损伤监测方法、装置、电子设备及存储介质制造方法及图纸

技术编号:34632073 阅读:41 留言:0更新日期:2022-08-24 15:04
本发明专利技术实施例提供一种损伤监测方法、装置、电子设备及存储介质,其中,所述方法包括:获取待测管廊中至少一个第一待测点的位移时程数据以及所述待测管廊中待检测的损伤部位;将所述位移时程数据输入至预设神经网络模型,得到所述待检测的损伤部位的应力时程数据;根据所述应力时程数据确定所述待检测的损伤部位对应的损伤参数;基于所述损伤参数确定所述待测管廊的损伤程度,弥补了综合管廊运营监测领域疲劳损伤监测的不足,降低了监测成本,获取了疲劳损伤这一监测指标,完善了综合管廊安全运维的体系,为综合管廊的运营与维护提供了更多的指导。更多的指导。更多的指导。

【技术实现步骤摘要】
损伤监测方法、装置、电子设备及存储介质


[0001]本专利技术适用于城市地下综合管廊监测
,特别涉及一种损伤监测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着我国城市化进程的推进,作为城市“生命线”的综合管廊的建设也在蓬勃发展。如何降低管廊运维风险、保障管廊结构安全已成为重要课题。综合管廊通常埋置于城市道路下方,覆盖层较浅,不可避免地受到上方车辆荷载的影响,造成地下综合管廊的内力不断波动,从而产生疲劳损伤影响运营安全。
[0003]疲劳损伤是指结构在遭受低于其承载极限的荷载的反复作用下产生的损伤,当累积疲劳损伤值超过1时,结构就会发生破坏。但疲劳损伤是一个抽象的概念,目前还难以用具体的物理指标进行描述,只能根据应力时程数据计算得出,因此在综合管廊的运营监测中没有将管廊的疲劳损伤作为一项监测指标,更没有对应的监测方法。目前我国综合管廊的数量越来越多,对管廊运营安全的保障也越来越重要,若能实现对管廊疲劳损伤的监测,势必能进一步地完善管廊的运营安全监测体系。
[0004]综上所述,相关研究表明车致疲劳损伤已是影响浅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种损伤监测方法,其特征在于,所述方法包括:获取待测管廊中至少一个第一待测点的位移时程数据以及所述待测管廊中待检测的损伤部位;将所述位移时程数据输入至预设神经网络模型,得到所述待检测的损伤部位的应力时程数据;根据所述应力时程数据确定所述待检测的损伤部位对应的损伤参数;基于所述损伤参数确定所述待测管廊的损伤程度。2.根据权利要求1所述的方法,其特征在于,所述获取所述待测管廊中待检测的损伤部位,包括:获取所述待测管廊中至少一个第二待测点的应力时程数据;采用预设算法对所述至少一个第二待测点中每个第二待测点的应力时程数据进行处理,得到所述每个第二待测点对应的损伤值;根据所述每个第二待测点对应的损伤值确定所述待测管廊中待检测的损伤部位。3.根据权利要求2所述的方法,其特征在于,所述根据所述每个第二待测点对应的损伤值确定所述待测管廊中待检测的损伤部位,包括:将所述每个第二待测点对应的损伤值进行排序,得到所述每个第二待测点对应损伤值的第一排序结果;确定所述第一排序结果中大于等于第一预设阈值的损伤值对应的第二待测点,将所述排序结果中大于等于第一预设阈值的损伤值对应的第二待测点作为所述待测管廊中待检测的损伤部位。4.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取样本管廊中至少一个第一测点的位移时程数据以及至少一个疲劳易损部位的应力时程数据;将所述位移时程数据和所述应力时程数据作为第一训练样本对第一神经网络模型进行训练,得到所述至少一个疲劳易损部位中每个疲劳易损部位对应的第二神经网络模型;基于所述第二神经网络模型对所述第一训练样本进行处理,得到至少一个第二训练样本;利用所述至少一个第二训练样本中的每个第二训练样本对所述第二神经网络模型进行训练,得到所述预设神经网络模型。5.根据权利要求4所述的方法,其特征在于,所述基于所述第二神经网络模型对所述第一训练样本进行处理,得到至少一个第二训练样本,包括:根据所述第二神经网络模型对所述训练样本中的位移时程数据进行处理,得到所述训练样本中的位移数据对应的平均影响值MIV;基于所述MIV值确定所述至少一个第二训练样本。6.根据权利要求5所述的方法,其特征在于,所述基于所述MIV值确定所述至少一个第二训练样本,包括:基于所述MIV值对所述样本管廊中至少一个第一测点中每个第一测点的位移时程数据进行排序,得到所述每个第一测点的位移时程数据的第二排序结果;确定所述第二排序结果中大于等于第二预设阈值的位移时程数据,根据所述第二排序
结果中大于等于第二预设阈值的位移时程数据和所述应力时程数据得到所述至少一个第二训练样本。7.根据权利要求4所述的方法,其特征在于,所述利用所述至少一个第二训练样本中的每个第二训练样本对所述第二神经网络模型进行训练,得到所述预设神经网络模型,包括:基于所述每个第二训练样本对所述第二神经网络模型进行训练,得到所述每个第二训练样本对应的第三神经网络模型;确定所述每个第二训练样本在所述对应的第三...

【专利技术属性】
技术研发人员:万飞黎忠灏陈伟超朱孟君任兆丹江荣舟郑彪张文龙赖金星邱军领
申请(专利权)人:中铁第四勘察设计院集团有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1