一种基于物理约束生成式数据增强的单根钢绞线预应力识别方法及系统

本申请属于土木工程结构智能检测与健康监测，涉及预应力钢绞线的无损检测，尤其涉及一种基于物理约束生成式数据增强的单根钢绞线预应力识别方法及系统。

背景技术：

1、预应力钢绞线是桥梁、建筑和地下结构中的受力构件，其有效预应力会影响结构承载状态。在役结构的锚固端常被封闭，直接量测难以实施，声学无损检测成为可行路径。现有方法通常依赖少量标注样本训练识别模型，且普通生成模型产生的声学样本容易偏离钢绞线动力学响应，导致增强数据不能稳定支撑识别模型。长期运营中，松弛、温度和锚具状态变化还会引起声学特征漂移，使固定模型逐渐偏离实际检测对象。

技术实现思路

1、针对现有技术中标注样本不足、生成声学样本缺少物理约束以及长期运营中声学特征漂移的不足，本申请提供了一种基于物理约束生成式数据增强的单根钢绞线预应力识别方法及系统。该方法通过多源声学采集、跨通道一致特征筛选、物理约束生成式增强、高斯过程回归预测方差评估和漂移增量更新，使训练样本扩充、结果拒识和长期自适应更新形成闭环，能够降低样本稀缺和时变漂移对预应力识别的影响。具体地，本申请提供了以下技术方案。

2、第一方面，本申请提供了一种基于物理约束生成式数据增强的单根钢绞线预应力识别方法，包括：采集待测钢绞线锚固体系在标准化冲击激励下的多源声学响应信号；对所述多源声学响应信号进行预处理，获得有效冲击响应样本；从所述有效冲击响应样本提取多尺度声学特征，并按跨通道一致性筛选关键特征，形成融合特征向量；以所述有效冲击响应样本为真实样本，训练具有钢绞线动力学物理约束的生成式数据增强网络，获得虚拟声学样本；利用所述真实样本和所述虚拟声学样本训练高斯过程回归识别模型，基于待测融合特征向量获得预应力识别结果和预测方差；依据所述预测方差对所述预应力识别结果进行置信度评估，并在评估未通过时触发拒识；持续监测所述预测方差的时序变化，在检测到特征漂移时生成漂移样本，并对所述高斯过程回归识别模型进行增量更新。

3、可选地，所述多源声学响应信号的采集包括：采用回弹仪对锚固体系施加冲击激励；同步获取耳蜗传感器、外部声压传感器和回弹仪内部传感器的响应信号；将同一次冲击激励下的多个通道响应信号关联为同一检测样本。

4、可选地，所述预处理包括：对原始响应信号执行降采样和高通滤波；对滤波后信号执行预加重和峰值对齐；按样本质量规则剔除异常冲击，并截取固定长度的冲击响应片段。

5、可选地，所述多尺度声学特征的提取和筛选包括：从每个有效冲击响应样本提取时域特征、频域特征和倒谱特征；采用最大互信息系数评价每个通道的候选特征与预应力标签之间的相关性；选取多个通道均满足相关性条件的候选特征作为关键特征，并拼接形成所述融合特征向量。

6、可选地，所述生成式数据增强网络的训练包括：对抽取的真实样本执行批次标准化；在对抗训练损失中引入由频谱主峰、衰减速率和频带能量构成的物理约束损失；采用按训练阶段和生成质量反馈调整的权重策略融合各项损失。

7、可选地，所述虚拟声学样本的生成包括：按钢绞线孔道或预应力水平组织真实样本；利用训练后的生成式数据增强网络生成多通道同步虚拟信号；将虚拟信号与真实样本共同构成增强训练集。

8、可选地，所述高斯过程回归识别模型的训练包括：将所述增强训练集输入高斯过程回归模型；采用核函数和交叉验证方式获得模型超参数；输出所述预应力识别结果以及与该结果对应的预测方差。

9、可选地，所述置信度评估包括：依据预测方差形成绝对方差评价；依据置信区间的相对宽度形成相对区间评价；当任一评价超过对应阈值时，输出拒识标记并提示重新采集或人工复核。

10、第二方面，本申请提供了一种基于物理约束生成式数据增强的单根钢绞线预应力识别系统，包括：信号采集单元，用于采集待测钢绞线锚固体系在标准化冲击激励下的多源声学响应信号；样本处理单元，用于对所述多源声学响应信号进行预处理，并形成融合特征向量；生成增强单元，用于训练具有钢绞线动力学物理约束的生成式数据增强网络，并获得虚拟声学样本；识别评估单元，用于基于真实样本和虚拟声学样本训练高斯过程回归识别模型，并输出预应力识别结果、预测方差和拒识标记；漂移更新单元，用于监测预测方差的时序变化，并在检测到特征漂移时生成漂移样本和更新所述高斯过程回归识别模型。

11、可选地，所述系统还包括样本存储单元，所述样本存储单元分别与所述样本处理单元、生成增强单元、识别评估单元和漂移更新单元连接，用于保存真实样本、虚拟声学样本、拒识样本和高置信度近期样本，并向所述漂移更新单元提供增量更新数据。

12、本申请的有益效果在于：多源声学响应信号与跨通道一致特征筛选相互配合，使输入特征更多反映钢绞线锚固体系的共同动力学响应；物理约束生成式数据增强网络在生成样本时同时受真实波形分布和动力学物理约束限制，能够降低虚拟样本偏离真实检测场景的风险；高斯过程回归识别模型的预测方差用于置信度评估和漂移监测，使异常输入拒识、漂移样本生成和增量更新形成连续反馈路径，从而提高长期检测中的识别稳定性。

1.一种基于物理约束生成式数据增强的单根钢绞线预应力识别方法，其特征在于，包括：

2.根据权利要求1所述的单根钢绞线预应力识别方法，其特征在于，所述多源声学响应信号的采集包括：

3.根据权利要求1所述的单根钢绞线预应力识别方法，其特征在于，所述预处理包括：

4.根据权利要求1所述的单根钢绞线预应力识别方法，其特征在于，所述多尺度声学特征的提取和筛选包括：

5.根据权利要求1所述的单根钢绞线预应力识别方法，其特征在于，所述生成式数据增强网络的训练包括：

6.根据权利要求5所述的单根钢绞线预应力识别方法，其特征在于，所述虚拟声学样本的生成包括：

7.根据权利要求1所述的单根钢绞线预应力识别方法，其特征在于，所述高斯过程回归识别模型的训练包括：

8.根据权利要求1所述的单根钢绞线预应力识别方法，其特征在于，所述置信度评估包括：

9.一种基于物理约束生成式数据增强的单根钢绞线预应力识别系统，其特征在于，包括：

10.根据权利要求9所述的单根钢绞线预应力识别系统，其特征在于，所述系统还包括样本存储单元，所述样本存储单元分别与所述样本处理单元、生成增强单元、识别评估单元和漂移更新单元连接，用于保存真实样本、虚拟声学样本、拒识样本和高置信度近期样本，并向所述漂移更新单元提供增量更新数据。