大数据环境下混凝土桥梁多模态裂缝智能检测与安全预警

Under the environment of big data, intelligent detection and security warning of concrete bridge crack is an important thing for enhancing the level of protection it has important practical significance. In particular, the Wuling Mountain is a typical karst topography, high-pier, large-span, arctic, frost, etc. are the facing characteristics of the bridge in this region, these characteristics result in modal variability and inaccurate feature description of cracks in concrete bridge, the mapping relation between crack intelligent detection and classification framework is complex and uncertain. Thus, some researches will be theoretical explored in the project as below: firstly, feature extraction mechanism and mode architecture of multi-modal crack based on data-driven will be forwarded in the big data environment; secondly, identification framework and classification algorithm of multi-modal crack based on data-driven will be proposed in the big data environment ; thirdly, intelligent detection and security warning model of multi-modal crack based on data-driven will be solved in the situation of big data .Meanwhile, the crack of high-pier, large-span concrete bridge will be regarded as the project application object, so as to verify the theoretical results of this project.. By studying this project, the research will provide a new idea and decision-making mechanism for the management and protection of concrete bridge crack detection and intelligent safety warning in the large data environments.

大数据环境下混凝土桥梁裂缝的智能检测与安全预警对于提升桥梁管护水平而言，具有重要的实际意义。特别地，武陵山区属于典型的喀斯特地形，大跨径、高墩、极寒、霜冻等都是该地区桥梁面临的特点，导致混凝土桥梁裂缝模态存在多变性及与潜在性、裂缝状态特征表达不确定性、裂缝智能检测与分类辨识框架之间的映射关系复杂，传统的裂缝检测及安全预警方法不再适用。为此，本项目拟在理论上研究：1）数据驱动的混凝土桥梁多模态裂缝特征提取机制及模式架构；2）数据驱动的混凝土桥梁多模态裂缝辨识框架及分类识别算法；3）数据驱动的混凝土桥梁多模态裂缝智能检测及安全预警模型。在工程上，以恩施地区高墩大跨混凝土桥梁裂缝检测及安全预警作为应用对象，为本项目的理论研究成果进行应用验证。. 通过本项目的研究，可以为大数据环境下混凝土桥梁裂缝智能检测与安全预警提供一种新的研究思路和管护决策机制。

作为国家“五纵七横”交通运输网的重要组成部分，高墩大跨混凝土桥梁是其中重要的核心系统，其安全性和可靠性直接影响交通网的正常运行。本课题针对武陵山区高墩大跨度混凝土桥梁的特殊地质地貌特点，开展大数据环境下混凝土桥梁多模态裂缝的智能检测与安全预警的理论与方法研究；着重解决混凝土桥梁裂缝模态存在多变性及与潜在性、裂缝状态特征表达不确定性、裂缝智能检测与分类辨识框架之间映射关系复杂等关键科学问题；提出创新性的混凝土桥梁多模态裂缝特征提取机制，深入研究基于深度神经网络和宽度学习系统的桥梁多模态裂缝辨识框架及分类识别算法，实现基于数据驱动的混凝土桥梁多模态裂缝智能检测及安全预警框架，形成一套针对桥梁多模态裂缝状态监测和安全运行评估的方法，并将课题理论研究与山区桥梁安全监测管护系统的实际需求紧密结合，实现混凝土桥梁管理维护过程中的实时故障监测与提前预警应用验证，为我国大数据环境下桥梁的安全预警和管护决策提供有效的理论基础及技术指导。本项目所取得的成果具有重要的学术研究价值和实际工程意义。. 在该基金的资助下，我们已经发表学术论文17篇，其中SCI和EI检索16篇（SCI一区和二区共收录6篇），中文核心1篇，申请国家专利4项。