一种大跨度曲线梁桥悬浇施工中结构应力异常的检测方法与流程

本发明属于桥梁健康检测领域，具体涉及一种大跨度曲线梁桥悬浇施工中结构应力异常的检测方法。

背景技术：

1、大跨度曲线梁桥在悬臂浇筑施工过程中，结构应力状态受到多种因素的复杂耦合影响。一方面，混凝土浇筑、预应力张拉、挂篮移动、模板调整、临时荷载切换和支架转换等正常施工工序会对应力水平产生确定性的台阶变化和趋势漂移。另一方面，曲线梁桥的平面曲率导致弯扭耦合效应显著，同一截面内弧侧与外弧侧、顶板与底板、腹板上下缘之间的应力响应具有明显的非对称性，局部微裂缝或刚度退化产生的应力重分布信号极易被整体施工荷载变化所掩盖。因此，构建一种有效的检测结构应力的方法是十分必要的。

2、然而，现有方法在结构应力检测方面存在以下缺陷：多直接使用单点原始应力或简单多通道拼接，既未利用内外侧、顶底板等力学耦合关系构建空间差分对，也未系统剥离温度、收缩徐变和施工工序等可解释响应，导致局部异常被整体荷载变化掩盖或正常施工事件被误判；缺乏对传感器空间拓扑关系的建模，且多采用单一池化策略压缩时序特征，在标注样本有限的场景下要么依赖深度迭代训练难以部署，要么在平滑处理中丢失早期微裂缝产生的瞬时冲击信号。

技术实现思路

1、针对现有技术的不足，本发明提出一种大跨度曲线梁桥悬浇施工中结构应力异常的检测方法，通过时序物理场解耦和构造轻量级随机特征映射网络训练，提高对施工事件的判别能力。

2、为实现上述功能，本发明采用以下核心构思：

3、s1、采集传感器通道的结构应力序列，构建原始结构应力监测数据张量并进行预处理；获取温度参考量、施工日志事件信息和传感器空间属性表；对施工节段进行异常类别标注；

4、s2、基于有效空间差分对集合和曲率放大系数，获取曲率加权空间差分应力序列；根据施工日志事件时刻、温度参考量和时间趋势项，扣除可解释物理响应，得到残余应力序列；将曲率加权空间差分应力序列和残余应力序列按通道维度拼接，得到综合增强特征张量；

5、s3、构建单隐藏层轻量级随机特征映射网络，将传感器空间邻接关系嵌入固定随机投影过程，利用局部峭度指标筛选对异常冲击敏感的隐藏层节点，通过岭回归解析求解输出权重，进而计算异常检测得分；

6、s4、部署单隐藏层轻量级随机特征映射网络，基于在线监测数据得到异常判定结果并进行时间一致性确认。

7、作为进一步的方案，s1具体包括：

8、在曲线梁桥悬臂浇筑施工节段布置应力传感器，采集各传感器通道的结构应力序列，形成原始结构应力监测数据张量，并对原始结构应力监测数据张量进行时间对齐和缺失值处理；

9、获取温度参考量和施工日志事件信息，从施工日志中提取预应力张拉、混凝土浇筑、挂篮移动、模板调整、临时荷载切换和支架转换等施工事件的发生时间，并将施工事件发生时间换算为样本内部的时刻索引；

10、根据桥梁结构设计图和传感器布设图建立传感器空间属性表，所述传感器空间属性表至少包括每个原始传感器通道对应的桥梁截面编号、构件位置、内外弧侧位置、上下缘位置、纵向里程和曲率半径；

11、对每个施工节段样本进行异常类别标注，分为正常施工节段样本和异常施工节段样本。

12、作为进一步的方案，s2中曲率加权空间差分应力序列构造过程包括：

13、从时间对齐和缺失值处理后的原始结构应力监测数据张量中读取每个样本、每个时刻和每个原始传感器通道对应的原始结构应力值；

14、根据桥梁结构设计图、传感器布设图和截面力学关系，建立有效空间差分对集合；

15、为有效空间差分对集合中的每个有效空间差分对确定曲率放大系数；

16、基于有效空间差分对集合和曲率放大系数，对原始结构应力监测数据张量进行空间差分增强，得到曲率加权空间差分应力序列；

17、对全部有效空间差分对重复空间差分增强计算，得到样本对应的曲率加权空间差分应力序列。

18、作为进一步的方案，s2中残余应力序列构建过程包括：

19、对样本的温度参考量和施工事件时刻进行统一整理，使温度参考量、施工事件阶跃项和曲率加权空间差分应力序列具有相同时间索引；

20、为每个施工事件构造事件阶跃项；

21、基于基线项、时间趋势项、温度响应项和事件阶跃项构建可解释的物理响应模型，获取样本空间通道的可解释物理响应；

22、通过带岭正则的最小二乘方式估计可解释物理响应模型中的各项系数；

23、从曲率加权空间差分应力序列中扣除可解释物理响应，得到残余应力序列。

24、作为进一步的方案，s2中综合增强特征张量构造过程包括：

25、将样本的曲率加权空间差分应力序列和残余应力序列分别整理成相同格式的数组；

26、沿通道维度拼接曲率加权空间差分应力序列和残余应力序列，得到综合增强特征张量；

27、对综合增强特征张量执行训练集统计量归一化，得到归一化综合增强特征张量。

28、作为进一步的方案，s3中固定随机投影映射过程包括：

29、根据综合增强特征张量中的增强特征通道来源，构建空间邻接矩阵，记录两个增强特征通道之间是否存在力学邻接关系；

30、为单隐藏层随机特征映射网络初始化隐藏层节点，并为隐藏层节点生成基础随机权重和随机偏置；

31、根据空间邻接矩阵对基础随机权重进行拓扑约束，得到拓扑约束随机投影权重；

32、将归一化综合增强特征张量输入固定随机投影映射，得到随机映射特征。

33、作为进一步的方案，s3中隐藏层节点筛选过程包括：

34、为每个隐藏层节点设置局部滑动窗口长度，确定局部峭度计算所覆盖的连续采样时刻数量；

35、针对隐藏层节点，在每个训练样本和每个有效时刻处计算局部滑动窗口内的局部均值、局部方差和局部四阶中心矩，计算局部滑动窗口内各随机映射特征值相对于局部均值的偏离量，再分别计算偏离量的平方平均值和四次方平均值；

36、根据局部方差和局部四阶中心矩计算隐藏层节点的局部峭度重要性得分；

37、将全部隐藏层节点按照局部峭度重要性得分从大到小排序，选取前k个隐藏层节点构成判别性节点集合，根据判别性节点集合从随机映射特征中提取筛选结果特征，得到判别性随机映射特征。

38、作为进一步的方案，s3中岭回归解析求解输出权重包括：

39、对样本的判别性随机映射特征沿时间维执行时间平均池化，得到时间平均特征值；

40、对样本的判别性随机映射特征沿时间维执行绝对最大池化，得到绝对最大特征值；

41、时间平均特征值和绝对最大特征值按判别性节点顺序拼接，得到固定长度特征向量；

42、将全部训练样本的固定长度特征向量按样本维度堆叠，得到训练特征矩阵；

43、通过岭回归解析求解输出权重向量，根据权重向量计算异常检测得分，并根据验证集确定异常判定阈值，基于异常检测得分和异常判定阈值判定样本是否存在结构应力异常风险。

44、作为进一步的方案，s4包括：

45、部署单隐藏层轻量级随机特征映射网络，收集在线数据，按照与训练阶段相同的方式处理数据；

46、处理后的数据经单隐藏层轻量级随机特征映射网络得到在线异常检测得分，基于异常判定阈值得到异常判定结果；

47、对连续多个在线识别窗口的异常判定结果执行时间一致性确认。

48、本发明的优点在于：

49、提出曲率加权的空间差分增强与施工事件引导的时序物理场解耦，通过构建有效空间差分对并利用曲率半径非线性放大弯扭耦合区域的应力梯度，同时用基线、趋势、温度和事件阶跃项拟合可解释响应并剥离出残余扰动，使正常工序的确定性变化不被误判为异常；其次，构建嵌入传感器空间邻接关系的随机投影网络，结合局部峭度驱动的判别性节点筛选与时间双池化表征，以空间邻接矩阵约束随机权重、以峭度得分筛选冲击敏感节点、以平均池化和最大池化并行压缩时序特征，在无需深度迭代训练的前提下兼顾持续偏移与瞬时尖峰的识别。