【技术实现步骤摘要】
本专利技术涉及数据处理与分析，具体涉及一种基于大数据的受压构件智能加固方法、装置及系统。
技术介绍
1、预应力钢丝绳加固桥墩可在对裂缝进行修补封闭后防止裂缝再次产生，但是由于裂缝产生原因复杂，与混凝土墩柱所处位置环境温度、日照、湿度、超载频率息息相关，预应力储备目标不明确，且由于钢丝绳与混凝土墩柱壁之间的摩阻力，造成张拉过程中预应力损失较大，均对加固效果造成了较大影响。
2、专利cn115852858a公布了使用环形钢丝绳加固桥墩的结构模型，提出了基本的加固方法框架。cn114808767a公开了一种钢丝绳环向预应力施工工法，对张拉锚固装置进行了改良。
3、以上专利，均涉及预应力钢丝绳加固混凝土桥墩结构，但均未明确预应力储备目标或提出降低摩阻损失方法。
技术实现思路
1、针对上述现有技术存在的问题，本专利技术提供了一种基于大数据的受压构件智能加固方法、装置及系统，明确了预应力加固混凝土桥墩时的预应力储备，并根据加固目标自动化制定合理的降低摩阻损失策略。该技术方案如下：
2、第一方面，提供了一种基于大数据的受压构件智能加固方法，应用于云端服务器，包括如下步骤：
3、接收智能手持终端上传的混凝土桥墩表面高清图像，所述受压构件为待加固桥墩；
4、采用预设的图像识别模块，识别预设标记点处待加固桥墩表面与钢丝绳的摩擦系数，生成摩擦系数矩阵，所述预设标记点在钢丝绳上间隔设置，形成呈m行n列的矩阵位置布局；
5、基于待加固桥
6、基于标记点的摩擦系数矩阵、待加固桥墩开裂应力计算得到加固方案，所述加固方案包括确定的钢丝绳分段长度、钢丝绳竖向间距、混凝土表面目标摩擦系数、钢丝绳型号，将加固方案传送至智能手持终端。
7、在一些实施方式中，采用预设的图像识别模块，识别预设标记点处待加固桥墩表面与钢丝绳的摩擦系数，包括：
8、采集不同粗糙程度的混凝土桥墩表面高清图像作为训练样本，并对训练样本标注对应的摩擦系数；
9、基于训练样本和训练样本的标注数据训练目标识别模型，基于训练完成的目标识别模型作为所述图像识别模块；
10、针对待识别的混凝土桥墩表面高清图像，基于所述图像识别模块获取所述图像中预设标记点处待加固桥墩表面与钢丝绳的摩擦系数。
11、在一些实施方式中，所述基于待加固桥墩位置的日照、气温、湿度、超载量级、超载频率信息输入训练完成的lstm神经网络模型，获取待加固桥墩开裂应力，包括：
12、接收智能手持终端上传的定位信息，所述定位信息表征待加固桥墩的位置，所述智能手持终端内设高精度gps定位模块；
13、基于待加固桥墩的位置，获取所述位置常年的日照、气温、湿度、超载量级、超载频率信息；
14、将所述位置的日照、气温、湿度、超载量级、超载频率信息输入训练完成的lstm神经网络模型，获取待加固桥墩开裂应力。
15、在一些实施方式中，所述lstm神经网络模型的训练过程，包括：
16、利用有限元方法，根据桥墩位置的温度、日照条件、湿度、超载量级、超载频率参数计算得到桥墩开裂应力；
17、以温度、日照条件、湿度、超载量级、超载频率参数及对应的开裂应力作为一个训练样本；
18、基于训练样本的温度、日照条件、湿度、超载发生概率参数作为输入特征，训练样本的桥墩开裂应力为目标值训练lstm神经网络。
19、在一些实施方式中，所述加固方案，基于确定，其中，；
20、；
21、，其中，；
22、；
23、约束条件有：；
24、；；
25、；；；
26、其中：
27、——加固方案主要成本，单位为万元；
28、——加固方案中降低混凝土摩擦系数的成本，单位为万元，为将面积为0.2m×0.1m范围内混凝土表面摩擦系数降低1所需的成本费用；
29、——加固方案中分段张拉锚固装置的材料及操作成本，单位为万元，为将360°钢丝绳每拆分一次产生的分段张拉锚固装置的材料及操作成本；
30、——加固方案中预应力钢丝绳的材料及人工成本，单位为万元，为加固方案中每使用1m预应力钢丝绳的材料及人工成本；
31、——在摩擦系数矩阵中需要降低摩擦系数的点数量，假设在摩擦系数矩阵中需要降低摩擦系数的点的行数为，；
32、——需要降低摩擦系数的标记点的摩擦系数；
33、——加固方案混凝土表面处理后的摩擦系数，即目标摩擦系数；
34、——待加固混凝土桥墩截面直径，单位为m；
35、——待加固混凝土桥墩截面半径，单位为m；
36、——混凝土桥墩待加固区域竖向高度，单位为m；
37、——加固方案中的钢丝绳竖向间距，单位为m；
38、——加固方案中的钢丝绳竖向分布数量；
39、——加固方案中的分段钢丝绳对应圆心角的1/2，单位为弧度制，为钢丝绳分段后对应的弧度最小限制数值；
40、——加固方案中的钢丝绳分段长度，单位为m；
41、——加固方案在混凝土墩柱表面可形成的最小压应力，单位为mpa；
42、——预应力钢丝绳张拉控制应力，单位为mpa；
43、——预应力钢丝绳允许最大应力，单位为mpa。
44、在一些实施方式中，所述加固方案的分析基于智能优化算法迭代分析得到，所述智能优化算法包括：模拟退火算法、粒子群算法、灰狼算法。
45、第二方面，提供了一种基于大数据的受压构件智能加固装置，包括：
46、图像获取单元，用于接收智能手持终端上传的混凝土桥墩表面高清图像，所述受压构件为待加固桥墩；
47、摩擦系数分析单元，用于采用基于卷积神经网络的图像识别模块，识别预设标记点处待加固桥墩表面与钢丝绳的摩擦系数，生成摩擦系数矩阵，所述预设标记点在钢丝绳上间隔设置，形成呈m行n列的矩阵位置布局；
48、桥墩开裂应力分析单元，用于基于待加固桥墩位置的日照、气温、湿度、超载量级、超载频率信息输入训练完成的lstm神经网络模型，获取待加固桥墩开裂应力；
49、加固方案分析单元，用于基于标记点的摩擦系数矩阵、待加固桥墩开裂应力计算得到加固方案，所述加固方案包括确定的钢丝绳分段长度、钢丝绳竖向间距、混凝土表面目标摩擦系数、钢丝绳型号，将加固方案传送至智能手持终端。
50、第三方面，提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如上述第一方面所述方法的步骤。
51、第四方面，提供了一种基于大数据的受压构件智能加固系统，包括：
52、分段预应力钢丝绳，用于加固受压构件，本文档来自技高网...
【技术保护点】
1.一种基于大数据的受压构件智能加固方法，应用于云端服务器，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于大数据的受压构件智能加固方法，其特征在于，采用预设的图像识别模块，识别预设标记点处待加固桥墩表面与钢丝绳的摩擦系数，包括：
3.根据权利要求1所述的一种基于大数据的受压构件智能加固方法，其特征在于，所述基于待加固桥墩位置的日照、气温、湿度、超载量级、超载频率信息输入训练完成的LSTM神经网络模型，获取待加固桥墩开裂应力，包括：
4.根据权利要求1所述的一种基于大数据的受压构件智能加固方法，其特征在于，所述LSTM神经网络模型的训练过程，包括：
5.根据权利要求1所述的一种基于大数据的受压构件智能加固方法，其特征在于，所述加固方案，基于确定，其中，；
6.根据权利要求1所述的一种基于大数据的受压构件智能加固方法，其特征在于，所述加固方案的分析基于智能优化算法迭代分析得到，所述智能优化算法包括：模拟退火算法、粒子群算法、灰狼算法。
7.一种基于大数据的受压构件智能加固装置，其特征在于，包括：p>
8.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被处理器执行时实现如权利要求1-6中任一项所述方法的步骤。
9.一种基于大数据的受压构件智能加固系统，其特征在于，包括：
10.根据权利要求9所述的一种基于大数据的受压构件智能加固系统，其特征在于，所述智能手持终端，包括：
...【技术特征摘要】
1.一种基于大数据的受压构件智能加固方法，应用于云端服务器，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于大数据的受压构件智能加固方法，其特征在于，采用预设的图像识别模块，识别预设标记点处待加固桥墩表面与钢丝绳的摩擦系数，包括：
3.根据权利要求1所述的一种基于大数据的受压构件智能加固方法，其特征在于，所述基于待加固桥墩位置的日照、气温、湿度、超载量级、超载频率信息输入训练完成的lstm神经网络模型，获取待加固桥墩开裂应力，包括：
4.根据权利要求1所述的一种基于大数据的受压构件智能加固方法，其特征在于，所述lstm神经网络模型的训练过程，包括：
5.根据权利要求1所述的一种基于大数据的受压...
【专利技术属性】
技术研发人员：孙磊，宋军，孙敦华，石雪飞，谢正元，曹皓，刘志权，吴志刚，雷欢，庞锐剑，殷亮，朱俊，
申请(专利权)人：安徽省交通控股集团有限公司，
类型：发明
国别省市：
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。