基于桥梁自然纹理的全场位移监测方法

楚玺; 周志祥; 段鑫; 朱伟铸

doi:10.13409/j.cnki.jdpme.20221111006

您当前的位置：

首页 >

文章列表页 >

基于桥梁自然纹理的全场位移监测方法

论文 | 更新时间：2025-09-25

- 基于桥梁自然纹理的全场位移监测方法
- Full‑field Displacement Monitoring Method Based on Bridge Natural Texture
- 防灾减灾工程学报 2023年43卷第5期页码：965-971
- 作者机构：
  
  深圳大学土木与交通工程学院，广东深圳 518060
- 作者简介：
  
  楚玺（1986—），男，副研究员，博士后。主要从事结构健康监测与安全评价方面的研究。E-mail:chuxi@szu.edu.cn
  周志祥（1958—），男，教授，博导，博士。主要从事结构健康监测与安全评价方面的研究。E-mail:zhixiangzhou@szu.edu.cn
- 基金信息：
  
  国家自然科学基金项目(51778094;51708068;52208182);深圳市科技计划重点项目(JCYJ20220818095608018)
- DOI：10.13409/j.cnki.jdpme.20221111006
  中图分类号： U446.2
- 收稿：2022-11-11，
  
  修回：2023-01-12，
  
  纸质出版：2023-10-15
- 稿件说明：
移动端阅览
楚玺,周志祥,段鑫等.基于桥梁自然纹理的全场位移监测方法[J].防灾减灾工程学报,2023,43(05):965-971.

CHU Xi,ZHOU Zhixiang,DUAN Xin,et al.Full‑field Displacement Monitoring Method Based on Bridge Natural Texture[J].Journal of Disaster Prevention and Mitigation Engineering,2023,43(05):965-971.
楚玺,周志祥,段鑫等.基于桥梁自然纹理的全场位移监测方法[J].防灾减灾工程学报,2023,43(05):965-971. DOI： 10.13409/j.cnki.jdpme.20221111006.

CHU Xi,ZHOU Zhixiang,DUAN Xin,et al.Full‑field Displacement Monitoring Method Based on Bridge Natural Texture[J].Journal of Disaster Prevention and Mitigation Engineering,2023,43(05):965-971. DOI： 10.13409/j.cnki.jdpme.20221111006.

摘要

结构健康监测系统在桥梁上的测点十分有限，测试数据不完备导致结构安全状态评价困难。提出一种自然纹理条件下的结构全场位移监测方法。通过尺度不变特征变换算法提取结构表面自然纹理特征点，将提取的自然纹理特征点作为结构变形前后的点源数据，通过特征点匹配建立起变形前后特征点的位置关系。进一步，建立结构变形前后自然纹理特征点相对位置变化数学模型，提出结构全场位移矢量计算理论。最后，通过试验梁对方法进行验证，获得了试验梁的全场位移监测结果。验证结果显示，结构边缘挠度最大误差4.94%，平均误差为2.08%，全场位移矢量最大长度误差0.68 mm，最大角度误差0.76°，计算得到的全场位移矢量与结构实际变形一致。

Abstract

The measurement points for bridge structural health monitoring are limited， and the incomplete test data leads to the difficulty in evaluating the state of structural safety. Hence， a method of structural full-field displacement monitoring under the natural texture is proposed herein. The natural texture feature points on the surface of the structure are extracted by scale-invariant feature transformation （SIFT） algorithm. The extracted natural texture feature points are used as the point source data before and after structure deformation. The correlation between the feature points before and after deformation is established using feature point matching. Furthermore， we analyze the mathematical model of the relative position change of the feature points before and after deformation， and propose a calculation theory for the structure’s full-field displacement vector. Finally， the method is verified by the test beam's load test and the test beam's full-field displacement vector monitoring results are obtained. Validation results show that the maximum error of structural edge deflection is 4.94%， and the average error is 2.08%， the maximum length error of the full-field displacement vector is 0.68 mm and the maximum angle error is 0.76°. The calculated full-field displacement vector is in agreement with the actual structural deformation. This study is the first to to realize full-field displacement monitoring of structures under natural texture conditions， extending the traditional single-point monitoring of the structure to the two-dimensional plane monitoring， and significantly improving the completeness of the monitoring data.

关键词

Keywords

references

王佐才，丁雅杰，戈壁，等 . 桥梁结构非线性模型修正研究综述［J］. 交通运输工程学报， 2022 ， 22 （ 2 ）： 59 - 75 .

Wang Z C ， Ding Y J ， Ge B ， et al . Review on nonlinear model updating for bridge structures ［J］. Journal of Traffic and Transportation Engineering ， 2022 ， 22 （ 2 ）： 59 - 75 . （in Chinese）

熊文，李刚，张宏伟，等 . 基于点云数据与工程知识的桥梁形态变化识别方法［J］. 湖南大学学报（自然科学版）， 2022 ， 49 （ 5 ）： 101 - 110 .

Xiong W ， Li G ， Zhang H W ， et al . Change detection method of bridges geometrical profile based on point cloud data and engineering knowledge ［J］. Journal of Hunan University： Natural Sciences ， 2022 ， 49 （ 5 ）： 101 - 110 . （in Chinese）

孙利民，尚志强，夏烨 . 大数据背景下的桥梁结构健康监测研究现状与展望［J］. 中国公路学报， 2019 ， 32 （ 11 ）： 1 - 20 .

Sun L M ， Shang Z Q ， Xia Y . Development and prospect of bridge structural health monitoring in the context of big data ［J］. China Journal of Highway and Transport ， 2019 ， 32 （ 11 ）： 1 - 20 . （in Chinese）

Feng D M ， Feng M Q . Computer vision for SHM of civil infrastructure： from dynamic response measurement to damage detection-a review ［J］. Engineering Structures ， 2018 ， 156 ： 105 - 117 .

Xu Y ， Brownjohn J M W . Review of machine-vision based methodologies for displacement measurement in civil structures ［J］. Journal of Civil Structural Health Monitoring ， 2018 ， 8 ： 91 - 110 .

Spencer B F ， Hoskere V ， Narazaki Y . Advances in computer vision-based civil infrastructure inspection and monitoring ［J］. Engineering ， 2019 ， 5 ： 199 - 222 .

Lee J H ， Lee K C ， Jeong S ， et al . Long-term displacement measurement of full-scale bridges using camera ego-motion compensation ［J］. Mechanical Systems and Signal Processing ， 2020 ， 26 （ 9 ）： 106651 .

Ngeljaratan L ， Moustafa M A . Structural health monitoring and seismic response assessment of bridge structures using target-tracking digital image correlation ［J］. Engineering Structures ， 2020 ， 213 ： 110551 .

Meng L Y ， Zou J G ， Liu G J . Research on the design and automatic recognition algorithm of subsidence marks for close-range photogrammetry ［J］. Sensors ， 2020 ， 20 （ 2 ）： 544 .

Dong C Z ， Celik O ， Catbas F N ， et al . Structural displacement monitoring using deep learning-based full field optical flow methods ［J］. Structure and Infrastructure Engineering ， 2020 ， 16 （ 1 ）： 51 - 71 .

Chen G F ， Liang Q ， Zhong W T ， et al . Homography-based measurement of bridge vibration using UAV and DIC method ［J］. Measurement ， 2020 ， 170 ： 108683 .

Tian Y D ， Zhang C ， Jiang S ， et al . Noncontact cable force estimation with unmanned aerial vehicle and computer vision ［J］. Computer-Aided Civil and Infrastructure Engineering ， 2021 ， 36 （ 1 ）： 73 - 88 .

Yu S S ， Xu Z F ， Su Z Y ， et al . Two flexible vision-based methods for remote deflection monitoring of a long-span bridge ［J］. Measurement ， 2021 ， 181 ： 109658 .

Chu X ， Zhou Z X ， Deng G J ， et al . An overall deformation monitoring method of structure based on tracking deformation contour ［J］. Applied Sciences ， 2019 ， 9 （ 21 ）： 4532 .

Song F H ， Lu B . An automatic video image mosaic algorithm based on SIFT feature matching ［J］. Advances in Intelligent Systems and Computing ， 2013 ， 181 ： 879 - 886 .

Wang Z S ， Lai Y F ， Yang S ， et al . Absolute depth measurement of objects based on monocular vision ［J］. International Journal on Artificial Intelligence Tools ， 2020 ， 29 ： 2040011 .

Huang X ， Wan X ， Peng D F . Robust feature matching with spatial smoothness constraints ［J］. Remote Sensing ， 2020 ， 12 （ 19 ）： 3158 .

Hafeez J ， Lee J ， Kwon S ， et al . Evaluating feature extraction methods with synthetic noise patterns for image-based modelling of texture-less objects ［J］. Remote Sensing ， 2020 ， 12 （ 23 ）： 3886 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据