建筑结构检测数据异常识别方法及系统与流程

本发明涉及建筑结构检测，特别是指建筑结构检测数据异常识别方法及系统。

背景技术：

1、老旧建筑常态化监测、新建建筑施工质量管控及工业厂房、桥梁等特殊构筑物运维检测，均需通过精准的检测数据异常识别，及时排查结构隐患、规避安全风险，为结构维修、加固及管控决策提供科学依据。随着物联网、传感技术的发展，建筑结构检测已进入多源数据实时采集阶段，传感器网络可同步获取混凝土强度、钢筋保护层厚度、结构平整度等多维度检测数据。

2、但当前主流检测数据异常识别方法大多存在以下技术性缺陷：即异常识别过程中未充分融合工况信息及同类构件历史质量轨迹，仅基于单一检测数据或固定阈值判断，难以适应复杂多变的实际检测场景。此缺陷一方面导致异常识别精度偏低、易出现误判漏判，如老旧住宅楼检测中，环境参数引发的正常数据波动常被误判，结构早期隐性损伤可能因未结合历史轨迹被漏判，延误隐患处置；另一方面导致异常结果缺乏可靠性与可追溯性，很难确定异常诱因及数据溯源路径，给后续隐患排查和维修带来不便，尤其在大型工业厂房检测中，会使运维人员难以精准定位异常根源，增加运维成本与工作量。

技术实现思路

1、本发明提供了建筑结构检测数据异常识别方法及系统，可以实现检测数据的精准异常识别，确认异常诱因及溯源路径，有效满足多类建筑结构检测场景的实际需求。

2、为解决上述技术问题，本发明的技术方案如下：

3、第一方面，建筑结构检测数据异常识别方法，所述方法包括：

4、采用自适应数据治理机制对建筑结构检测的原始数据流进行动态质量加权融合与自适应时间窗规整，嵌入预先获取的环境参数、构件施工信息及同类构件的历史质量轨迹，得到携带历史质量轨迹的工况增强检测数据集；

5、对所述工况增强检测数据集进行工况偏离补偿计算与动态阈值拟合，生成自适应动态基准区间，得到偏差映射特征序列；

6、从偏差映射特征序列中动态辨识多个特征吸引子，以所述多个特征吸引子为控制顶点，构建最小外张包络多胞形；对最小外张包络多胞形进行仿射变换并拟合至标准超椭球空间，生成几何约束超曲面；计算偏差映射特征序列中各点相对于几何约束超曲面的相关性加权正交统计量及超曲面法向偏转角，得到几何增强特征序列；

7、将几何增强特征序列输入预训练的混合异常识别模型，依次执行静态阈值初筛、时序演化趋势分析及多维权重关联推理，得到异常判别概率序列及异常类型标签；

8、对异常判别概率序列及异常类型标签进行置信度校验与逻辑互斥判定，获得校验通过的判定结果、关联工况参数及数据溯源路径后进行结构化封装，得到异常识别告警指令并下发至管控终端。

9、进一步的，采用自适应数据治理机制对建筑结构检测的原始数据流进行动态质量加权融合与自适应时间窗规整，嵌入预先获取的环境参数、构件施工信息及同类构件的历史质量轨迹，得到携带历史质量轨迹的工况增强检测数据集，包括：

10、解析所述原始数据流中各数据源的信噪比与时间戳稀疏度，动态计算各数据源的数据质量权重，得到带质量权重的多源数据流；

11、基于所述带质量权重的多源数据流，按照各数据源的时间戳分布自适应调整规整窗口宽度，执行时间窗对齐，得到时间同步的多源数据序列；

12、依据所述数据质量权重对时间同步的多源数据序列进行加权融合，形成初始融合数据集；

13、将采集的环境参数、构件施工信息及同类构件的历史质量轨迹作为嵌入信息，与所述初始融合数据集进行时序关联绑定，形成携带历史质量轨迹的工况增强检测数据集。

14、进一步的，对所述工况增强检测数据集进行工况偏离补偿计算与动态阈值拟合，生成自适应动态基准区间，得到偏差映射特征序列，包括：

15、从所述工况增强检测数据集中提取环境参数与构件施工信息，计算当前工况相对于标准工况的偏离补偿量，得到工况补偿系数；

16、依据工况补偿系数对工况增强检测数据集中的检测值进行修正，以消除工况偏离影响，得到工况归一化检测序列；

17、对工况归一化检测序列采用滑动窗口法计算各窗口内的均值与标准差，动态拟合自适应动态基准区间的上下边界，生成自适应动态基准区间；

18、计算工况归一化检测序列中各检测值相对于所述自适应动态基准区间的偏差量，形成偏差映射特征序列。

19、进一步的，从偏差映射特征序列中动态辨识多个特征吸引子，所述特征吸引子为偏差映射特征序列在时序-参数联合空间中梯度突变驻点，其坐标精确定位至具体时间戳与对应参数维度的交叉格点；以所述多个特征吸引子为控制顶点，构建最小外张包络多胞形，包括：

20、对偏差映射特征序列在时序-参数联合空间中计算各点的方向导数模长，定位方向导数模长局部极大值点作为候选特征吸引子，记录各候选特征吸引子的精确坐标，所述精确坐标由具体时间戳以及对应的混凝土强度偏差值、钢筋保护层厚度偏差值、钢筋间距偏差值、平整度偏差值共同构成，得到初始特征吸引子集合；

21、对初始特征吸引子集合进行非极大值抑制，剔除特征空间直线距离小于预设距离阈值的冗余驻点，保留相邻特征吸引子之间梯度方向夹角大于预设角度阈值的特征吸引子，形成优化特征吸引子集合；

22、以优化特征吸引子集合中各特征吸引子的精确坐标作为控制顶点，采用在控制顶点外围构造最小封闭多胞形的几何方法，依次连接外围顶点形成外张包络面，形成包含所有控制顶点的最小外张包络多胞形，即得到所述最小外张包络多胞形。

23、进一步的，对最小外张包络多胞形进行仿射变换并拟合至标准超椭球空间，生成几何约束超曲面；计算偏差映射特征序列中各点相对于几何约束超曲面的相关性加权正交统计量及超曲面法向偏转角，得到几何增强特征序列，包括：

24、对最小外张包络多胞形施加仿射变换，将其拉伸、旋转和平移至标准超椭球空间，使最小外张包络多胞形内接于标准超椭球，生成几何约束超曲面；

25、将偏差映射特征序列中各点的坐标投影至所述几何约束超曲面，计算各投影点与原点的相关性加权正交统计量，得到各点的加权正交距离值；

26、计算偏差映射特征序列中各点相对于几何约束超曲面的法向方向与超曲面在此点切平面之间的夹角，得到各点的超曲面法向偏转角；

27、将所述加权正交距离值与超曲面法向偏转角进行向量组合，形成几何增强特征序列。

28、进一步的，将几何增强特征序列输入预训练的混合异常识别模型，由预训练的混合异常识别模型依次执行静态阈值初筛、时序演化趋势分析及多维权重关联推理，得到异常判别概率序列及异常类型标签，包括：

29、将几何增强特征序列输入预训练的混合异常识别模型，执行静态阈值初筛，包括将几何增强特征序列中各特征值与预设静态阈值进行比较，标记超出阈值范围的特征点为候选异常点，得到初筛异常集合；

30、对初筛异常集合中的候选异常点进行时序演化趋势分析，包括计算各候选异常点在时间轴上前向邻域与后向邻域内的特征值变化率，筛选出变化率符号一致且累计变化量超过预设趋势门限的候选异常点，得到趋势异常集合；

31、对所述趋势异常集合中的特征点执行多维权重关联推理，包括依据各参数维度的预设权重计算加权异常得分，并融合不同维度之间的关联约束关系，得到异常判别概率序列及各特征点对应的异常类型标签。

32、进一步的，对异常判别概率序列及异常类型标签进行置信度校验与逻辑互斥判定，获得校验通过的判定结果、关联工况参数及数据溯源路径后进行结构化封装，得到异常识别告警指令并下发至管控终端，包括：

33、对异常判别概率序列中各异常判别概率值进行置信度校验，剔除低于预设置信度阈值的异常判别概率及其对应的异常类型标签，得到高置信度异常集合；

34、对高置信度异常集合中的各异常类型标签进行逻辑互斥判定，检测同一检测位置、同一时间窗内是否存在相互矛盾的异常类型标签，若存在则保留优先级最高的标签并剔除矛盾标签，得到互斥校验通过的异常集合；

35、从互斥校验通过的异常集合中提取各异常点对应的关联工况参数及数据溯源路径，所述关联工况参数包括异常点对应的环境参数与构件施工信息，所述数据溯源路径包括原始数据流来源标识、时间戳及参数维度索引；

36、将校验通过的判定结果、关联工况参数及数据溯源路径按照预设告警格式进行结构化封装，形成异常识别告警指令，将异常识别告警指令下发至管控终端。

37、第二方面，建筑结构检测数据异常识别系统，包括：

38、数据采集模块，用于采集建筑结构检测的原始数据流及环境参数、构件施工信息、同类构件历史质量轨迹等相关数据；

39、数据治理模块，用于采用自适应数据治理机制对建筑结构检测的原始数据流进行动态质量加权融合与自适应时间窗规整，并嵌入环境参数、构件施工信息及同类构件的历史质量轨迹，得到携带历史质量轨迹的工况增强检测数据集；

40、基准区间生成模块，用于对所述工况增强检测数据集进行工况偏离补偿计算与动态阈值拟合，生成自适应动态基准区间，得到偏差映射特征序列；

41、几何特征增强模块，用于从偏差映射特征序列中动态辨识多个特征吸引子，以所述多个特征吸引子为控制顶点，构建最小外张包络多胞形；对最小外张包络多胞形进行仿射变换并拟合至标准超椭球空间，生成几何约束超曲面；计算偏差映射特征序列中各点相对于几何约束超曲面的相关性加权正交统计量及超曲面法向偏转角，得到几何增强特征序列；

42、异常识别模块，用于将几何增强特征序列输入预训练的混合异常识别模型，依次执行静态阈值初筛、时序演化趋势分析及多维权重关联推理，得到异常判别概率序列及异常类型标签；

43、告警下发模块，用于对异常判别概率序列及异常类型标签进行置信度校验与逻辑互斥判定，获得校验通过的判定结果、关联工况参数及数据溯源路径后进行结构化封装，得到异常识别告警指令并下发至管控终端。

44、第三方面，一种计算设备，包括：

45、一个或多个处理器；

46、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。

47、第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。

48、本发明的上述方案至少包括以下有益效果：

49、采用自适应数据治理机制对多源原始数据流进行动态质量加权融合与时间窗规整，并嵌入环境参数、施工信息及历史质量轨迹，克服了传统方法未充分融合工况与历史信息导致异常识别精度偏低的问题，进而实现了多源异构数据的高质量对齐与工况增强；通过工况偏离补偿与动态阈值拟合生成自适应基准区间，获得偏差映射特征序列，克服了固定阈值无法适应复杂检测场景的缺陷，进而实现了工况波动的自适应补偿，提升了异常初筛准确性；从偏差映射特征序列中动态辨识特征吸引子，构建最小外张包络多胞形并拟合至标准超椭球空间，生成几何约束超曲面，计算相关性加权正交统计量及超曲面法向偏转角，克服了传统方法难以刻画多维数据几何结构与局部突变特征的不足，进而增强了异常特征的几何可区分性与表达维度；将几何增强特征序列输入混合异常识别模型，依次执行静态阈值初筛、时序趋势分析及多维权重推理，克服了单一判别逻辑易产生误判漏判的问题，进而实现了异常点从粗筛到趋势验证再到多维关联的逐层精准识别；对异常判别结果进行置信度校验与逻辑互斥判定，提取关联工况参数及数据溯源路径后结构化封装下发，克服了异常结果缺乏可靠性与可追溯性的缺陷，进而为运维人员提供了可验证、可定位的告警信息，降低了隐患排查成本与工作量。