大型钢结构建筑安装质量检测与变形监测
2025-02-20 浏览次数：123次
随着我国经济建设的不断进步,建筑市场的繁荣发展,近年来在全国各地新建了一大批的钢结构建筑。钢结构建筑就是以钢结构作为建筑物的框架,这些框架是由许多刚性构件拼接而成,建筑体量很大,设计非常复杂。在钢结构建筑的施工过程中,安装质量检测以及变形监测是其中的重要环节。快速正确评估钢架的拼接质量以及全面系统的掌握钢结构的变形趋势是施工的重要工作,对降低施工成本,**施工快速安全的完成具有重要的意义。由于整体钢结构是刚性构件,若评估检测与变形监测不准确,往往会引发工程事故,造成工程的延期,浪费人力与物力成本。然而钢结构建筑往往没有固定特征,构件的数量非常多,施工过程中的质量检测与变形监测非常复杂,必须采用一种快速密集的检测方法保证施工过程的顺利进行。传统的钢结构建筑物安装检测和变形监测手段主要通过全站仪观测部分钢结构特征部位,通过与设计模型数据对比,检验钢件的焊接质量与变形信息,工作周期长、检测密度不足难以实现直观全面的检测,无法满足钢结构建筑施工过程中的安装检测与健康监测的需求。近年来出现了许多先进的技术手段应用于钢结构质量安装检测和变形监测,其中代表性的是三维激光扫描测量方法。三维激光扫描能通过大范围密集扫描快速获取点云数据,对扫描数据进行处理得到需要的检测结果,快速全面的完成安装质量检测与变形监测任务。三维激光扫描后期处理得到的数据虽然可精度高、速度快,但是针对钢结构点云数据处理的配套软件不足。现在广泛应用的几种点云数据处理软件如Leica Cyclone、Geomagic、Trimble Realworks、Innov Metric Polyworks、Imageware等,有着各自不同的算法特点。但是这些软件并非为处理钢结构点云数据而设计,处理效率不能满足需求。本文针对钢结构建筑扫描点云处理需求,设计开发基于钢结构建筑点云数据的安装质量检测与变形监测软件系统。本文的研究内容如下:(1)自动提取钢结构端口点云特征角点算法。通过点云数据划分、邻域搜索、主成分分析(PCA)等方法求出每个点的法向量属性信息,通过属性信息的聚类汇总对点云数据进行分割,求出各端口平面的方程,计算出端口的特征角点坐标。(2)交互式提取钢结构端口点云特征角点方法。通过交互选出每个特征平面的点云,进行特征平面重建,计算平面交点,求出特征角点坐标。(3)三维激光扫描测量技术对接安装检测方法,利用高精度的地面激光雷达采集钢结构建筑施工过程中的数据,使用特征信息提取功能模块提取检测信息,对检测信息进行偏差分析,以图表的形式输出。(4)基于特征的地面激光雷达变形监测方法,通过计算每期点云数据的特征点、特征面等信息,与不同期数据或者设计模型坐标进行比较分析,根据需求设计灵活多变的监测方法,获得钢结构建筑物的变形情况。(5)研究基于整体点云数据的变形分析方法,主要研究了基于Hausdorff距离的点到点直接比较分析方法,基于点到三角网格的空间距离比较分析方法(采用Delaunay三角剖分构网),对整体的变形情况进行计算,剖分、量测获得变形量,获取钢结构建筑的整体变形趋势。(6)在以上研究内容的基础上,通过自动计算端口点云特征角点坐标方法与交互式提取特征角点方法、偏差数据分析方法、图表导出等基础功能,实现安装检测数据处理模块。通过自动计算端口点云特征角点坐标方法与交互式提取端口点云特征角点方法、特征平面重建等基础功能实现特征变形监测数据处理模块。通过不同的整体分析对比算法对点云数据进行变形分析,剖切量测出整体的变形情况数据,生成变形趋势分析图,实现整体变形监测功能模块。论文在Visual Studio 2013开发平台下,使用Direct3D三维图形库渲染和C++编程语言设计开发,数据库采用Postgre SQL开源数据库。开发出钢结构建筑点云安装检测与变形监测数据处理系统,以钢结构点云作为基础数据,实现K-D树数据划分、法向量的估计、平面点云分割,特征平面重建等基础算法,在此基础上实现方形钢架拼接检测中特征点(外角点)的自动提取方法与交互式提取方法、对接偏差分析、整体变形分析、数据存储与导出、图表生成等功能,通过一系列的实验验证了该系统的有效性和算法的可行性。
jstfgc.b2b168.com/m/
jstfgc.b2b168.com/m/