一种悬索桥主缆智能架设的监测方法及系统与流程

摘要: 本发明涉及悬索桥主缆架设,具体涉及一种悬索桥主缆智能架设的监测方法及系统。背景技术:1、悬索桥作为一种大跨度桥梁结构,其主缆架设是整个施工过程中的关键环节。主缆...
一种悬索桥主缆智能架设的监测方法及系统与流程

本发明涉及悬索桥主缆架设,具体涉及一种悬索桥主缆智能架设的监测方法及系统。

背景技术:

1、悬索桥作为一种大跨度桥梁结构,其主缆架设是整个施工过程中的关键环节。主缆索股的牵引质量直接关系到成桥后的线形精度、承载能力以及结构安全。在传统的悬索桥主缆架设施工中,索股牵引主要依赖人工配合卷扬机进行操作。施工人员需要通过对讲机沟通,依靠经验判断索股的牵引速度、张力以及是否发生扭转。这种作业方式存在劳动强度大、沟通成本高、响应滞后等问题,且在面对突发大风或设备故障时,缺乏有效的应急控制手段,容易导致索股扭转过度甚至断裂,严重影响施工安全与效率。

2、随着自动化技术的发展,现有技术中已出现了一些旨在提高牵引自动化程度的解决方案。例如,中国发明专利申请 cn113774806a 公开了一种悬索桥主缆索股牵引控制系统及方法。该现有技术通过在拽拉器上设置扭转监测传感器和扭转纠正机构,利用惯性轮加减速转动产生的反向力矩来纠正主缆索股的扭转姿态;同时,采用 lora 基站与网关协同的方式获取拽拉器的平面坐标,并结合编码器数据确定拽拉器位置。该方案在一定程度上实现了牵引过程的自动化监测与扭转纠正,减少了对人工经验的依赖。

3、然而,在实际工程应用及进一步的技术研发中,发现上述现有技术(cn113774806a)仍存在明显缺陷:

4、①该现有技术采用扭转监测传感器监控索股的扭转姿态,发生扭转时提供反向力矩;仅仅采用扭转监测传感器监测,获取数据方式单一,监测结果可靠性相对较差;

5、②该现有技术主要关注索股的扭转姿态,对于索股表面的物理状态(如钢丝散丝和钢丝断裂)和位置状态(如脱轨)缺乏有效的智能监测手段,无法全面评估索股的健康状态,存在监测盲区,状态感知不够全面。

6、③该现有技术采用 lora 无线电进行定位,虽然 lora 具有远距离通信优势,但在悬索桥施工现场,周围存在大量的金属结构(如主塔、索鞍、猫道等),极易对无线电信号产生多径效应和屏蔽干扰,导致定位数据出现跳变或丢失。特别是在拽拉器靠近主塔塔顶或散索鞍等关键部位时,lora 信号的遮挡问题更为严重,难以满足高精度就位调整的需求。

7、④缺乏对猫道线形、猫道承重索张力、猫道安全视觉、张拉索股牵引同步性及进度、雏形主缆线形的监测。

技术实现思路

1、本技术提供一种悬索桥主缆智能架设的监测方法及系统,对张拉索股具有更可靠的监测结果及更全面的状态感知,辅助提升主缆架设的施工效率与施工质量,保障施工安全。

2、第一方面,本技术实施例提供一种悬索桥主缆智能架设的监测方法,包含步骤:

3、通过设置于所述拽拉器的第一摄像头,采集张拉索股表面图像数据;通过串联于拽拉器与牵引绳端部之间的第一张力传感器,采集牵引张力数据;

4、对所述图像数据进行预处理,从预处理后的图像数据识别索股形态异常特征,将所述索股形态异常特征与所述张力数据进行时间戳对齐,生成监测结果;

5、当所述监测结果满足预设预警条件时,发出报警信号且生成调整卷扬机的控制指令; 所述预设预警条件包含存在索股形态异常特征、和/或张力数据出现大于设定值的突变量。

6、结合第一方面,在一种实施方式中,所述对所述图像数据进行预处理,包含:

7、通过自适应光照增强算法对所述图像数据进行预处理;

8、所述从预处理后的图像数据识别索股形态异常特征,包含:

9、通过深度学习语义分割模型从预处理后的图像数据中识别索股形态异常特征;所述索股形态异常特征包括散丝特征、脱轨风险特征和断裂特征。

10、结合第一方面,在一种实施方式中,所述通过深度学习语义分割模型从预处理后的图像数据中识别索股形态异常特征,包含:

11、识别索股边缘散丝分割面积占比,若散丝面积区域像素占索股截面像素的比例超过设定比例,判定为散丝特征;

12、从预处理后的图像数据中筛选出经过托滚时的图像数据,识别索股中心线与托滚中心线的像素距离,若超出设定距离,判定脱轨特征;

13、识别到索股的钢丝断面,判定为断裂特征。

14、结合第一方面,在一种实施方式中,还包含猫道的监测,其包括:

15、通过在猫道承重索的若干关键特征断面位置一一布设gnss监测终端,进行猫道线形自动实时监测;同时,还在相同位置设置棱镜,配合全站仪对猫道线形进一步精准校核;

16、通过若干粘接于承重索的第二张力传感器获取承重索各处的张力数据;通过若干设置于猫道门架顶部的第二摄像头,获取猫道、施工人员的图像数据,

17、对获取的数据进行解析,若发现猫道线形异常、猫道承重索张力异常、或猫道安全视觉异常至少一种情况时,进行所发现情况的相应报警;所述猫道安全视觉异常包含猫道结构松动异常和施工人员非安全行为姿态;所述获取的数据包含第二摄像头的图像、猫道承重索张力、及全站仪和gnss监测终端的数据。

18、结合第一方面,在一种实施方式中,还包含张拉索股牵引进度的监测,其包括:

19、通过卷扬机一体化控制平台同步控制多台卷扬机,结合安装于多台卷扬机对应牵引绳的速度传感器,控制所述拽拉器两侧收放同步;

20、所述拽拉器被牵引时,通过在张拉索股牵引路径的若干关键点位一一布设带有唯一标识信息的rfid卡、及在所述拽拉器上安装的读卡器,获取牵引过程中读卡器自动读取途经的rfid卡信息,并可视化于远程监测设备。

21、结合第一方面,在一种实施方式中,还包含雏形主缆线形的监测,其包括:

22、通过在雏形主缆的若干关键受力与线形控制位置一一布设gnss监测终端,实时监测雏形主缆线形;同时,还在相同设置棱镜,配合全站仪进一步精准校核;

23、若发现雏形主缆线形异常,进行相应报警。

24、结合第一方面,在一种实施方式中,所述发出报警信号且生成调整卷扬机的控制指令,包含:

25、通过声光报警器发出声光警示,并且生成调整卷扬机减速或停机的控制指令。

26、第二方面,本技术实施例提供了一种悬索桥主缆智能架设的监测系统,包括:索股跟随监测子系统,其包括光轴对准张拉索股的第一摄像头、及串联在拽拉器与牵引绳端部之间的第一张力传感器,所述第一摄像头和第一张力传感器均集成于拽拉器,所述第一摄像头用于实时采集张拉索股表面图像数据,所述第一张力传感器用于实时采集牵引张力数据;

27、边缘计算设备,其用于接收所述图像数据和所述张力数据,还用于对所述图像数据进行预处理,从预处理后的图像数据识别索股形态异常特征,将所述索股形态异常特征与所述张力数据进行时间戳对齐,生成监测结果;

28、预警执行设备,其用于当所述监测结果满足预设预警条件时,发出报警信号且生成调整卷扬机的控制指令; 所述预设预警条件包含存在索股形态异常特征、和/或张力数据出现大于设定值的突变量。

29、结合第二方面,在一种实施方式中,所述边缘计算设备内置自适应光照增强算法和深度学习语义分割模型;所述自适应光照增强算法用于对所述图像数据进行预处理;所述深度学习语义分割模型用于从预处理后的图像数据中识别所述索股形态异常特征的散丝特征、脱轨特征和断裂特征;

30、所述智能架设系统还包含猫道监测子系统,所述猫道监测子系统包含:

31、若干粘接于承重索的第二张力传感器,获取承重索各处的张力数据;

32、若干设置于猫道门架顶部的第二摄像头,获取猫道、施工人员的图像数据;

33、若干gnss监测终端,一一布设于猫道承重索的若干关键特征断面位置;

34、若干棱镜,一一布设于gnss监测终端相同位置,并配合架设在在桥两岸或索塔顶部已知控制点的若干全站仪,对若干gnss监测终端监测的猫道线形进行进一步精准校核;

35、所述边缘计算设备对获取的数据进行解析,若发现猫道线形异常、承重索张力异常或猫道安全视觉异常,所述预警执行设备进行所发现情况的相应报警;所述猫道安全视觉异常包含猫道结构松动异常或施工人员非安全行为姿态;所述获取的数据包含第二摄像头的图像、猫道承重索张力、及全站仪和gnss监测终端的数据。

36、结合第二方面,在一种实施方式中,所述智能架设系统还包括张拉索股牵引同步性及进度监测子系统、和雏形主缆线形监测子系统;

37、其中,所述张拉索股牵引同步性及进度监测子系统包含卷扬机一体化控制平台、若干rfid卡和读卡器,所述卷扬机一体化控制平台同步控制多台卷扬机,结合安装于多台卷扬机对应牵引绳的速度传感器,控制所述拽拉器两侧收放同步;若干带有唯一标识信息的rfid卡一一布设于张拉索股牵引路径的若干关键点位;所述读卡器安装在拽拉器上,拽拉器被牵引时,读卡器在牵引过程中自动读取途经的rfid卡信息,并可视化于远程监测设备;

38、其中,所述雏形主缆线形监测子系统包括若干gnss监测终端、若干棱镜和若干全站仪;若干gnss监测终端一一布设于雏形主缆的若干关键受力与线形控制位置,实时监测雏形主缆线形;若干棱镜一一布设于gnss监测终端相同位置,并配合架设在在桥两岸或索塔顶部已知控制点的若干全站仪,对若干gnss监测终端监测的雏形主缆线形进行进一步精准校核;所述边缘计算设备通信获取全站仪和gnss监测终端的数据,进而解析获取雏形主缆线形,并在雏形主缆线形异常时,预警执行设备进行报警。

39、本技术实施例提供的技术方案带来的有益效果包括:

40、1、本技术实施例的悬索桥主缆智能架设的监测方法,对张拉索股具有更可靠的监测结果及更全面的状态感知,相对于现有技术仅关注索股的扭转姿态,忽略表面缺陷;本技术利用第一摄像头近距离采集索股表面图像,进而识别索股形态异常特征,填补了索股表面物理状态监测的空白,实现了更全面的状态感知。相对于现有技术获取数据方式单一,本技术利用拽拉器的第一摄像头近距离采集张拉索股的表面图像,还通过第一张力传感器采集张拉索股的牵引张力数据,将索股形态异常特征与张力数据进行时间戳对齐,生成外观形态加内部受力的更可靠的监测结果,实现了外观形态加内部受力的全方位感知,通过多模态监测机制,得到更加可靠的异常判定结论,有效解决了单一传感器无法全面评估索股健康状态的问题,大幅提升了监测准确性,实现更全面的状态监测;进一步,存在索股形态异常特征、和/或张力数据出现大于设定值的突变量时,报警且卷扬机减速或停机,大大提升了主缆架设的安全性;本技术的监测方法辅助提升了主缆架设的施工效率与施工质量,保障施工安全。

41、2、本技术实施例的悬索桥主缆智能架设的监测方法,在图像预处理阶段体现出环境适应性好,利用自适应光照增强算法根据现场光线(逆光、夜晚、阴影)自动调整图像参数,利用自适应光照增强算法对原始图像数据进行去噪、去雾及亮度调整,消除施工现场灰尘、水雾及光照不均的干扰,保证对图像数据进行高质量预处理,显著提升了系统在复杂野外环境下的鲁棒性。本技术实施例的悬索桥主缆智能架设的监测方法,深度学习语义分割模型可以按照设定判断标准识别出散丝特征、脱轨特征和断裂特征,从三方面的细节入手,识别张拉索丝的形态异常,大大提升了索丝状态感知的准确性。

42、3、本技术实施例的悬索桥主缆智能架设的监测方法,在进行索股跟随监测的基础上,还进行雏形主缆线形、猫道线形、猫道承重索索力、猫道安全视觉、张拉索股牵引同步性及进度的进一步监测,从五个细节方面进一步提升主缆架设施工安全,大大降低施工风险,若发现猫道线形异常、猫道承重索张力异常、猫道安全视觉异常(猫道安全视觉异常包含猫道结构松动异常或施工人员非安全行为姿态)、张拉索股牵引同步性及进度异常、或雏形主缆线形异常时,及时发出警报,更全面保障施工安全。