桥梁结构异常自动识别与处置方法和系统与流程

摘要: 本发明涉及结构数字化监测,具体涉及一种桥梁结构异常自动识别与处置方法和系统。背景技术:1、结构健康监测系统目前正越来越多地部署于桥梁结构中,用于保障桥梁运营安全...
桥梁结构异常自动识别与处置方法和系统与流程

本发明涉及结构数字化监测,具体涉及一种桥梁结构异常自动识别与处置方法和系统。

背景技术:

1、结构健康监测系统目前正越来越多地部署于桥梁结构中,用于保障桥梁运营安全,以期在结构发生危险时及时识别并进行预警,为公众出行安全提供技术支持。与此同时,由于在役桥梁数量众多,监测系统覆盖面持续扩大,运维单位面临巨大的人员压力。监测系统发现异常后,确认告警、定位异常传感器、查看历史曲线、导出数据、生成报告、复位设备等处置操作,目前由专业工程师操作监测系统软件完成。

2、现有的桥梁健康监测系统异常处置主要依赖工程师人工操作监测软件。其流程为:监测系统触发告警后,工程师在监测中心打开监测软件,逐一查看告警传感器的实时数据和历史曲线,判断异常性质,随后通过软件界面操作完成数据导出、深度分析、撰写报告或设备控制。这种依赖人工操作软件的方式存在很多缺点。

3、首先,人员响应速度慢、可靠性低。告警发生后需人工介入操作软件,尤其在夜间、节假日等非工作时段,工程师无法第一时间抵达监测中心,导致处置延误。因此,监测中心需安排人员24小时值班,每座桥梁监测系统均需配置相应运维人员。随着监测系统覆盖面扩大和告警数量增加,人力不足问题日益突出,且人员疲劳、疏漏等人为因素进一步影响处置可靠性。

4、其次,误报率高。现有自动化告警推送方案仅能将未充分验证的告警信息转发至工程师,缺乏多源数据交叉验证能力,且完全依赖人工处置,误报率高,异常处置链条不完整。

5、第三,兼容和适配性差。少数新建监测系统提供api接口,可实现数据自动获取。但大量在役监测系统建成时间早,api接口方案覆盖不全,未开放api接口,或不同厂商接口协议互不兼容,桥梁健康监测系统面临的协议五花八门。此外,桥梁监测软件涉及应变、位移、加速度、温度等多类传感器数据,界面包含专业图表和工程语义信息,和通用视觉模型无法直接适配。

技术实现思路

1、本发明的目的是提供一种桥梁结构异常自动识别与处置方法和系统,解决现有技术中人员响应可靠性低、误报率高、兼容和适配性差的技术问题。

2、为实现上述目的,本发明提供一种桥梁结构异常自动识别与处置方法,包括以下步骤:获取目标监测点的实时监测数据,判断实时监测数据是否超过预警值;当实时监测数据未超过预警值时,采用多种数据异常识别方法得到一个时段内的实时监测数据的多个数据异常置信度;根据每种数据异常识别方法的误报率和实时细节捕捉能力,分别为所述多个数据异常置信度对应设置固定基础权重;根据所述一个时段内的实时监测数据的变化率和偏离幅度识别数据波动类别,根据所述数据波动类别分别为所述多个数据异常置信度对应设置动态加权权重;根据所述固定基础权重和所述动态加权权重融合所述多个数据异常置信度,得到融合置信度;当所述融合置信度超过第一阈值时,发出预警。

3、本发明还提供一种桥梁结构异常自动识别与处置系统,包括:界面采集装置,包含用于控制实时采集监测主机界面的视频采集芯片、用于接收监测主机界面信号的hdmi输入接口和用于输出监测主机界面信号的hdmi输出接口;神经网络处理器,与界面采集装置通讯连接,用于加载视觉语言模型,所述视觉语言模型用于识别监测主机界面中的界面元素并获取界面元素信息,以及识别数据异常;中央处理器,与神经网络处理器通讯连接,用于加载ocr以获取界面元素的文本内容,判断是否计算融合置信度,计算初步融合置信度和融合置信度,基于融合置信度判断是否发出预警、转为人工接管或生成操作指令,以及基于加载的操作知识图谱或深度自适应路径规划模型生成操作指令;api通信模块,与中央处理器通讯连接,用于调用监测主机的api以得到各监测点的实时监测数据、环境因素数据和历史监测数据,以及向监测主机发送所述操作指令;usb hid控制器,与中央处理器和神经网络处理器通讯连接,用于基于界面元素信息将所述操作指令转换为标准操作指令,以及向监测主机发送所述标准操作指令。

4、相比于现有技术,本发明的有益效果在于:

5、采用本发明的桥梁结构异常自动识别与处置方法和系统,通过采用多种数据异常识别方法获得实时监测数据的多个数据异常置信度,并通过根据每种数据异常识别方法的误报率和实时细节捕捉能力设置固定基础权重,并根据实时监测数据的变化率和偏离幅度识别数据波动类别,再根据数据波动类别设置动态加权权重,根据固定基础权重和动态加权权重融合所述多个数据异常置信度,能够避免单一方法在特定波动情形下的显著误差影响整体判断,降低误报率;进一步地,还能够捕捉到传统固定阈值判定方法无法发现的早期微弱异常信号,从而在不牺牲安全性的前提下提高灵敏度,实现早发现早处置。

6、优选地,所述获取目标监测点的实时监测数据包括:调用监测主机的api以得到实时监测数据;若不可行,采用视觉语言模型识别监测主机界面中的界面元素并获取界面元素信息,基于所述界面元素信息采用ocr提取所述界面元素中动态界面元素的文本内容以得到实时监测数据;其中,所述界面元素信息包括所述界面元素的类别、尺寸和位置信息。

7、优选地,当所述融合置信度超过第二阈值时,生成操作指令并自动执行页面操作;其中,所述第二阈值大于所述第一阈值,所述自动执行页面操作包括:在所述监测主机界面的dom结构中定位界面元素,向监测主机自动发送所述操作指令,基于所述操作指令自动执行页面操作;若不可行,向usb hid控制器自动发送所述操作指令,usb hid控制器基于所述界面元素信息将所述操作指令转换为标准操作指令,向监测主机自动发送所述标准操作指令,基于所述标准操作指令自动执行页面操作。

8、优选地,所述生成操作指令包括:根据操作知识图谱中预存的操作路径生成操作指令,每个操作指令包含至少一个操作路径;当基于所述预存的操作路径生成的操作指令或标准操作指令执行页面操作失败时,采用视觉语言模型识别当前监测主机界面中的界面元素并获取界面元素信息,将当前监测主机界面的所述界面元素信息输入预先训练的深度自适应路径规划模型以生成多个操作路径,将最佳操作路径加入所述操作指令;判断新界面元素信息是否与目标监测主机界面的界面元素信息一致,若否,将所述新界面元素信息输入所述深度自适应路径规划模型以生成多个新操作路径,将最佳新操作路径加入所述操作指令;其中,所述新界面元素信息为基于所述操作指令自动执行页面操作后得到的新的监测主机界面的界面元素信息。

9、优选地,预先训练所述深度自适应路径规划模型包括:利用操作知识图谱中预存的操作路径和对应的目标监测主机界面的界面元素信息生成初始训练样本,每一操作路径包含一待执行监测主机界面的界面元素信息和对应的可执行动作,所述可执行动作包括单击、双击、右键单击、输入文本、滚轮或等待;构建模型网络结构,所述网络结构的输入层用于接收待执行监测主机界面的界面元素信息及其对应的目标监测主机界面的界面元素信息,所述网络结构的输出层用于输出各个可执行动作的q值;探索不同的操作路径,每当对一个待执行监测主机界面完成可执行动作后,如果得到的新监测主机界面的界面元素信息与所述待执行监测主机界面对应的目标监测主机界面的界面元素信息一致,给予所述可执行动作较大正奖励;如果得到的新监测主机界面的界面元素信息与所述待执行监测主机界面对应的目标监测主机界面的界面元素信息接近,给予所述可执行动作较小正奖励;否则,给予所述可执行动作负奖励。

10、优选地,当所述融合置信度超过第三阈值且小于第一阈值、或基于包含达到预设数量操作路径的标准操作指令自动执行页面操作后仍未显示目标监测主机界面、或自动执行页面操作超过预设次数后仍未显示目标监测主机界面时,人工接管执行页面操作;其中,所述第三阈值小于所述第一阈值。

11、优选地,所述预先训练所述深度自适应路径规划模型还包括:自动保存人工接管执行页面操作的操作路径并赋予优先采样权重。

12、优选地,所述根据所述固定基础权重和所述动态加权权重融合所述多个数据异常置信度,得到融合置信度包括:根据所述固定基础权重和所述动态加权权重融合所述多个数据异常置信度,得到初步融合置信度;当所述初步融合置信度超过第一阈值或实时监测数据超过预警值时,识别为初步异常;当识别到初步异常时,将所述初步融合置信度与相邻监测点一致性评分、环境因素解释评分和历史基线偏移评分加权融合,得到融合置信度;其中,基于与所述目标监测点相邻的监测点的总数和初步融合置信度超过第一阈值的所述相邻的监测点的数量得到所述相邻监测点一致性评分,基于环境因素数据得到所述环境因素解释评分,基于所述目标监测点的历史监测数据和实时监测数据得到所述历史基线偏移评分;其中,所述环境因素数据包括环境温度、风速、历史同期温度均值和历史同期温度标准差。

13、优选地,所述桥梁结构异常自动识别与处置方法还包括:采用视觉语言模型和ocr识别监测主机界面中的界面元素中是否包含告警弹窗,将包含告警弹窗识别为初步异常;其中,采用视觉语言模型识别所述界面元素中的弹窗及其位置,采用ocr识别弹窗位置中的文本内容以判断所述弹窗是否为告警弹窗。