通信塔的结构状态预警方法和装置、存储介质及电子设备与流程

本技术涉及人工智能领域，具体而言，涉及一种通信塔的结构状态预警方法和装置、存储介质及电子设备。

背景技术：

1、通信塔的结构健康监测主要采用传感器阈值报警方法，预警准确性较低，且预警严重滞后，仅能在结构损伤已经发展到宏观可见、传感器数值超过预设阈值时才发出报警，此时结构往往已处于临界失效状态，无法提供足够的维修窗口期。另外的监督学习模型方法，需要依赖大量结构损伤甚至倒塌的故障样本进行训练，但通信塔结构失效是小概率事件，有效故障样本较少，导致模型泛化能力较差，漏报、误报率较高，预警准确性较低。

2、针对相关技术中依据传感器阈值报警实现通信塔的结构状态预警，存在预警准确性较低的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本技术的主要目的在于提供一种通信塔的结构状态预警方法和装置、存储介质及电子设备，以解决相关技术中依据传感器阈值报警实现通信塔的结构状态预警，存在预警准确性较低的问题。

2、为了实现上述目的，根据本技术的一个方面，提供了一种通信塔的结构状态预警方法。该方法包括：获取被监测通信塔在当前监测周期的多模态数据集；获取当前监测周期对应的结构动力学生成式因果图，其中，结构动力学生成式因果图包括多个物理节点和连接多个物理节点的有向边，有向边用于表征节点之间的振动传递因果关系，每条有向边对应一个振动传递模型，振动传递模型通过样本数据集训练生成式对抗网络得到；依据当前监测周期的多模态数据集和当前监测周期对应的结构动力学生成式因果图进行推理计算，得到被监测通信塔对应的整体结构健康指数；依据整体结构健康指数确定被监测通信塔对应的预警信息。

3、进一步地，依据当前监测周期的多模态数据集和当前监测周期对应的结构动力学生成式因果图进行推理计算，得到被监测通信塔对应的整体结构健康指数包括：将当前监测周期的多模态数据集输入当前监测周期对应的结构动力学生成式因果图，对于每条有向边，通过该有向边对应的振动传递模型依据当前监测周期的多模态数据集进行振动响应预测，得到预测值；依据预测值和该有向边对应的实际观测值进行偏差计算和平滑处理，得到该有向边对应的目标偏差值；依据所有有向边对应的目标偏差值和每条有向边对应的权重进行加权平均计算，得到被监测通信塔对应的整体偏差值，并依据整体偏差值确定被监测通信塔对应的整体结构健康指数。

4、进一步地，通过以下步骤得到结构动力学生成式因果图：获取被监测通信塔的目标有限元模型，其中，目标有限元模型通过被监测通信塔的历史多模态数据集对被监测通信塔的初始有限元模型进行校准后得到；依据目标有限元模型确定被监测通信塔的多个物理节点，并依据多个物理节点构建初始因果图拓扑结构；依据历史多模态数据集和初始因果图拓扑结构，确定结构动力学生成式因果图。

5、进一步地，依据历史多模态数据集和初始因果图拓扑结构，确定结构动力学生成式因果图包括：对初始因果图拓扑结构中的每条有向边配置初始振动传递模型，得到初始结构动力学生成式因果图；依据初始结构动力学生成式因果图和多层全连接神经网络，构建生成式对抗网络；从历史多模态数据集中提取样本数据集，并依据样本数据集对生成式对抗网络进行训练，直至满足预设条件，得到结构动力学生成式因果图。

6、进一步地，通过以下步骤得到当前监测周期对应的结构动力学生成式因果图：获取目标多模态数据集，其中，目标多模态数据集是从当前监测周期的上一校准周期的多模态数据集中提取的除触发过预警的时间段内的数据、以及风速大于预设阈值或温度超出预设范围的数据之外的数据集；依据目标多模态数据集对当前监测周期的上一校准周期对应的结构动力学生成式因果图进行校准更新，得到当前监测周期对应的结构动力学生成式因果图。

7、进一步地，依据整体结构健康指数确定被监测通信塔对应的预警信息包括：依据整体结构健康指数确定被监测通信塔对应的预警等级；依据预警等级确定被监测通信塔对应的异常诊断策略，并执行异常诊断策略，得到异常诊断结果，其中，异常诊断结果至少包括异常节点标识、异常类型或异常严重程度；依据预警等级和异常诊断结果，生成预警信息。

8、进一步地，在获取被监测通信塔在当前监测周期的多模态数据集之前，该方法还包括：获取被监测通信塔在当前监测周期的初始多模态数据集，其中，初始多模态数据集中至少包括风速、风向、温度以及结构响应数据；将初始多模态数据集作为当前监测周期的多模态数据集，或者，依据风速、风向、温度以及目标有限元模型进行分析，得到预测结构响应数据，并依据结构响应数据和预测结构响应数据进行计算，得到目标响应数据集，将目标响应数据集作为当前监测周期的多模态数据集。

9、为了实现上述目的，根据本技术的另一方面，提供了一种通信塔的结构状态预警装置。该装置包括：第一获取单元，用于获取被监测通信塔在当前监测周期的多模态数据集；第二获取单元，用于获取当前监测周期对应的结构动力学生成式因果图，其中，结构动力学生成式因果图包括多个物理节点和连接多个物理节点的有向边，有向边用于表征节点之间的振动传递因果关系，每条有向边对应一个振动传递模型，振动传递模型通过样本数据集训练生成式对抗网络得到；第一处理单元，用于依据当前监测周期的多模态数据集和当前监测周期对应的结构动力学生成式因果图进行推理计算，得到被监测通信塔对应的整体结构健康指数；第一确定单元，用于依据整体结构健康指数确定被监测通信塔对应的预警信息。

10、进一步地，第一处理单元包括：第一处理子单元，用于将当前监测周期的多模态数据集输入当前监测周期对应的结构动力学生成式因果图，对于每条有向边，通过该有向边对应的振动传递模型依据当前监测周期的多模态数据集进行振动响应预测，得到预测值；第二处理子单元，用于依据预测值和该有向边对应的实际观测值进行偏差计算和平滑处理，得到该有向边对应的目标偏差值；第三处理子单元，用于依据所有有向边对应的目标偏差值和每条有向边对应的权重进行加权平均计算，得到被监测通信塔对应的整体偏差值，并依据整体偏差值确定被监测通信塔对应的整体结构健康指数。

11、进一步地，该装置还包括以下单元，用于通过以下步骤得到结构动力学生成式因果图：第三获取单元，用于获取被监测通信塔的目标有限元模型，其中，目标有限元模型通过被监测通信塔的历史多模态数据集对被监测通信塔的初始有限元模型进行校准后得到；第二确定单元，用于依据目标有限元模型确定被监测通信塔的多个物理节点，并依据多个物理节点构建初始因果图拓扑结构；第三确定单元，用于依据历史多模态数据集和初始因果图拓扑结构，确定结构动力学生成式因果图。

12、进一步地，第三确定单元包括：第四处理子单元，用于对初始因果图拓扑结构中的每条有向边配置初始振动传递模型，得到初始结构动力学生成式因果图；第五处理子单元，用于依据初始结构动力学生成式因果图和多层全连接神经网络，构建生成式对抗网络；第六处理子单元，用于从历史多模态数据集中提取样本数据集，并依据样本数据集对生成式对抗网络进行训练，直至满足预设条件，得到结构动力学生成式因果图。

13、进一步地，该装置还包括以下单元，用于通过以下步骤得到当前监测周期对应的结构动力学生成式因果图：第四获取单元，用于获取目标多模态数据集，其中，目标多模态数据集是从当前监测周期的上一校准周期的多模态数据集中提取的除触发过预警的时间段内的数据、以及风速大于预设阈值或温度超出预设范围的数据之外的数据集；第二处理单元，用于依据目标多模态数据集对当前监测周期的上一校准周期对应的结构动力学生成式因果图进行校准更新，得到当前监测周期对应的结构动力学生成式因果图。

14、进一步地，第一确定单元包括：第一确定子单元，用于依据整体结构健康指数确定被监测通信塔对应的预警等级；第二确定子单元，用于依据预警等级确定被监测通信塔对应的异常诊断策略，并执行异常诊断策略，得到异常诊断结果，其中，异常诊断结果至少包括异常节点标识、异常类型或异常严重程度；第三确定子单元，用于依据预警等级和异常诊断结果，生成预警信息。

15、进一步地，该装置还包括：第五获取单元，用于在获取被监测通信塔在当前监测周期的多模态数据集之前，获取被监测通信塔在当前监测周期的初始多模态数据集，其中，初始多模态数据集中至少包括风速、风向、温度以及结构响应数据；第三处理单元，用于将初始多模态数据集作为当前监测周期的多模态数据集，或者，依据风速、风向、温度以及目标有限元模型进行分析，得到预测结构响应数据，并依据结构响应数据和预测结构响应数据进行计算，得到目标响应数据集，将目标响应数据集作为当前监测周期的多模态数据集。

16、根据本发明实施例的另一方面，还提供了一种电子设备，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行上述任意一项的通信塔的结构状态预警方法。

17、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，存储介质存储程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的通信塔的结构状态预警方法。

18、在本技术实施例中，采用以下步骤：获取被监测通信塔在当前监测周期的多模态数据集；获取当前监测周期对应的结构动力学生成式因果图，其中，结构动力学生成式因果图包括多个物理节点和连接多个物理节点的有向边，有向边用于表征节点之间的振动传递因果关系，每条有向边对应一个振动传递模型，振动传递模型通过样本数据集训练生成式对抗网络得到；依据当前监测周期的多模态数据集和当前监测周期对应的结构动力学生成式因果图进行推理计算，得到被监测通信塔对应的整体结构健康指数；依据整体结构健康指数确定被监测通信塔对应的预警信息。解决了相关技术中依据传感器阈值报警实现通信塔的结构状态预警，存在预警准确性较低的技术问题。

19、在本方案中，通过构建基于物理因果关系的结构动力学生成式因果图，利用生成式对抗网络学习正常工况下的振动传递规律，实现了对多模态数据的深度融合与物理机制解析，克服了传统方法依赖故障样本导致的泛化能力差及多模态数据融合割裂的问题，不需要任何结构损伤或倒塌的故障样本，解决了监督学习模型在小样本场景下失效的问题。同时，基于因果偏差推理计算整体结构健康指数，能够捕捉结构细微的异常变化，从而在损伤早期实现精准、超前的分级预警，提高了预警准确性，提高了通信塔结构健康监测的准确性、实时性及预警提前量。