桥梁裂缝智能识别与监测方法研究

当前,裂缝识别与监测一直是桥梁结构健康监测的重要研究内容。在桥梁结构现场检测与监测中,传统的裂缝识别与监测技术尚不足以满足实际工程的时效性和精确性需求,尤其是裂缝监测技术。基于深度学习的裂缝图像识别极大提升了裂缝检测的效率和精度,但目前仅能获得特定时刻的裂缝信息,缺乏对裂缝产生和演化过程的监测能力,而这些信息对混凝土结构服役安全量化和科学评价具有重要意义。鉴于此,对基于深度学习的裂缝识别与监测方法进行了系统研究,分析和讨论了裂缝数据集构建基准,改进优化了裂缝目标检测和语义分割算法,提出一种多任务集成一体化实时识别算法,并建立了该模型推理效果评价方法,优化了裂缝参数计算方法,最终形成了裂缝识别及动态扩展自动化实时监测方法。结果表明：所提出的裂缝智能识别与监测方法可以对新裂缝的产生和既有裂缝的全局演化实现良好追踪,监测数据可以为桥梁结构当前服役性能的科学量化评估提供支撑。     

石拱桥裂缝的远程无线监测

超限裂缝是桥梁损伤程度的重要表现.裂缝的安全监测对评价桥梁状况、保障安全具有重要作用.将振弦传感器跨裂缝安装,通过GPRS遥测系统实现远程无线监测裂缝变化,确保成渝高速公路李家院子桥在裂缝超限情况下的安全运营.     

结构裂缝监测与温度影响研究

目前对桥梁的常规检查较难满足对特大型桥梁和特别重要桥梁的检查需求,无法全面监测桥梁的运行状况,只能在病害发展到一定程度才能发现,延误维修加固的时机,同样也无法对极限荷载进行及时预警,保障桥梁运营安全。为及时发现桥梁结构在其服役期间性能变化,保证桥梁结构服役安全性,采用实时监测的方法对桥梁结构控制截面挠度以及主要结构裂缝宽度变化进行监测与预测分析。研究结构裂缝宽度与温度和车辆荷载的关系,将实时监测与长期预测相结合,科学指导养护决策。     

有效开展特大型桥梁的检查、监测工作

随着国内外特大型桥梁越来越多地投入运行,桥梁安全更显重要。对此,该文经总结管养工作的经验,认为:管养单位应当始终把大桥结构安全受控作为管理重心,根据桥梁各类检查的不同作用及相互间的联系,抓住检查、检测和监测工作的关键,制定科学合理的桥梁检查、检测、监测方案,并持续进行认真检查,定期进行检测成果对比分析,掌握结构变化规律,以确保桥梁的结构安全和运行安全。     

现有桥梁结构的安全监测与评估技术

桥梁结构的安全监测是保证桥梁安全营运的重要手段，经过近几十年历程，桥梁结构的安全监测与评估技术得到较大发展，各种方法也日趋成熟。本综合大量相关献，较系统全面地介绍了目前国内外采用的结构安全监测与评估的先进技术和方法，以供同行参考。     

简支空心斜板宽桥空间静力分析及试验研究

该文使用空间有限元法对斜交75°、宽跨比为1.4的通道桥梁进行了分析,使用现代检测技术对桥梁结构在静力荷载下的挠度、应变和裂缝宽度进行了测试。将测试结果与理论分析结果进行了详细对照,得出了一些有益的结论,可为类似结构分析和研究提供参考。     

基于超声法的梁板裂缝的无损检测及应用

混凝土桥梁在建造和使用阶段容易受设计施工及环境因素的影响而产生裂缝,影响结构的正常使用。为保证桥梁的安全运行,需采用合理的检测方法对裂缝进行检测,确定裂缝深度,分析裂缝成因,为制定裂缝处理方案提供依据。基于超声法的原理,对某桥梁板裂缝区域进行单面平测、双面测量,并辅以高倍数读数显微镜对裂缝进行宽度量测,用以确定裂缝的深度、宽度及影响范围,结果表明该方法用声速、波形等声学参数检测混凝土裂缝具有较高的检测精度。     

基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据。为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题,提出基于无人机（Unmanned Aerial Vehicle,UAV）及深度学习的桥梁结构裂缝智能识别方法。采用大疆M210-RTK多旋翼无人机进行贴近航摄,获取桥梁结构混凝土表面高清图像;利用SDNET裂缝数据集等图像资源,制作1 133张标记裂缝精确区域的深度学习训练样本图像库;引入掩膜区域卷积神经网络（Mask R-CNN）深度学习算法,训练和建立Mask R-CNN裂缝识别模型;基于Mask R-CNN裂缝识别模型,采用矩形滑动窗口模式扫描混凝土表面高清图像,实现裂缝自动识别和定位。构建包含图像二值化、连通域去噪、边缘检测、裂缝骨架化、裂缝宽度计算等流程的图像后处理方法,实现裂缝形态及宽度信息自动获取。通过精度验证试验,证实采用M210-RTK无人机+ZENMUSE X5S相机+45 mm奥林巴斯镜头的组合装备,当无人机至桥梁结构表面垂直距离为10.0 m时,无人机方法识别的裂缝宽度与裂缝测量仪结果吻合,其绝对误差小于0.097 mm,相对误差小于9.8%。将该无人机裂缝检测方法应用于高136.8 m长沙市洪山大桥桥塔表面裂缝检测,采用深度学习Mask R-CNN算法进行裂缝智能识别,其裂缝识别准确率和召回率分别达到92.5%和92.5%。研究结果表明：无人机桥梁裂缝检测方法可实现高耸桥梁结构表面裂缝的远程、非接触、自动化检测,具有重要的科学研究和工程应用价值。     

桥梁检测机器人系统及应用

桥梁裂缝呈现出混凝土桥梁安全性、耐久性等重要信息。裂缝检测和分析对于桥梁的养护具有非常重要的意义,并且近年来这一需求日益激增。然而,目前桥梁检测手段依然是传统、危险、定性、客观和耗时的目视检测方法为主。此外,对于具有复杂结构的桥梁,传统的目视检测方法实现难度较大。为了使桥梁测更加高效和安全,本文提出一种用于桥梁检测的智能系统,该系统由特殊设计的安装了一个多自由度机械臂的移动平台和装备多种传感器的视觉系统组成。该系统可以自动地采集桥梁底面数据,并能识别和定位裂缝。实验验证显示,该系统性能明显优于目前已有系统,具有较强的实用性。     

混凝土桥梁裂缝宽度监测与预测研究

桥梁裂缝宽度是混凝土桥梁结构在运营阶段的重点观测参数。针对目前监测系统中频繁出现的预警误报情况,本文提出了一种基于中值滤波和非线性自回归神经网络法(NARNN)预测桥梁结构裂缝的方法。选取某混凝土梁桥的4条裂缝数据进行预测,并对输出值与目标值比较及均方误差(MSE)进行精度控制和检验,发现该方法可有效地预测桥梁结构裂缝宽度,可减少监测系统中预警误报的情形。