一种基于人工智能的小截面预应力桩-板装配式节点工作状态监测系统及方法与流程
本发明涉及结构监测,具体涉及一种用于横截面边长小于等于400mm的小截面预应力方桩的桩-板装配式节点的工作状态监测系统及方法,通过融合数字孪生与人工智能算法,实现节点在复杂复合荷载(拉、弯、剪)作用下的实时荷载识别、损伤诊断、剩余寿命预测及分级预警。
背景技术:
1、目前,预应力桩-板装配式节点是一种在航道护岸、码头等水运工程中具有广泛应用前景的新型结构形式,特别是针对横截面边长≤400mm的小截面预应力方桩。该类节点通过预埋套筒、锚固钢筋及预应力主筋等构件实现桩与底板的快速、环保连接,解决了传统破桩头工艺的效率低下与环境污染问题。然而,该类节点在长期服役过程中承受着船舶撞击、水流变化、地基不均匀沉降等产生的复杂复合荷载(拉、弯、剪组合作用),其力学性能演变与安全状态是工程界关注的核心问题。
2、目前,对此类节点的安全性评估主要依赖于:(1)设计阶段的室内试验与有限元模拟,该方法属于“一次性”验证,无法反映实际工程中成千上万个节点在长期服役期间的个体差异与性能演变。(2)运营阶段的定期人工巡检,主观性强、效率低下、周期长,且无法发现结构内部的早期微观损伤,往往在发现问题时,损伤已发展到严重阶段,修复成本高昂。(3)少数研究虽然在试验中使用了应变片等传感器,但仅限于短期数据采集,并未形成面向全生命周期、能够进行智能诊断与预警的完整系统。
3、尤为突出的是,现有监测系统缺乏针对小截面预应力桩-板节点特定构造(如端部钢板、预埋套筒、锚固钢筋等关键传力部件)的传感器布设方案,且预警阈值多基于经验或通用规范,未经过足尺物理模型试验和数值模拟的充分验证。例如,本领域已知该节点在足尺试验中的抗拉极限承载力为2119.5kn、抗弯极限承载力为276.9kn·m、抗剪极限承载力为680kn(来源于足尺物理模型试验),但这些关键阈值尚未被系统性地纳入监测预警体系中。
4、因此,本领域迫切需要一种专门针对小截面预应力桩-板装配式节点、能够实时在线监测、基于试验阈值进行智能诊断与分级预警的系统及方法,以实现从“被动维修”到“主动预警”的运维模式转变,保障关键基础设施的长期安全运营。
技术实现思路
1、有鉴于此,本发明提供了一种基于人工智能的小截面预应力桩-板装配式节点工作状态监测系统及方法,利用人工智能算法智能识别节点所承受的复杂荷载,精准诊断早期损伤,并预测剩余寿命,从而在安全隐患酿成事故前发出有效预警。
2、为了实现上述目的,本发明采用如下技术方案:
3、一种基于人工智能的小截面预应力桩-板装配式节点工作状态监测系统,包括:
4、传感器模块,所述传感器模块设置在待测预应力桩-板装配式节点上,用于实时采集待测预应力桩-板装配式节点的工作状态数据;
5、具体为:所述传感器模块设置在待测预应力装配式节点上,用于实时采集待测预应力装配式节点的工作状态数据;所述待测预应力装配式节点为横截面边长小于等于400mm的小截面预应力方桩与底板的装配式连接节点,其构造包括端部钢板、预埋套筒、上部锚固钢筋、下部锚固钢筋及预应力主筋;所述传感器模块包括:多个应变传感器,分别布置于上部锚固钢筋、节点核心区混凝土及预应力主筋上;多个应力传感器,布置于桩顶钢板与套筒连接的关键应力集中区域;至少一个三轴加速度计,安装于节点附近的刚性结构上;
6、数据处理与传输模块,所述数据处理与传输模块与所述传感器模块连接,用于对所述工作状态数据进行预处理以及传输;
7、数字孪生与ai分析引擎模块,所述数字孪生与ai分析引擎模块与所述数据处理与传输模块连接,用于分析经过预处理的所述工作状态数据,得到对应的健康分析结果;其中所述小截面预应力桩-板装配式节点是指横截面边长不大于400mm的预应力方桩与底板之间的装配式节点。
8、优选的,所述数字孪生与ai分析引擎模块包括:
9、节点数字孪生模型库构建单元,所述节点数字孪生模型库构建单元与所述数据处理与传输模块连接,用于建立所述待测预应力桩-板装配式节点对应的参数化有限元模型,并结合所述工作状态数据进行模拟仿真分析,得到对应的力学响应分析结果;
10、ai荷载识别单元,所述ai荷载识别单元与所述节点数字孪生模型库构建单元连接,用于根据力学响应分析结果、经过预处理的所述工作状态数据进行荷载分析,识别节点所受的轴向拉力、弯矩及剪力。
11、优选的,所述数字孪生与ai分析引擎模块还包括:
12、ai损伤诊断单元,所述ai损伤诊断单元与所述数据处理与传输模块以及所述节点数字孪生模型库构建单元连接,用于对经过预处理的所述工作状态数据、所述力学响应分析结果进行损伤识别,即识别节点混凝土裂缝宽度、钢筋滑移及预应力松弛;
13、ai剩余寿命预测单元,所述ai剩余寿命预测单元与所述数据处理与传输模块以及所述节点数字孪生模型库构建单元连接,用于根据力学响应分析结果、经过预处理的所述工作状态数据进行剩余寿命预测。
14、优选的,还包括:
15、预警与可视化交互模块,所述预警与可视化交互模块与所述数字孪生与ai分析引擎模块连接,用于接收健康分析结果并根据所述健康分析结果及多个实际分级阈值发出预警信息。
16、优选的,所述预警与可视化交互模块包括:
17、预警分析单元,所述预警分析单元与所述ai荷载识别单元、ai损伤诊断单元以及ai剩余寿命预测单元连接,用于预先确定多个实际分级阈值,并根据多个实际分级阈值对所述ai荷载识别单元、ai损伤诊断单元以及ai剩余寿命预测单元输出的结果进行综合决策,得到对应的综合分析结果;
18、推送单元,所述推送单元与所述预警分析单元连接,用于利用多个实际分级阈值与所述综合分析结果进行对比,并根据对比结果进行分级预警信息推送;
19、可视化交互显示单元,所述可视化交互显示单元与所述推送单元、所述ai荷载识别单元、ai损伤诊断单元以及ai剩余寿命预测单元连接,用于实时显示预警信息、所述ai荷载识别单元、ai损伤诊断单元、ai剩余寿命预测单元的输出结果。
20、优选的,预警信息可以包括分级预警,具体包括:
21、ⅰ级关注阈值:混凝土裂缝宽度达到0.05mm或荷载持续率达到80%;
22、ⅱ级预警阈值:混凝土裂缝宽度达到0.1mm或荷载持续率达到90%或剩余寿命预测出现加速下降趋势;
23、ⅲ级警报阈值:混凝土裂缝宽度达到0.2mm或荷载超过设计值(抗拉2119.5kn、抗弯276.9kn·m、抗剪680kn中的任一项)或剩余寿命预测低于5年。
24、优选的,得到多个实际分级阈值的具体处理过程包括:
25、通过开展预应力装配式节点的物理模型试验以及数值模拟试验,得到对应的节点力学性能试验结果,并根据节点力学性能试验结果确定对应的多个实际分级阈值,包括节点在轴向拉力、弯矩、剪力及其组合作用下的承载力阈值、荷载-应变响应曲线、损伤演化规律及失效模式,构建了节点在弹性、开裂及极限状态下的力学响应模型,并以此作为荷载识别、损伤诊断与寿命预测的根本依据。
26、本发明还利用上述系统,提供一种基于人工智能的预应力装配式节点工作状态监测方法,包括以下步骤:
27、步骤1:传感器布设、数据采集与预处理
28、实时采集待测预应力装配式节点的工作状态数据,并对所述工作状态数据进行预处理,具体为:在待测小截面预应力桩-板装配式节点的上部锚固钢筋上粘贴光纤光栅应变片(6个测点),在节点核心区混凝土内预埋光纤光栅应变计(12个测点),在预应力主筋上设置应变片(2个测点),在桩顶钢板与套筒连接区域焊接微型mems应力传感器(6个测点),在底板附近安装三轴加速度计(1台,提供3个加速度通道),共计29个物理量测点;以不低于100hz的采样频率实时采集应变、应力及加速度数据。对采集的原始数据进行滤波、去噪、温度补偿及归一化处理,形成29维时序特征向量,并通过有线或无线方式传输至分析引擎;
29、步骤2:通过节点数字孪生模型库构建单元构建待测预应力装配式节点对应的参数模型,并结合经过预处理的所述工作状态数据进行分析,得到对应的力学响应分析结果,具体为:基于所述待测节点的实际几何尺寸、材料参数及边界条件,在abaqus软件中建立参数化有限元模型,并利用实时采集的应变、应力数据作为边界条件进行仿真分析,输出节点在当前荷载下的全场应力、应变分布及损伤状态;
30、步骤3:通过ai荷载识别单元、ai损伤诊断单元、ai剩余寿命预测单元结合力学响应分析结果、经过预处理的所述工作状态数据进行处理,得到对应的荷载分析结果、损伤诊断结果以及剩余寿命预测结果,具体为:将预处理后的29维特征向量输入预训练的ai荷载识别模型,输出当前节点所受的轴向拉力(kn)、弯矩(kn·m)和剪力(kn),识别误差控制在轴向力≤5%满量程、弯矩≤8%满量程、剪力≤10%满量程,将力学响应分析结果与荷载识别结果输入ai损伤诊断模型,输出节点混凝土的裂缝宽度(mm)、裂缝位置(定位误差≤±10cm)、钢筋滑移状态及预应力松弛程度,损伤分类准确率≥95%,利用深度生存分析模型预测节点的剩余疲劳寿命(年),预测偏差≤15%;
31、步骤4:对荷载分析结果、损伤诊断结果以及剩余寿命预测结果进行融合分析,得到对应的综合分析结果以及多个实际分级阈值;
32、结合综合分析结果与多个实际分级阈值的对比结果进行分级预警推送,具体为:将输出的荷载值、裂缝宽度、剩余寿命与预设的阈值体系进行对比,执行三级预警:
33、若裂缝宽度≥0.05mm但<0.1mm,或荷载持续率≥80%但<90%,触发ⅰ级关注:在监测平台界面提示,生成周期报告,无需即时现场干预;
34、若裂缝宽度≥0.1mm但<0.2mm,或荷载持续率≥90%,或剩余寿命预测出现加速下降趋势,触发ⅱ级预警:自动标注该部位,推送提示信息至工程师移动终端,建议安排现场检查;
35、若裂缝宽度≥0.2mm,或荷载超过设计值(抗拉≥2119.5kn、抗弯≥276.9kn·m、抗剪≥680kn中的任一项),或剩余寿命预测<5年,触发ⅲ级警报:通过平台弹窗、短信和电话多路并行告警,启动应急预案;
36、步骤5:报告生成
37、自动生成包含荷载时程、损伤演化图、剩余寿命预测曲线的监测报告。
38、经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于人工智能的小截面预应力桩-板装配式节点工作状态监测系统及方法,具有如下有益效果:
39、(1)首次针对小截面(≤400mm)预应力桩-板装配式节点的关键传力路径,提出了包含29个测点的多类型传感器布设方案,
40、实时性与前瞻性:变定期、被动检查为持续、主动监测,能够捕捉到瞬时异常荷载和损伤的萌生,为实现预测性维护提供了数据基础。
41、(2)基于足尺物理模型试验(抗拉1400kn节点未坏、抗弯276.9kn·m节点未坏、抗剪680kn节点未坏)及有限元数值模拟(抗拉2350kn、抗弯315.7kn·m、抗剪1251kn),确定了科学的多级预警阈值,诊断深度与精度:通过融合物理驱动(数字孪生)与数据驱动(ai模型)的方法,能够诊断出人工巡检和传统阈值报警无法发现的内部和早期微观损伤,大大提升了诊断的深度和准确性。
42、(3)决策支持智能化:提供了融合数字孪生与ai多任务模型,实现荷载识别、损伤诊断、寿命预测的一体化智能分析,系统不仅告知是否出现问题,更能精确回答问题的性质、出现问题的位置、问题的严重程度以及构件的剩余使用期限,为运维管理提供了量化的、科学的决策依据。
43、(4)全生命周期管理:系统覆盖从节点建成投入运营直至退役的全过程,能积累宝贵的全生命周期性能数据,对于优化未来同类节点的设计、施工与运维具有极高价值。
44、(5)本发明所构建的ai荷载识别模型、损伤诊断模型及剩余寿命预测模型,均经过大规模有限元仿真与足尺试验数据训练与验证,其荷载反演误差小、损伤识别准确率高(≥95%)、寿命预测偏差可控(≤15%),确保了系统诊断与预警的科学性与可靠性。
45、(6)本发明定义了基于混凝土裂纹宽度、荷载超限比例及剩余寿命等多参数融合的三级预警机制(ⅰ级关注、ⅱ级预警、ⅲ级警报),三级预警机制与具体试验阈值挂钩,实现阶梯化安全管理,并明确了各级别的定量阈值与定性响应流程,实现了从风险提示到紧急处置的阶梯化、智能化安全管理。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com