一种基于贝叶斯反演的桥梁损伤识别方法和系统与流程

摘要: 本发明属于桥梁结构健康监测与损伤识别,具体涉及一种基于贝叶斯反演的桥梁损伤识别方法和系统。背景技术:1、桥梁结构健康监测是保障大型桥梁运营安全的核心技术手段。当...
一种基于贝叶斯反演的桥梁损伤识别方法和系统与流程

本发明属于桥梁结构健康监测与损伤识别,具体涉及一种基于贝叶斯反演的桥梁损伤识别方法和系统。

背景技术:

1、桥梁结构健康监测是保障大型桥梁运营安全的核心技术手段。当前主流的桥梁损伤识别技术主要基于模态参数识别方法,通过提取结构的固有频率、振型、阻尼比等全局模态特征,对比健康基线与当前状态的差异来判定损伤。

2、随着桥梁运营年限的增长,传统模态参数识别方法逐渐暴露出三大核心局限性:1.环境干扰敏感性高:温度、湿度、风速等环境因素引起的模态参数变化幅度,往往远大于小损伤引起的结构特性变化,导致极高的误报率;2.局部小损伤识别能力弱:模态参数是结构全局平均特性,对桥梁局部构件的早期微损伤(如裂缝宽度小于0.2mm、螺栓松动初期)不敏感,通常需损伤程度达10%以上才能被检测到;3.基线无法自适应演化:固定的健康基线无法适配结构长期运营过程中的缓慢老化(如混凝土徐变、预应力损失、材料性能退化),导致长期监测精度持续下降。

3、近年来,贝叶斯统计方法逐渐应用于结构损伤识别领域,通过概率推理量化损伤存在的置信度,但现有贝叶斯损伤识别方法仍依赖有限元模型更新或固定特征提取,未能充分利用桥梁施工期积累的大量无损状态监测数据,也未建立健康基线的动态自更新机制。现有方法多采用运营期初期数据作为健康基线,该阶段已承受车辆荷载和环境干扰,并非结构真正的无损状态;固定的模态参数特征无法适配不同桥梁、不同构件的损伤演化特性,导致损伤识别精度差异大;传统阈值判断方法无法区分结构响应变化是由损伤引起还是环境因素导致,误报率居高不下;静态健康基线与结构长期性能演化不匹配,导致运营后期漏报率显著上升。

4、综上所述,现有技术中的桥梁损伤识别方法存在健康基线代表性不足,环境干扰无法有效剔除,基线无法自适应结构老化的问题。

技术实现思路

1、为了解决现有技术中的桥梁损伤识别方法存在健康基线代表性不足、环境干扰无法有效剔除、基线无法自适应结构老化的问题。

2、第一方面,本发明提出了一种基于贝叶斯反演的桥梁损伤识别方法,包括:

3、获取桥梁施工末期的第一监测数据,分别提取不同结构构件对应的第一损伤敏感特征向量,形成健康样本集;基于所述健康样本集构建表征健康状态概率分布的初始健康字典;所述第一监测数据包括振动响应数据和应变数据;

4、获取桥梁运营期的第二监测数据,并基于所述第二监测数据提取与所述第一损伤敏感特征向量维度一致的第二损伤敏感特征向量;计算所述第二损伤敏感特征向量分别在健康假设与异常假设下的似然比,得到贝叶斯因子,基于所述贝叶斯因子判断是否触发损伤预警;

5、对触发预警的数据段经双重确认后,将满足预设条件的特征向量加入健康样本集,并更新所述初始健康字典。

6、优选的,获取桥梁施工末期的第一监测数据之后,还包括:

7、对所述第一监测数据进行预处理;

8、所述预处理包括小波阈值去噪、异常数据剔除、按预设长度无重叠分段中的至少一种。

9、优选的,基于所述第一监测数据,分别提取不同结构构件对应的第一损伤敏感特征向量,形成健康样本集,包括:

10、根据结构构件的类型,自适应选择特征参数和分解参数,构建构件专属的损伤敏感特征向量,形成健康样本集;

11、所述损伤敏感特征向量包括小波包能量谱特征与传递函数特征;

12、所述小波包能量谱特征为构件测点振动响应经小波包分解后各频带的归一化能量值;

13、所述传递函数特征为关键构件相邻测点振动响应频响函数在前三阶固有频率附近的幅值峰值和对应的相位值。

14、优选的,所述基于所述健康样本集构建表征健康状态概率分布的初始健康字典,包括:

15、将所有健康样本集采用高斯混合模型建模,计算描述健康状态下特征向量的概率分布,得到高斯混合模型参数及概率分布作为所述初始健康字典。

16、优选的,所述计算所述第二损伤敏感特征向量分别在健康假设与异常假设下的似然比,得到贝叶斯因子,包括:

17、计算所述第二损伤敏感特征向量在健康假设下对应高斯混合模型的第一边缘似然;

18、计算所述第二损伤敏感特征向量在异常假设下对应无信息先验分布的第二边缘似然;

19、所述贝叶斯因子为所述第二边缘似然与所述第一边缘似然的比值。

20、优选的,所述基于所述贝叶斯因子判断是否触发损伤预警,包括:

21、当贝叶斯因子小于1时,判定结构健康,输出正常监测信号;

22、当贝叶斯因子大于等于1且小于10时,输出一级预警信号,提高对应构件的监测频率;

23、当贝叶斯因子大于等于10时,输出二级预警信号,触发人工复核与现场排查。

24、优选的,所述对触发预警的数据段经双重确认,包括:

25、提取所述第二监测数据对应的环境参数向量,计算所述环境参数向量与所述初始健康字典中各样本的环境参数的平均相似度,若所述平均相似度大于预设阈值则通过环境条件相似度验证;

26、将通过环境条件相似度验证的第二监测数据提交人工复核,确认不存在非结构损伤干扰的判定为复核通过。

27、进一步的,所述环境参数向量包括结构温度、环境湿度、平均风速,所述平均相似度采用余弦相似度计算。

28、优选的,所述将满足预设条件的特征向量加入健康样本集,并更新所述初始健康字典,包括:

29、将通过双重确认的第二损伤敏感特征向量加入健康样本集中,采用增量期望最大化算法更新所述高斯混合模型的权重、均值及协方差参数,完成健康字典的更新。

30、第二方面,本发明提出了一种基于贝叶斯反演的桥梁损伤识别系统,包括:

31、健康字典构建模块,用于获取桥梁施工末期的第一监测数据,分别提取不同结构构件对应的第一损伤敏感特征向量,形成健康样本集;基于所述健康样本集构建表征健康状态概率分布的初始健康字典;

32、特征提取模块,用于获取桥梁运营期的第二监测数据,并基于所述第二监测数据提取与所述第一损伤敏感特征向量维度一致的第二损伤敏感特征向量;

33、预警模块,用于计算所述第二损伤敏感特征向量分别在健康假设与异常假设下的似然比,得到贝叶斯因子,基于所述贝叶斯因子判断是否触发损伤预警;

34、字典更新模块,用于对触发预警的数据段经双重确认后,将满足预设条件的特征向量加入健康样本集,并更新所述初始健康字典。

35、再一方面,本发明还提供了一种计算设备,包括:一个或多个处理器;

36、处理器,用于执行一个或多个程序;

37、当所述一个或多个程序被所述一个或多个处理器执行时,实现如上述所述的一种基于贝叶斯反演的桥梁损伤识别方法。

38、再一方面,本发明还提供了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现如上述所述的一种基于贝叶斯反演的桥梁损伤识别方法。

39、与现有技术相比,本发明的有益效果为:

40、本发明提供了一种基于贝叶斯反演的桥梁损伤识别方法和系统,利用桥梁施工期最后阶段——“已合龙但未通车”这一公认的无损伤窗口,从监测数据中提取构件级动力学特征,构建该桥独一无二的“健康指纹字典”;运营期通过计算新数据窗口与健康字典之间的贝叶斯因子,实时反演结构处于健康状态的证据强度,实现概率化损伤预警;并在双重安全确认下,将正常运营数据纳入字典,适应结构缓慢演变。

41、本发明基于施工期纯净无损数据建立的健康基线,可识别出传统方法无法检测的早期微损伤,损伤识别灵敏度提升30%以上,显著提升小损伤识别精度;通过贝叶斯因子量化概率差异,结合环境协变量校正,可将环境干扰引起的误报率降低80%以上,大幅降低误报率;自学习更新机制使健康基线始终与结构当前健康状态匹配,适配结构长期性能演化,解决了传统方法运营后期精度下降的问题;充分利用施工期已安装的监测设备和已积累的数据,无需额外投入健康标定试验,工程落地成本低,可直接集成到现有桥梁监测系统中;贝叶斯因子具有明确的概率意义,预警结果可解释性强,便于工程人员根据风险等级制定分级处置策略。