本發(fā)明涉及鋼結(jié)構(gòu)變形監(jiān)測。具體地說是基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法。

背景技術(shù)：

1、鋼結(jié)構(gòu)是一種性能優(yōu)秀的建筑材料，具有強(qiáng)度高、自重輕、施工快、成本低、抗震性能好等優(yōu)點(diǎn)，在大型廠房、高層建筑等領(lǐng)域得到了廣泛應(yīng)用。然而，由于自重、風(fēng)力、溫度、腐蝕等因素的影響，鋼結(jié)構(gòu)在長期使用過程中可能會出現(xiàn)變形，這會降低結(jié)構(gòu)的穩(wěn)定性和安全性，甚至造成嚴(yán)重的安全事故和巨大的經(jīng)濟(jì)損失。因此，對鋼結(jié)構(gòu)，尤其大型鋼結(jié)構(gòu)進(jìn)行變形監(jiān)測非常重要。

2、在實(shí)際變形監(jiān)測任務(wù)中，需要綜合考慮多種因素選取合適的一種或多種變形監(jiān)測技術(shù)。當(dāng)前變形監(jiān)測技術(shù)主要包括全站儀測量(zhou?et?al.,2003)、傳感器測量(zhu?etal.,2022)、地面激光掃描(terrestrial?laser?scanning,tls)(dong?et?al.,2020)、攝影測量(hu?et?al.,2021)、干涉測量(qin?et?al.,2021)、gps測量(yi?et?al.,2013)等。工業(yè)上大型鋼結(jié)構(gòu)廠房空間結(jié)構(gòu)復(fù)雜，為確保變形監(jiān)測的全面性，監(jiān)測范圍較廣，監(jiān)測點(diǎn)位較多。在這種情況下，全站儀測量作業(yè)耗時，傳感器所需數(shù)量較多且安裝困難。一些不確定因素，如溫度、振動等會對傳感器測量產(chǎn)生干擾，并且傳感器需要定期維護(hù)和校準(zhǔn)，這會增加測量難度和成本。攝影測量需要大量的圖像來覆蓋整個結(jié)構(gòu)，增加了數(shù)據(jù)處理的復(fù)雜性和時間成本，而且該技術(shù)受光照等因素的影響較大。監(jiān)測對象性質(zhì)、環(huán)境等因素會影響干涉測量信號的穩(wěn)定性和可靠性，增加監(jiān)測的難度。gps測量的精度易受天氣條件、周圍環(huán)境等不可控因素的影響(寧榮華et?al.,2023)，且在室內(nèi)空間無法使用(信號較差)。相比于上述測量技術(shù)而言，tls技術(shù)非常適合監(jiān)測大型復(fù)雜鋼結(jié)構(gòu)的變形。

3、tls技術(shù)屬于主動遙感技術(shù)，可以快速地產(chǎn)生被測物體表面非常密集的點(diǎn)云數(shù)據(jù)，具有非接觸性、高精度、高效率、覆蓋范圍廣、數(shù)據(jù)采集便捷等優(yōu)點(diǎn)(shen?et?al.,2023)，在建筑物三維重建(ochmann?et?al.,2019)、文化遺產(chǎn)保護(hù)(yang?et?al.,2022)、災(zāi)害測量(vetrivel?et?al.,2018)等方面發(fā)揮著巨大作用。

4、大型復(fù)雜鋼結(jié)構(gòu)構(gòu)件的幾何形狀包括但不限于平面狀、球狀、圓柱狀等。從大型復(fù)雜鋼結(jié)構(gòu)點(diǎn)云中準(zhǔn)確高效地提取和定位這些關(guān)鍵構(gòu)件對于結(jié)構(gòu)健康監(jiān)測和建模具有重要意義。

技術(shù)實(shí)現(xiàn)思路

1、為此，本發(fā)明所要解決的技術(shù)問題在于提供一種高效、自動、精確的基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法。

2、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

3、基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，包括如下步驟：

4、(1)數(shù)據(jù)采集與預(yù)處理；

5、(2)采用多連桿節(jié)點(diǎn)提取算法提取節(jié)點(diǎn)點(diǎn)云；

6、(3)采用構(gòu)建迭代收縮過濾和旋轉(zhuǎn)投影過濾算法分離球節(jié)點(diǎn)點(diǎn)云；

7、(4)基于最小二乘的全局搜索擬合算法準(zhǔn)確估計球心坐標(biāo)；

8、(5)運(yùn)用近鄰相似理論，構(gòu)建位移計算模型，實(shí)現(xiàn)大型鋼結(jié)構(gòu)的安全監(jiān)測；

9、(6)進(jìn)行精度評估。

10、上述基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，在步驟(1)中，在大型剛結(jié)構(gòu)現(xiàn)場布置測站點(diǎn)，采用地面激光掃描儀分期采集點(diǎn)云數(shù)據(jù)；

11、預(yù)處理的方法為：首先，使用地面激光掃描儀配套的軟件riscan?pro對不同測站之間的點(diǎn)云進(jìn)行配準(zhǔn)；然后，使用軟件cloudcompare將大型結(jié)構(gòu)點(diǎn)云中的網(wǎng)格點(diǎn)云和墻面點(diǎn)云分離出來，使用迭代最近點(diǎn)算法icp算法將第二期以后的墻面點(diǎn)云配準(zhǔn)到第一期墻面點(diǎn)云的坐標(biāo)系中，并記錄變換矩陣；最后，使用該變換矩陣將第二期以后的網(wǎng)格點(diǎn)云配準(zhǔn)到第一期網(wǎng)格點(diǎn)云的坐標(biāo)系中。

12、上述基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，在步驟(2)中，采用下采樣方法提取點(diǎn)云，包括如下步驟:

13、(2-1)基于原始點(diǎn)云craw構(gòu)建kd樹，基于下采樣后的點(diǎn)云csample構(gòu)建kd樹，并把pi∈csample,i＝1,2,…,n標(biāo)記為false；其中，craw代表原始點(diǎn)云，csample代表下采樣后的點(diǎn)云，n為csample中點(diǎn)的總數(shù)，pi為csample中第i個點(diǎn)；

14、(2-2)按順序選取一個標(biāo)記為false的點(diǎn)pi∈csample，以點(diǎn)pi為查詢點(diǎn)，router為搜索半徑，通過半徑搜索得到近鄰點(diǎn)集qnear，計算近鄰點(diǎn)集qnear中所有點(diǎn)到點(diǎn)pi的歐式距離，將該歐式距離>rinner的點(diǎn)保存到新的點(diǎn)集qshell；router和rinner的計算公式如下：

15、

16、其中，dminn為空間網(wǎng)格結(jié)構(gòu)中兩節(jié)點(diǎn)間的最小歐式距離，router為外半徑，rinner為內(nèi)半徑；

17、(2-3)對新的點(diǎn)集qshell進(jìn)行歐式聚類，rcluster為聚類半徑，ncluster為每類最少點(diǎn)數(shù)，clusters＝{clusteri|i＝1,2,…,m}為聚類結(jié)果；rcluster和ncluster的計算公式如下：

18、

19、其中，rminc為空間網(wǎng)格結(jié)構(gòu)中圓柱構(gòu)件半徑的最小值；dmins為采樣后的點(diǎn)云中兩點(diǎn)間最小歐式距離；(使用cloudcompare軟件內(nèi)置的空間下采樣方法對原始點(diǎn)云下采樣，該方法需要一個參數(shù)，此參數(shù)表示采樣后的點(diǎn)云中點(diǎn)與點(diǎn)的歐式距離最小為dmins；而dminn代表空間網(wǎng)格結(jié)構(gòu)中節(jié)點(diǎn)間的最小歐式距離。)

20、(2-4)如果m≤2，就將近鄰點(diǎn)集qnear中所有點(diǎn)標(biāo)記為true，并回到步驟(2-2)；

21、(2-5)根據(jù)ls原理將每個點(diǎn)簇都擬合為圓柱，并計算對應(yīng)的均方根差rmse；如果某個點(diǎn)簇的rmse≤0.03，則認(rèn)為該點(diǎn)簇呈圓柱狀，并將其中軸線l保存到中軸線集合cas＝{li|i＝1,2,…,k≤m}；

22、(2-6)采用異面直線虛擬交點(diǎn)的計算原理計算中軸線集合cas中夾角大于20°的兩兩中軸線的虛擬交點(diǎn)，并保存到虛擬交點(diǎn)集合(歐式聚類所得簇的數(shù)量為m，但形狀近似圓柱(rmse≤0.03)的簇(下面簡稱圓柱簇)的數(shù)量k一定小于或等于m；從這k個圓柱簇中任選兩個，共有種組合，但是符合兩圓柱簇中軸線夾角大于20°的組合數(shù)量t一定小于或等于)

23、(2-7)如果虛擬交點(diǎn)集合vps為空則回到步驟(2-2)，計算虛擬交點(diǎn)集合vps的質(zhì)心pcentroid；如果質(zhì)心pcentroid與虛擬交點(diǎn)質(zhì)心集合vpcs中其他質(zhì)心的歐式距離≤router，則回到步驟(2-2)；

24、(2-8)保存質(zhì)心pcentroid到虛擬交點(diǎn)質(zhì)心集合vpcs，并將csample中距離該質(zhì)心<0.9dminn的點(diǎn)標(biāo)記為true；

25、(2-9)以pcentroid為查詢點(diǎn)，按步驟(2-2)獲取新的qshell，按步驟(2-3)獲取新的clusters，根據(jù)ls原理將新的clusters中所有的點(diǎn)簇擬合為圓柱，確定圓柱最大半徑，該半徑將被作為迭代收縮過濾算法的輸入?yún)?shù)

26、(2-10)以pcentroid為查詢點(diǎn)，1.5rmaxs為搜索半徑，rmaxs為球形構(gòu)件半徑的最大值，通過半徑搜索得到近鄰點(diǎn)集，該點(diǎn)集即為節(jié)點(diǎn)點(diǎn)云。

27、上述基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，在步驟(3)中，步驟(2)獲取的節(jié)點(diǎn)點(diǎn)云分為常規(guī)節(jié)點(diǎn)點(diǎn)云和球節(jié)點(diǎn)點(diǎn)云兩種類型；需要從球節(jié)點(diǎn)點(diǎn)云中提取光滑的球面點(diǎn)云；

28、迭代收縮過濾算法為：輸入?yún)?shù)為節(jié)點(diǎn)點(diǎn)云cnode，最大迭代次數(shù)nisf，圓柱體最大半徑距離閾值dε；

29、算法過程：首先獲得節(jié)點(diǎn)點(diǎn)云cnode的副本點(diǎn)云cisf，記錄副本點(diǎn)云cisf的點(diǎn)數(shù)；然后利用ls算法擬合cisf為球，以(x,y,z)為球心坐標(biāo)，以r為球半徑，將cisf中距離球心≤r+dε的點(diǎn)重新保存到cisf，記錄cisf的點(diǎn)數(shù)；一直迭代收縮，直到前后兩次cisf點(diǎn)數(shù)不再變化或達(dá)到最大迭代次數(shù)為止；此時如果半徑則該節(jié)點(diǎn)點(diǎn)云cnode被識別為球形節(jié)點(diǎn)點(diǎn)云，從而過濾掉大部分常規(guī)節(jié)點(diǎn)點(diǎn)云；輸出最后一次迭代收縮的結(jié)果cisf，以cisf作為旋轉(zhuǎn)投影過濾算法的輸入數(shù)據(jù)。

30、上述基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，旋轉(zhuǎn)投影過濾算法：迭代收縮濾波算法isf過濾后的點(diǎn)云，首先復(fù)制一份輸入點(diǎn)云cisf，并將副本質(zhì)心化，然后把副本旋轉(zhuǎn)后再投影到xoy平面上，使用ls把副本擬合為圓并計算rmse，直到副本旋轉(zhuǎn)到指定角度為止，最后比較最小rmse與rmse閾值來判斷輸入點(diǎn)云對應(yīng)的節(jié)點(diǎn)點(diǎn)云cnode的類型。

31、上述基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，在步驟(4)中，基于最小二乘的全局搜索擬合算法：

32、輸入?yún)?shù)為：點(diǎn)云cisf，最大迭代次數(shù)nmax，標(biāo)準(zhǔn)偏差變化的閾值δσε；

33、獲得cisf的副本cgsf，將cgsf擬合為球，獲得球心(x,y,z)和半徑r并計算標(biāo)準(zhǔn)差σ；若標(biāo)準(zhǔn)差變化量大于δσε，清空cgsf并將cisf中到球面距離小于3倍標(biāo)準(zhǔn)差的點(diǎn)保存到cgsf；直到標(biāo)準(zhǔn)差變化量小于或等于δσε或達(dá)到最大迭代次數(shù)為止；cgsf為算法輸出點(diǎn)云。

34、上述基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，在步驟(5)中，位移計算模型，直接使用下式計算垂直位移和水平位移:

35、

36、其中，i?and?j代表不同期次的球節(jié)點(diǎn)中心，k為球節(jié)點(diǎn)中心編號，為垂直位移；為水平位移，為水平方向j期的球節(jié)點(diǎn)中心，為水平方向i期的球節(jié)點(diǎn)中心；為垂直方向j期的球節(jié)點(diǎn)中心；為垂直方向i期的球節(jié)點(diǎn)中心；

37、確定距離p最近的三個點(diǎn)(p1，p2，p3)，如果p的直接位移值大于另外三個點(diǎn),則重新按下式計算p的位移值，而p的位移方向不變；

38、

39、其中d1，d2和d3分別為p1，p2和p3的位移值。

40、上述基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，在步驟(6)中，采用節(jié)點(diǎn)提取率評價節(jié)點(diǎn)提取效果；

41、節(jié)點(diǎn)提取率ner的計算公式如下：

42、

43、其中，nnode為節(jié)點(diǎn)提取數(shù)量，nnode為空間網(wǎng)格結(jié)構(gòu)中節(jié)點(diǎn)總數(shù)。

44、上述基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，采用混淆矩陣評價節(jié)點(diǎn)分類效果；真正例tp被定義為將球形節(jié)點(diǎn)正確預(yù)測為球形節(jié)點(diǎn)的節(jié)點(diǎn)數(shù)量，假負(fù)例fn被定義為將球形節(jié)點(diǎn)錯誤預(yù)測為常規(guī)節(jié)點(diǎn)的節(jié)點(diǎn)數(shù)量，假正例fp被定義為將常規(guī)節(jié)點(diǎn)錯誤預(yù)測為球形節(jié)點(diǎn)的節(jié)點(diǎn)數(shù)量，真負(fù)例tn被定義為將常規(guī)節(jié)點(diǎn)正確預(yù)測為常規(guī)節(jié)點(diǎn)的節(jié)點(diǎn)數(shù)量；

45、生產(chǎn)者準(zhǔn)確率producer’s?accuracy，pa、用戶準(zhǔn)確率user’saccuracy，ua、總體準(zhǔn)確率overall?accuracy，po以及kappa系數(shù)kappa?coefficient，k的計算公式如下：

46、

47、其中，

48、根據(jù)權(quán)利要求1所述的基于tls技術(shù)的大型鋼結(jié)構(gòu)變形監(jiān)測方法，其特征在于，將均方根誤差root?mean?square?error，rmse作為定量指標(biāo)來評價最小二乘的全局搜索擬合算法gsf的擬合精度；

49、

50、其中，di為點(diǎn)到擬合球心的距離，rfit為擬合球的半徑。

51、本發(fā)明的技術(shù)方案取得了如下有益的技術(shù)效果：

52、(1)提出一種高效自動化節(jié)點(diǎn)點(diǎn)云提取方法。該方法結(jié)合最小二乘原理、歐式聚類以及異面直線有效估算節(jié)點(diǎn)位置及范圍。

53、(2)提出一種節(jié)點(diǎn)點(diǎn)云自動快速準(zhǔn)確的分類方法。該方法由迭代收縮過濾和旋轉(zhuǎn)投影過濾組成。迭代收縮過濾可簡化節(jié)點(diǎn)點(diǎn)云形狀，使得不同類型的節(jié)點(diǎn)點(diǎn)云差異更加明顯，同時保證球節(jié)點(diǎn)點(diǎn)云的完整性。旋轉(zhuǎn)投影過濾彌補(bǔ)了迭代收縮過濾的不足，進(jìn)一步精準(zhǔn)分離出球節(jié)點(diǎn)點(diǎn)云。

54、(3)提出一種球形節(jié)點(diǎn)精準(zhǔn)定位的方法。考慮到噪聲的負(fù)影響和非噪聲的正影響，本文提出一種基于最小二乘原理的全局搜索擬合算法用于準(zhǔn)確估計球節(jié)點(diǎn)中心。

55、(4)建立一種位移計算模型并對某大型鋼結(jié)構(gòu)進(jìn)行位移分析以評估其健康狀況。球形節(jié)點(diǎn)中心仍然會存在微小誤差，直接計算出的位移可靠性較低。所提模型顧及到了鋼結(jié)構(gòu)特點(diǎn)以及相鄰節(jié)點(diǎn)位移值差異較小的合理假設(shè)。

56、本技術(shù)提出一種使用多期點(diǎn)云數(shù)據(jù)對大型鋼結(jié)構(gòu)進(jìn)行變形監(jiān)測的高效、自動、精確的方法。該方法將球節(jié)點(diǎn)中心作為虛擬監(jiān)測點(diǎn)。所提方法的第一主要步驟是球節(jié)點(diǎn)的準(zhǔn)確定位，第二個主要步驟是基于近鄰相似性假設(shè)計算不同時期球節(jié)點(diǎn)的位移。三期網(wǎng)架點(diǎn)云數(shù)據(jù)被用于驗證所提方法的有效性。監(jiān)測到網(wǎng)架從2021年到2023年整體下沉了1.82cm，桁架單元穩(wěn)定性良好。與傳統(tǒng)方法相比，本文方法在效率上具有明顯的優(yōu)勢，且足以滿足精度要求，可實(shí)現(xiàn)快速準(zhǔn)確監(jiān)測鋼結(jié)構(gòu)形變。未來的工作應(yīng)嘗試實(shí)現(xiàn)所提方法的自適應(yīng)參數(shù)，并檢驗所提方法在其他類似大型鋼結(jié)構(gòu)中的適用性。其中，所提的mnem也可應(yīng)用于其他類似結(jié)構(gòu)，例如，樹干分叉點(diǎn)識別等。