基于AI时序判别的节段梁线形自适应校准与异常检测方法与流程
本发明属于节段预制桥梁智能施工监控,尤其涉及基于ai时序判别的节段梁线形自适应校准与异常检测方法。
背景技术:
1、现有短线匹配节段预制线形监控采用标准化施工流程,分为两大阶段。在理论坐标预计算阶段,依据桥梁设计线形、预拱度、桥面横坡参数等构建节段局部坐标系,求解节段顶面基准控制点理论局部坐标,通过局部-整体坐标刚性转换,得到各控制点理论整体坐标,作为现场线形控制基准。在现场实测与偏差修正阶段,每一节段浇筑完成后,采用全站仪采集匹配段控制点、新浇筑段控制点、固定端模顶边测点;利用坐标转换模型拟合匹配段实测与理论坐标偏差,换算得到新浇筑节段实际整体坐标,拟合梁端实际轮廓线,作为下一节段匹配基准,逐节迭代完成全桥线形控制。
2、然而,现有技术存在如下缺陷:
3、其一,实测数据无自动甄别机制,异常数据人工筛查效率低。现场测量易受遮挡、瞬时温度、仪器偶然漂移、人工读数失误、测点污损等因素影响,产生跳变、偏离、缺失的异常坐标数据;传统方案依靠技术人员人工分析核对三维坐标偏差,数据筛查耗时久且人工判别标准不统一,易漏判、误判异常值。
4、其二,异常数据直接参与坐标拟合,放大线形累积偏差。若未处理异常实测数据,异常值将直接参与坐标转换拟合计算,导致转换矩阵失真,推算出的梁段实际空间姿态存在明显错误,后续节段线形偏差持续累积,出现拼接错台、预拱度不达标等质量问题。此外,若直接剔除过多异常测点,可能导致基础数据不足,无法得到唯一转换矩阵或矩阵畸变,影响线形控制效果。
5、其三,难以区分偶然测量粗差与系统性线形偏差。传统偏差判定方式难以识别多节段持续同向累积的线形偏差,无法对偏差成因进行自动分类研判,不能及时对台座、模板、匹配梁形变提前预警,不利于线形偏差源头管控。
6、其四,数据处理依赖专业技术人员,标准化程度低。数据甄别、清洗、修正全凭技术员经验,不同班组、不同人员判别标准差异大,无法形成统一、可复用的自动化监测管控流程,不利于节段预制数字化、标准化施工。
7、因此,亟需一种能够在不改变现有预制施工工序条件下,自动甄别实测异常数据、精准区分偶然粗差与系统性线形偏差、保障少量测点条件下平差稳定性的节段梁线形自适应校准与异常检测方法。
技术实现思路
1、本发明的目的是提供基于ai时序判别的节段梁线形自适应校准与异常检测方法,解决传统短线节段预制监控流程缺少实测数据自动甄别手段、异常数据人工筛查效率低、异常值干扰线形拟合精度、无法自动区分偶然粗差与系统偏差、数据处理标准化不足的问题。本发明完整保留现有成熟的节段理论坐标计算、控制点实测采集、坐标拟合迭代修正常规施工流程,创新增设四层递进式自动数据甄别模块,结合几何自洽校验、稳健m估计平差实现粗差自适应抑制,全程保留全部测点参与计算;搭配分级权重处置与双工况成果比对,结合ai智能偏差判别,通过量化数学公式统一判别标准,自动清洗实测数据、精准区分偶然粗差与系统线形偏差,提升节段线形计算稳定性与准确度,降低人工数据处理工作量。
2、为实现上述目的,通过如下技术方案实现:
3、本发明提供了基于ai时序判别的节段梁线形自适应校准与异常检测方法,包括以下步骤:
4、s1、依据桥梁设计线形、预拱度及横坡参数,构建节段梁局部坐标系,确定节段梁监控控制点的局部理论坐标;通过空间刚性坐标转换,得到各节段梁监控控制点在整体坐标系下的理论坐标,作为线形评判基准;
5、s2、节段梁浇筑成型后,采集匹配节段梁、新浇筑节段梁及固定端模对应的多测点三维实测坐标,构建原始实测数据集;
6、s3、对所述原始实测数据集开展四层递进式实测数据自动甄别,依次执行几何自洽粗差初筛、稳健迭代空间平差、可疑测点标识与复核、分级差异化测点处置;所述几何自洽粗差初筛基于节段梁体固有几何约束识别极端粗差,仅标记预警不删除测点;所述稳健迭代空间平差结合所述线形评判基准中匹配节段梁对应的理论坐标,实现测点自适应权重分配且全部测点参与平差计算;所述分级差异化测点处置针对成因不明测点,并行执行两套平差计算得到双工况成果,所述双工况中工况a为含可疑测点且按稳健自适应权重加权的平差,工况b为含可疑测点且等权处理的平差;计算双工况解算所得新浇筑节段梁梁端特征坐标的带符号差值,随节段预制推进形成双工况差值时序序列并输入时序智能分类模型,区分偶然测量粗差与系统性线形偏差;
7、s4、对经过甄别后的全部测点,自动标注极端粗差测点、正常有效测点、系统偏差特征测点三类标签;
8、s5、依据标注的三类标签分别开展数据分流处理与线形迭代修正;循环执行步骤s1—s5,全部节段梁以预设基准节段梁为统一基准进行位置回溯管控,对全桥节段梁进行线形控制。
9、作为优选的实施方式,步骤s1中,以直代曲离散生成节段梁中心线多段线,以固定端模侧节段梁节点、匹配面节段梁节点构建节段梁局部坐标系;计算节段梁顶面基准控制线方程,沿控制线向内偏移固定距离得到各节段梁监控控制点,并求解局部理论坐标。
10、作为优选的实施方式,步骤s3中,所述几何自洽粗差初筛具体包括:
11、校验控制点之间的空间间距偏差、节段梁顶面测点共面偏差、固定端模梁端测点共线偏差;当任意两控制点实测间距与理论标准间距差值、测点平面垂直距离、梁端测点直线垂距中的任意一项大于10倍规范允许线形偏差时,判定为极端粗差测点并仅作标记预警,保留于原始实测数据集中参与后续平差;其中,共面偏差校验采用对节段梁顶面全部测点拟合最小二乘平面并计算各测点至节段梁顶面的垂距,共线偏差校验采用对固定端模梁端测点拟合空间直线并计算各测点垂距;当同一节段梁中标记的极端粗差测点数量超过测点总数的预设比例时,判定本节段测量批次整体异常,触发整批复测流程而不进入稳健迭代空间平差。
12、作为优选的实施方式,所述几何自洽粗差初筛还包括固定端模姿态反演校验:由固定端模顶边测点实测坐标拟合空间直线,计算坐标拟合空间直线相对端模理论轴线的空间姿态偏差角;当姿态偏差角连续多个节段呈同向增大趋势时,判定固定端模发生缓慢位移或倾斜,输出端模校核预警并将端模姿态修正参数纳入步骤s5的工装调整参数回写范围。
13、作为优选的实施方式,步骤s3中,所述稳健迭代空间平差为稳健m估计三维helmert空间迭代平差,以匹配节段梁全部实测控制点坐标以及线形评判基准中匹配节段梁对应的理论整体坐标作为输入,引入huber损失函数,迭代求解七参数坐标转换矩阵并更新各测点自适应权重;迭代收敛条件为相邻两次迭代测点权重的最大差值小于收敛阈值;所述自适应权重更新中,huber损失函数的调节参数依据各测点残差的中位数绝对偏差进行自适应标定,使调节参数随不同节段、不同测量批次的残差分布水平自动调整,无需针对每个梁场人工设定固定阈值;对经过人工复核确认为观测操作失误的偶然粗差测点,赋予极小权重保留参与平差计算,并记录测点异常备注与复测合格坐标。
14、作为优选的实施方式,还包括ai判别结果对稳健迭代空间平差的反馈修正步骤:当所述时序智能分类模型输出系统偏差概率大于等于预设阈值时,将对应可疑测点在下一节段平差迭代中的初始权重由等权改为按其历史自适应权重的滑动均值设置,并对huber损失函数调节参数按可疑测点历史残差中位数绝对偏差的修正值重新标定,使平差定权策略随ai时序判别结论动态闭环调整。
15、作为优选的实施方式,步骤s3中,所述可疑测点标识与复核具体包括:
16、将迭代后自适应权重低于预设临界阈值的测点标记为可疑观测测点,同步调取测量时段环境温度、测点遮挡记录、仪器校准日期、振捣作业时间、棱镜安置照片,推送至现场人员进行复测补采或者异常成因判定;其中环境温度、振捣作业时间依据时间戳关联索引自动匹配调取,形成可疑测点与多维作业证据链的联动复核记录;当同一梁场内连续多个节段在相同测点位置反复出现可疑观测标记时,将测点位置判定为疑似测点布设缺陷或工装干扰位置,输出测点布设复核建议,与单次偶然粗差的可疑测点相区分。
17、作为优选的实施方式,步骤s3中,人工复核确认属于观测操作失误的偶然粗差测点,赋予极小权重参与平差计算;所述梁端特征坐标包括梁端拟合轮廓线上的两侧测点坐标、梁端中点坐标及梁端轮廓线方向向量;所述双工况差值时序序列中每一节段样本为由工况a与工况b分别解算的同一梁端特征坐标分量差值按节段顺序排列构成的差值向量,用于表征可疑测点对线形解算结果的影响随节段推进的演化趋势。
18、作为优选的实施方式,当双工况差值时序序列呈随机跳变、无持续性趋势时,表征可疑测点属单次测量偶然粗差;当双工况差值时序序列呈同号累积或渐增趋势时,表征台座沉降、模板磨损或匹配梁形变引起的系统性线形偏差;所述时序智能分类模型以差值时序序列的演化特征为学习对象进行二分类判别。
19、作为优选的实施方式,所述时序智能分类模型为一维cnn时序ai分类模型;截取连续前三节段梁的双工况差值构建时序样本输入一维cnn时序ai分类模型,进行卷积特征提取并经softmax归一化分类输出层处理,同步输出偶然粗差概率与系统偏差概率,偶然粗差概率与系统偏差概率满足归一约束;一维卷积层的卷积核长度不大于3,并对时序样本两端进行补零处理,使卷积输出特征序列长度与输入时序样本长度保持一致,用于捕捉连续三节段差值序列中的跳变与累积特征;所述一维cnn时序ai分类模型的参数量控制在预设规模以内,支持在梁场边缘计算设备上部署并实现单节段判别的实时响应。
20、作为优选的实施方式,所述一维cnn时序ai分类模型配置两种工作模式,具体包括:
21、当积累足量节段梁线形偏差时序样本时,采用梁场历史时序数据集离线训练并固化网络参数;在建场初期缺少完备历史样本条件下,采用工程经验预设初始参数投入判别,并随预制节段梁持续生产采集新增时序样本,周期性开展网络参数增量迭代微调;
22、当偶然粗差概率大于等于0.7时判定为单次测量偶然粗差,推送复测提示;当系统偏差概率大于等于0.7时判定为台座、匹配节段梁或模板产生的持续累积系统性偏差,输出工装检查调整预警清单,并生成两套转换矩阵、两套节段梁整体坐标、两套梁端拟合轮廓线以及ai偏差分类概率对比报告。
23、作为优选的实施方式,所述网络参数增量迭代微调采用样本加权策略:将历史上经人工复核确认判别结论正确的样本赋予高采样权重,将ai判别与人工复核结论不一致的样本作为难分样本提高其在增量微调中的损失权重,且增量微调仅在夜间非生产时段于边缘计算设备本地执行,微调后的网络参数经留出的最近节段样本验证准确率不低于微调前方可生效。
24、作为优选的实施方式,还包括多梁场协同训练步骤:将各梁场经脱敏处理的双工况差值时序样本与对应判别结论汇聚,以各梁场数据分布差异为约束进行联邦式参数聚合,得到跨梁场基础模型;单个新建梁场以所述跨梁场基础模型为初始参数,再以本梁场少量样本进行本地微调,替代工程经验预设初始参数的冷启动模式。
25、作为优选的实施方式,还包括基于双工况差值时序序列的工装形变定位与分级预警步骤:对判定为系统性线形偏差的双工况差值序列,统计其同号累积方向在梁端特征坐标各分量上的分布,依据梁端两侧测点竖向分量累积为主判定台座不均匀沉降,依据梁端轮廓线方向向量横向分量累积为主判定模板侧向磨损,依据梁端中点沿节段推进方向分量累积为主判定匹配梁形变;并按双工况差值累积速率划分轻、中、重三级预警等级,分别对应加密观测、停机检查与工装调校后基准回写处置,输出带形变来源标注与预警等级的工装诊断清单。
26、作为优选的实施方式,所述时序智能分类模型的输入除双工况差值时序序列外,还融合可疑测点复核记录中按时间戳关联调取的环境温度变化量与振捣作业时长作为辅助特征通道,各通道按节段顺序对齐拼接后输入一维卷积层,使分类模型在差值形态特征基础上联合利用施工过程诱因特征进行偶然粗差与系统性偏差的判别。
27、作为优选的实施方式,步骤s4中所述三类标签均附带置信度,所述置信度由几何自洽校验偏差倍数、平差自适应权重值与ai分类概率三者按预设权重融合计算得到;对置信度低于预设下限的测点自动挂起标签判定并优先推送复测,对置信度高于预设上限的测点直接进入分流处理,实现标签标注与复核资源的分级调配。
28、作为优选的实施方式,步骤s5中,所述数据分流处理与线形迭代修正具体包括:
29、对所述极端粗差测点权重弱化保留参与平差并输出复测提示;对所述正常有效测点利用平差收敛的坐标转换关系解算新浇筑节段梁整体坐标并拟合梁端轮廓作为下一节段梁匹配基准;对所述系统偏差特征测点输出工装异常预警,并在工装检查调整完成后,将调整后的台座、模板参数回写至步骤s1的线形评判基准,形成闭环线形管控;所述闭环线形管控还包括:将各节段梁的ai偏差分类概率、双工况差值及工装调整记录存入梁场线形数据库,作为后续节段时序智能分类模型的训练样本与工装健康状态评估的数据来源,实现随预制进程持续自增强的线形管控。
30、作为优选的实施方式,所述梁场线形数据库还用于构建工装健康度指标:以台座、模板、匹配梁各自关联的系统偏差事件次数、双工况差值累积速率及工装调整后差值回落幅度为输入,按工装类型分别计算健康度评分并按节段预制进度滚动更新,当任一工装健康度评分低于预设阈值时,在后续节段中将工装关联测点的可疑判定阈值相应收紧。
31、作为优选的实施方式,步骤s2之后、步骤s3之前还包括测量数据质量预评分步骤:依据本次测量批次中各测点采集时的温度区间、测点遮挡标记数、仪器距上次校准天数及前序节段同位置可疑标记次数,计算批次测量质量评分;当评分低于预设阈值时,本批次数据仅执行几何自洽粗差初筛与可疑测点标识复核,暂缓稳健迭代空间平差与ai时序判别,待复测合格后重新进入四层甄别流程。
32、作为优选的实施方式,步骤s2中采集三维实测坐标时同步记录各测点测量时刻的环境温度,在步骤s3稳健迭代空间平差之前,依据节段梁混凝土线膨胀系数与测点相对梁端距离对各测点坐标施加温度时变改正,改正量随测量时刻温度相对基准温度的偏差线性计算,温度改正后的坐标再参与几何自洽校验与平差解算。
33、因此,相比于现有技术,本发明采用上述基于ai时序判别的节段梁线形自适应校准与异常检测方法,具有的有益效果为:
34、(1)实现监测数据自动化甄别,提升数据处理效率:系统自动完成几何校验、稳健迭代计算、测点分级标记、时序偏差智能分析,替代人工核查测点数据,形成自动化处理链路,提升批量节段预制的数据处理效率。
35、(2)保障少量测点条件下线形计算稳定性,提高线形控制精度:采用分级权重弱化异常测点影响,提升转换矩阵可靠性;一维cnn时序模型能够识别渐进式累积线形偏差,及时预警工装形变,有效抑制全梁线形累积误差,减少梁段拼接错台、预拱度偏差等质量问题。
36、(3)实现偏差成因自动分类研判,指导现场精准处置:通过人工智能模型区分偶然测量误差与工装系统形变偏差,分别推送复测提示或工装调整建议,实现异常问题精准处置。
37、(4)工艺兼容性良好,落地改造成本低:可直接适配现有短线匹配预制生产线,无需更换预制台座、全站仪等硬件设备,仅通过软件程序嵌入整套计算逻辑即可部署实施,便于在既有梁场推广应用。
38、(5)全过程数据可追溯,满足信息化施工要求:全流程原始观测数据、中间计算结果、ai判别记录完整留存,计算逻辑清晰,可形成标准化数字化监控档案,适配桥梁工程信息化验收、全生命周期线形质量追溯需求。
39、应当理解, 技术实现要素: 部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征,亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com