结构健康监测方法及系统
本发明涉及建筑健康安全,尤其涉及结构健康监测方法及系统。
背景技术:
1、结构健康监测在桥梁和大型建筑等关键设施的安全状态评估与长期运维中发挥着重要作用,是保障工程结构稳定服役的重要技术。该技术通过持续采集结构在长期且不稳定服役条件下的应变、位移、振动和温度等多变量传感器响应,完成缺失值补全、异常检测和状态预测等时序分析任务,为监测数据恢复、异常状态识别和未来状态评估提供依据。随着深度学习的发展,结构健康监测时序分析技术逐渐由传统统计方法发展为基于循环神经网络、卷积神经网络和transformer的端到端模型。近年来,时序基础模型的出现进一步推动了统一时序分析技术的发展,使同一模型能够通过预训练和下游适配支持多种结构健康监测任务。
2、然而,在实际结构监测数据中,主导统计相关性与细粒度物理关系具有显著不同的特性:主导统计相关性对数据拟合的影响较强,容易被深度模型优先学习;部分细粒度关系虽然具有明确的物理意义,但统计显著性相对较弱,容易被主导统计相关性掩盖。现有时序模型主要根据观测数据和统计目标学习时序表征,对结构响应中的内在物理关系关注不足。以桥梁健康监测为例,在表征学习过程中,频率、相位、时延、幅值及跨传感器关系可能被削弱或破坏,导致所学习的表征缺乏物理一致性和机理可解释性,使模型难以准确保持不同传感器响应之间的时延、相位等内在关系,导致桥梁的物理关系缺失,在对桥梁的缺失数据进行补全时出现失真,或者在对桥梁进行异常状态识别时出现漏报或误报,或者在对桥梁的未来状态进行预测时出现状态预测偏离桥梁实际响应规律。
技术实现思路
1、本发明所要解决的技术问题在于:如何提高结构健康监测的准确性。
2、本发明是通过以下技术方案解决上述技术问题的:结构健康监测方法,包括:
3、对采集的结构健康监测数据进行预处理,得到输入时序序列,对输入时序序列进行处理,生成初步推断序列,初步推断序列和任务可见上下文经频域处理后形成频谱特征;
4、根据频谱特征自适应选择并组合物理算子,生成算子调度队列,将算子调度队列作用于初步推断序列,得到物理校正序列;
5、以输入时序序列建立关系参考,识别物理校正序列中的失败特征并构造失败模式,根据失败模式选择附加物理算子,基于附加物理算子对物理校正序列进行局部注入,得到候选物理校正序列,迭代验证候选物理校正序列,直至达到预设迭代次数或不存在失败特征,得到最终物理校正序列,基于最终物理校正序列得到任务输出结果,训练后得到时序分析模型;
6、将待分析的输入时序序列输入时序分析模型,得到时序分析结果。
7、本发明中步骤2通过构建参数化频域物理算子库,利用长程时间上下文在任务相关频谱分量上自适应选择和组合物理算子,并将所形成的算子调度队列注入初步推断序列,得到初始的物理校正时序。步骤3从互补的时间视图和频谱视图中识别当前物理算子调度仍无法解释的关系不一致,并根据所述关系不一致选择附加物理算子,对相应局部窗口进行调度演化和迭代验证,以揭示被主导统计相关性掩盖的细粒度物理关系,从而实现结构响应中内在物理关系的保持以及隐藏(被主导统计相关性掩盖)细粒度物理关系的揭示,能够有效缓解纯统计学习导致的物理关系削弱或破坏问题,提升了时序表征和任务输出的物理一致性与机理可解释性,提高缺失值补全任务或异常检测任务或状态预测任务等结构健康监测的准确性。
8、优选的,对输入时序序列进行处理,生成初步推断序列的过程包括:
9、将输入时序序列划分为多个时间片段,得到时间片段序列,在时间片段序列头部插入可学习的时间摘要标记,将时间摘要标记和时间片段序列共同送入双向长短期记忆编码器,得到编码特征;对编码特征进行投影并将投影结果恢复至所需的时序长度和传感器变量维度,得到初步推断序列。
10、优选的,初步推断序列和任务可见上下文经频域处理后形成频谱特征的过程包括:
11、基于输入时序序列构造任务可见上下文,分别对初步推断序列和任务可见上下文进行快速傅里叶变换,得到输入时序序列的频谱表示和任务可见上下文的频谱表示,将时序序列、任务可见上下文的频谱表示对齐并拼接,得到完整频谱;
12、分别计算初步推断序列和任务可见上下文在各频率位置的平均频谱幅值,并利用相应序列全部频率位置的平均频谱幅值进行归一化;将归一化后的幅值得分按照预设权重求和,得到各频率位置的重要性得分,按照重要性得分选取前k个频率位置,并提取前k个频率位置对应的联合频谱特征,得到频谱特征。
13、优选的,根据频谱特征自适应选择并组合物理算子,生成算子调度队列的过程包括:
14、将频谱特征映射至统一的算子选择空间,得到特征投影结果,将特征投影结果输入循环解码器,循环解码器在每一个解码位置从参数化物理算子库中选择一个物理算子,形成有序的算子调度队列,物理算子在算子调度队列中的排列顺序决定物理算子的执行顺序,参数化物理算子库包括恒等映射、低通滤波、高通滤波、带通滤波、相位偏移、响应时延调节、幅值缩放和频谱平滑物理算子,每个物理算子有对应的参数。
15、优选的,将算子调度队列作用于初步推断序列,得到物理校正序列的过程包括:
16、对初步推断序列进行快速傅里叶变换,得到频谱表示,频谱表示中提取前k个频率位置的频谱系数;按照算子调度队列中物理算子的排列顺序在前k个频谱系数上依次执行算子调度队列中物理算子,得到k个修改后的频谱系数,将修改后的频谱系数对应写回频谱表示中原频率位置,得到修改后的频谱表示,对修改后的频谱表示进行逆快速傅里叶变换,得到物理校正序列。
17、步骤2用于保持初步推断过程中可能被削弱或破坏的内在物理关系。步骤2根据频谱特征,从参数化物理算子库中自适应选择并组合频带选择、相位偏移、幅值缩放和时延调节等物理算子,生成有序的算子调度队列。随后,将算子调度队列作用于初步推断序列的任务相关频谱分量,使频率、相位、幅值和时延等物理关系进入时序推断过程,得到物理校正序列。
18、优选的,以输入时序序列建立关系参考,识别物理校正序列中的失败特征并构造失败模式的过程包括:
19、将输入时序序列和物理校正序列划分为位置对齐的局部窗口,通过相同的多视图观测分别提取每个局部窗口的关系表征,得到输入时序序列、物理校正序列的关系表征特征向量;
20、对输入时序序列的关系表征特征向量进行聚类,得到参考聚类中心,以输入时序序列的关系表征特征向量到参考聚类中心的距离为参考邻域;
21、将物理校正序列的关系表征特征向量映射至参考邻域,将位于参考邻域之外的关系表征识别为失败特征,根据失败特征相对于最近的参考邻域的归一化偏离程度进行特征排序,将排序靠前的多个特征组织为失败模式。
22、优选的,基于附加物理算子对物理校正序列进行局部注入,得到候选物理校正序列的过程包括:
23、在物理校正序列中找到与附加物理算子的窗口对应的局部窗口,将局部窗口转换至频域,得到局部频谱,在局部频谱上执行附加物理算子,得到修正后的局部窗口,将修正后的局部窗口恢复至时域后与物理校正序列中未修改的区域合并,得到候选物理校正序列。
24、优选的,迭代验证候选物理校正序列的过程包括:将当前候选物理校正序列划分为多个局部窗口,通过多视图观测提取每个局部窗口的关系表征,得到候选物理校正序列的关系表征特征向量;
25、将当前候选物理校正序列的关系表征特征向量映射至参考邻域,将位于参考邻域之外的关系表征识别为当前失败特征,根据当前失败特征得到当前失败模式,分别计算当前失败模式和上一轮失败模式的分数,失败模式的分数为失败模式中每个失败特征到最近聚类中心的平方欧氏距离和平方欧氏距离与参考邻域阈值的偏差的和;
26、若当前失败模式的分数与上一轮的失败模式的分数的差值达到改善量时,当前候选物理校正序列被接受,进入下一轮迭代,否则,当前候选物理校正序列不被接受,返回上一轮候选物理校正序列。
27、步骤3主要用于处理初始算子调度队列仍无法解释的关系失败,并揭示被主导统计相关性掩盖的细粒度物理关系。该步骤以输入时序序列建立关系参考,以物理校正序列作为迭代修正的初始状态,通过多视图观测识别当前物理校正序列中的失败特征并构造失败模式。随后,根据失败模式选择附加物理算子,对相应的失败窗口进行局部注入,并通过队列演化和接受门验证修正结果。上述过程反复执行,使算子调度队列逐步适应当前输入时序序列,最终得到物理关系更加完整的最终物理校正序列。
28、优选的,时序分析模型包括训练后的双向长短期记忆编码器、任务头、物理算子参数生成器、循环解码器、多层感知机选择器,时序分析结果为补全序列、异常分数、预测序列中的任一个。
29、本发明还提供了结构健康监测系统,包括:
30、特征提取模块,用于对采集的结构健康监测数据进行预处理,得到输入时序序列,对输入时序序列进行处理,生成初步推断序列,初步推断序列和任务可见上下文经频域处理后形成频谱特征;
31、物理算子注入模块,用于根据频谱特征自适应选择并组合物理算子,生成算子调度队列,将算子调度队列作用于初步推断序列,得到物理校正序列;
32、物理关系揭示模块,用于以输入时序序列建立关系参考,识别物理校正序列中的失败特征并构造失败模式,根据失败模式选择附加物理算子,基于附加物理算子对物理校正序列进行局部注入,得到候选物理校正序列,迭代验证候选物理校正序列,直至达到预设迭代次数或不存在失败特征,得到最终物理校正序列,基于最终物理校正序列得到任务输出结果,训练后得到时序分析模型;
33、任务输出模块,用于将待分析的输入时序序列输入时序分析模型,得到时序分析结果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com