致谢 | 第4-6页 |
摘要 | 第6-8页 |
Abstract | 第8-9页 |
1 绪论 | 第13-26页 |
1.1 研究目的及意义 | 第13-14页 |
1.2 桥梁健康监测研究和发展现状 | 第14-17页 |
1.2.1 桥梁健康监测 | 第14-15页 |
1.2.2 桥梁健康监测的研究重点 | 第15-17页 |
1.3 桥梁健康监测系统及热点监测技术 | 第17-21页 |
1.3.1 桥梁健康监测系统 | 第17-18页 |
1.3.2 热点监测技术 | 第18-21页 |
1.4 基于机器视觉的结构健康监测技术研究进展 | 第21-24页 |
1.4.1 土木工程领域中的机器视觉算法及方法 | 第21页 |
1.4.2 视觉系统测量误差评估与降低策略方案 | 第21-22页 |
1.4.3 结构位移、转动和倾斜监测 | 第22页 |
1.4.4 结构应变应力监测 | 第22页 |
1.4.5 结构振动监测及动力特性识别 | 第22-23页 |
1.4.6 裂缝监测与结构状态评估 | 第23页 |
1.4.7 机器视觉与其他传感技术融合 | 第23页 |
1.4.8 小结 | 第23-24页 |
1.5 本文构思与研究思路 | 第24-26页 |
2 基于机器视觉的结构动态位移监测方法及试验研究 | 第26-48页 |
2.1 引言 | 第26-28页 |
2.2 基于机器视觉的多点结构动态位移监测方法 | 第28-35页 |
2.2.1 基于灰度模板匹配(GPM)算法的多点位移监测方法 | 第28-31页 |
2.2.2 基于颜色模板匹配(CPM)算法的多点位移监测方法 | 第31-32页 |
2.2.3 基于均值漂移追踪(MST)算法的多点位移监测方法 | 第32-35页 |
2.3 试验研究 | 第35-47页 |
2.3.1 实验室三层钢架振动试验——不同算法对比 | 第35-43页 |
2.3.2 昌运桥成桥荷载试验位移影响线监测 | 第43-47页 |
2.4 本章小结 | 第47-48页 |
3 基于机器视觉的结构振动监测与动力特性识别 | 第48-65页 |
3.1 引言 | 第48页 |
3.2 基于机器视觉的结构动力特性识别 | 第48-51页 |
3.2.1 基于位移时程信号的结构模态识别方法 | 第48-50页 |
3.2.2 不等间隔采样频域分析方法 | 第50-51页 |
3.3 试验验证 | 第51-63页 |
3.3.1 简支梁模态参数确定 | 第51-60页 |
3.3.2 竖杆模态参数确定 | 第60-63页 |
3.4 本章小结 | 第63-65页 |
4 基于机器视觉的钢缆索索力监测 | 第65-75页 |
4.1 引言 | 第65-67页 |
4.2 基于机器视觉的钢缆索内力测量方法 | 第67-68页 |
4.3 基于机器视觉的索力监测试验验证 | 第68-73页 |
4.3.1 钢筋张拉试验 | 第68-69页 |
4.3.2 钢丝绳张拉试验 | 第69-70页 |
4.3.3 平行钢绞线束张拉试验 | 第70-71页 |
4.3.4 拱桥缩尺模型吊索索力测试试验 | 第71-73页 |
4.4 本章小结 | 第73-75页 |
5 系统性能评估与影响因素分析 | 第75-94页 |
5.1 引言 | 第75-76页 |
5.2 环境照度对系统性能及误差的影响 | 第76-81页 |
5.2.1 采用二维码作为监测目标 | 第76-79页 |
5.2.2 采用发光二极管作为监测目标 | 第79-80页 |
5.2.3 本节小结 | 第80-81页 |
5.3 相机倾角对系统性能及误差的影响 | 第81-82页 |
5.4 水气对系统性能及误差的影响 | 第82-87页 |
5.4.1 采用二维码作为监测目标 | 第82-84页 |
5.4.2 采用红外发射管作为监测目标 | 第84-87页 |
5.4.3 本节小结 | 第87页 |
5.5 环境振动对系统性能及误差的影响 | 第87-92页 |
5.5.1 风致相机振动 | 第88-90页 |
5.5.2 地面振动引起的相机振动 | 第90-92页 |
5.5.3 本节小结 | 第92页 |
5.6 本章小结 | 第92-94页 |
6 结论与展望 | 第94-96页 |
6.1 主要工作及结论 | 第94-95页 |
6.2 有待进一步研究的问题 | 第95-96页 |
参考文献 | 第96-104页 |
作者简历 | 第104-106页 |