基于深度学习的桥梁结构健康实时监测与损伤预警方法与流程

摘要: 本发明属于桥梁结构健康监测,具体而言,涉及基于深度学习的桥梁结构健康实时监测与损伤预警方法。背景技术:1、目前桥梁结构健康监测通常通过在桥梁各截面处布设传感器,...
基于深度学习的桥梁结构健康实时监测与损伤预警方法与流程

本发明属于桥梁结构健康监测,具体而言,涉及基于深度学习的桥梁结构健康实时监测与损伤预警方法。

背景技术:

1、目前桥梁结构健康监测通常通过在桥梁各截面处布设传感器,采集结构响应数据,通过将监测参数与预设阈值进行比较来触发预警。

2、现有技术如申请号为202411239277.x的中国发明专利申请公开的一种桥梁结构健康监测与预警系统,通过部署多种传感器覆盖桥梁关键结构,根据桥梁实际情况设定个性化安全阈值和预警等级,虽设定了个性化安全阈值,本质仍属于阈值对比。

3、现有技术又如申请号为202610609180.6的中国发明专利申请公开的一种桥梁结构健康监测预警系统,虽进一步利用云端下发的动态基线表和实时温湿度数据动态矫正热应变预期值及其误差区间,并通过残差是否超出误差区间来触发预警,即将静态预设阈值升级为动态矫正后的阈值,但仍属于阈值比较。

4、上述阈值比较方法在温度矫正后,其残差中仍包含卸载后可完全恢复的弹性响应与卸载后残留永久偏移量的塑性残余这两种不同的分量,前者不指示损伤,后者指示结构已发生不可逆塑性变形,并且在车辆荷载连续作用下,单次车辆过桥事件产生的塑性残余量极小,且下一次车辆荷载事件紧随而至,无法通过静置等待应变完全恢复后再进行判别。

5、综上所述,阈值比较法仅以残差幅值是否超过阈值为判据,无法区分卸载后可恢复的弹性响应与不可逆塑性残余,且在连续车辆荷载下难以通过静置获得塑性残余基准,因而无法及时可靠地识别不可逆损伤并进行预警。

技术实现思路

1、鉴于此,为解决上述问题,现提出基于深度学习的桥梁结构健康实时监测与损伤预警方法。

2、本发明的目的可以通过以下技术方案实现:本发明提供了基于深度学习的桥梁结构健康实时监测与损伤预警方法,该方法包括:获取各测点在每次车辆过桥事件的应变时程和车辆荷载时程,提取车辆上桥至首个局部应变峰值点的时段作为加载段。

3、将加载段的应变时程和车辆荷载时程及各测点历史累计塑性残余输入预训练深度学习网络,输出当前车辆过桥事件的弹性应变分量和塑性残余增量,并更新历史累计塑性残余。

4、根据塑性残余增量计算塑性残余主应变方向角,构建测点方向角时序,将弹性应变分量与车辆荷载之比作为柔度系数,构建测点柔度系数时序。

5、对方向角时序进行圆统计,若统计结果满足方向角一致性条件,则判定该测点方向锁定。

6、按测点空间位置和结构传力路径构建邻接关系,若相邻方向锁定测点形成连通区域,则判断该连通区域内各测点的柔度系数时序是否同向变化,若是,则将该区域作为损伤位置并预警。

7、相较于现有技术,本发明的有益效果如下:(1)本发明通过利用深度学习网络对加载段应变时程与车辆荷载进行联合处理,将加载段的总应变增量分离为弹性应变分量与塑性残余增量。解决了现有阈值比较法无法区分可恢复弹性响应与不可逆塑性残余的问题,避免了弹性响应波动与温度残差对损伤判据的干扰,从而进一步提高了桥梁损伤预警的及时性和准确性。

8、(2)本发明利用多次车辆过桥事件下塑性残余主应变方向角构建时序,通过圆统计判定方向角是否趋向一致,并以方向一致性替代幅值超限作为判定依据,使得单次事件塑性残余极小条件下仍可识别不可逆塑性变形方向,无需依赖单次事件的塑性残余,从而实现了在车辆连续通行条件下对不可逆塑性变形方向的持续追踪,同时也无需中断交通或等待静置期,保障了追踪的时效性。

9、(3)本发明基于按测点空间位置与结构传力路径构建邻接关系,并在相邻方向锁定测点形成连通区域后,通过核验该区域内柔度系数时序是否同向增大,排除了单点方向一致性中的局部应力集中或传感器漂移等非损伤因素,实现了将单点方向一致性扩展为空间连通性与刚度持续退化的双重确认,从而有效降低了预警误报率。

1.基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于,该方法包括:

2.如权利要求1所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:所述预训练的深度学习网络包括应变荷载特征提取层、弹性响应输出分支和塑性残余输出分支,其中:

3.如权利要求2所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:预训练的深度学习网络通过以下方式训练得到:

4.如权利要求3所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:所述训练标签通过以下方式生成:

5.如权利要求1所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:根据塑性残余增量计算主应变方向角的具体方式为:对于每测点,获取深度学习网络输出的三向应变花各方向的塑性残余增量,按三向应变花主应变方向计算公式,计算得到各测点的塑性残余主应变方向角。

6.如权利要求1所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:对方向角时序进行圆统计,若统计结果满足方向角一致性条件,则判定该测点方向锁定,具体包括:

7.如权利要求1所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:所述按测点空间位置和结构传力路径构建邻接关系的具体构建过程为:

8.如权利要求1所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:所述连通区域按照以下规则设定:

9.如权利要求1所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:所述判断该连通区域内各测点的柔度系数时序是否同向变化的具体判断过程为:

10.如权利要求1所述的基于深度学习的桥梁结构健康实时监测与损伤预警方法,其特征在于:该方法还包括: