System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于结构特征的已建成结构自动数字孪生模型生成方法技术_技高网
当前位置: 首页 > 专利查询>武汉大学专利>正文

基于结构特征的已建成结构自动数字孪生模型生成方法技术

技术编号:41233529 阅读:2 留言:0更新日期:2024-05-09 23:48
本发明专利技术公开了一种基于结构特征的已建成结构自动数字孪生模型生成方法,包括:1、建立参数化数字孪生模型库;对于每个结构类型,将其主要参数进行降阶参数化有限元模型建立;2、判断已建成的目标对象是否具有完整参数;3、进行图像采集,再对图像进行基本的技术处理;4、基于参数数据集和图像拓扑结构区域代表的参数,通过像素对比和立体几何关系,反算未知参数;5、对模型平滑和简化处理,建立降阶有限元模型;6、计算获得不同未知构件的断裂结构振动特征;7、模型验证和模型参数修正;8、进行动力学模拟分析,输出结果;9、判断是否存在安全隐患。本发明专利技术可实现已建成建筑快速、准确建模,且可以实现实时监控。

【技术实现步骤摘要】

本专利技术属于土木工程,涉及一种基于结构特征的已建成结构自动数字孪生模型生成方法


技术介绍

1、数字孪生模型是一种虚拟模型,其基于物理实体如建筑物、桥梁、机器等的真实数据创建,能够模拟该物理实体的行为和性能。数字孪生模型已在工程设计、施工、运维等阶段发挥重要作用。然而,创建数字孪生模型需要大量的人工操作,如数据收集、数据处理、模型建立等,这既耗时又耗力。为了解决这个问题,基于结构特征的已建成结构自动数字孪生模型生成方法被研发出来。这种方法可以自动地从已建成的结构中提取结构特征,并利用这些特征来创建数字孪生模型。

2、对于一个已建成的桥梁,由于历史原因或者管理不善,很多已建成结构的图纸不全或者不是三维图纸,这增加了建模的难度、复杂性和工作量大等问题。同时,由于这些结构已经存在一段时间,可能会存在结构损坏和断裂,这也增加了建模的不确定性。在这种情况下,采用传统的建模方法效率低下,工作量巨大,而且难以保证模型的准确性和可靠性。

3、因此,亟需一种自动化建立结构数字孪生模型的方法,以提高建模效率和准确性。


技术实现思路

1、针对上述技术问题,本专利技术提供一种基于结构特征的已建成结构自动数字孪生模型生成方法。该方法通过参数化建模、无人机图像采集和图像识别技术等手段,自动化建立结构数字孪生模型。该方法能够大大提高建模效率和准确性,降低人力成本,而且能够应用于不同结构和不同场景的数字孪生建模,具有广泛的应用前景。

2、本专利技术提供的技术方案如下:

3、一种基于结构特征的已建成结构自动数字孪生模型生成方法,包括以下步骤:

4、步骤1:根据常见的结构类型,建立参数化数字孪生模型库;对于每个结构类型,将其主要参数进行降阶参数化有限元模型建立;

5、步骤2:判断已建成的目标对象是否具有完整参数;若具有完整参数,则进行步骤5,否则进行步骤3;

6、步骤3:航拍已实际建成的目标对象,对图像进行技术处理。通过人工智能算法识别并定位目标图像关键区域,结合无人机飞行姿态和模型库参数,生成图像拓扑结构区域代表的的参数;

7、步骤4:测量主要的结构参数尺寸,结合部分已知关键结构的结构参数获得参数数据集;基于参数数据集和图像拓扑结构区域代表的参数,通过像素对比和立体几何关系,反算未知参数;

8、步骤5:对模型平滑和简化处理,建立降阶有限元模型;

9、步骤6:采用构件缺失法,使用计算降阶有限元模型振型分析计算获得不同未知构件的断裂结构振动特征;

10、步骤7:模型验证和模型参数修正;

11、步骤8:根据数字孪生的传感器获得的荷载,进行动力学模拟分析,输出结果;

12、步骤9:根据步骤8的输出结果判断是否存在安全隐患;若不存在隐患,则输出结束;,若存在隐患,则输出报警。

13、进一步,所述步骤1中,数字孪生模型库包括各种桥梁结构模型。

14、进一步,所述步骤1中,所述主要参数包括层数、层高,开间跨度与跨数,进深跨度与跨数,主梁弧度,柱截面直径,主梁截面直径,各部件厚度以及结构材料信息。

15、进一步,所述步骤3中,对图像进行技术处理的方法和步骤包括:无人机绕飞已建成目标,采集目标的俯视图和侧视图,并将图像传输至地面站。根据机载摄像机的转动角度判断图像属性,将分属于俯视图或侧视图的图像进行归类。利用图像去噪、增强等算法优化图像特征,利用图像拼接算法将分属于俯视图或侧视图的图像进行拼接,从而获得目标完整的俯视图和侧视图。

16、进一步,所述步骤3中,通过机器学习对图像进行识别的具体步骤包括:离线状态下,利用图像真值标记工具分别标注俯视图和侧视图中目标的关键结构,生成对应于俯视图和侧视图的关键结构数据集,利用两个数据集分别训练两个语义分割网络。将训练收敛后的两个网络部署于地面站,检测实飞过程中采集的目标航拍图像,并将检测结果发送至地面站。

17、进一步,所述步骤3中,图像拓扑结构区域代表的参数包括:楼层关系、梁柱关系等。由这些参数识别目标关键结构在图像中形成的荷载传递关系,可实现结构库的匹配。

18、进一步,所述步骤4中,未知参数包括景深、像素尺寸和实际尺寸;

19、景深由无人机飞行的真实空间位置确定;

20、像素面积根据语义分割网络的分割结果确定;

21、实际尺寸根据图像景深、目标关节结构的像素尺寸,并结合模型库参数利用相似三角形原则反演推算目标关键结构的实际尺寸。

22、进一步,所述步骤6中,计算获得不同未知构件的断裂结构振动特征的方法包括:建立参数化不同构件缺失的非完整结构的降阶有限元模型,进行不同荷载下的振动分析。

23、进一步,所述步骤7中,模型验证和模型参数修正方法包括:

24、根据参数化有限元模型,设置为不含缺陷的完整结构模型,然后进行频谱分析;根据实际测得的结构频谱对弹性模量进行修正,修正办法采用频率试凑法。

25、更进一步,所述试凑法的方法如下:采用牛顿二分法修改有限元模型中材料弹性模量参数,直到频率基本相等为止。初值可以采用式中,ex为拟设置试凑法的频率初值,e0为未修正模型弹性模量,fr为实测频率结果,f0为未修正模型计算频率。对于多材料的结构,可以采用统一比例,然后再基于多频率测量和分析结果,使用试凑法。

26、本专利技术的有益效果如下:

27、本专利技术提供的方法针对已建成的建筑,尤其是针对由于原有数据丢失导致的参数缺失的建模,通过构建参数化孪生数字模型库,大幅提高建模速度;通过参数化建模、图像采集和图像识别,结合模型的处理和修正,使得模型尽可能接近实际结构,提高模型的准确性。

28、本专利技术提供的方法基于构建的模型可以对目标对象实时监控器物理状态,包括结构的稳定性、运行状况等,便于及时发现潜在问题和隐患,避免事故发生。

本文档来自技高网
...

【技术保护点】

1.一种基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤1中,数字孪生模型库包括各种桥梁结构模型。

3.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤1中,所述主要参数包括层数、层高,开间跨度与跨数,进深跨度与跨数,主梁弧度,柱截面直径,主梁截面直径,各部件厚度以及结构材料信息。

4.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤3中,对图像进行技术处理的方法包括:利用无人机绕飞已建成目标,采集目标的俯视图和侧视图,将图像传输至地面站;根据机载摄像机的转动角度判断图像属性,将分属于俯视图或侧视图的图像进行归类;利用图像去噪、增强算法优化图像特征,利用图像拼接算法将分属于俯视图或侧视图的图像进行拼接,以获得目标完整的俯视图和侧视图。

5.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤3中,通过人工智能算法识别并定位目标图像关键区域的步骤如下:离线状态下,利用图像真值标记工具分别标注俯视图和侧视图中目标的关键结构,生成对应于俯视图和侧视图的关键结构数据集,利用两个数据集分别训练两个语义分割网络;将训练收敛后的两个网络部署于地面站,检测实飞过程中采集的目标航拍图像,并将检测结果发送至地面站。

6.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤3中,图像拓扑结构区域代表的参数包括:楼层关系和梁柱关系。

7.根据权利要求6所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤4中,未知参数包括景深、像素尺寸和实际尺寸;

8.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤5中,计算获得不同未知构件的断裂结构振动特征的方法包括:建立参数化不同构件缺失的非完整结构的降阶有限元模型,进行不同荷载下的振动分析。

9.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤7中,模型验证和模型参数修正方法包括:根据参数化有限元模型,设置为不含缺陷的完整结构模型,然后进行频谱分析;根据实际测得的结构频谱对弹性模量进行修正,修正办法采用频率试凑法。

10.根据权利要求9所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述试凑法的方法如下:采用牛顿二分法修改有限元模型中材料弹性模量参数,直到频率基本相等为止;初值可以采用式中,Ex为拟设置试凑法的频率初值,E0为未修正模型弹性模量,fr为实测频率结果,f0为未修正模型计算频率。

...

【技术特征摘要】

1.一种基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤1中,数字孪生模型库包括各种桥梁结构模型。

3.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤1中,所述主要参数包括层数、层高,开间跨度与跨数,进深跨度与跨数,主梁弧度,柱截面直径,主梁截面直径,各部件厚度以及结构材料信息。

4.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤3中,对图像进行技术处理的方法包括:利用无人机绕飞已建成目标,采集目标的俯视图和侧视图,将图像传输至地面站;根据机载摄像机的转动角度判断图像属性,将分属于俯视图或侧视图的图像进行归类;利用图像去噪、增强算法优化图像特征,利用图像拼接算法将分属于俯视图或侧视图的图像进行拼接,以获得目标完整的俯视图和侧视图。

5.根据权利要求1所述的基于结构特征的已建成结构自动数字孪生模型生成方法,其特征在于,所述步骤3中,通过人工智能算法识别并定位目标图像关键区域的步骤如下:离线状态下,利用图像真值标记工具分别标注俯视图和侧视图中目标的关键结构,生成对应于俯视图和侧视图的关键结构数据集,利用两个数据集分别训练两个语义分割网络;将训练收敛后的两个网络...

【专利技术属性】
技术研发人员:方心成李雨轩叶蓓蓓
申请(专利权)人:武汉大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1