一种隧道健康状况的多AI专家协同智能评估方法及系统
本发明属于隧道工程检测与智能评估,具体涉及一种隧道健康状况的多ai专家协同智能评估方法及系统。
背景技术:
1、隧道在长期运营过程中,受到地质环境变化、结构老化、外力扰动等多重因素影响,其健康状况需定期通过检测进行评估。传统的隧道评估方法主要依赖人工经验,由工程师结合地质资料、结构检测数据、现场表观图像、运维记录以及相关规范进行综合判断。
2、近年来,人工智能技术在工程评估领域有所应用,但多采用单一模型对单一维度数据进行分析,例如仅基于裂缝图像识别或仅基于结构变形数据进行打分。这类方法未能将地质、结构、规范、表观和运维等多维度信息有机融合,评估结果的全面性和可靠性不足。此外,当不同维度的评估结论出现冲突时,缺少一种能够有效综合各方意见并做出稳健决策的机制。
3、综上,现有技术主要存在以下不足:(1)评估维度覆盖不完整,尤其在面对海量多源异构检测数据时,单一技术人员的判断易出现疏漏和偏差;(2)专家知识静态嵌入,缺乏独立推理能力,现有方案将专家知识量化为固定权重或打分矩阵,专家判断被压缩为数值参数,丧失了按领域逻辑独立评估并给出完整评估意见的能力;(3)缺乏民主化综合决策机制,现有方案均为集中式决策即单模型输出终局结果,当不同维度信息隐含矛盾时,缺乏类似专家会诊的多方独立研判与投票表决机制。
4、因此,如何设计一种能够充分利用隧道多源感知数据、整合不同专业领域知识、并给出科学决策的隧道健康状况的综合评估方法,是待解决的技术问题。
技术实现思路
1、针对上述现有技术的不足,本发明提供一种隧道健康状况的多ai专家协同智能评估方法及系统,通过构建五个分别专长于地质、结构、规范、表观检测和运维领域的人工智能专家模型,对隧道检测数据进行独立评估,并以奇数专家多数投票机制得出最终评估结论,从而提升评估的客观性、全面性和准确性。
2、第一方面,本技术实施例提供了一种隧道健康状况的多ai专家协同智能评估方法,包括如下步骤:
3、获取隧道的多源感知数据并进行预处理,所述多源感知数据包括地质探测数据、结构检测数据、规范评估参数数据、表观图像数据和运维历史数据;
4、将预处理后的所述多源感知数据分别输入至预先构建的各ai专家模型,获得第一评估等级数据;
5、对所述第一评估等级数据的每个第一评估等级进行投票统计,若某一第一评估等级的票数大于或等于三票,则将该第一评估等级作为隧道最终综合评估等级;若所有的第一评估等级的票数均为小于三票,则执行预设的双层保守融合策略,获得最终综合评估等级;
6、将所述最终综合评估等级与现场验证及整治复测获得的真实病害等级进行比对,得到等级偏差;
7、基于所述等级偏差反向更新各ai专家模型的知识库记录、模型参数与评估权重;
8、其中,所述各ai专家模型包括地质评估ai模型、结构评估ai模型、规范符合性评估ai模型、表观检测评估ai模型和运维评估ai模型,获得第一评估等级数据,所述第一评估等级数据包括地质风险等级、结构损伤等级、规范偏离度与符合性等级、表观病害等级和运维劣化指数与运维状态等级;
9、其中,所述预设的双层保守融合策略包括:
10、调取预设的安全关键特征集由各ai模型进行安全优先二次评估,获得第二评估等级数据;
11、对所述第二评估等级数据进行投票统计,若各第二评估等级的票数仍均小于三票,则计算加权安全风险指数,并根据所述加权安全风险指数所处的预设阈值区间映射得到所述最终综合评估等级。
12、优选地,所述预处理包括:对结构化数值数据执行标准化和缺失值插补处理,对非结构化文本数据执行专业分词预处理,对所述表观图像数据执行相机标定、环向展开和畸变校正处理,以及对所述规范评估参数数据执行指标名称标准化映射处理。
13、优选地,将预处理后的所述多源感知数据分别输入至预先构建的各ai专家模型,获得评估等级数据,包括:
14、地质评估ai模型采用案例推理与规则推理融合算法对所述地质探测数据进行处理,获得所述地质风险等级;所述地质评估ai模型的知识库录入围岩分级规范、不良地质勘察规范条文与隧道地质灾害历史事故案例库,内置地质文本条文向量化规则和地质监测时序特征提取算子;
15、结构评估ai模型采用卷积神经网络与门控循环单元混合网络分别处理对所述结构检测数据进行处理,获得所述结构损伤等级;所述结构评估ai模型的知识库内置衬砌应力验算公式、裂缝扩展力学模型和结构病害损伤分级标签规则;
16、规范符合性评估ai模型通过监测指标与规范条文的自动对标实现强制性条文的自动违例判定,对所述规范评估参数数据进行处理,获得所述规范偏离度与符合性等级;所述规范符合性评估ai模型的知识库包含隧道养护技术规范、设计规范和安全强制性条文库,并建立条文与监测指标的语义映射匹配算法;
17、表观检测评估ai模型通过像素级计算实现病害尺寸、面积和分布密度的量化,对所述表观图像数据进行处理,获得所述表观病害等级;所述表观检测评估ai模型内置隧道图像病害专用视觉模型,包含分别针对线状缺陷、面状渗湿和区域缺失的三类专属卷积特征提取模块;
18、运维评估ai模型通过拟合长期运营劣化衰减打分函数对所述运维历史数据进行处理,获得所述运维劣化指数与运维状态等级;所述运维评估ai模型的知识库内置交通荷载、通风照明、消防和机电故障的时序评价规则,并拟合长期运营劣化衰减打分函数。
19、优选地,所述安全优先二次评估包括:
20、调取所述预设的安全关键特征集,所述安全关键特征集由从地质、结构、规范符合性、表观检测和运维五个维度中分别选取的对隧道结构安全性影响权重最高的指标组成;
21、将各ai专家模型中非安全类次要特征的评估权重降低至原权重的30%,将核心安全特征的评估权重放大至原权重的1.5倍;
22、若任一安全关键特征的实际值触及对应ai专家模型的知识库中定义的高风险阈值,则将该ai专家模型输出的评估等级在原有等级基础上上调一级;
23、各ai专家模型基于调整后的权重和上调规则重新输出所述第二评估等级数据。
24、优选地,所述安全关键特征集包括:地质维度的围岩基本质量指标bq值、围岩遇水软化系数、地下水位与渗透压力和断层破碎带分布情况;结构维度的衬砌最大裂缝宽度、裂缝贯通状态、结构变形速率和衬砌厚度缺损率;规范维度的强制性条文违反情况和设计安全储备系数达标情况;表观维度的渗水严重程度等级和剥落掉块风险区域占比;运维维度的距上次结构性大修时长、养护缺失时长和设备劣化趋势等级。
25、优选地,所述计算加权安全风险指数,并根据所述加权安全风险指数所处的预设阈值区间映射得到所述最终综合评估等级,包括:
26、计算各ai专家模型的安全可信度系数;
27、通过非线性等级-风险映射函数将各ai专家模型的第二评估等级转换为风险贡献值;
28、基于各ai专家模型的所述安全可信度系数及所述风险贡献值,获得所述加权安全风险指数;
29、根据所述加权安全风险指数所处的预设阈值区间映射得到所述最终综合评估等级,且当所述加权安全风险指数与相邻更高一级阈值之间的差距小于该区间宽度的10%时,将所述最终综合评估等级上调一级。
30、7. 根据权利要求1所述的方法,其特征在于,所述基于所述等级偏差反向更新各ai专家模型的知识库记录、模型参数与评估权重,包括:
31、基于指数移动平均法,利用所述等级偏差追踪各ai专家模型的历史评估准确率;
32、对所述历史评估准确率连续三个评估周期低于预设阈值的ai专家模型触发人工校准流程;
33、将本次评估的完整案例数据增量录入对应的ai专家模型知识库,对采用深度学习网络的ai专家模型执行小批量增量微调,对采用规则引擎的ai专家模型调整对应规则的置信度权重;
34、根据更新后的各ai专家模型的历史评估准确率,重新计算各ai专家模型的安全可信度系数。
35、第二方面,本技术实施例提供了一种隧道健康状况的多ai专家协同智能评估系统,包括:
36、数据获取模块,用于获取隧道的多源感知数据并进行预处理,所述多源感知数据包括地质探测数据、结构检测数据、规范评估参数数据、表观图像数据和运维历史数据;
37、模型执行模块,用于将预处理后的所述多源感知数据分别输入至预先构建的各ai专家模型,获得第一评估等级数据;
38、投票融合模块,用于对所述第一评估等级数据的每个第一评估等级进行投票统计,若某一第一评估等级的票数大于或等于三票,则将该第一评估等级作为隧道最终综合评估等级;若所有的第一评估等级的票数均为小于三票,则执行预设的双层保守融合策略,获得最终综合评估等级;
39、数据比对模块,用于将所述最终综合评估等级与现场验证及整治复测获得的真实病害等级进行比对,得到等级偏差;
40、模型更新模块,用于基于所述等级偏差反向更新各ai专家模型的知识库记录、模型参数与评估权重;
41、其中,所述各ai专家模型包括地质评估ai模型、结构评估ai模型、规范符合性评估ai模型、表观检测评估ai模型和运维评估ai模型,获得评估等级数据,所述评估等级数据包括地质风险等级、结构损伤等级、规范偏离度与符合性等级、表观病害等级和运维劣化指数与运维状态等级;
42、其中,所述预设的双层保守融合策略包括:
43、调取预设的安全关键特征集由各ai模型进行安全优先二次评估,获得第二评估等级数据;
44、对所述第二评估等级数据进行投票统计,若各第二评估等级的票数仍均小于三票,则计算加权安全风险指数,并根据所述加权安全风险指数所处的预设阈值区间映射得到所述最终综合评估等级。
45、第三方面,本技术实施例提供了一种电子设备,包括:至少一个存储器,用于存储计算机程序;至少一个处理器,用于执行所述存储器中存储的计算机程序,以实现第一方面中任一项所述的方法。
46、第四方面,本技术实施例提供了一种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中任一项所述的方法。
47、本发明相较于现有技术,至少具有以下有益效果:
48、(1)本技术通过五个ai专家模型进行全维度独立并行评估,五个ai专家模型各自深耕单一专业领域并配备专用知识库,地质评估ai模型以围岩分级规范和地质灾害案例库为核心,结构评估ai模型以衬砌应力验算公式和裂缝力学模型为核心,规范符合性评估ai模型以养护规范和强制性条文库为核心,表观检测评估ai模型以病害图像识别规则和量化标准为核心,运维评估ai模型以设备寿命标准和养护频次要求为核心,各模型并行独立地对同一隧道进行推理评估,完整保留各领域的独立判断能力,评估结果可追溯、可解释;
49、(2)采用五个专家模型的投票机制:当三个及以上模型给出相同评估等级时快速输出结果并计算投票置信度量化共识程度;当各等级票数均不足三票时触发双层保守融合策略,先以安全优先模式进行二次评估后再次投票,若仍无法形成多数则通过安全可信度系数加权和等级-风险非线性映射计算综合风险指数以输出偏于安全的最终评估等级,确保在意见分散时结论不会偏向乐观;
50、(3)将最终评估等级与现场验证的真实病害等级进行比对得到等级偏差,基于该偏差通过指数移动平均法追踪各模型的历史准确率,对准确率持续低于阈值的模型触发人工校准,将新案例增量录入知识库并对深度学习模型增量微调、对规则引擎调整置信度权重,根据更新后的准确率重新计算安全可信度系数,使评估体系随使用持续进化;
51、(4)规范符合性评估ai模型通过条文与指标的语义映射匹配算法实现强制性条文的自动违例判定;运维评估ai模型基于时间衰减因子拟合长期运营劣化衰减打分函数,输出运维劣化指数与趋势预警,显著提升了评估的自动化程度与量化水平;
52、综上,本发明通过五专家独立并行评估、多数投票、递进式双层保守融合、闭环自优化和规范自动对标等关键技术手段的有机结合,实现了隧道多维度信息的有机融合与民主化综合决策。
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