个长度为[0133]通过建立灰度值与锈蚀深度的标定模型，估算锈蚀区域的平均深度和最大深[0138]将钢筋表面划分为若干个网格区域，统计每个网格内的锈蚀面积比例和平均深[0139]采用K_means或DBSCAN聚类算法对热力图进行聚类分析，找出锈蚀程度最高的集[0141]通过Sobel算子计算边界像素的灰度梯度方向和大小，将梯度方向量[0143]采用层次分析法(AHP)对各指标进行重要性排序和权重分配，构建判断矩阵并进[0144]采用模糊综合评判法(FCE)将各指标的隶属度函数映射到统一的评判标度，通过[0145]在锈蚀程度评估过程中引入时间维度，分析不同时间段降雨量作为协变量，将其与锈蚀程度时间序列进行偏相关分析，若偏相关系数的P值小于[0172]对于模型性能评估，计算预测值与真实值的RMSE为0.02,MAPE为3表明预测模[0175]当预测误差的RMSE连[0178]通过控制腐蚀电流密度和腐蚀时间，实现对锈蚀程度的调控；腐蚀电流密度为设备，连续记录拉拔过程中的荷载_位移曲线和钢筋应变分布，获得反映粘结力的力学参量评估锈蚀产物的这些特性能为揭示锈蚀损伤[0195]在将关联分析模型应用于实际工程时，需要获取钢筋混凝土结构的锈蚀监测数[0199]将锈蚀钢筋与C30强度等级的混凝土浇筑成直径为150mm、高度为300mm的圆柱形数据，采用最小二乘法拟合得到锈蚀面积比例x与极限粘结强度y的线性回归方程：y＝_[0202]数值模拟得到的拉拔荷载_位移曲线与试验结果吻合良好，验证了黏结滑移模型析模型预测得到板桩的极限粘结强度下降了10据此对板桩的承载能力进行校核和安全化学参数，采用线性极化法或电化学阻抗谱法，测量自然腐蚀电位和极化电阻，并根据得各个桥梁在当前时刻的锈蚀程度预测值，并与通过电化学参数估算的锈蚀程度进行对评估各因素对预测偏差的影响程度，确定锈蚀预测模型在实际应用中的适用条件和局限的温度范围为_5℃~40℃,湿度范围为5090氯离子浓度范围为0.01～0.5mol/L；积百分比为2而实际检测的锈蚀面积百分比为2.5相对误差为20%;[0217]通过对100个历史时间点的预测误差进行统计分析，得到预测误差的均值为0.5标准差为0.3绘制预测误差的分布直方图，发现误差主要集中在0.20.8％之[0218]进一步计算预测误差与环境温度的皮尔逊相关[0219]在控制其他因素不变的情况下，环境温度每升高10℃,预[0220]针对该大桥的预测误差超过0.5％的情降低了20平均绝对百分比误差降低了15决定系数提高了0.1，表明模型的预测精度[0221]基于上述分析结果，建立了一个包含1000个实际工程案例的桥梁锈蚀预测知识尔逊相关系数或斯皮尔曼等级相关系数，定量衡量预测偏差与环境因素的相关强度和方相对湿度75％)下，钢筋与混凝土的粘结强度为8.5MPa，而根据港工行业标准JTS167_4_[0236]进一步采用偏相关分析，控制其他因素不变，温度每升高1℃,预测偏差增加[0238]利用最近1年的数据进行参数估计，得到修正后的模型在训练集上的均方根误差[0245]将当前粘结力监测数据输入到已构建的钢筋表面锈蚀程度与粘结力的关联分析[0250]根据偏差数据的分布类型和样本量，选择合适的假设检验方法，例如单样本t检[0254]针对不同类型的桥梁结构，构建基于结构特点的锈蚀－[0262]针对该大桥上部结构的预应力混凝土T梁，训练了一个子模型，通过分段线性拟策略，将子模型与总体模型加权组合，显著提高了该类桥梁的预测精度(相对误差降至混组合梁斜拉桥；当新数据量超过阈值(15％)时，自动触发增量学习过程，通过Mini_[0278]采用阿基米德法测得锈蚀钢筋的平均截面损失率为8局部最大锈蚀深度为[0287]针对锈蚀钢筋混凝土粘结滑移行为，采用经修正的CEB_FIPModelCode2010本构[0289]将修正后的锈蚀劣化_粘结滑移本构嵌入有限元模型，评估不同锈蚀程度对桥梁力退化的交互影响机理，其中需考虑温度对锈蚀反应动力学和混凝土物理力学性质的影[0299]收集该桥5年来的交通流量数据，统计得到疲劳车辆比例约30平均轴载为[0300]对有限元分析结果和现场检测数据进行偏最小二乘回归，通过Leave_one_out交[0304]对超出粘结力阈值的危害区域，利用有限元分析方法进