一种基于BIM的多桥梁健康状态实时监测预测方法与流程

本发明涉及智能监测，具体为一种基于bim的多桥梁健康状态实时监测预测方法。

背景技术：

1、近年来，进一步推动公路长大桥梁结构健康监测系统的建设。与此同时，建筑信息模型（bim）技术在桥梁工程领域的应用日益广泛。bim技术能够为桥梁提供三维可视化的信息管理平台，将桥梁的几何信息、材料属性、构件关系等进行数字化表达。将bim技术与结构健康监测相结合，不仅能够提供监测系统所需的交互性管理平台，还能大幅提高监测信息的管理水平。

2、而传统技术中通常需要一段“健康状态”下的数据作为训练基准，如何科学地界定这个“健康状态”本身就是个问题。对于一座服役多年的老桥，其“正常”状态可能就是带着微小裂缝和既定挠度的状态。用理想化的“完美模型”作为基准，反而可能将正常运营状态误报为异常。

技术实现思路

1、本发明的目的在于提供一种基于bim的多桥梁健康状态实时监测预测方法，以解决现有技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于bim的多桥梁健康状态实时监测预测方法，所述方法包括以下步骤：

4、s100、从桥梁各传感器的数据采集仪处读取传感数据，并构建原始数据包，将原始数据包写入分布式系统中；

5、所述构建原始数据包的具体步骤为：

6、s101、在桥梁上设置传感器，所述传感器包括振弦式应变计、压电式加速度计、铂电阻温度计等，从所有传感器的数据采集仪处直接读取传感数据，所述传感数据包括未经标定的模数转换值和原始电压值；

7、基于读取的传感数据封装为json格式的原始数据包，所述原始数据包包括桥梁唯一编码、传感器通道编号、原始电信号数值、基于北斗模块授时的纳秒级时间戳、传感器位点的环境温度、采集仪自检状态位；所述采集仪自检状态位中0为正常，1为超量程，2为通信异常，用于标记但不剔除数据；

8、将原始数据包按时间分区写入分布式系统的只读目录中存储。

9、直接从数据采集仪读取未经标定的ad值或原始电压值，不进行任何滤波或平滑处理，避免了传统预处理环节对真实结构响应信息的扭曲或掩盖。将原始数据包写入分布式文件系统的只读目录，保证了数据的不可篡改性和高可靠性，同时支持多桥梁海量数据的横向扩展存储。

10、s200、设置固定窗口对原始数据包进行窗口同步，并进行缺失值和空间归一化处理得到无量纲的模态响应矩阵；

11、所述进行缺失值和空间归一化处理得到无量纲的模态响应矩阵的具体步骤为：

12、s201、设定固定窗口宽度l，系统后台根据固定周期滑动一次窗口，根据窗口顺序设置窗口序号，对于窗口序号t，提取窗口内所有传感器的原始数据包；通过固定窗口宽度和滑动机制，将异步采集的多源传感器数据在时间轴上严格对齐，为后续跨传感器协同分析奠定基础。

13、当窗口内单个传感器内缺失数据超出本传感器总数据的十分之一时，丢弃本传感器在此窗口内的全部数据；当窗口内保留数据的传感器个数少于n倍的n时，丢弃整个窗口；n表示传感器总个数，n表示允许倍数；

14、s202、将保留传感器数据按行排列构建初始矩阵mtraw（n×l），n×l表示矩阵维度为n行l列；由于应变和温度数值差异巨大，因此对初始矩阵的每一行进行零均值化，计算第i行均值，公式为：；其中，μi表示第i行均值；mtraw（i，j）表示初始矩阵中第i行第j列的元素；

15、计算第i行标准差σi；利用均值和标准差对初始矩阵进行空间归一化，公式为：

16、；

17、其中，mt（i，j）表示归一化后第i行第j列的模态响应矩阵元素，最终得到模态响应矩阵mt。

18、对初始矩阵进行归一化，将应变、温度、加速度等不同物理量纲的数据统一映射到无量纲空间，使得后续所有线性代数运算不受数值量级差异的主导，真正反映结构响应的形态而非幅值。

19、s300、将模态响应矩阵展开为一维列向量，之后分别计算相邻窗口一维列向量的余弦相似度，根据余弦相似度判断是否存在桥梁异常变化；

20、所述根据余弦相似度判断是否存在桥梁异常的具体步骤为：

21、s301、将模态响应矩阵按行展开形成一维列向量vt，针对相邻两个窗口t和t+1，计算一维列向量的余弦相似度，公式为：

22、；

23、其中，分子为点积，分母为欧几里得范数的乘积；vt+1表示窗口t+1的一维列向量，s（t）表示相邻两个窗口t和t+1一维列向量的余弦相似度；

24、余弦相似度衡量的是相邻窗口高维向量之间的方向一致性，而非单个测点的数值差异；能够捕捉桥梁所有传感器联合响应的整体变化，比单点阈值法更全面地反映结构状态。

25、s302、预设差异阈值sy，当s（t）

26、当判断桥梁存在显著变化后，不立即触发损伤预警，进一步联动查询s600中当日漂移熵，设置回落周期为tl，所述回落周期由专家设置，本技术中选取tl=3天；当漂移熵在本次判断结束后的回落周期内回落至本次判断前水平，判断本次桥梁改变为可逆环境事件；当漂移熵在回落周期内没有回落至判断本次判断前水平，判断为真实损伤事件。所述本次判断前水平表示在本次判断桥梁显著变化前的漂移熵值。通过上述步骤有效解决了传统系统“逢变即报、误报率高”的行业痛点。

27、s400、基于时间序列生成所有窗口的余弦相似度曲线，提取桥梁正常窗口集合，引入衰减因子计算窗口权重，根据窗口权重对桥梁正常窗口的模态响应矩阵加权的生成基线；

28、所述根据窗口权重对桥梁正常窗口的模态响应矩阵加权的生成基线的具体步骤为：

29、s401、基于时间序列生成所有窗口余弦相似度曲线，查找连续k个均判断为稳定状态的窗口时间，记录查找的窗口时间对应窗口序号集合{t1，t2，t3，...，tm}；对于窗口序号集合中的模态响应矩阵，根据不同窗口距当前时间差并引入衰减因子计算窗口权重，公式为：

30、；

31、其中，wr表示第tr个窗口的权重，λ表示衰减因子，tcurrent表示当前时间，ttr表示第tr个窗口的时间；r∈[1，m]；

32、引入衰减因子，使越靠近当前时刻的稳定窗口对基线的贡献越大；使得基线能够缓慢跟踪桥梁的自然老化进程，避免因使用过于陈旧的窗口而导致基线脱离结构实际状态。

33、s402、根据窗口权重对桥梁正常窗口的模态响应矩阵加权，公式为：

34、；

35、其中，上述矩阵运算为对应元素运算后构成基线，b表示桥梁当前状态下的基线，b为n×l矩阵。

36、传统方法需要桥梁竣工初期的“纯净数据”作为健康基线，但既有老桥通常缺乏此类数据。本方案通过查找连续稳定窗口，从当前监测数据中“自涌现”出代表结构当前最稳定状态的本体基线，彻底解决了“无图桥梁”和“带病服役桥梁”的基准定义难题。

37、s500、对基线进行svd矩阵奇异值分解取左奇异矩阵，构建正交投影算子，在实时采集桥梁传感器的新传感数据后，对新传感数据的模态响应矩阵利用正交投影算子计算残差列向量，利用残差列向量计算实时窗口的异常指数进行判断并触发模态突变预警；

38、所述利用残差列向量计算实时窗口的异常指数进行判断并触发模态突变预警的具体步骤为：

39、s501、对基线进行svd矩阵奇异值分解取左奇异矩阵u，维度为n×r，r表示矩阵秩；利用左奇异矩阵构建正交投影算子，公式为：p=u×ut，p表示正交投影矩阵作为正交投影算子，维度为n×n；通过对基线进行svd分解并构建正交投影算子，将新的响应向量投影到基线所张成的子空间中。残差列向量的能量大小直接反映了当前响应中不属于基线模式的新成分；

40、s502、在当前窗口实时采集桥梁传感器的新传感数据后，对新传感数据的模态响应矩阵的第j列，取对应时刻所有传感器值构成列向量cj，维度为n×1；利用正交投影算子和列向量计算残差列向量，公式为：ej=cj-p×cj；ej表示残差列向量；

41、利用所有列的残差列向量计算当前窗口的异常指数，公式为：

42、；

43、其中，ω（t）表示当前窗口的异常指数，表示残差列向量的l2范数平方；

44、当ω（t）大于历史窗口异常指数平均值的3倍，触发模态突变预警，表示桥梁出现全新异常模式。由于基线本身来自“带病但稳定”的数据，且异常指数计算的是相对残差而非绝对物理量，传感器自身的缓慢漂移不会引起ω(t)的显著变化，仅当结构响应模式发生本质改变时ω(t)才会飙升，极大降低了误报率。

45、s600、构建日平均序列，利用环境温度对日平均序列进行净化生成净化序列，对预设时间段净化序列一元线性回归后计算漂移熵，利用漂移熵触发桥梁养护策略。

46、所述利用漂移熵触发桥梁养护策略的具体步骤为：

47、s601、所述日平均序列表示每天结束时，计算当日所有保留窗口的异常指数中位数记为ωd，提取原始数据包中的传感器位点的环境温度，筛选出日平均温度波动在±te范围内的异常指数值，得到净化序列ωdfiltered；所述te表示净化阈值，由工作人员取值，本技术中可取值为2℃；

48、提取历史每天的净化序列，以天数为自变量，以异常指数为因变量，进行一元线性回归：

49、；

50、其中，表示天数平均值，表示异常指数平均值；q表示提取的历史总天数；β表示累积漂移斜率 ；

51、s602、利用累积漂移斜率计算漂移熵，公式为：

52、；

53、其中，h表示漂移熵；漂移熵将基线的不可逆迁移速率量化为一个百分比指标，使得桥梁“健康度”的变化可被数值化追踪，为养护决策提供了明确的量化依据，而非仅仅依赖经验判断。

54、预设迁移阈值为hy，当漂移熵连续超出回落周期均大于迁移阈值，系统判断桥梁基线发生永久性迁移，触发专家高级养护，所述高级养护表示人工详查。当h连续超过迁移阈值时，系统判定桥梁基线发生“永久性迁移”，触发人工详查；标志着从“数据监测”到“养护行动”的闭环打通，实现了监测系统的最终价值。

55、与现有技术相比，本发明的有益效果是：

56、1、本发明彻底摒弃了传统方法对桥梁设计理论值或竣工期“纯净数据”的依赖，通过“稳定即基线”的自涌现原则，适用于任何在役桥梁，具有极强的工程普适性。

57、2、通过“短周期相似度骤降+长周期漂移熵验证”的双重判据，能够准确区分台风、温度突变等可逆环境事件与结构永久性损伤，解决了传统系统误报率高、养护资源浪费的行业顽疾。

58、3、本发明输出的异常指数和漂移熵均可与bim模型中的构件编码进行关联映射，直接驱动bim模型中的颜色预警和状态更新，为“数字孪生”提供高质量的数据底座。