[发明专利]一种服役桥梁耐久性预测的方法在审
申请号: | 201911000991.2 | 申请日: | 2019-10-21 |
公开(公告)号: | CN110618173A | 公开(公告)日: | 2019-12-27 |
发明(设计)人: | 郝保红;曾丁;卢宏宇;赵金;赵廷奉;苏节江;周满;潘建宇;王昊;徐璐 | 申请(专利权)人: | 北京石油化工学院;交通运输部公路科学研究所 |
主分类号: | G01N27/26 | 分类号: | G01N27/26 |
代理公司: | 11260 北京凯特来知识产权代理有限公司 | 代理人: | 郑立明;陈亮 |
地址: | 102600 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电化学信号 桥梁 耐久性预测 钢筋 剩余寿命 锈蚀 变形度 构建 时变 采集 电化学检测 可视化检测 边界条件 等级识别 关系模型 技术构建 快速精准 力学性能 锈蚀状况 色谱 实桥 无损 量化 诊断 标本 检测 | ||
本发明公开了一种服役桥梁耐久性预测的方法,首先采集服役桥梁的电化学信号及钢筋样品;基于所采集的电化学信号及钢筋样品,采用有限元技术构建电化学检测信号‑力学性能之间的关系模型;进一步构建符合实桥边界条件的电化学信号‑变形度‑剩余寿命的时变模型,用于服役桥梁的耐久性预测;基于所构建的电化学信号‑变形度‑剩余寿命的时变模型,制成锈蚀钢筋失效色谱标本,以供对比使用。该方法能实现服役桥梁无损量化可视化检测及快速精准诊断,提高对桥梁内部配筋锈蚀状况的检测效率及锈蚀等级识别。
技术领域
本发明涉及桥梁检测技术领域,尤其涉及一种服役桥梁耐久性预测的方法。
背景技术
目前,钢筋锈蚀是导致力学性能下降、诱发桥梁重大事故的原因之一。而目前研究的热点几乎放在了无损量化检测的设备及软件处理上,还没有真正形成对服役桥梁锈蚀度快速诊断分级的设别体系。
现有技术中运用线性极化法,基本实现了服役混凝土桥梁内部配筋锈蚀度的无损量化快速检测,但由于输出的结果只能是数据,还没有实现可视化,同时缺乏可以对锈蚀度进行分级的标准和可供对比的图谱。
发明内容
本发明的目的是提供一种服役桥梁耐久性预测的方法,该方法能实现服役桥梁无损量化可视化检测及快速精准诊断,提高对桥梁内部配筋锈蚀状况的检测效率及锈蚀等级识别。
本发明的目的是通过以下技术方案实现的:
一种服役桥梁耐久性预测的方法,所述方法包括:
步骤1、首先采集服役桥梁的电化学信号及钢筋样品;
步骤2、基于所采集的电化学信号及钢筋样品,采用有限元技术构建电化学检测信号-力学性能之间的关系模型;
步骤3、进一步构建符合实桥边界条件的电化学信号-变形度-剩余寿命的时变模型,用于服役桥梁的耐久性预测;
步骤4、基于所构建的电化学信号-变形度-剩余寿命的时变模型,制成锈蚀钢筋失效色谱标本,以供对比使用。
由上述本发明提供的技术方案可以看出,上述方法能实现服役桥梁无损量化可视化检测及快速精准诊断,提高对桥梁内部配筋锈蚀状况的检测效率及锈蚀等级识别。,对促进桥梁无损量化检测技术及耐久性预测技术的发展具有重要的意义。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的服役桥梁耐久性预测的方法流程示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
下面将结合附图对本发明实施例作进一步地详细描述,如图1所示为本发明实施例提供的服役桥梁耐久性预测的方法流程示意图,所述方法包括:
步骤1、首先采集服役桥梁的电化学信号及钢筋样品;
在该步骤中,具体可以联合使用线性极化法和脉冲电流法等多种检测设备的检测方法,克服单一设备带来的检测系统误差,采集服役桥梁典型位置的典型电化学信号,例如桥台处、盖梁中部、箱梁底部、其他潮湿处或重载处。
钢筋样品可酌情采集不影响桥体的非承重部分的裸露处,截取小段即可,如同人体手指端采血原理一般,以便供后期除锈后称取失重率使用。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京石油化工学院;交通运输部公路科学研究所,未经北京石油化工学院;交通运输部公路科学研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911000991.2/2.html,转载请声明来源钻瓜专利网。