一种桥梁伸缩缝状态监测系统及方法与流程

本发明涉及桥梁检测的，特别涉及一种桥梁伸缩缝状态监测系统及方法。

背景技术：

1、桥梁作为交通运输网络的关键枢纽，其结构安全性直接关系到人民生命财产安全与社会经济运行。伸缩缝作为桥梁结构中至关重要的连接部件，主要用于适应桥梁因温度变化、混凝土收缩徐变以及车辆荷载等作用产生的变形。然而，在长期服役过程中，由于环境侵蚀、交变荷载及材料老化等因素的影响，伸缩缝极易出现堵塞、破损、异响甚至失效等病害，这不仅会影响行车的舒适性与安全性，严重时还会导致桥梁主体结构的损坏。

2、现有技术一，中国专利，申请号：cn202410764457.3，公开了一种基于单目视觉的桥梁伸缩缝宽度参数监测方法和系统，涉及铁路桥梁伸缩缝结构服役状态健康监测领域，监测方法包括：设置多个用于伸缩缝宽度监测的监测点以及监测设备；由一个活动端标靶和一个用于为图像采集设备进行校准的轨道面标靶构成一个用于桥梁伸缩缝宽度监测的监测点；采集多个监测点的标靶图像数据；处理监测点的标靶图像数据，并基于处理结果监测桥梁伸缩缝宽度，还公开电子设备及计算机可读存储介质，基于单目视觉位移测量方案，有效保障铁路桥梁结构系统运行的安全性，仅需要在标靶安装过程中尽量保证2个标靶的短边与钢轨的底边平行以及质心点处于同一个横截面内，给出位移计算的解析解，提高单目视觉位移计算的可行性；

3、现有技术二，中国专利，申请号：cn202010462331.2，公开了一种桥梁伸缩缝状态的预警方法，涉及土木工程结构健康监测的技术领域，预警方法包括：持续采集桥梁的温度和伸缩缝位移；根据采集到的桥梁的温度和伸缩缝位移，计算桥梁的温度-位移相关系数；按照时间序列获取桥梁的多个温度-位移相关系数，得到温度-位移相关系数组；根据得到的温度-位移相关系数组，在时域上构建温度-位移相关系数的自回归模型；采用自回归模型对温度-位移相关系数组进行建模，计算得到预测结果，并利用预测结果对桥梁的伸缩缝状态进行预警。本技术公开还公开了一种桥梁伸缩缝状态的预警系统。本技术能够对伸缩缝状态在未来时间段进行预测，实现伸缩缝状态异常的提前预警，提升伸缩缝状态判断的时效性；

4、现有技术三，中国专利，申请号：cn202110085774.9，公开了一种桥梁伸缩缝状态的监测方法及监测系统，涉及工程测量相关技术领域，该监测方法包括采集桥梁伸缩缝在活载作用下的声音信号；对声音信号进行音频分析，确定声音信号的有效特征参数；根据声音信号的有效特征参数与预设值的比较结果确定出桥梁伸缩缝的状态。本技术能够实时采集桥梁伸缩缝的声音信号，并对声音信号的有效特征参数进行定量分析，能够有效识别桥梁伸缩缝的状态，为后续根据该桥梁伸缩缝的状态进行预警反馈提供基础，以提高监测的时效性；

5、目前现有技术一、现有技术二存在缺乏对伸缩缝“几何形态”与“物理响应”的融合感知。视觉监测易受环境遮挡影响，声学监测易受噪声干扰，而温度位移模型缺乏对瞬时荷载的响应能力的问题。因而，本发明提供一种桥梁伸缩缝状态监测系统及方法。

技术实现思路

1、为达到上述目的，本发明采用如下技术方案：一种桥梁伸缩缝状态监测系统， 包括：

2、多源数据同步采集模块，用于同步采集桥梁伸缩缝的视觉图像数据、环境温度数据及结构声振信号，并根据视觉图像数据得到对应时刻的伸缩缝的绝对宽度值；

3、数据预处理与特征融合模块，用于对绝对宽度值、环境温度数据及结构声振信号进行预处理并通过特征融合生成综合状态特征向量；

4、健康基线模型，用于存储桥梁伸缩缝历史健康状态特征向量集，并提供健康状态统计基准参数，所述基准参数包括历史健康状态特征向量集的均值向量和协方差矩阵；

5、状态偏移度计算模型，用于根据综合状态特征向量与健康基线模型计算当前状态的状态偏移度；

6、趋势预测模型，用于根据状态偏移度的时序数据预测伸缩缝未来状态变化趋势。

7、优选地，所述多源数据同步采集模块包括：

8、视觉测量单元，包括至少一组工业相机和视觉标靶，工业相机设置在桥梁伸缩缝的固定侧上，视觉标靶设置在桥梁伸缩缝的活动侧上，工业相机的镜头正对视觉标靶，拍摄方向垂直于桥梁伸缩缝的伸缩方向，工业相机周期性或者触发式拍摄视觉标靶图像，以获取视觉图像数据，并根据视觉图像数据获取桥梁伸缩缝的绝对宽度值；

9、分布式温度传感单元，包括均匀布置于桥梁主体结构上的多个温度传感器，用于获取桥梁主体结构周围的环境温度数据；

10、声振信号传感单元，包括安装于伸缩缝固定侧的防水麦克风和安装于伸缩缝活动侧的加速度传感器，用于采集车辆通过时伸缩缝产生的结构声振信号。

11、优选地，根据视觉图像数据获取桥梁伸缩缝的绝对宽度值具体包括如下步骤：

12、步骤1、基础参数确定：

13、步骤11、确定图像像素坐标与三维世界物理坐标的转换关系，公式如下：

14、，   （1）

15、其中，

16、为图像中特征点的像素坐标，

17、为特征点在相机坐标系下的深度，

18、为相机在 x、y 轴方向的归一化焦距，由相机标定获得，

19、为相机主点坐标（图像光心），由相机标定获得，

20、为相机外参，分别为世界坐标系到相机坐标系的旋转矩阵和平移向量，由标定获得，

21、为特征点在世界坐标系下的三维物理坐标；

22、步骤12、对工业相机镜头进行畸变校正，公式如下：

23、，       （2）

24、其中，为畸变校正后的特征点像素坐标；为相机径向畸变系数，由标定获得；为特征点到图像主点的像素距离；

25、步骤13、确定伸缩缝的初始绝对基准宽度，公式如下：

26、，       （3）

27、其中，为基准温度（通常为 20℃）下，伸缩缝的初始绝对基准宽度，为后续实时计算的基准；为伸缩缝的设计安装宽度，由桥梁设计图纸提供；为多次现场测量得到的伸缩缝的实测均值与的宽度的偏差修正值。

28、步骤2、求解绝对宽度，具体包括如下步骤：

29、步骤21、获取当前时刻图像中固定侧基准点和活动侧标靶特征点的坐标，分别为和， 固定侧基准点为伸缩缝固定侧的永久不动标记点，活动侧标靶特征点为伸缩缝活动侧的视觉标靶上的特征点；

30、步骤22、将和分别代入到公式（2）中，得到校正后的在图像中的坐标和在图像中的坐标；

31、步骤23、将和分别代入到公式（1）中，得到固定侧基准点和活动侧标靶特征点的实际坐标和；

32、步骤24、沿伸缩缝开合方向计算活动侧相对固定侧的实时物理位移差值，若伸缩缝的开合方向为x方向，，为基准工况下两特征点伸缩方向的初始物理间距差值；

33、步骤25、计算当前时刻伸缩缝的原始的绝对宽度值，计算公式如下：

34、。  （5）

35、优选地， 所述数据预处理与特征融合模块采用如下方法进行特征融合：

36、将同一时间窗口内的绝对宽度值、环境温度数据、结构声振信号进行归一化处理后，按权重拼接构成综合状态特征向量，计算如下：

37、，

38、其中，为综合状态特征向量，为绝对宽度值w1，为环境温度数据，为结构声振信号，为归一化函数，、、为通过历史数据学习或专家经验设定的特征权重，且。

39、优选地，所述状态偏移度计算模型通过计算当前综合状态特征向量与存储在健康基线模型中的历史健康状态特征向量集的统计距离来实现，所述状态偏移度的计算公式为：

40、

41、其中，表示t时刻的状态偏移度，用于度量当前状态偏离历史健康基线的程度，为历史健康状态特征向量的均值向量，为历史健康状态特征向量集的协方差矩阵，为历史健康状态特征向量集的协方差矩阵的逆矩阵，为当前时刻的综合状态特征向量，为历史健康状态特征向量集，，。

42、优选地，所述趋势预测模型为长短期记忆网络lstm与自回归滑动平均模型arma的混合模型，其中，长短期记忆网络lstm用于捕捉状态偏移度序列的长期非线性依赖关系，自回归滑动平均模型arma用于拟合序列的短期线性成分，最终的状态偏移度的预测值计算如下：

43、

44、其中，表示从t-n到t时刻的状态偏移度的时间序列，为动态调整的融合权重。

45、本发明还提供了一种桥梁伸缩缝状态监测方法，其特征在于，包括以下步骤：

46、s1：通过多源数据同步采集模块，同步获取指定监测周期内伸缩缝的视觉图像数据、环境温度数据及声振信号信号，并根据视觉图像数据得到对应时刻的伸缩缝的绝对宽度值；

47、s2：对绝对宽度值、环境温度数据及结构声振信号进行预处理并通过特征融合得到综合状态特征向量；

48、s3：基于综合状态特征向量以及健康基线模型中的历史健康状态特征向量集和基准参数计算当前状态的状态偏移度；

49、s4：将状态偏移度按时间序列输入趋势预测模型，预测未来一段时间内的伸缩缝的状态偏移度的变化趋势；

50、s5：根据当前状态偏移度及其偏移度变化趋势，结合预设阈值，执行分级预警决策。

51、优选地，所述分级预警包括三个等级：

52、一级预警：当当前状态偏移度首次超过第一阈值，但预测趋势平稳或下降；

53、二级预警：当当前状态偏移度持续超过第一阈值，且预测趋势上升；

54、三级预警：当当前的状态偏移度超过第二阈值，或状态偏移度的预测值将超过第二阈值。

55、与现有技术相比，本发明具有以下有益效果：

56、本发明在计算伸缩缝的偏移度时，不但直接计算了伸缩缝的实时大小，还考虑到了温度以及声振信号，这样使计算出来的偏移度更加的符合实际情况。