一种基于工业数据分析的交通设施病害演化预测方法及系统与流程

本发明涉及工业数据分析，具体涉及一种基于工业数据分析的交通设施病害演化预测方法及系统。

背景技术：

1、交通设施在长期服役过程中，各关键结构部位通过力学传递路径相互关联。当某部位进入病害萌生初期时，其承载能力的微小变化通过内力重分配影响相邻部位，形成级联演化效应。

2、现有工业数据分析方法通常对各监测点独立执行退化趋势追踪，以获取各部位的退化状态评估结果。

3、然而，上述方法存在以下技术问题：一方面，病害萌生初期的退化信号极其微弱，易被环境噪声和交通荷载随机波动淹没，常规方法难以可靠检出早期病害特征；另一方面，各监测点独立预测忽略了跨部位的因果级联传递关系，无法预判某部位出现早期病害信号后何时触发邻近部位的退化加速，导致养护决策缺少对病害级联传播时序的前瞻性判断。

技术实现思路

1、本发明提供一种基于工业数据分析的交通设施病害演化预测方法及系统，解决相关技术中无法有效捕捉交通设施多监测点间病害级联传播规律、难以输出耦合病害演化预测轨迹及级联触发时间置信区间的技术问题。

2、本发明公开了一种基于工业数据分析的交通设施病害演化预测方法，包括：对各监测点传感器数据执行小波包分解，生成多层级子带能量系数矩阵；

3、基于参考期统计特性筛选退化敏感子带，对退化敏感子带施加信噪比加权，生成各监测点的加权增强病害退化梯度标量序列；

4、在滑动窗口内计算监测点间格兰杰因果统计量，生成时变有向因果图序列；

5、利用贝叶斯在线变点检测算法识别所述时变有向因果图序列的结构突变点，标记级联触发事件；

6、对历史级联触发事件执行密度聚类，生成病害级联触发规则库；

7、基于当前监测状态与所述病害级联触发规则库执行前向级联链路模拟，输出耦合病害演化预测轨迹及级联触发事件预计发生时间的置信区间。

8、进一步地，所述对各监测点传感器数据执行小波包分解，生成多层级子带能量系数矩阵，包括：获取交通设施各关键结构部位多监测点传感器的连续动态监测数据，所述动态监测数据包括应变、位移、振动加速度中的一种或多种指标；按固定时间窗口对所述监测数据进行分段截取；对每个监测点每个窗口的数据片段执行小波包分解至预设最大层级，生成覆盖全频带的多层级子带能量系数矩阵，其中所述多层级子带能量系数矩阵的行维度对应时间窗口序号，列维度对应子带编号，所述预设最大层级的取值范围为3至6层。

9、进一步地，所述基于参考期统计特性筛选退化敏感子带，包括：基于各监测点历史无病害参考期的多层级子带能量系数矩阵，计算各子带的基线均值和基线方差值；对当前监测期内各子带能量值，将其与对应子带基线均值的偏差除以基线标准差，获得各子带的标准化偏离度；筛选标准化偏离度超过自适应阈值的子带，形成退化敏感子带集合；其中，所述自适应阈值基于参考期内各子带标准化偏离度的统计分布确定，选取处于高分位的偏离度值作为阈值边界。

10、进一步地，所述对退化敏感子带施加信噪比加权，生成各监测点的加权增强病害退化梯度标量序列，包括：对所述退化敏感子带集合中的子带计算相邻窗口间的能量差分；对每个退化敏感子带，计算该子带在参考期内的能量波动标准差作为噪声估计量，计算当前监测期内该子带的能量差分幅值作为信号估计量，信噪比权重，其中为退化敏感子带序号；各监测点在第个时间窗口的加权增强病害退化梯度标量，其中为当前退化敏感子带总数；对各监测点的加权增强病害退化梯度标量序列采用z-score标准化处理，使各监测点的序列具有统一的零均值和单位方差。

11、进一步地，所述在滑动窗口内计算监测点间格兰杰因果统计量，生成时变有向因果图序列，包括：对所有监测点的加权增强病害退化梯度标量序列组成的多维时间序列，在滑动窗口内计算监测点两两之间的格兰杰因果统计量，输出方向性因果统计量及对应显著性水平；仅保留显著性水平低于预设显著性阈值的有向边，生成时变有向因果图序列；其中，每个节点对应一个监测点，有向边从因果源监测点指向受影响监测点，边权重为对应的格兰杰因果统计量值，滑动窗口的步长小于窗口长度。

12、进一步地，所述利用贝叶斯在线变点检测算法识别所述时变有向因果图序列的结构突变点，标记级联触发事件，包括：以所述时变有向因果图序列中各有向边权重随时间变化的序列作为输入，通过贝叶斯在线变点检测算法输出各时刻的变点后验概率；将变点后验概率超过预设概率阈值的时刻判定为结构突变点；在检出的结构突变点中，将新因果边激活或已有边权重发生阶跃增长的时刻标记为级联触发事件；对每个级联触发事件，记录触发源监测点标识、触发时刻对应的加权增强病害退化梯度标量值作为触发阈值、受影响目标监测点标识以及触发后受影响监测点加权增强病害退化梯度标量的加速幅度。

13、进一步地，所述加速幅度的计算方式为：获取受影响监测点在级联触发事件发生后预设观察窗口内的加权增强病害退化梯度标量均值，减去触发事件发生前相同长度窗口内的加权增强病害退化梯度标量均值，所得差值即为加速幅度；其中，对检出的变点施加持续性验证：在变点检出后继续观察若干窗口，判断新因果边是否持续存在或边权重是否维持在增长后的水平，仅当持续性条件满足时，将该变点确认为有效的级联触发事件。

14、进一步地，所述对历史级联触发事件执行密度聚类，生成病害级联触发规则库，包括：按源监测点所属结构部位类型与目标监测点所属结构部位类型的组合，对级联触发事件进行分组；以各级联触发事件的触发阈值和加速幅度组成的二维特征向量作为输入，对各分组内的事件执行密度聚类，输出事件簇标签；对每个事件簇，统计该事件簇内各事件的触发阈值概率分布参数及触发后加速幅度经验分布参数，生成病害级联触发规则库，其中每条规则包含源部位类型、目标部位类型、触发阈值概率分布参数和加速幅度经验分布参数。

15、进一步地，所述前向级联链路模拟为迭代过程，包括：步骤s601，判断当前各监测点外推加权增强病害退化梯度标量值是否已达到作为源点的触发阈值；步骤s602，若某监测点外推加权增强病害退化梯度标量值达到触发阈值，则从对应规则的加速幅度经验分布中采样一个加速增量值，叠加至受影响目标监测点的后续耦合病害演化预测轨迹中；步骤s603，推进模拟步，对更新后的各监测点加权增强病害退化梯度标量值重复步骤s601至步骤s602，直至所有监测点的预测时域耗尽或无新级联事件被触发；其中，所述前向级联链路模拟采用蒙特卡洛采样方式执行多次，每次模拟从触发阈值概率分布和加速幅度经验分布中独立采样，对多次模拟结果统计各级联触发事件发生时间的分位数，生成级联触发时间的置信区间。

16、本发明公开了一种基于工业数据分析的交通设施病害演化预测系统，用于执行上述基于工业数据分析的交通设施病害演化预测方法，包括：信号分解模块，用于对各监测点传感器数据执行小波包分解，生成多层级子带能量系数矩阵；

17、退化梯度提取模块，用于基于参考期统计特性筛选退化敏感子带，对退化敏感子带施加信噪比加权，生成各监测点的加权增强病害退化梯度标量序列；

18、因果图生成模块，用于在滑动窗口内计算监测点间格兰杰因果统计量，生成时变有向因果图序列；

19、级联事件检测模块，用于利用贝叶斯在线变点检测算法识别所述时变有向因果图序列的结构突变点，标记级联触发事件并记录触发参数；

20、规则库生成模块，用于对历史级联触发事件执行密度聚类，生成病害级联触发规则库；

21、演化预测模块，用于基于当前监测状态与所述病害级联触发规则库执行前向级联链路模拟，输出耦合病害演化预测轨迹及级联触发事件预计发生时间的置信区间。

22、本发明的有益效果在于：

23、本发明通过小波包多分辨率分解与退化敏感子带筛选，结合信噪比加权处理，将各监测点萌生期微弱的病害退化信号从环境噪声和荷载波动中分离，获得加权增强病害退化梯度标量序列，有助于克服萌生期退化信号被噪声淹没而难以可靠检出的问题。

24、在此基础上，时变有向因果图序列在加权增强病害退化梯度标量序列上识别监测点间的方向性影响关系，贝叶斯在线变点检测算法进一步定位时变有向因果图序列结构突变对应的级联触发时刻，使跨部位力学传递关系在数据层面得以显现，有助于弥补萌生期输入信噪比不足时跨部位关系难以识别的不足。

25、前向级联链路模拟将历史级联触发规律映射为对未来级联事件的时序预判，克服了各监测点独立预测无法捕捉跨部位因果传递关系的局限性，为交通设施养护决策提供病害发生级联扩展的前瞻性时序依据。