一种码头改造结构的健康监测方法及系统与流程

本发明涉及智慧港口水工结构安全监测，尤其涉及一种码头改造结构的健康监测方法及系统。

背景技术：

1、我国大量港口码头建于20世纪90年代前后，已持续服役20–30年以上，普遍出现结构老化、钢材腐蚀、节点松动、不均匀沉降、整体倾斜等病害。在钢板桩码头改扩建工程中，常采用旧钢板桩保留+新钢管桩加固的混合结构形式，形成双列支护协同受力体系。

2、但该类结构存在以下突出技术痛点：（1）新旧结构协同受力机制不明确，新旧桩连接部位易产生应力集中、疲劳损伤，甚至出现局部开裂、脱落；（2）原有钢板桩长期受海水、盐雾腐蚀，壁厚减薄、强度下降，存在张拉应力超限、断裂失效风险；（3）码头平台长期受荷载、地质、水流影响，易发生不均匀沉降与整体倾斜，传统人工巡检周期长、精度低、响应滞后，无法实时捕捉结构异常；（4）现有监测系统多为单一传感器、单一指标监测，数据孤立、缺乏融合分析，难以实现结构整体状态评估与科学维养。

3、目前国内外监测技术多针对新建码头或单一结构形式，对老旧码头改扩建混合结构的针对性不足，缺乏一体化、高精度、智能化的监测方案。因此，亟需研发一种适配老旧钢板桩码头改造混合结构的健康监测方法及系统，实现结构安全状态实时感知、智能预警与全生命周期管理。

技术实现思路

1、本发明克服了现有技术的不足，提供了一种码头改造结构的健康监测方法及系统。

2、为达上述目的，本发明采用的技术方案为：

3、本发明第一方面提供了一种码头改造结构的健康监测方法，包括以下步骤：

4、针对于预设类型的钢板桩，布设相关的监测装置，构建三维全覆盖感知网络，利用三维全覆盖感知网络采集多源数据信息；

5、通过对所述多源数据信息进行预处理以及耦合处理，并构建结构健康基准模型；

6、利用结构健康基准模型对数据进行状态分析，获取水平位移量、沉降位移量、整体倾斜度、钢板桩张拉应力、钢管桩弯曲应力、结构偏差率六大核心状态特征值；

7、基于所述水平位移量、沉降位移量、整体倾斜度、钢板桩张拉应力、钢管桩弯曲应力、结构偏差率六大核心状态特征值进行分级预警，同时，生成结构安全评估与维养决策，并基于长期监测数据迭代优化结构健康基准模型与预警阈值。

8、进一步的，在码头改造结构的健康监测方法中，针对于预设类型的钢板桩，布设相关的监测装置，构建三维全覆盖感知网络，具体为：

9、在码头陆域无沉降、无扰动区域布设北斗gnss基准站，在码头平台装卸设备基础、码头前沿、结构关键节点、跨缝位置布设gnss流动站，构建位移监测网络；

10、沿码头平台均匀布设倾斜监测装置，孔内串联式固定测斜仪等间距布置，从码头面层至深层土体的全深度变形与倾斜监测，形成倾斜监测网络；

11、选取典型受力断面，在旧钢板桩上布设应变计监测张拉应力，在新钢管桩上布设应变计监测弯曲应力监测装置，覆盖新旧结构连接区、应力集中区、腐蚀高发区，形成应力应变监测网络。

12、进一步的，在码头改造结构的健康监测方法中，通过对所述多源数据信息进行预处理以及耦合处理，具体为：

13、通过采用物理增强的长短时记忆自编码器对缺失数据进行插补处理，所述物理增强的长短时记忆自编码器以结构动力学方程作为正则化惩罚项，确保插补值既符合数据分布特征；

14、构建结构的图神经网络代理模型，将钢板桩、钢管桩、拉杆构建离散为节点，构件间的力学连接作为边，所述图神经网络前向传播过程中，边上的信息传递被约束为基于timoshenko梁理论和板壳理论的弯矩、剪力与轴力传递关系；

15、将所述多源数据信息作为节点的多通道输入，通过图网络的消息传递与聚合，进行数据交叉校验与误差修正，利用钢管桩上应变计推算出的曲率，与由相邻倾角仪差分获得的转角变化进行互校准；

16、以物理置信度为权重，动态调优融合结果，最终输出物理自洽、时空连续的全息结构状态向量。

17、进一步的，在码头改造结构的健康监测方法中，构建结构健康基准模型，具体为：

18、在结构投入运营初期，利用一段时期的正常状态数据，训练一个基于注意力机制的时序卷积网络，以环境与荷载参数为输入；以耦合后的全息状态向量为输出；

19、学习环境-荷载到结构正常响应的高维非线性映射函数，在实时状态分析时，将实测的环境与荷载参数输入基准模型，得到当前工况下的预期正常响应；

20、将实时耦合的状态向量与预期响应向量作差，剔除温度、潮汐、正常运营荷载环境干扰后的纯结构抗力变化量，从而得到的残差向量。

21、进一步的，在码头改造结构的健康监测方法中，利用结构健康基准模型对数据进行状态分析，具体为：

22、利用结构健康基准模型对数据进行状态分析，得到残差向量，基于所述残差向量，取结构顶部参考点，通过对消去环境漂移的gnss与静力水准数据进行多阶动态加权平均，得到水平位移量与沉降位移量；

23、融合双轴倾角仪与构件两端差异沉降反算的转角，通过卡尔曼滤波获得最优无偏估计，表征结构整体抗倾覆稳定性的演变，得到整体倾斜度；

24、从解耦后的应变残差中，依据材料本构关系直接换算，并利用耦合网络推演的轴力-弯矩分配关系，将测点应力外推至全构件控制截面的最大应力状态，得到钢板桩张拉应力与钢管桩弯曲应力。

25、对于钢板桩墙面，计算各区域法向偏差的均方根值与规范允许偏差的比值；对于整体结构，计算主要受力构件控制节点位移矢量偏差与理论容许包络线的比率，最终加权融合为一个无量纲的结构偏差率。

26、进一步的，在码头改造结构的健康监测方法中，基于所述水平位移量、沉降位移量、整体倾斜度、钢板桩张拉应力、钢管桩弯曲应力、结构偏差率六大核心状态特征值进行分级预警，具体为：

27、基于所述水平位移量、沉降位移量、整体倾斜度、钢板桩张拉应力、钢管桩弯曲应力、结构偏差率六大核心状态特征值的历史正常残差序列作为训练样本；

28、引入动态vinecopula函数并构建六维特征的联合概率密度分布模型，利用训练样本对所述六维特征的联合概率密度分布模型进行训练；

29、对每一维残差用核密度估计并拟合对每一维残差用核密度估计，按顺序排列变量，用最大生成树算法从数据中学习每一层树的pair-copula类型及其参数；

30、通过aic准则自动选择，捕捉特征间复杂的非线性相依结构，最终得到联合密度函数，利用联合密度函数计算当前六维状态向量在联合分布中的概率密度，并利用马氏距离度量法计算当前六维状态向量在联合分布中的马氏距离值；

31、从六维特征的联合概率密度分布模型随机抽样生成预设数量的正常状态向量，利用核密度估计构建二维或三维投影的等密度轮廓，反向找出覆盖99%正常样本的最小体积区域边界，将所述最小体积区域边界所对应的边界值作为预警阈值，并根据所述预警阈值以及马氏距离值进行动态分级预警。

32、进一步的，在码头改造结构的健康监测方法中，生成结构安全评估与维养决策，具体为：

33、根据分级预警数据进行在线有限元仿真，以当前偏差率和应力场为边界条件，复核结构剩余承载力与安全系数；

34、基于所述结构剩余承载力与安全系数从融合规范条文、历史案例与材料劣化模型的知识图谱中检索候选维修动作；

35、模拟每种决策的风险消减程度、工程造价、对运营的干扰，并生成最优维养方案及优先级。

36、进一步的，在码头改造结构的健康监测方法中，基于长期监测数据迭代优化结构健康基准模型与预警阈值，具体为：

37、当监测预设时间的状态为正常状态，但环境场景发生了未遇过的变化并产生新数据模式时，触发基准模型的增量学习，更新结构健康基准模型的模型参数；

38、同时，通过贝叶斯递推更新不断修正copula模型的参数和置信边界，从而优化预警阈值。

39、本发明第二方面提供了一种码头改造结构的健康监测系统，包括存储器以及处理器，所述存储器中包括码头改造结构的健康监测方法程序，所述码头改造结构的健康监测方法程序被所述处理器执行时，实现任一项所述的码头改造结构的健康监测方法的步骤。

40、本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

41、本发明以原有钢板桩 + 新增钢管桩混合结构为监测对象，构建位移-倾斜-应力应变三维监测体系；采用北斗 gnss + 串联测斜 + 光纤光栅传感多技术融合采集数据；通过边缘计算 + 云端耦合分析实现数据精准处理；依据规范建立分级阈值预警机制；形成监测-分析-预警-评估-维养-优化全闭环智能管理模式，实现码头改造结构健康状态的实时感知、智能研判与科学决策。