一种工程结构健康检测方法及系统与流程

1.本发明涉及工程结构领域，特别是涉及一种工程结构健康检测方法及系统。


背景技术：

2.目前，对高耸、复杂工程结构服役状况进行病害检测时面临一系列的问题，如检测人员难以抵近检查，现场作业安全风险高。监测传感器布置密度较大时，信号采集系统庞杂，且维护难度和成本均较高。此外结构健康状况的变化，难以较为迅速直观地从整体振型变化和承载能力降低得到反馈，一旦结构监测部位发生明显变化时，其破坏程度往往已较为严重。对此需要对关键节点部位进行较为全面的观测，综合诊断，防患于未然。而现有技术采用单点布置传感器的方式进行检测，但是单点布置传感器采集的数据容易受到偶然性因素影响，造成健康状况评价的可靠性降低。
3.为此，亟需提出一种工程结构健康检测方法及系统，有效解决上述存在的问题。


技术实现要素：

4.本发明的目的在于提出一种工程结构健康检测方法及系统，能够识别结构裂缝及宽度，还能够提高健康监测有效性，以及能够实现传感器的低成本以及灵活布置。
5.为解决上述技术问题，本发明提供一种工程结构健康检测方法，包括：
6.s1、在观测区域布置多个传感器，并在所述观测区域表面做对应标记，根据所述标记形成的空间位置建立bim模型；
7.s2、对所有传感器数据导入，形成方程组，采用最小二乘法求解，获得所述观测区域的应变云图；
8.s3、对所述观测区域进行照片拍摄，并识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图，以判断表面裂缝的扩展情况；
9.s4、提取所述应变云图中与所述裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。
10.进一步的，所述传感器包括无源rfid应变传感器。
11.进一步的，在步骤s1中，还包括：以传感器安装屋为基点形成一观测区域；所述传感器安装在所述传感器安装屋上。
12.进一步的，在步骤s2中，还包括根据传感器建立应变场推导公式，如下：
13.；其中，为应变值，x和y为结构物表面标记的坐标系，a、b、c、d、e和g为系数。
14.进一步的，在步骤s2中，还包括：所述传感器数据测得后，将传感器数据rfid（xi，yi）导入应变推导式，如下：
15.，其中，（xi，yi）为传感器的区域局部坐标位置。
16.进一步的，在步骤s3中，还包括：对所述观测区域拍摄的照片采用人工智能算法识
别出结构表面的裂缝。
17.进一步的，所述形成结构表面的裂缝云图包括：对裂缝以外的区域和裂缝区域分别赋予不同的亮度值。
18.进一步的，在步骤s4中，还包括：对所述像素点的像素亮度值进行处理，以判断裂缝情况。
19.进一步的，在步骤s4中，判断裂缝情况包括：通过集合运算判断裂缝区域的扩展情况：历次检测的计算公式如下：
20.b
i+1
=si∩s
i+1
，j
i+1
=si∪s
i+1
；其中，si为i次检测时的病害区域集合，s
i+1
为i+1次检测时的病害区域集合；将对所述绘制后的统计图通过与绘制的历次检测s
i+1
、b
i+1
、j
i+1
值的统计图进行对比，若统计图中存在突变，则表示裂缝扩展加快。
21.此外，本发明还提出一种工程结构健康检测系统，采用如上述所述的工程结构健康检测方法，包括：
22.多个传感器；
23.bim模型建立单元，用于根据所述多个传感器及其在观测区域表面的对应标记形成的空间位置建立bim模型；
24.采样单元，用于对所述观测区域进行照片拍摄；
25.计算单元，用于根据传感器的数据获得所述观测区域的应变云图；以及用于根据所述采样单元拍摄的照片识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图，以判断表面裂缝的扩展情况；
26.判断单元，用于提取所述应变云图中与所述裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。
27.通过上述技术方案，本发明具有如下有益效果：
28.通过在观测区域布置多个传感器，并在观测区域表面做对应标记，根据标记形成的空间位置建立bim模型；对所有传感器数据导入，形成方程组，采用最小二乘法求解，获得观测区域的应变云图；对观测区域进行照片拍摄，并识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图，以判断表面裂缝的扩展情况；提取应变云图中与裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。能够识别结构裂缝及宽度，结合历史数据诊断结构的健康状况。从而不仅能够识别结构裂缝在表面及结构内部的发展情况，还能够提高结构健康监测的有效性，且能够实现传感器的批量化、低成本使用与灵活布置。
附图说明
29.图1为本发明一实施例中工程结构健康检测方法的流程图；
30.图2为本发明一实施例中工程结构健康检测方法的结构示意图；
31.图3为本发明一实施例中工程结构健康检测方法中传感器的结构示意图；
32.图4为本发明一实施例中工程结构健康检测方法中基于迁移学习mask rcnn深度学习模型的结构示意图；
33.图5为本发明一实施例中工程结构健康检测方法中应变云图的结构示意图；
34.图6为本发明一实施例中工程结构健康检测方法中裂缝云图的结构示意图；
35.图7为本发明一实施例中工程结构健康检测方法中云图裂缝数据集的结构示意图；
36.图8为本发明一实施例中工程结构健康检测方法中历次检测识别裂缝区域的结构示意图；
37.图9为本发明一实施例中工程结构健康检测方法中裂缝重叠区域的结构示意图；
38.图10为本发明一实施例中工程结构健康检测方法中裂缝扩展区域的结构示意图。
具体实施方式
39.下面将结合附图对本发明的一种工程结构健康检测方法及系统进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明，而仍然实现本发明的有利效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。
40.在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
41.如图1-图2所示，本发明实施例提出了一种工程结构健康检测方法，包括：
42.s1、在观测区域布置多个传感器，并在所述观测区域表面做对应标记，根据所述标记形成的空间位置建立bim模型（building information modeling，建筑信息模型）；
43.s2、对所有传感器数据导入，形成方程组，采用最小二乘法求解，获得所述观测区域的应变云图；
44.s3、对所述观测区域进行照片拍摄，并识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图，以判断表面裂缝的扩展情况；
45.s4、提取所述应变云图中与所述裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。
46.在本实施例中，在步骤s1中，还包括：以传感器安装屋为基点形成一观测区域；所述传感器安装在所述传感器安装屋上。在一具体示例中，在观测区域的传感器安装屋上布置多个传感器。
47.另外，在本实施例中，在步骤s3中，通过采用无人机对所述观测区域进行照片拍摄。如图2中的箭头方向为无人机巡航路线的方向。
48.在本实施例中，可结合图3所示，在步骤s1中，所述传感器包括无源rfid应变传感器。进一步的，在结构关注区域（即观测区域）布置多个无源rfid应变传感器，表面做对应标记，根据空间位置建立bim模型。其中，图3中的圆圈表示传感器；圆圈所在的实线矩形区域为传感器安装层；三角形表示表面标记点；三角形所在的虚线矩形区域为表面标记层。
49.本领域技术人员可知晓的是，传感器数量依据实际需要来设置，为保障识别的灵敏度，优选的，传感器数量不少于5个。
50.在本实施例中，在步骤s2中，还包括根据传感器建立应变场推导公式，如下：
51.；其中，为应变值，x和y为结构物表面标记的坐标系，a、b、c、d、e和g为系数。
52.进一步的，在步骤s2中，还包括：所述传感器数据测得后，每个传感器均可测得2个
方向的应变值。将传感器数据rfid（xi，yi）导入应变推导式，如下：
53.，其中，（xi，yi）为传感器的区域局部坐标位置。
54.另外，在步骤s3中，还包括：对所述观测区域拍摄的照片采用人工智能算法识别出结构表面的裂缝。
55.具体的，可结合图4所示，在步骤s3中，识别结构表面的裂缝包括：采用基于迁移学习mask rcnn深度学习模型，能够对构件表面的裂缝位置进行识别。
56.在本实施例中，可结合图5-图7所示，所述形成结构表面的裂缝云图包括：对裂缝以外的区域和裂缝区域分别赋予不同的亮度值（图5中1、2、3表示不同区域的序号，对于不同区域中的裂缝区域赋予亮度值0，其余区域赋予亮度值255，0和255表示亮度值颜色），形成裂缝云图。
57.在本实施例中，在步骤s4中，还包括：对所述像素点的像素亮度值进行处理，以判断裂缝情况，即判断裂缝深入程度。
58.具体的，对云图裂缝数据集（即像素点）像素亮度值进行统计分析，亮度值的方差在平均值的0-20%、20-40%、40-60%时分别表示结构裂缝扩散等级i、ii、iii，等级越低裂缝扩展深度越大，等级越高说明裂缝为表面构造裂缝。其中，图6中实线矩形区域表示裂缝云图的区域范围，实线矩形区域内的不规则形状的区域表示裂缝区域；图7中10和20表示不同区域的序号。
59.由于有明显的表面标记点，历次检测的图像在裂缝区域识别后能够进行比对，识别裂缝的扩展情况。具体的，可结合图8所示，在步骤s4中，判断裂缝情况包括：通过集合运算判断裂缝区域的扩展情况：历次检测的计算公式如下：
60.b
i+1
=si∩s
i+1
，j
i+1
=si∪s
i+1
；其中，si为i次检测时的病害区域集合100，s
i+1
为i+1次检测时的病害区域集合200；将对所述绘制后的统计图通过与绘制的历次检测s
i+1
、b
i+1
、j
i+1
值的统计图进行对比，若统计图中存在明显突变，则表示裂缝扩展加快，可结合图9-图10所示。其中，图9为图8中裂缝重叠区域；图10为图8中裂缝扩展区域。
61.此外，可继续参考图2-图3所示，本实施例还提出一种工程结构健康检测系统，采用如上述所述的工程结构健康检测方法，包括多个传感器；bim模型建立单元，用于根据所述多个传感器及其在观测区域表面的对应标记形成的空间位置建立bim模型；采样单元，用于对所述观测区域进行照片拍摄；计算单元，用于根据传感器的数据获得所述观测区域的应变云图；以及用于根据所述采样单元拍摄的照片识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图，以判断表面裂缝的扩展情况；判断单元，用于提取所述应变云图中与所述裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。
62.具体的，以传感器安装屋为基点形成一观测区域；所述传感器安装在所述传感器安装屋上，且位于所述观测区域内。
63.进一步的，本实施例还包括无人机，用于对所述观测区域进行照片拍摄，并通过采用人工智能算法识别出结构表面的裂缝。
64.在本实施方式中，首先在观测区域布置多个无源rfid应变传感器，并在观测区域表面做对应标记，根据标记形成的空间位置建立bim模型；无人机巡航观测区域，无接触式
识别各传感器，并读取传感器数据；对有传感器数据导入，形成方程组，采用最小二乘法求解，获得观测区域的应变云图；对观测区域进行照片拍摄，并识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图，以判断表面裂缝的扩展情况；提取应变云图中与裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。从而能够识别结构裂缝在表面及结构内部的发展情况，还能够提高结构健康监测的有效性，以及能够实现传感器的批量化、低成本使用与灵活布置。
65.综上所述，本发明提出的一种工程结构健康检测方法及系统，具有如下优势：
66.通过在观测区域布置多个传感器，并在观测区域表面做对应标记，根据标记形成的空间位置建立bim模型；对所有传感器数据导入，形成方程组，采用最小二乘法求解，获得观测区域的应变云图；对观测区域进行照片拍摄，并识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图判断表面裂缝的扩展情况；提取应变云图中与裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。能够识别结构裂缝及宽度，结合历史数据诊断结构的健康状况。从而不仅能够识别结构裂缝在表面及结构内部的发展情况，还能够提高结构健康监测的有效性，且能够实现传感器的批量化、低成本使用与灵活布置。
67.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种工程结构健康检测方法，其特征在于，包括：s1、在观测区域布置多个传感器，并在所述观测区域表面做对应标记，根据所述标记形成的空间位置建立bim模型；s2、对所有传感器数据导入，形成方程组，采用最小二乘法求解，获得所述观测区域的应变云图；s3、对所述观测区域进行照片拍摄，并识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图，以判断表面裂缝的扩展情况；s4、提取所述应变云图中与所述裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况；对所述像素点的像素亮度值进行处理，以判断裂缝情况；判断裂缝情况包括：通过集合运算判断裂缝区域的扩展情况：历次检测的计算公式如下：b
i+1
=s
i
∩s
i+1
，j
i+1
=s
i
∪s
i+1
；其中，s
i
为i次检测时的病害区域集合，s
i+1
为i+1次检测时的病害区域集合；将对所述绘制后的统计图通过与绘制的历次检测s
i+1
、b
i+1
、j
i+1
值的统计图进行对比，若统计图中存在突变，则表示裂缝扩展加快。2.如权利要求1所述的工程结构健康检测方法，其特征在于，所述传感器包括无源rfid应变传感器。3.如权利要求1所述的工程结构健康检测方法，其特征在于，在步骤s1中，还包括：以传感器安装屋为基点形成一观测区域；所述传感器安装在所述传感器安装屋上。4.如权利要求1所述的工程结构健康检测方法，其特征在于，在步骤s2中，还包括根据传感器建立应变场推导公式，如下：；其中，为应变值，x和y为结构物表面标记的坐标系，a、b、c、d、e和g为系数。5.如权利要求4所述的工程结构健康检测方法，其特征在于，在步骤s2中，还包括：所述传感器数据测得后，将传感器数据rfid（x
i
，y
i
）导入应变推导式，如下：，其中，（x
i
，y
i
）为传感器的区域局部坐标位置。6.如权利要求1所述的工程结构健康检测方法，其特征在于，在步骤s3中，还包括：对所述观测区域拍摄的照片采用人工智能算法识别出结构表面的裂缝。7.如权利要求1所述的工程结构健康检测方法，其特征在于，在步骤s3中，通过采用无人机对所述观测区域进行照片拍摄。8.如权利要求1所述的工程结构健康检测方法，其特征在于，在步骤s3中，识别结构表面的裂缝包括：采用基于迁移学习mask rcnn深度学习模型对构件表面的裂缝位置进行识别。9.如权利要求1所述的工程结构健康检测方法，其特征在于，所述形成结构表面的裂缝云图包括：对裂缝以外的区域和裂缝区域分别赋予不同的亮度值。10.一种工程结构健康检测系统，采用如权利要求1-9中任一项所述的工程结构健康检测方法，其特征在于，包括：多个传感器；
bim模型建立单元，用于根据所述多个传感器及其在观测区域表面的对应标记形成的空间位置建立bim模型；采样单元，用于对所述观测区域进行照片拍摄；计算单元，用于根据传感器的数据获得所述观测区域的应变云图；以及用于根据所述采样单元拍摄的照片识别出结构表面的裂缝，基于表面定位点，形成结构表面的裂缝云图，以判断表面裂缝的扩展情况；判断单元，用于提取所述应变云图中与所述裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。

技术总结
本发明揭示了一种工程结构健康检测方法及系统，包括：在观测区域布置多个无源RFID应变传感器，并在观测区域表面做对应标记，根据标记形成的空间位置建立BIM模型；无人机巡航观测区域，无接触式识别各传感器，并读取传感器数据；对有传感器数据导入，获得观测区域的应变云图；对观测区域进行照片拍摄，并识别出结构表面的裂缝，形成结构表面的裂缝云图，判断表面裂缝的扩展情况；提取应变云图中与裂缝云图中裂缝对应处的像素点，并进行处理，得到绘制后的统计图，以判断裂缝在内部的扩展情况。本发明能够识别结构裂缝在表面及结构内部的发展情况，还能够提高结构健康监测的有效性，以及能够实现传感器的批量化、低成本使用与灵活布置。与灵活布置。与灵活布置。


技术研发人员：周治国 孙晓立 杨军 吴建良 叶东昌
受保护的技术使用者：广州市市政工程试验检测有限公司
技术研发日：2023.08.04
技术公布日：2023/9/7