工程异常识别方法、系统及存储介质与流程

本申请涉及结构健康监测与智能识别，尤其是涉及一种工程异常识别方法、系统及存储介质。

背景技术：

1、各类工程设施及其所在工程区域的地质状态和结构状态直接关系到工程运行安全、公众生命财产安全以及社会经济活动的稳定性。工程可以包括道路、铁路、隧道、地下通道、综合管廊、边坡、基坑、堤坝、矿山、采空区、桥梁基础、桩基、涵洞、地下管线周边区域、地基基础以及其他需要进行长期监测或安全评估的工程对象或工程区域。在工程长期服役、施工或运行过程中，受车辆荷载、列车荷载、机械振动、施工扰动、雨水渗透、地下水活动、材料老化、施工质量差异、开挖扰动、采动影响、地基不均匀变形以及自然环境变化等因素影响，目标工程区域内部或周边介质容易产生空洞、脱空、松散、裂隙、裂缝、含水异常、渗流异常、不均匀沉降、滑移、采空区发育、结构界面脱粘或局部损伤等工程异常。上述工程异常在形成初期通常具有隐蔽性，往往位于地表以下、结构内部或工程体周边隐蔽区域，仅依靠人工巡查难以及时发现。若不能及时识别和处置，可能进一步发展为空洞塌陷、结构脱空、地表沉陷、边坡失稳、隧道变形、堤坝渗漏、基础失稳等安全事故。

2、现有工程异常检测手段主要包括人工巡检、钻芯取样、探地雷达检测、落锤弯沉检测、瞬态面波检测以及点式传感器监测等方式。其中，人工巡检操作简单但主观性较强，且难以及时发现地下或结构内部的隐伏病害。钻芯取样属于有损检测方式，检测范围有限，难以适用于大范围、长距离或复杂工程区域的连续排查。探地雷达、面波检测等无损检测技术能够在一定程度上识别工程区域内部的地质或结构异常，然而，此类检测通常需要检测车辆、人工激励设备或专用检测设备进入现场作业，检测过程受现场条件、检测频次、现场环境以及人员操作影响较大，难以实现对工程状态的长期连续监测。此外，对于大范围、长距离或重点工程区域的长期运行安全管理而言，周期性检测方式往往存在时间间隔较长、异常发现滞后的问题。点式传感器监测方式只能反映有限测点附近的状态信息，空间覆盖范围有限，难以实现对目标工程区域的连续感知，当病害发生位置偏离传感器布设点时，容易出现监测盲区。

3、因此，现有工程异常检测技术在隐伏异常识别、大范围或长距离连续覆盖、实时监测以及多类型异常综合判别等方面仍存在不足，难以充分满足工程设施精细化、智能化和实时化运维管理的需求。如何提供一种能够对工程异常进行连续感知、智能识别和综合判别的技术方案，成为工程安全监测领域亟待解决的问题。

技术实现思路

1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种工程异常识别方法、系统及存储介质，能够对目标工程区域内的工程异常进行连续感知、智能识别和综合判别。

2、第一方面，本申请实施例提供一种工程异常识别方法。

3、根据本申请第一方面实施例的工程异常识别方法，包括：获取通过分布式光纤传感器采集的目标工程区域的三维数据体，所述三维数据体包括声波数据、温度场数据和应变场数据；对所述三维数据体进行特征提取，得到多物理场参数数据体；所述多物理场参数数据体包括三维速度模型数据体、三维密度数据体、波阻抗数据体、瞬时特征张量、温度梯度异常指数数据体和应变曲率数据体中的至少一种；对所述多物理场参数数据体进行时空对齐处理和通道拼接，得到多维输入张量；将所述多维输入张量输入至预先训练的异常识别模型，得到所述目标工程区域内各空间测量点对应不同结构异常类型的异常分数矩阵；根据所述异常分数矩阵和所述多物理场参数数据体，基于预设的规则库进行综合判别，得到所述目标工程区域的结构异常类型。

4、根据本申请第一方面实施例的工程异常识别方法，至少具有以下有益效果：基于分布式光纤传感器采集目标工程区域的声波数据、温度场数据和应变场数据，并进一步提取多物理场参数数据体，经时空对齐和通道拼接后输入异常识别模型获得异常分数矩阵，再结合规则库进行综合判别，从而形成由数据采集、特征提取、模型识别到规则解译的结构异常识别流程。与传统依赖人工巡检、周期性检测或局部点式监测的道路病害检测方式相比，本申请能够更全面地利用目标工程区域的多源感知信息，减少单一检测结果带来的误判风险，有利于提高工程异常识别的自动化程度、连续性和可靠性，并为工程运维、灾害预警和安全处置提供较及时的判断依据。

5、第二方面，本申请实施例提供一种工程异常识别系统。

6、根据本申请第二方面实施例的工程异常识别系统，包括：数据获取模块，用于获取通过分布式光纤传感器采集的目标工程区域的三维数据体，所述三维数据体包括声波数据、温度场数据和应变场数据；特征提取模块，用于根据所述三维数据体进行特征提取，得到多物理场参数数据体，所述多物理场参数数据体包括三维速度模型数据体、三维密度数据体、波阻抗数据体、瞬时特征张量、温度梯度异常指数数据体和应变曲率数据体中的至少一种；张量构造模块，用于对所述多物理场参数数据体进行时空对齐处理和通道拼接，得到多维输入张量；模型推理模块，用于将所述多维输入张量输入至预先训练的异常识别模型，得到所述目标工程区域内各空间测量点对应不同结构异常类型的异常分数矩阵；规则解译模块，用于根据所述异常分数矩阵和所述多物理场参数数据体，基于预设的规则库进行综合判别，得到所述目标工程区域的结构异常类型。

7、根据本申请第二方面实施例的工程异常识别系统，至少具有以下有益效果：通过数据获取模块、特征提取模块、张量构造模块、模型推理模块和规则解译模块之间的协同配合，能够对分布式光纤传感器采集的目标工程区域数据进行处理，并完成由多物理场参数提取、多维输入张量构造、异常识别模型推理到规则库综合判别的结构异常识别过程。与传统依赖人工巡检、周期性检测或局部点式监测的道路病害检测方式相比，该系统能够更全面地利用目标工程区域的多源感知信息，减少单一检测结果带来的误判风险，有利于提高工程异常识别的自动化程度、连续性和可靠性，并为工程运维、灾害预警和安全处置提供较及时的判断依据。

8、第三方面，本申请实施例提供一种计算机可读存储介质。实施例计算机可读存储介质其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项实施例的工程异常识别方法的步骤。实施例计算机可读存储介质的原理和有益效果均源自于第一方面实施例的工程异常识别方法，在此不再赘述。

1.一种工程异常识别方法，其特征在于，包括：

2.根据权利要求1所述的工程异常识别方法，其特征在于，所述对所述三维数据体进行特征提取，得到多物理场参数数据体，包括：

3.根据权利要求1所述的工程异常识别方法，其特征在于，所述对所述多物理场参数数据体进行时空对齐处理和通道拼接，得到多维输入张量，包括：

4.根据权利要求1所述的工程异常识别方法，其特征在于，所述异常识别模型包括图神经网络模块、输入投影层、transformer编码器和多任务分支网络；

5.根据权利要求4所述的工程异常识别方法，其特征在于，所述多任务分支网络包括异常分类分支和异常定位分支；

6.根据权利要求1所述的工程异常识别方法，其特征在于，所述根据所述异常分数矩阵和所述多物理场参数数据体，基于预设的规则库进行综合判别，得到所述目标工程区域的结构异常类型，包括：

7.根据权利要求6所述的工程异常识别方法，其特征在于，预设的所述候选异常类型包括路基空洞；

8.根据权利要求1所述的工程异常识别方法，其特征在于，所述得到所述目标工程区域的结构异常类型之后，还包括：

9.一种工程异常识别系统，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的工程异常识别方法的步骤。