摘要
本发明公开了一种大跨桁架钢结构智能挠度监测与全场力学响应评估的方法。提出了大跨桁架钢结构智能挠度监测深度学习框架,能够实现对大跨桁架钢结构节点的自动识别和目标匹配。另外,开发基于图神经网络GNN的代理模型,能够迅速将现场有限节点的监测位移数据转化为结构的全场位移和应变信息。通过将GNN代理模型生成的全场位移和应变数据与预设的规范或用户自定义的预警限值进行对比,能够为施工提供实时指导,并在必要时触发危险预警。本发明相较于传统的接触式监测手段,能够实现对大跨桁架钢结构多个关键节点的智能识别与非接触式挠度监测,同时在力学响应监测的便捷性、数据准确性和可靠性上均得到了显著提升。
技术关键词
桁架钢结构
重构算法
工业相机
超声波测距仪
深度学习框架
峰值信噪比
力学响应监测
黑白图像数据
因子
分辨率
钢桁架节点
小孔成像原理
室外钢结构
像素
坐标位置信息
系统为您推荐了相关专利信息
螺栓松动检测
识别方法
图像处理模块
标准化技术
加权技术
偏心辊式破碎机
图像处理系统
排料口尺寸
控制系统
PID控制器
钢坯表面缺陷
火焰清理装置
火焰喷嘴
识别表面缺陷
表面氧化
图像采集模块
机器人控制柜
信息处理模块
工件
棋盘格标定板
质检模型
刹车盘
质检方法
自动标记
深度学习模型