排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
结构健康监测(SHM)技术在许多大型桥梁的运营养护管理中均有应用,但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁SHM数据的处理分析中,首先总结大数据的概念和构成要素;然后分析SHM数据的工业大数据属性,梳理桥梁SHM大数据的研究方向;随后综述包括处理技术和分析方法在内的大数据技术在桥梁SHM中的应用现状,在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出SHM大数据研究的需求和应用场景;最后对大数据技术在桥梁SHM中的前景与驱动力进行展望和讨论。结果表明:SHM大数据研究应以结构状态评估为落脚点;大数据处理技术在SHM的系统框架搭建及数据分析能力扩展方面虽已得到较多应用,但其并非SHM大数据研究的重点;SHM数据融合对大数据分析方法有迫切需求,以实现桥梁SHM数据与外观检测等多源异构数据的多层面融合;深度学习、集成学习为结构状态敏感特征的提取提供了新的算法;有监督、无监督机器学习方法结合海量SHM数据将对结构状态评估下的模式识别问题形成更全面的认知;异常识别、相关分析、迁移学习等方法可为实桥SHM损伤识别提供支撑。研究结果可为SHM领域的大数据研究提供参考。 相似文献
2.
原有的交通事故等级划分已不能适应当前的社会经济发展速度,基于原有的标准,并引入交通流密度差等因素提出危险系数λ,通过λ来确定交通事故的反应等级,以期为交通管理部门和政府紧急救援部门提供一定的参考和借鉴。 相似文献
3.
运营环境下桥梁受到的车辆荷载是非平稳的,不满足一般运营模态分析方法的基本假定,在桥梁阻尼比识别过程中可能引入较大误差。为了提升基于非平稳监测数据的桥梁阻尼比识别准确性,探究其变化规律,提出了一种基于衰减响应模式提取的桥梁阻尼比识别方法,从大量的识别结果中分析阻尼比在运营期间的统计特征及规律。该方法利用U-net卷积网络从桥梁的监测数据中提取出衰减响应数据,进而利用希尔伯特变换方法识别桥梁阻尼比。分析了一座独塔斜拉桥2年的监测数据,并识别了桥梁前2阶竖弯模态的阻尼比,统计了其在不同时段概率密度分布,分析了温度和交通荷载对阻尼比的影响规律。研究结果表明:所提方法可以从海量监测数据中有效提取出监测数据中的衰减响应;桥梁阻尼比分别与环境温度及交通荷载存在弱负相关和强正相关关系;桥梁阻尼比受车辆荷载影响显著,主要来源于摩擦耗能与车桥耦合效应,前2阶阻尼比平均值在车辆较少时分别为0.72%和0.58%,白天车流量较大时阻尼比平均值分别为1.05%和0.79%。 相似文献
4.
5.
1