桥梁智能检测技术的研究及应用

传统检测技术在桥梁结构检测中得到了充分的应用,但由于需要进行传输线缆的布设,往往造成工作量大、干扰因素多等诸多不便。基于无线技术的桥梁智能监测技术,在无线收发模块以及移动技术成熟之后,丰富了桥梁测试技术。无线传感测试以及无线传输等技术给桥梁检测带来了诸多方便。本文在分析基于无线传感器的智能监测技术发展历史以及无线采集系统的特点的基础上,探讨了智能无线技术在桥梁检测/监测中的应用。     

公路桥梁工程的动载试验研究

桥梁检测是保证桥梁安全运营的重要手段.在所有桥梁检测项目中,动载试验能够评定桥梁结构的自振特性和车辆动力荷载与桥梁结构的联合振动特性,其测试数据是判断桥梁结构运营状况和承载特性的重要指标.本文结合西场沟桥梁检测的实际案例,着重分析动载试验的检测内容和安全鉴定,为以后桥梁检测中的动载试验提供一些参考.     

超声波无损检测技术在桥梁工程中的应用

通过超声波无损检测技术在检测桥梁和混凝土结构内部缺陷中的应用实例，指出此方法适用于桥梁施工和桥梁维修中的桥梁混凝土结构内部质量监测，并介绍使用中应注意的问题。     

预应力混凝土T形梁桥检测与加固技术研究

介绍了预应力混土T形梁桥检测理论方法、损伤评价体系和桥梁承载力评定理论。结合现场实测讨论了预应力混凝土T形梁桥混凝土强度、裂缝宽度对桥梁整体性的影响。通过静、动荷载试验得到桥梁结构的频率等特性,进而对桥梁结构性能进行评价。探讨了桥梁加固技术并进行了实际应用,对同类型桥梁的检测评估及加固有一定指导意义。     

基于图像智能识别的钢轨伸缩调节器位移监测技术

针对传统大桥钢轨伸缩调节器位移检测方法检测成本高、设备维护复杂等问题，提出了一种基于二维码的位移检测方法。采用先粗检测后精检测的策略，粗检测环节使用Viola-Jones快速目标检测框架确定待检测图像中二维码的候选区域，精检测环节基于二维码的定位标志确定各候选区域中二维码的三个顶点。在检测定位二维码的基础上利用模板匹配算法，计算出钢轨伸缩调节器的位移，从而对桥梁健康状况进行检测。试验结果表明，利用二维码技术进行桥梁结构位移检测具有较高的精度，检测精度可以达到毫米级。     

变高度箱形梁桥自振特性测试分析与研究

桥梁结构自振特性测试是检定桥梁结构动力安全性能的一个重要内容.通过对变高度箱形梁桥--浦阳江双线特大桥自振特性的试验,介绍所用的测试方法和测试过程,经过对测试结果、数值计算结果和经验数据的对比分析,得出了桥梁结构的动力特性参数,并对桥梁的安全性能进行了评价,为以后进行桥梁结构检测的动力特性试验提供了依据.     

越南白城大桥与中国崖门大桥的设计和施工

研究目的:对比介绍国内外在台风地区、风景名胜景点桥梁的造型、桥梁结构及施工方法.研究结论:单索面斜拉桥以其轻柔的造型易融合于周围的景观,在减震器的作用下,桥梁横向抗风可以满足设计和施工要求.本文从景观设计、下部基础和上部结构、抗风和斜拉索设计以及桥梁监控系统等方面介绍了越南白城大桥和中国广东崖门大桥,两桥在设计和施工中都运用了各国先进的科学技术.其中越南采用钢三角斜撑加预应力创新技术及在现代科技条件下采用传统的气压沉箱法施工值得我们研究学习.     

大型铁路桥梁运管现状分析及对策研究

随着桥梁建设水平的突飞猛进和新技术的不断应用,很多大型桥梁结构建成通车,与此同时,桥梁的运营管理和养护问题也日益严重。在总结概括多座大型铁路桥梁运营管理体制和养护维修情况的基础上,对京沪高铁大胜关长江大桥和郑焦城际铁路郑州黄河大桥两座典型桥梁的运管现状进行详细分析,对今后大型桥梁运营管理提出了建议,完成大型铁路桥梁运营管理分析及对策研究。研究结果表明:目前我国一些大型铁路桥梁的运营管理在管理体制、养护维修现状、设计及施工影响、桥梁自身状况、检测技术及手段等多方面还值得进一步探讨,通过采用现代化管理手段、先进的信息技术、检测技术和数字化技术,建立现代化的桥梁运营管理体制和现代化大型桥梁管养体系,通过预防性、数字化管养,实现养护管理的技术升级与管理模式的转变,是提高大型桥梁运营管理水平、养护管理质量、保证桥梁结构正常使用性能的发展方向。     

高速铁路大跨度桥梁

研究目的:通过总结我国在建的3座高速铁路大跨度桥梁设计、施工特点及有待进一步研究的问题,对今后高速铁路大跨度桥梁起到借鉴作用.研究结论:大跨度桥梁的基础施工技术的大幅进步,提高了施工质量的可控性;铁路大跨度桥梁的桥面采用整体桥面结构形式,可改善结构受力和确保轨道的平顺性及列车行车安全;大跨度桥梁整体施工技术是我国桥梁施工技术的发展方向.     

铁路桥梁裂缝位置识别与目标检测方法探讨

裂缝是铁路混凝土桥梁累积性破损的早期表现形式。由于裂缝形态的非线性和桥梁结构所处环境的多样性,依靠人工作业的桥梁裂缝检测存在耗时长、主观性大、检测精度不高等问题,已无法满足桥梁状态诊断的需求。传统的裂缝图像处理方法过于依赖算法设计者的经验,易导致检测精度不高。针对上述问题,提出一种基于Detectron平台的目标检测模型,利用模型中卷积神经网络(CNN)对输入图像的光线、扭曲旋转、大小变化等高度适应的优点,从大量裂缝图像中学习裂缝特征,实现对桥梁裂缝位置的识别。采用图像分割法建立图像训练集、验证集及测试集,用特征标定工具为数据集作裂缝位置标签,创建由4个卷积层(Conv),4个池化层(Max-pooling)和1个全连接层(FC)共922,368个参数组成的卷积神经网络(CNN),并将学习率调整为0. 001。验证及测试表明,所提出的基于Detectron平台的目标检测模型在数据多次迭代后具有良好的裂缝位置识别精度。用于模型学习的训练集与验证集上,识别精度最优值分别为92. 64%和88. 98%,未被模型学习的测试集上,识别精度最优值为90. 43%。最后,通过与传统图像处理识别技术的对比分析,阐明模型在特征识别上的优劣性。