论文部分内容阅读
斜拉桥整体刚度高、抗风性能较好，结合其在经济、外型等诸方面的优点，已逐渐成为中大跨桥梁的主力桥型。斜拉索是斜拉桥的主要承力构件，对桥梁的整体稳定性和安全起着至关重要的作用。斜拉索在长期服役过程中，一方面在外部雨水等环境下 PE外套开裂，导致雨水进入外套内部与钢索发生电化学腐蚀；另一方面，在船撞、阻尼器脱落等突发事件下，索力会发生较大突变，在车辆、风等动力荷载作用下，索力较为平稳，但长期状况下易发生疲劳积累；这些潜在因素严重威胁拉索的服役安全。外套破损情况与时变索力是引起拉索腐蚀损伤和索力突变及疲劳积累的主要原因，同时也是斜拉桥管理与养护的重要参照指标。为此，本文研究斜拉桥拉索外套表观病害与时变索力识别方法。
本文研究的主要内容包括：
基于深度学习中的集成学习模型，提出一种改进的拉索外套表观病害分类网络，通过建立深层次的卷积神经网络，从大量外套表观病害图片数据中提取病害的深度特征，从而对病害实现自动分类。选取HRNetw32、EfficientNet b-4网络同SCSE ResNeXt101网络作为三个最终分类网络。分别将图片输入HRNetw32、EfficientNet b-4网络同SCSE ResNeXt101网络中进行训练，保存最优模型参数。在模型的推断阶段，多个模型共同预测同一个结果，通过投票的方式来生成最终结果来提高网络的准确率和鲁棒性。
基于计算机视觉里面的目标检测技术，提出一种改进的拉索表观病害检测提取CMR（Cascade Mask RCNN）模型，分别设置三种级联的IoU阈值，逐步提高样本的质量以降低IoU设置不合理导致的训练过拟合和Mis-Match问题；引入可变形卷积增加模型的感受野，以提高模型对形状分布差异较大的病害的检测能力。同时，将中心线提取算法与邻域搜索算法结合，对CMR模型识别出的病害区域进行初步测量。
基于模态分解理论，提出一种新的时变索力识别方法，将原始信号分解成有限的本征模态函数 IMF。对拉索的振动加速度信号进行快速傅里叶变换得到基频，基于基频，利用变分模态分解算法将信号分解为不同模态的信号，选取第一阶模态，使用 HHT 变换计算瞬时模态频率，代入索力公式以得到时变索力值。分别建立了斜拉索缩尺和足尺模型对该时变索力识别方法进行了验证，分突变阶段和平稳阶段进行了评估。
最后，开展了实桥测试，进一步验证了拉索外套表观病害识别方法与时变索力识别方法在实际场景中应用的可行性。首先，将拉索爬行机器人与提出的拉索外套表观病害识别方法结合，将病害检测、病害分割、病害像素提取、病害物理尺寸粗略估计算法级联在一起，形成一套完整拉索外套表观病害检测分析系统。同时，对实桥斜拉索进行巡检，通过拉索巡检机器人获取拉索外套照片，传输到已部署拉索外套表观病害识别算法的服务器端进行识别，输出外套病害的识别结果。其次，将索力识别方法作为辅助监控手段用于斜拉桥桥支座更换项目中，并与历史索力值进行了比较，进一步验证了索力识别方法的可行性。
本文研究的主要内容包括：
基于深度学习中的集成学习模型，提出一种改进的拉索外套表观病害分类网络，通过建立深层次的卷积神经网络，从大量外套表观病害图片数据中提取病害的深度特征，从而对病害实现自动分类。选取HRNetw32、EfficientNet b-4网络同SCSE ResNeXt101网络作为三个最终分类网络。分别将图片输入HRNetw32、EfficientNet b-4网络同SCSE ResNeXt101网络中进行训练，保存最优模型参数。在模型的推断阶段，多个模型共同预测同一个结果，通过投票的方式来生成最终结果来提高网络的准确率和鲁棒性。
基于计算机视觉里面的目标检测技术，提出一种改进的拉索表观病害检测提取CMR（Cascade Mask RCNN）模型，分别设置三种级联的IoU阈值，逐步提高样本的质量以降低IoU设置不合理导致的训练过拟合和Mis-Match问题；引入可变形卷积增加模型的感受野，以提高模型对形状分布差异较大的病害的检测能力。同时，将中心线提取算法与邻域搜索算法结合，对CMR模型识别出的病害区域进行初步测量。
基于模态分解理论，提出一种新的时变索力识别方法，将原始信号分解成有限的本征模态函数 IMF。对拉索的振动加速度信号进行快速傅里叶变换得到基频，基于基频，利用变分模态分解算法将信号分解为不同模态的信号，选取第一阶模态，使用 HHT 变换计算瞬时模态频率，代入索力公式以得到时变索力值。分别建立了斜拉索缩尺和足尺模型对该时变索力识别方法进行了验证，分突变阶段和平稳阶段进行了评估。
最后，开展了实桥测试，进一步验证了拉索外套表观病害识别方法与时变索力识别方法在实际场景中应用的可行性。首先，将拉索爬行机器人与提出的拉索外套表观病害识别方法结合，将病害检测、病害分割、病害像素提取、病害物理尺寸粗略估计算法级联在一起，形成一套完整拉索外套表观病害检测分析系统。同时，对实桥斜拉索进行巡检，通过拉索巡检机器人获取拉索外套照片，传输到已部署拉索外套表观病害识别算法的服务器端进行识别，输出外套病害的识别结果。其次，将索力识别方法作为辅助监控手段用于斜拉桥桥支座更换项目中，并与历史索力值进行了比较，进一步验证了索力识别方法的可行性。