CN117471071B - 港口基础设施结构耐久性安全预警系统及方法 - Google Patents
港口基础设施结构耐久性安全预警系统及方法 Download PDFInfo
- Publication number
- CN117471071B CN117471071B CN202311423344.9A CN202311423344A CN117471071B CN 117471071 B CN117471071 B CN 117471071B CN 202311423344 A CN202311423344 A CN 202311423344A CN 117471071 B CN117471071 B CN 117471071B
- Authority
- CN
- China
- Prior art keywords
- chloride ion
- port
- concrete
- early warning
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims abstract description 288
- 230000005540 biological transmission Effects 0.000 claims abstract description 113
- 239000004567 concrete Substances 0.000 claims abstract description 103
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 46
- 238000010801 machine learning Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 24
- 230000007797 corrosion Effects 0.000 claims description 23
- 238000005260 corrosion Methods 0.000 claims description 23
- 230000007774 longterm Effects 0.000 claims description 22
- 238000011065 in-situ storage Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 16
- 230000007246 mechanism Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000009977 dual effect Effects 0.000 claims description 10
- 230000037427 ion transport Effects 0.000 claims description 10
- 239000011150 reinforced concrete Substances 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 229910000831 Steel Inorganic materials 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 239000010959 steel Substances 0.000 claims description 7
- 238000013332 literature search Methods 0.000 claims description 6
- 230000006698 induction Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000013524 data verification Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000032258 transport Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000009658 destructive testing Methods 0.000 abstract description 4
- 238000010998 test method Methods 0.000 abstract description 2
- 230000003862 health status Effects 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002493 microarray Methods 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 1
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/38—Concrete; Lime; Mortar; Gypsum; Bricks; Ceramics; Glass
- G01N33/383—Concrete or cement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Medicinal Chemistry (AREA)
- Ceramic Engineering (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Food Science & Technology (AREA)
- Computer Hardware Design (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开一种港口基础设施结构耐久性安全预警系统及方法，通过港口混凝土结构氯离子浓度分布数据的实时监测数据，构建基于实时监测数据的港口混凝土结构氯离子动态传输模型，适用于多海区港口混凝土氯离子浓度阈值及结构耐久性预警，构建港口基础设施混凝土结构耐久性安全预警平台。本发明提供的系统基于氯离子浓度分布数据监测、氯离子传输参数动态反演分析以及结构物耐久性预警的多模块互联互通功能，研发的港口基础设施混凝土结构耐久性安全预警平台，实现对港口基础设施结构物使用寿命的自动化实时预测和预警。克服了常规有损检测方法与室内试验方法的局限性。
Description
技术领域
本发明涉及港口基础设施监测技术领域，特别是一种港口基础设施结构耐久性安全预警系统及方法。
背景技术
现役港口及防波堤基础设施损伤裂化机理受多种因素影响，但氯离子入侵影响下的钢筋脱钝锈蚀是港口基础设施耐久性影响的主要因素。针对特定港口构件，其氯离子入侵有显著分区特点，其典型分区为浪溅区、水下区、大气区，不同区的氯离子传输时变规律不同，目前只能通过有损检测得到取样时间的氯离子分布规律，这种方法不但对结构本身有损并且费时费力最为重要的是对构件不同分区氯离子传输规律缺乏例如连续五年、十年的长历时连续检测。
现有技术中，针对新建港口一般通过研究新建港口构件初始配合比，通过室内试验研究测得氯离子传输双时变参数结合服役环境对构件进行全寿命耐久性预测；针对在役港口一般通过不同时间的现场钻孔取芯检测，得到不同分区混凝土氯离子浓度分布，最后通过常规数学方法处理得到氯离子浓度预测模型对港口耐久性进行预测。常规方法对新建港口特定服役环境适应性较差，不能有效将服役环境中突发情况导致的氯离子浓度变化考虑进耐久性预测中，常规方法实质上是认为在服役环境中混凝土环境与实验室中模拟环境一致，这显然是对服役中不可预见因素影响的忽视。常规方法对在役港口检测时费时费力，且为有损检测对结构长时间连续的检测存在客观不可操作性，最为重要的是通过钻孔取芯测得数据对于港口构件服役年限来说是及为稀疏的数据点，通过这些稀疏的数据点对港口构件耐久性进行处理的到的耐久性预测模型也是难以让人信服的，并且常规方法对服役过程中不可预见因素也存在忽视。
如专利CN116381023A中记载的一种微型阵列式混凝土氯离子传感器及测量数据修正方法，利用该方法仅可以采集局部氯离子浓度数据，无法实现大面积分析结构物的氯离子入侵状态。
因此，现有的港口基础设施(防波堤)耐久性预测预警方法无法完成对港口基础设施结构使用寿命的自动化实时预测与预警，且针对在役港口与新建港口采用的常规监测方法无法适应国家对于实时监测预警的需求。
发明内容
有鉴于此，本发明的目的在于提供一种港口基础设施结构耐久性安全预警系统，该方法可以对新建与在役港口的混凝土耐久性进行原位、长观、无损观测并实时预测的结构耐久性安全预警系统，可以使得港口管理部门对港口基础设施运行状态有感知，干预行动有依据，极端状态有预警。
为达到上述目的，本发明提供如下技术方案：
本发明提供的港口基础设施结构耐久性安全预警系统，包括港口混凝土结构氯离子浓度数据监测模块、基于机器学习的氯离子传输参数模块、港口基础设施氯离子动态传输模型、港口基础设施结构耐久性安全预警平台；
所述港口混凝土结构氯离子浓度数据监测模块，用于实时获取港口混凝土结构氯离子浓度数据；
所述基于机器学习的氯离子传输参数模块，用于接收处理氯离子浓度数据得到氯离子传输参数；
所述港口基础设施氯离子动态传输模型，用于接收氯离子传输参数并构建不同状态下混凝土结构氯离子参数的传输方式；
所述港口基础设施结构耐久性安全预警平台，用于根据混凝土结构氯离子参数生成结构耐久性安全预警信息。
进一步，所述港口混凝土结构氯离子浓度数据监测模块包括测点位置布设模块、数据采集传输解译、氯离子原位长观数据库、实时优化传输参数；
所述测点位置布设模块，用于得到实测氯离子浓度数值将保存于氯离子原位长观数据库；
所述数据采集传输解译，通过反演计算获取混凝土双时变参数；
所述氯离子原位长观数据库，作为传输参数解译的基本数据库，用于支撑数据传输解译并实时展示氯离子浓度云图；
所述实时优化传输参数，用于动态反演计算实时进行氯离子浓度评估并进行混凝土耐久性预测。
进一步，所述基于机器学习的氯离子传输参数模块包括文献搜索整理、构建监督训练集数据库、优化机器学习模型、重要传输参数获取；
所述文献搜索整理，用于收集待监测在役港口混凝土配合比等数据并收集整理待监测港口历史氯离子浓度数据并用于构建机器学习监督训练集数据库；
所述构建监督训练集数据库，用于机器学习原始数据库并选用多种机器学习方法进行机器学习训练扩充原始数据库；
所述优化机器学习模型，用于构建机器学习优化算法的机器学习模型；
所述重要传输参数获取，采用扩充后的待监测港口原始氯离子数据库进行反演计算获取基于Fick第二定律考虑钢筋阻挡效应系数的混凝土双时变参数，用于构建港口基础设施氯离子动态传输模型。
进一步，所述优选机器学习模型具体按照以下步骤构建：
第一步进行原始数据处理，获取港口历年氯离子数据，从监督训练集数据库中提取服役年份与混凝土采样深度两个变量作为特征变量，实测服役年份与混凝土采样深度样本氯离子浓度为目标变量，将总数据划分为训练数据、测试数据两部分；
第二步进行算法训练，选择ε-SVR类型SVM，设置核函数类型为RBF核，进行多组参数训练尝试并记录训练参数与训练效果；
第三步进行参数调整，通过算法训练步骤记录的训练参数与训练效果优选训练参数；
第四步进行模型评估，将训练完成模型用于测试数据验证计算，观察验证数据准确性若能满足要求则可进行下一步；
第五步模型预测扩充，根据港口基础设施氯离子动态传输模型需要进行原始数据扩充计算。
进一步，所述港口基础设施结构耐久性安全预警平台包括动态传输模型、浓度阈值体系、安全预警机制、典型结构氯离子仿真模型、结构耐久性安全预警平台；
所述动态传输模型，用于实时评估钢筋混凝土内部氯离子分布；
所述浓度阈值体系，用于根据动态传输模型评估的钢筋混凝土内部氯离子分布判断结构物处于腐蚀诱导期、腐蚀期、加速腐蚀期、腐蚀破坏期中的服役状态；
所述安全预警机制，用于设置结构物不同状态下所对应的预警参考信号；
所述典型结构氯离子仿真模型，用于展示结构物氯离子浓度分布，在典型港口三维模型基础上实时展示结构物氯离子浓度分布云图；
所述结构耐久性安全预警平台，用于展示港口基础设施氯离子动态传输模型、浓度阈值体系、安全预警机制，并将港口实时氯离子浓度展示在典型结构氯离子仿真模型上。
进一步，所述结构物不同状态下的预警参考信号是根据氯离子浓度阈值Ccr并按照以下模式进行确定：
当氯离子浓度阈值处于C＜0.4Ccr时，结构物为绿色安全状态；
当氯离子浓度阈值处于0.4Ccr≤C＜0.6Ccr时，结构物为橙色预警；
当氯离子浓度阈值处于0.6Ccr≤C＜0.8Ccr时，结构物为蓝色预警；
当氯离子浓度阈值处于C≥0.9Ccr时，结构物为红色预警。
本发明提供的利用上述港口基础设施结构耐久性安全预警系统来进行的预警方法，包括以下步骤：
构建结构氯离子浓度数据监测模块，用于实时获取港口混凝土结构氯离子浓度数据；
构建用于接收处理氯离子浓度数据的氯离子传输参数模块，所述氯离子传输参数模块通过机器学习训练得到的氯离子传输参数；
构建设置有混凝土双时变参数的港口基础设施氯离子动态传输模型，所述港口基础设施氯离子动态传输模，用于传输不同状态下混凝土结构氯离子参数；
构建输出安全预警信息的港口基础设施结构耐久性安全预警平台，所述港口基础设施结构耐久性安全预警平台接收港口基础设施氯离子动态传输模型传输的混凝土结构氯离子参数并根据混凝土结构氯离子参数生成结构耐久性安全预警信息。
进一步，所述实时获取港口混凝土结构氯离子浓度数据是通过结构氯离子浓度数据监测模块对布设于典型港口浪溅区、水下区、大气区测点位置的微型阵列式感知氯离子传感器采集得到的。
进一步，所述港口基础设施氯离子动态传输模型按照以下步骤进行：
收集待监测在役港口混凝土配合比数据，以及待监测港口历史氯离子浓度数据，得到原始氯离子数据库；
利用原始数据库通过机器学习训练扩充原始氯离子数据库；
利用扩充原始氯离子数据库通过反演计算获取混凝土双时变参数，利用混凝土双时变参数构建港口基础设施氯离子动态传输模型。
进一步，还包括构建典型结构氯离子仿真模型，所述典型结构氯离子仿真模型构建过程如下：
根据研究试件实际情况对模型进行合理简化并建立三维数值模型；
根据试件各相材料实际特性赋予对应属性；
确定试件边界条件；
设置混凝土中氯离子传输模型的混凝土双时变参数；
用comsol数值模拟计算软件进行模拟计算；
输出计算结果并进行结果评估。
本发明的有益效果在于：
本发明提供的港口基础设施结构耐久性安全预警系统及方法，通过港口混凝土结构氯离子浓度分布数据的实时监测数据，构建基于实时监测数据的港口混凝土结构氯离子动态传输模型，适用于多海区港口混凝土氯离子浓度阈值及结构耐久性预警，构建港口基础设施混凝土结构耐久性安全预警平台。
本发明提供的系统基于氯离子浓度分布数据监测、氯离子传输参数动态反演分析以及结构物耐久性预警的多模块互联互通功能，研发的港口基础设施混凝土结构耐久性安全预警平台，实现对港口基础设施结构物使用寿命的自动化实时预测和预警。克服了常规有损检测方法与室内试验方法的局限性。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1是港口基础设施结构耐久性安全预警系统协同工作原理图。
图2为多海区混凝土氯离子浓度阈值、预警机制及码头仿真模型。
图3为钢筋混凝土中氯离子传输数值仿真方法。
图4为钢筋混凝土中氯离子传输数值仿真方法流程图。
图5为港口基础设施结构耐久性安全预警方法。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
实施例1
如图1所示，本实施例提供的港口基础设施结构耐久性安全预警系统，包括港口混凝土结构的氯离子浓度数据监测模块、基于机器学习的氯离子传输参数模块、港口基础设施氯离子动态传输模型、港口基础设施结构耐久性安全预警平台；
所述港口混凝土结构氯离子浓度数据监测模块，用于实时获取港口混凝土结构氯离子浓度数据；
所述基于机器学习的氯离子传输参数模块，用于接收处理氯离子浓度数据得到氯离子传输参数；
所述港口基础设施氯离子动态传输模型，用于接收氯离子传输参数并构建不同状态下混凝土结构氯离子参数的传输方式；
所述港口基础设施结构耐久性安全预警平台，用于根据混凝土结构氯离子参数生成结构耐久性安全预警信息；
本实施例提供的安全预警系统通过上述组成部分协同工作实现对新建以及在役港口基础设施进行实时自动化预测预警。
本实施例提供的港口混凝土结构氯离子浓度数据监测模块，包括测点位置布设模块、数据采集传输解译、氯离子原位长观数据库、实时优化传输参数；
所述测点位置布设模块，用于得到实测氯离子浓度数值将其作为氯离子原位长观数据库重要组成部分；
所述数据采集传输解译，通过反演计算获取基于Fick第二定律考虑钢筋阻挡效应系数的混凝土双时变参数；
所述氯离子原位长观数据库，作为传输参数解译的基本数据库，用于支撑数据解译与最终在耐久性平台上实时展示氯离子浓度云图；
所述实时优化传输参数，用于动态反演计算实时进行氯离子入侵评估并用于支撑耐久性平台进行混凝土耐久性预测；
所述基于机器学习的氯离子传输参数模块，包括文献搜索整理、构建监督训练集数据库、优化机器学习模型、重要传输参数获取；
所述文献搜索整理，用于收集待监测在役港口混凝土配合比等数据并收集整理待监测港口历史氯离子浓度数据并用于构建机器学习监督训练集数据库；
所述构建监督训练集数据库，用于机器学习原始数据库并选用多种机器学习方法进行机器学习训练扩充原始数据库；
所述优化机器学习模型，用于计算对比BP神经网络学习与SVM(支持向量机)等多种机器学习方法准确性用于确定最终采用何种机器学习方法；
所述重要传输参数获取，采用扩充后的待监测港口原始氯离子数据库进行反演计算获取基于Fick第二定律考虑钢筋阻挡效应系数的混凝土双时变参数，用于构建港口基础设施氯离子动态传输模型；
本实施例提供的优化机器学习模型主要内容为基于机器学习的氯离子传输参数解译，机器学习模块搭建需要氯离子原位长观数据库的支持，氯离子原位长观数据库主要由两部分内容组成，一部分为通过查阅文献、数值分析、室内试验等方法获得的氯离子原位长观数据库基础数据；一部分为埋设微型阵列式感知氯离子传感器后获得的实时更新的港口混凝土结构氯离子浓度数据。
本实施例中的机器学习模型建需要以现场实采数据为主基础数据为辅基于Fick第二定律方程经过优选机器学习模型对氯离子传输双时变参数：表面氯离子浓度Cs(t)、表观氯离子扩散系数Da(t)进行动态回归计算。
通过优选机器学习模型最终确定采用SVM(支持向量机)方法进行原始数据扩充。具体实现过程如下：
第一步进行原始数据处理，以某港口历年氯离子数据为例，从监督训练集数据库中提取服役年份与混凝土采样深度两个变量作为特征变量，实测服役年份与混凝土采样深度样本氯离子浓度为目标变量。分割总数据为训练数据、测试数据两部分，其中训练数据为总数据70％。
第二步进行算法训练，选择ε-SVR类型SVM，设置核函数类型为RBF核，进行多组参数训练尝试并记录训练参数与训练效果。
第三步进行参数调整，通过算法训练步骤记录的训练参数与训练效果优选训练参数为：ε-SVR惩罚系数为2.2，核函数中特征数为2.8，损失函数e为0.01。
第四步进行模型评估，将训练完成模型用于测试数据验证计算，观察验证数据准确性若能满足要求则可进行下一步。
第五步模型预测扩充，根据港口基础设施氯离子动态传输模型需要进行原始数据扩充计算。
图1中的所述港口基础设施结构耐久性安全预警平台，包括动态传输模型、浓度阈值体系、安全预警机制、典型结构氯离子仿真模型、结构耐久性安全预警平台；
所述动态传输模型，用于实时评估钢筋混凝土内部氯离子分布；
所述浓度阈值体系，用于根据动态传输模型评估的钢筋混凝土内部氯离子分布判断结构物处于腐蚀诱导期、腐蚀期、加速腐蚀期、腐蚀破坏期中何种服役状态；
所述安全预警机制，用于适时发出预警，在结构物耐久性平台上给予适当预警用以给管理人员干预时机与干预决策(维修或停止使用等)提供参考；
所述典型结构氯离子仿真模型，用于结构物氯离子浓度分布展示平台，在典型港口三维模型基础上实时展示结构物氯离子浓度分布云图。
所述结构耐久性安全预警平台，用于整合港口基础设施氯离子动态传输模型、浓度阈值体系、安全预警机制，并将港口实时氯离子浓度展示在典型结构氯离子仿真模型上，通过结构耐久性安全预警平台管理人员可得到港口服役状态、健康状况、剩余寿命信息为管理人员提供科学可靠管理依据；
所述结构耐久性安全预警平台，包括服役状态、健康状态、剩余寿命；
所述服役状态；用于根据港口基础设施氯离子动态传输模型评估的结构物氯离子浓度分布基于浓度阈值体系与安全预警机制展示结构物耐久性服役状态，；
所述健康状态；用于根据港口基础设施氯离子动态传输模型评估的结构物氯离子浓度分布基于浓度阈值体系判断展示结构物健康状态；
所述剩余寿命；用于根据港口基础设施氯离子动态传输模型评估的结构物氯离子浓度分布基于浓度阈值体系动态预测展示结构物剩余寿命；
本实施例中的用于现场监测的氯离子浓度数据监测模块、基于机器学习的氯离子传输参数模块、氯离子动态传输模块、结构耐久性安全预警平台四大模块协同工作；形成用于实时监测在役结构的安全状态。
如图2所示，图2为多海区混凝土氯离子浓度阈值、预警机制及码头仿真模型，图2中的图像横坐标为结构服役时间纵坐标为结构性能，曲线上出现了四个特征氯离子浓度值依据为JTJ302-2006《港口水工建筑物检测和评估技术规范》，由氯离子特征浓度大到小将曲线分为影响结构承载力、影响结构正常使用、保护层锈胀开裂、钢筋锈蚀四个特征点，四个特征点将曲线根据横坐标分割为五个区域，从大到小分别为腐蚀诱导期、腐蚀期、加速腐蚀期、在影响结构正常使用特征点下方统称为腐蚀破坏期。
结构物所处不同时期将给出不同预警状态，绿色安全状态对应腐蚀诱导期，橙色预警对应腐蚀期，蓝色预警对应加速腐蚀期，红色预警对应腐蚀破坏期。
所述氯离子浓度阈值Ccr按照以下模式确定不同预警状态；
当氯离子浓度阈值处于C＜0.4Ccr时，结构物为绿色安全状态；
当氯离子浓度阈值处于0.4Ccr≤C＜0.6Ccr时，结构物为橙色预警；
当氯离子浓度阈值处于0.6Ccr≤C≤0.8Ccr时，结构物为蓝色预警；
当氯离子浓度阈值处于C≥0.9Ccr时，结构物为红色预警；
多海区混凝土浓度阈值、预警机制图是结构耐久性安全预警平台研究基础，是结构物耐久性安全预警平台基于处理后实测氯离子浓度根据港口基础设施氯离子动态传输模型发出预警的根据。
所述氯离子原位长观数据库与构建监督训练集数据库之间采用同源异构、数据解译，氯离子原位长观数据库有两部分内容，分别是由文献查阅得到的典型港口历史数据、由氯离子传感器实测得到的实测氯离子浓度值，这两部分数据共同构成了监督数据集数据库内数据，在实际查阅文献时发现，典型港口历史数据采样年份，采样深度，采样位置等信息并不能完全保持一致，故需要进行同源异构数据的解译方法例如线性插补将数据转化为同构数据；
所述实时优化传输参数和重要传输参数获取之间重要参数获取与实时优化传输参数中的参数都是混凝土双时变参数，重要参数获取基于的数据是混凝土原位长观数据库中通过文献查阅得到的典型港口氯离子浓度历时数据，实时优化传输参数基于的数据是通过埋设氯离子传感器获得的实测氯离子浓度，此部分数据会随着监测时长而不断扩充并不断优化混凝土双时变参数；港口基础设施氯离子动态传输模型是基于Fick第二定律建立的氯离子传输模型，模型中最为重要的两个参数为混凝土双时变参数，此参数获取是通过包括氯离子浓度历史数据、氯离子实测数据的混凝土原位长观数据库计算得到的传输参数。
如图3所示，图3为钢筋混凝土中氯离子传输数值仿真示意图，图中采用随机三维投放算法模拟了某配合比混凝土100mm×100mm标准试件180天在五面环氧树脂涂覆约束一侧暴露于海洋环境氯离子浓度下氯离子侵入数值模拟，图中颜色由蓝到红表示侵入氯离子浓度逐渐变大，由图可知，短期内氯离子只会侵入试件表面。
本实施例中港口混凝土结构氯离子浓度数据监测模块包括现场实时监模块、历史数据模块；所述现场实时监模块用于对多海区码头及防波堤的氯离子浓度数据进行实时监测，所述历史数据模块可以根据现场调研、文献查阅等方法获得代表性港口混凝土结构物服役环境及材料因素，选择其中受氯离子侵蚀最严重的海洋干湿交替区域，开展人工模拟海洋环境下港口混凝土结构氯离子自然侵蚀室内物理试验。室内试验中采用微型阵列式感知氯离子传感器实时采测方法以及传统的磨粉取样手段获得试验试件平行样内部氯离子浓度分布数据。
对于新建与在役港口微型阵列式感知氯离子传感器埋设方法有所不同，具体如下：新建港口的微型阵列式感知氯离子传感器随施工埋设；
在役港口的微型阵列式感知氯离子传感器需制作预埋件，预埋件中预先埋设微型阵列式感知氯离子传感器采用室内加速试验等方法使得其氯离子浓度达到与在役港口选定测点位置相同的氯离子浓度，再将预埋件放置于测点位置进行原位监测。
实时监测数据利用单片机和通讯模块将微型阵列式感知氯离子传感器所获得的数据实时采集传输到上位机，实现对氯离子监测数据的实时传输，形成港口混凝土结构氯离子浓度分布数据在线长时序实时监测方法。
基于氯离子浓度分布数据的实时监测方法，构建氯离子浓度分布数据监测模块，实现对港口混凝土结构内部氯离子浓度分布数据的实时采集、传输、存储和展示。
如图4所示，图4为钢筋混凝土中氯离子传输数值仿真方法流程图，具体过程如下：
根据研究试件实际情况对模型进行合理简化并建立三维数值模型；
根据试件各相材料实际特性赋予对应属性；
确定试件边界条件，如试件表面材料属性等；
设置混凝土中氯离子传输模型的混凝土双时变参数；
用comsol数值模拟计算软件进行模拟计算；
输出计算结果并进行结果评估。
实施例2
如图5所示，本实施例中的港口基础设施结构耐久性安全预警方法，包括以下步骤：
构建结构氯离子浓度数据监测模块，用于实时获取港口混凝土结构氯离子浓度数据；本实施例中选典型港口浪溅区、水下区、大气区测点位置；布设微型阵列式感知氯离子传感器；用于采集得到实时氯离子浓度数据；
构建用于接收处理氯离子浓度数据的氯离子传输参数模块，本实施例的氯离子传输参数模块可以通过机器学习训练得到的氯离子传输参数；
构建设置有混凝土双时变参数的港口基础设施氯离子动态传输模型，所述港口基础设施氯离子动态传输模，用于传输不同状态下混凝土结构氯离子参数；并评估的结构物状态；
构建输出安全预警信息的港口基础设施结构耐久性安全预警平台，本实施例中的港口基础设施结构耐久性安全预警平台接收港口基础设施氯离子动态传输模型传输的混凝土结构氯离子参数并根据混凝土结构氯离子参数生成结构耐久性安全预警信息；
本实施例中还可以将实时采集到的氯离子浓度通过结构物耐久性平台的三维模型以场变量形式展示氯离子浓度云图；根据实际情况还可以展示广泛搜集典型港口氯离子历史浓度数据；
同时，所述氯离子传输参数可以通过机器学习方法来扩充原始数据；获取氯离子浓度历史数据与实测氯离子浓度数据入原位长观氯离子浓度库；实时计算混凝土双时变参数并用于设置港口基础设施氯离子动态传输模型；
所述氯离子动态传输模型可以根据获取的氯离子传输参数对结构物进行评估分析，分别得到结构物的服役状态、健康状态和剩余寿命等信息；并将所述信息发送到港口基础设施结构耐久性安全预警平台进行展示；同时所述港口基础设施结构耐久性安全预警平台还可以根据氯离子浓度阀值体系与安全预警机制展示于结构物耐久性平台。
本实施例中通过获取表面氯离子浓度、表观氯离子扩散系数时变特性、钢筋阻挡效应系数并建立用于数值仿真试验的混凝土结构氯离子动态传输模型；
通过获取相关文献资料中报导的与我国多海区代表性港口混凝土结构物受氯离子长期侵蚀的现场监测/检测试验数据，对混凝土结构氯离子动态传输模型进行修正，形成基于氯离子浓度分布实测数据的动态反演分析模块；
实时评估、预测港口混凝土结构物的氯离子浓度分布特征以及钢筋表面氯离子浓度数值；
本实施例提供的结构耐久性预测预警模块主要内容为港口码头及防波堤混凝土结构耐久性安全预警平台研发，结构耐久性安全预警平台通过构建港口的三维模型，实时展示氯离子浓度云图，结合氯离子动态传输模型经由港口基础设施混凝土结构耐久性安全预警平台，实时评估、预测并展示我国代表性港口基础设施混凝土结构物的剩余使用寿命、耐久性服役状态及健康状况，从而实现对港口混凝土结构物耐久性的预测预警。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (8)
1.港口基础设施结构耐久性安全预警系统，其特征在于：包括港口混凝土结构的氯离子浓度数据监测模块、基于机器学习的氯离子传输参数模块、港口基础设施的氯离子动态传输模型、港口基础设施结构的耐久性安全预警平台；
所述港口混凝土结构的氯离子浓度数据监测模块，用于实时获取港口混凝土结构氯离子浓度数据；
所述基于机器学习的氯离子传输参数模块，用于接收处理氯离子浓度数据得到氯离子传输参数；
所述港口基础设施的氯离子动态传输模型，用于接收氯离子传输参数并构建不同状态下混凝土结构氯离子参数的传输方式；
所述港口基础设施结构的耐久性安全预警平台，用于根据混凝土结构氯离子参数生成结构耐久性安全预警信息；
所述基于机器学习的氯离子传输参数模块包括文献搜索整理、构建监督训练集数据库、优化机器学习模型、重要传输参数获取；
所述文献搜索整理，用于收集待监测在役港口混凝土配合比等数据并收集整理待监测港口历史氯离子浓度数据并用于构建机器学习监督训练集数据库；
所述构建监督训练集数据库，用于机器学习原始数据库并选用多种机器学习方法进行机器学习训练扩充原始数据库；
所述优化机器学习模型，用于构建机器学习优化算法的机器学习模型；
所述重要传输参数获取，采用扩充后的待监测港口原始氯离子数据库进行反演计算获取基于Fick第二定律考虑钢筋阻挡效应系数的混凝土双时变参数，用于构建港口基础设施的氯离子动态传输模型；
所述优化机器学习模型具体按照以下步骤构建：
第一步进行原始数据处理，获取港口历年氯离子数据，从监督训练集数据库中提取服役年份与混凝土采样深度两个变量作为特征变量，实测服役年份与混凝土采样深度样本氯离子浓度为目标变量，将总数据划分为训练数据、测试数据两部分；
第二步进行算法训练，选择ε-SVR类型SVM，设置核函数类型为RBF核，进行多组参数训练尝试并记录训练参数与训练效果；
第三步进行参数调整，通过算法训练步骤记录的训练参数与训练效果优选训练参数；
第四步进行模型评估，将训练完成模型用于测试数据验证计算，观察验证数据准确性若能满足要求则可进行下一步；
第五步模型预测扩充，根据港口基础设施氯离子动态传输模型需要进行原始数据扩充计算。
2.如权利要求1所述的港口基础设施结构耐久性安全预警系统，其特征在于：所述港口混凝土结构的氯离子浓度数据监测模块包括测点位置布设模块、数据采集传输解译、氯离子原位长观数据库、实时优化传输参数；
所述测点位置布设模块，用于得到实测氯离子浓度数值将保存于氯离子原位长观数据库；
所述数据采集传输解译，通过反演计算获取混凝土双时变参数；
所述氯离子原位长观数据库，作为传输参数解译的基本数据库，用于支撑数据传输解译并实时展示氯离子浓度云图；
所述实时优化传输参数，用于动态反演计算实时进行氯离子浓度评估并进行混凝土耐久性预测。
3.如权利要求1所述的港口基础设施结构耐久性安全预警系统，其特征在于：所述港口基础设施结构的耐久性安全预警平台包括动态传输模型、浓度阈值体系、安全预警机制、典型结构氯离子仿真模型、结构耐久性安全预警平台；
所述动态传输模型，用于实时评估钢筋混凝土内部氯离子分布；
所述浓度阈值体系，用于根据动态传输模型评估的钢筋混凝土内部氯离子分布判断结构物处于腐蚀诱导期、腐蚀期、加速腐蚀期、腐蚀破坏期中的服役状态；
所述安全预警机制，用于设置结构物不同状态下所对应的预警参考信号；
所述典型结构氯离子仿真模型，用于展示结构物氯离子浓度分布，在典型港口三维模型基础上实时展示结构物氯离子浓度分布云图；
所述结构耐久性安全预警平台，用于展示港口基础设施氯离子动态传输模型、浓度阈值体系、安全预警机制，并将港口实时氯离子浓度展示在典型结构氯离子仿真模型上。
4.如权利要求3所述的港口基础设施结构耐久性安全预警系统，其特征在于：所述结构物不同状态下的预警参考信号是根据氯离子浓度阈值并按照以下模式进行确定：
当氯离子浓度阈值处于时，结构物为绿色安全状态；
当氯离子浓度阈值处于时，结构物为橙色预警；
当氯离子浓度阈值处于时，结构物为蓝色预警；
当氯离子浓度阈值处于时，结构物为红色预警。
5.利用上述权利要求1至4中任一项所述的港口基础设施结构耐久性安全预警系统来进行的预警方法，其特征在于：包括以下步骤：
构建港口混凝土结构的氯离子浓度数据监测模块，用于实时获取港口混凝土结构氯离子浓度数据；
构建用于接收处理氯离子浓度数据的氯离子传输参数模块，所述氯离子传输参数模块通过机器学习训练得到的氯离子传输参数；
构建设置有混凝土双时变参数的港口基础设施的氯离子动态传输模型，所述港口基础设施氯离子动态传输模，用于传输不同状态下混凝土结构氯离子参数；
构建输出安全预警信息的港口基础设施结构耐久性安全预警平台，所述港口基础设施结构耐久性安全预警平台接收港口基础设施氯离子动态传输模型传输的混凝土结构氯离子参数并根据混凝土结构氯离子参数生成结构耐久性安全预警信息。
6.如权利要求5所述的港口基础设施结构耐久性安全预警方法，其特征在于：所述实时获取港口混凝土结构氯离子浓度数据是通过结构氯离子浓度数据监测模块对布设于典型港口浪溅区、水下区、大气区测点位置的微型阵列式感知氯离子传感器采集得到的。
7.如权利要求5所述的港口基础设施结构耐久性安全预警方法，其特征在于：所述港口基础设施氯离子动态传输模型按照以下步骤进行：
收集待监测在役港口混凝土配合比数据，以及待监测港口历史氯离子浓度数据，得到原始氯离子数据库；
利用原始数据库通过机器学习训练扩充原始氯离子数据库；
利用扩充原始氯离子数据库通过反演计算获取混凝土双时变参数，利用混凝土双时变参数构建港口基础设施氯离子动态传输模型。
8.如权利要求5所述的港口基础设施结构耐久性安全预警方法，其特征在于：还包括构建典型结构氯离子仿真模型，所述典型结构氯离子仿真模型构建过程如下：
根据研究试件实际情况对模型进行合理简化并建立三维数值模型；
根据试件各相材料实际特性赋予对应属性；
确定试件边界条件；
设置混凝土中氯离子传输模型的混凝土双时变参数；
用comsol数值模拟计算软件进行模拟计算；
输出计算结果并进行结果评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311423344.9A CN117471071B (zh) | 2023-10-30 | 2023-10-30 | 港口基础设施结构耐久性安全预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311423344.9A CN117471071B (zh) | 2023-10-30 | 2023-10-30 | 港口基础设施结构耐久性安全预警系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117471071A CN117471071A (zh) | 2024-01-30 |
| CN117471071B true CN117471071B (zh) | 2024-06-04 |
Family
ID=89637275
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311423344.9A Active CN117471071B (zh) | 2023-10-30 | 2023-10-30 | 港口基础设施结构耐久性安全预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117471071B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117686442B (zh) * | 2024-02-02 | 2024-05-07 | 广东省有色工业建筑质量检测站有限公司 | 一种氯离子扩散浓度检测方法、系统、介质及设备 |
| CN118913752B (zh) * | 2024-10-11 | 2025-01-14 | 交通运输部天津水运工程科学研究所 | 一种港口基础设施性能监测传感器系统 |
| CN119514390A (zh) * | 2025-01-21 | 2025-02-25 | 交通运输部天津水运工程科学研究所 | 一种基于氯离子浓度监测的港口混凝土结构寿命预测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101122595A (zh) * | 2007-09-04 | 2008-02-13 | 中交四航工程研究院有限公司 | 混凝土结构剩余寿命分析系统 |
| KR20170111213A (ko) * | 2016-03-25 | 2017-10-12 | 강원대학교산학협력단 | 경화 콘크리트의 염해 내구성 평가 방법 및 염해 내구성 평가 컴퓨터 프로그램 |
| CN110567513A (zh) * | 2019-08-22 | 2019-12-13 | 青岛理工大学 | 一种混凝土结构全寿命性能智慧感知与劣化预警系统及方法 |
| CN110737967A (zh) * | 2019-09-10 | 2020-01-31 | 上海交通大学 | 一种混凝土结构耐久性预测方法、系统及终端 |
| CN112016244A (zh) * | 2020-08-07 | 2020-12-01 | 中国交通建设股份有限公司吉林省分公司 | 基于svm与智能算法的耐久性混凝土多目标配合比优化方法 |
| KR20220088057A (ko) * | 2020-12-18 | 2022-06-27 | 한국과학기술원 | 고압의 침지 환경에 노출된 철근 콘크리트 구조물의 철근 부식 예측 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI385492B (zh) * | 2008-12-16 | 2013-02-11 | Ind Tech Res Inst | 機台設備的維護分析系統及其方法 |
-
2023
- 2023-10-30 CN CN202311423344.9A patent/CN117471071B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101122595A (zh) * | 2007-09-04 | 2008-02-13 | 中交四航工程研究院有限公司 | 混凝土结构剩余寿命分析系统 |
| KR20170111213A (ko) * | 2016-03-25 | 2017-10-12 | 강원대학교산학협력단 | 경화 콘크리트의 염해 내구성 평가 방법 및 염해 내구성 평가 컴퓨터 프로그램 |
| CN110567513A (zh) * | 2019-08-22 | 2019-12-13 | 青岛理工大学 | 一种混凝土结构全寿命性能智慧感知与劣化预警系统及方法 |
| CN110737967A (zh) * | 2019-09-10 | 2020-01-31 | 上海交通大学 | 一种混凝土结构耐久性预测方法、系统及终端 |
| CN112016244A (zh) * | 2020-08-07 | 2020-12-01 | 中国交通建设股份有限公司吉林省分公司 | 基于svm与智能算法的耐久性混凝土多目标配合比优化方法 |
| KR20220088057A (ko) * | 2020-12-18 | 2022-06-27 | 한국과학기술원 | 고압의 침지 환경에 노출된 철근 콘크리트 구조물의 철근 부식 예측 방법 |
Non-Patent Citations (1)
| Title |
|---|
| "钢筋对混凝土中氯离子扩散的阻挡效应预测模型";吴林键 等;《建筑材料学报》;20210430;第24卷(第2期);第296-303, 332页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117471071A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117471071B (zh) | 港口基础设施结构耐久性安全预警系统及方法 | |
| CN108225906B (zh) | 基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法 | |
| CN112288275A (zh) | 一种基于物联网的地下水水质分析评价系统及方法 | |
| CN111625988A (zh) | 基于深度学习的桥梁健康管理分析与预测系统及方法 | |
| CN105718658A (zh) | 大型桥梁在线评估体系 | |
| CN118422659A (zh) | 一种水利工程地基承载力检测方法 | |
| Schoefs et al. | Quantitative evaluation of contactless impact echo for non-destructive assessment of void detection within tendon ducts | |
| CN115438547A (zh) | 基于路面服役状态的整体评价方法及系统 | |
| CN118968199B (zh) | 一种隧道混凝土检测分析方法及系统 | |
| CN114417470A (zh) | 一种基于bim的桥梁裂缝安全评定方法和装置 | |
| Chen et al. | Smart bridge maintenance using cluster merging algorithm based on self-organizing map optimization | |
| CN119180494A (zh) | 一种基于盖挖地铁基坑的周边环境风险评估方法 | |
| Kioussi et al. | Documentation protocols to generate risk indicators regarding degradation processes for cultural heritage risk evaluation | |
| CN118169374B (zh) | 深远海混凝土智能化实时监测方法及系统 | |
| CN119141681A (zh) | 一种装配式道面板预应力智能张拉施工方法 | |
| CN118537183A (zh) | 一种井盖精益化管控综合数据信息的判定方法 | |
| Atoyebi et al. | Analysis and Interpretation of Structural Health Monitoring Data on Reinforced Concrete Buildings: A Critical Review. | |
| CN111460721A (zh) | 一种适用于对桥梁的耐久性能进行检测的方法 | |
| CN117763675A (zh) | 基于bp神经网络的钢筋锈蚀渡槽状态评价方法和系统 | |
| CN116433214A (zh) | 一种冷却塔健康监测方法、系统、设备及介质 | |
| Omar et al. | Mat-713: evaluation of ndt techniques for concrete bridge decks using fuzzy analytical hierarchy process | |
| Dinh | Condition assessment of concrete bridge decks using ground penetrating radar | |
| Ha et al. | Monitoring concrete compressive strength using IoT-based wireless sensor network | |
| Karbhari et al. | Operational modal analysis for vibration-based structural health monitoring of civil structures | |
| CN119293895B (zh) | 一种地下矿山巷道支护装置的维护管理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |