【技术实现步骤摘要】
一种利用视觉增强的桥梁高强螺栓松动检测方法
[0001]本专利技术涉及桥梁工程结构健康监测领域,为桥梁的高强螺栓松动及脱落提供一种利用视觉增强的桥梁高强螺栓松动检测方法,能够保证桥梁高强螺栓在运营期间的正常使用,保证桥梁安全。
技术介绍
[0002]由于钢结构具有材料轻、强度高、韧性好和材质均匀等诸多优点,因此在桥梁钢业被广泛应用,目前在役期间使用钢结构的桥梁数目非常多,而桥梁钢结构的连接目前主要使用的为高强螺栓,保证高强螺栓在使用期间的安全性非常重要,所以要对高强螺栓的工作情况进行定期检测。如果高强螺栓出现松动、锈蚀损坏、脱落的情况,将会影响钢结构的整体性能,如若不及时进行检查维修,桥梁的受力性能将会发生改变,同时由于高强螺栓的工作失效,在桥梁受到动力荷载影响时,会直接对桥梁结构产生较大的破坏。
[0003]因此高强螺栓的检测对使用钢结构的桥梁十分重要,目前桥梁钢结构的高强螺栓的工作状态检测难点主要有以下难点:
[0004](1)、高强螺栓安装高程过高难以检测:由于桥梁的高强螺栓分布高度不一,部分高强螺栓位 ...
【技术保护点】
【技术特征摘要】
1.一种利用视觉增强的桥梁高强螺栓松动检测方法,其特征在于:包括以下步骤:步骤1、在螺栓健康时采用配有高速相机的无人机进行采集,并通过MATLAB仿真软件利用视觉增强技术得到螺栓的微振动数据,对采集的螺栓微振动数据进行预处理得到基准响应数据z,并且通过环境激励下的模态识别方法识别出螺栓振动的频率、阻尼比作为基准对比信息;步骤2、定期采用配有高速相机的无人机对螺栓进行拍照,所获照片采用视觉增强技术得到螺栓的微振动数据;步骤3、对步骤2中实测到的微振动数据进行预处理得到响应数据x,采用每个节点板上螺栓数量n个中的n
‑
1个螺栓响应数据训练神经网络模型,通过数据训练神经网络模型训练后的输出响应数据步骤4、将神经网络模型训练的响应数据与实测响应数据x进行对比分析,若两者一致则进行下一步;若两者不一致则继续返回训练神经网络模型,直至结果一致;步骤5、将训练后的螺栓微振动响应数据与基准响应数据z通过下式得到误差:若误差在设置的阈值之内则判定为正常,误差溢出阈值则进行预警。2.根据权利要求1所述的利用视觉增强的桥梁高强螺栓松动检测方法,其特征在于:所述的步骤4将神经网络训练后的响应数据通过螺栓微振动频率、阻尼比测定螺栓扭矩移除工作范围的预警;其预警方法如...
【专利技术属性】
技术研发人员:茅建校,王浩,桂桂,宗海,倪大志,杨娟,朱小杰,
申请(专利权)人:东南大学,
类型:发明
国别省市:
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。