基于振动时频增强的泥石流冲刷深度智能预警方法及系统
本发明涉及桥墩冲刷监测,特别涉及一种基于振动时频增强的泥石流冲刷深度智能预警方法及系统。
背景技术:
1、山区公路桥梁、铁路桥梁及水电工程交通桥常跨越沟谷、河道和泥石流沟口。泥石流具有高密度、高含沙、强非定常和多相耦合等特点,作用于桥梁时既可能形成块石撞击和脉冲荷载,也可能对桥墩基础及周边河床产生持续冲刷,导致基础有效埋深降低、结构刚度和稳定性下降。
2、现有桥墩冲刷监测方法主要包括潜水员实测、声呐测深、雷达探测、水下机器人巡检和固定式冲刷监测设备,而上述方法在普通水流条件下能够获取河床形态变化,但在泥石流高浊度、高含沙、强紊动和短历时强冲击条件下,存在信号衰减严重、设备易损坏、安装维护困难等问题,难以实现长期连续在线监测和及时预警。
3、泥石流激励下的桥墩振动信号具有非平稳、强噪声和多源耦合特征,将一维振动信号转换为二维时频图后,常规卷积网络虽能提取局部纹理特征,但有效感受野有限,难以完整捕捉桥墩振动时频图中跨越较长时间—频率范围的整体结构变化和能量迁移规律,导致冲刷深度反演精度不足,无法满足泥石流灾害场景下桥墩基础安全预警的要求。
技术实现思路
1、本发明的目的针对现有桥墩冲刷监测方法难以在泥石流复杂条件下实现长期连续在线监测和常规卷积网络有效感受野有限、难以完整捕捉振动时频图中整体结构变化和能量迁移规律的的技术问题,提供一种基于振动时频增强的泥石流冲刷深度智能预警方法及系统。
2、为了实现上述发明目的,本发明实施例提供了以下技术方案:
3、基于振动时频增强的泥石流冲刷深度智能预警方法,包括以下子步骤:
4、采集桥墩振动响应信号,对桥墩振动响应信号进行预处理和标准化,将标准化后的桥墩振动响应信号进行滑动窗口划分,获得窗口样本,对窗口样本进行小波变换,获得小波变换系数,利用小波变换系数和物理频率获得对数能量谱,对数能量谱进行插值获得二维时频矩阵,根据二维时频矩阵的行数建立频率坐标先验矩阵;
5、改进的mobilenetv4模型通过多级小波分解、方向子带卷积、频率坐标先验矩阵引导的子带调制和自适应融合对二维时频矩阵进行处理,获得不同冲刷深度等级的概率分布和连续冲刷深度值;
6、根据每个窗口样本的不同冲刷深度等级的概率分布和连续冲刷深度值,获得置信度和冲刷深度估计值,根据冲刷深度估计值获取平滑后的冲刷深度估计值和冲刷增长速率,利用每个窗口样本的置信度、平滑后的冲刷深度估计值和冲刷增长速率判断是否触发预警。
7、与现有技术相比,本发明的有益效果为:通过建立与二维时频矩阵物理频率方向对应的频率坐标先验矩阵,使改进的mobilenetv4模型在子带调制过程中能够利用各级子带的归一化中心频率和冲刷敏感频带标识生成通道缩放系数,实现对不同频率位置的子带进行差异化调制;通过多级小波分解对低频子带进行递归分解并执行方向子带卷积,使时间高频子带沿时间方向聚合瞬态冲击、频率高频子带沿物理频率方向聚合频带边界,解决常规卷积网络感受野有限、难以完整捕捉时频图整体结构变化和能量迁移规律的问题;通过改进的mobilenetv4模型同时输出不同冲刷深度等级的概率分布和连续冲刷深度值,结合置信度评估实现冲刷深度估计值的可靠性判定;通过对窗口样本的冲刷深度估计值进行指数平滑和冲刷增长速率计算,实现基于置信度、平滑后的冲刷深度估计值和冲刷增长速率的分级预警,满足泥石流灾害场景下桥墩基础安全长期连续在线监测与分级预警的实际需求。
8、进一步的,基于振动时频增强的泥石流冲刷深度智能预警方法,其特征在于,所述采集桥墩振动响应信号,对桥墩振动响应信号进行预处理和标准化,将标准化后的桥墩振动响应信号进行滑动窗口划分,获得窗口样本,对窗口样本进行小波变换,获得小波变换系数,利用小波变换系数和物理频率获得对数能量谱,对数能量谱进行插值获得二维时频矩阵,根据二维时频矩阵的行数建立频率坐标先验矩阵包括以下子步骤:
9、通过振动传感器采集桥墩振动响应信号,对桥墩振动响应信号进行预处理,获得预处理后的振动信号,对预处理后的桥墩振动响应信号进行标准化处理,获得标准化后的桥墩振动响应信号;
10、采用滑动窗口将标准化后的桥墩振动响应信号划分为若干等长的信号片段,获得每个窗口样本;
11、对当前时刻的窗口样本执行连续小波变换,利用尺度参数和时间平移参数获得小波变换系数;
12、将尺度参数转换为物理频率,利用小波变换系数和物理频率获得对数能量谱;
13、将对数能量谱通过插值至预设尺寸,获得统一尺寸的二维时频矩阵;所述二维时频矩阵横向为时间方向,纵向为物理频率方向;
14、利用二维时频矩阵的物理频率方向,建立频率坐标先验矩阵。
15、在上述方案中,通过振动传感器采集桥墩振动响应信号并进行预处理和标准化,使信号质量满足分析要求,统一了各窗口样本的幅值尺度;通过滑动窗口将标准化后的桥墩振动响应信号划分为等长信号片段,为连续小波变换提供了格式一致的输入;通过连续小波变换利用尺度参数和时间平移参数获得小波变换系数,同时保留了信号的时间和频率局部信息,克服了傅里叶变换无法刻画时变特征的缺陷;通过将尺度参数转换为物理频率并构建对数能量谱,使小波系数具备明确的频率物理含义,同时压缩了能量动态范围;通过对数能量谱插值至预设尺寸,获得统一空间尺寸的二维时频矩阵,为模型提供了标准化输入;通过根据二维时频矩阵的行数建立频率坐标先验矩阵,显式记录了每一行对应的物理频率归一化编码,使后续处理能够直接获取各位置的物理频率先验信息。
16、进一步的,基于振动时频增强的泥石流冲刷深度智能预警方法,所述改进的mobilenetv4模型包括初始卷积层、特征提取层、输出层;所述初始卷积层、特征提取层、输出层依次连接;所述特征提取层包括浅层特征提取模块、中低层特征提取模块、中高层特征提取模块、深层特征提取模块;所述浅层特征提取模块、中低层特征提取模块、中高层特征提取模块、深层特征提取模块依次连接。
17、进一步的,基于振动时频增强的泥石流冲刷深度智能预警方法,所述改进的mobilenetv4模型通过多级小波分解、方向子带卷积、频率坐标先验矩阵引导的子带调制和自适应融合对二维时频矩阵进行处理,获得不同冲刷深度等级的概率分布和连续冲刷深度值包括以下子步骤;
18、初始卷积层对二维时频矩阵进行卷积操作,获得初始卷积特征;
19、浅层特征提取模块利用通用倒瓶颈模块对初始卷积特征进行特征提取,获得浅层特征;
20、中低层特征提取模块利用通用倒瓶颈模块和时频先验增强型小波通用倒瓶颈模块对浅层特征进行特征提取,获得中低层特征;
21、中高层特征提取模块利用通用倒瓶颈模块和两个时频先验增强型小波通用倒瓶颈模块对中低层特征进行特征提取,获得中高层特征;
22、深层特征提取模块利用通用倒瓶颈模块和时频先验增强型小波通用倒瓶颈模块对中高层特征进行特征提取,获得深层特征;
23、输出层对深层特征进行全局平均池化,将全局平均池化的特征通过分类头映射为不同冲刷深度等级的概率分布,将全局平均池化的特征通过回归头映射为连续冲刷深度值。
24、在上述方案中,通过初始卷积层对二维时频矩阵进行初步卷积和下采样,映射为初始卷积特征,降低了计算量;通过浅层特征提取模块利用通用倒瓶颈模块提取局部时频特征,保留了短时冲击和瞬态细节;通过中低层特征提取模块引入时频先验增强型小波通用倒瓶颈模块,在保持轻量化的同时增强了多尺度特征提取能力;通过中高层特征提取模块堆叠两个时频先验增强型小波通用倒瓶颈模块,进一步扩大感受野并强化能量脊线和频带迁移特征的提取;通过深层特征提取模块利用通用倒瓶颈模块和时频先验增强型小波通用倒瓶颈模块提取深层抽象特征,为输出层提供高维特征表示;通过输出层对深层特征进行全局平均池化后分别输入分类头和回归头,同步输出不同冲刷深度等级的概率分布和连续冲刷深度值,为后续预警提供多维度的决策依据。
25、进一步的,基于振动时频增强的泥石流冲刷深度智能预警方法,所述时频先验增强型小波通用倒瓶颈模块包括逐点扩展卷积模块、局部卷积分支、多级小波分支、权重获取模块、特征融合模块、输出模块;
26、所述时频先验增强型小波通用倒瓶颈模块,处理步骤为:
27、逐点扩展卷积模块对输入特征进行逐点卷积,获得逐点扩展卷积输出特征;
28、局部卷积分支对逐点扩展卷积输出特征进行特征提取,获得局部时频特征;
29、多级小波分支对逐点扩展卷积输出特征进行多级小波分解、方向卷积、子带调制和逆小波重构,获得小波分支特征;
30、权重获取模块将局部时频特征、小波分支特征和下采样后的频率坐标先验矩阵进行全局平均池化后拼接,将拼接的特征通过全连接层处理,获得自适应融合权重;
31、特征融合模块利用自适应融合权重对局部时频特征和小波分支特征进行加权融合,获得融合特征;
32、输出模块将融合特征进行逐点卷积操作后和残差映射的输入特征相加,获得融合输出特征。
33、在上述方案中,本发明针对桥墩振动时频反演冲刷深度的特点,设计了时频先验增强型小波通用倒瓶颈模块,为区别于通用倒瓶颈模块的全新自创模块;通过逐点扩展卷积模块对输入特征进行逐点卷积扩展通道数,增强了特征表达能力;通过局部卷积分支采用小核深度卷积提取短时冲击和瞬态细节,保留了局部时频纹理;通过多级小波分支执行多级小波分解、方向卷积、子带调制和逆小波重构,使模型获得跨尺度的全局时频感受野;通过权重获取模块引入频率坐标先验矩阵生成自适应融合权重,能够根据样本的时频特性动态分配局部特征和小波特征的贡献;通过特征融合模块和输出模块完成加权融合、逐点投影和残差连接,获得融合输出特征,实现了物理频率位置信息与数据驱动特征的有机结合。
34、进一步的,基于振动时频增强的泥石流冲刷深度智能预警方法,所述多级小波分支对逐点扩展卷积输出特征进行多级小波分解、方向卷积、子带调制和逆小波重构,获得小波分支特征包括以下子步骤:
35、多级小波分支将逐点扩展卷积输出特征作为初始输入,对低频子带进行递归分解,获得各级分解的子带;
36、对各级分解的子带执行方向卷积,获得各级子带的方向卷积特征;
37、对各级子带的方向卷积特征进行调制,获得调制后的各级子带的方向卷积特征;
38、从最深分解级向浅层逐级执行逆离散小波变换,将调制后的各级子带的方向卷积特征重构为小波分支特征。
39、在上述方案中,通过仅对低频子带进行递归分解,在扩大感受野的同时保留了高频细节;通过对各级子带执行方向卷积,使不同方向属性的子带获得针对性的特征聚合;通过对各级子带的方向卷积特征进行调制,实现基于子带能量和频率位置的差异化调整;通过从最深分解级向浅层逐级执行逆离散小波重构,将多尺度子带逐级融合,重构为包含丰富时频结构的特征,从而具备捕捉长距离能量脊线、频带整体迁移和跨尺度形态变化的能力。
40、进一步的,基于振动时频增强的泥石流冲刷深度智能预警方法,所述对各级子带的方向卷积特征进行调制,获得调制后的各级子带的方向卷积特征包括以下子步骤:
41、根据各级子带的方向卷积特征,获得各级不同类子带每个通道的平均平方能量;
42、根据各级子带的方向卷积特征,获得各级不同类子带每个通道的全局描述特征;
43、通过各级不同类子带的归一化中心频率、归一化频带宽度和冲刷敏感频带标识,获得各级不同类子带的频率先验向量;
44、将各级不同类子带每个通道的平均平方能量、各级不同类子带每个通道的全局描述特征和各级不同类子带的频率先验向量输入至轻量调制网络处理,获得各级不同类子带每个通道的通道缩放系数;
45、利用通道缩放系数对各级不同类子带每个通道的方向卷积特征进行通道调制,获得调制后的各级不同类子带每个通道的方向卷积特征,将调制后各级不同类子带所有通道的方向卷积特征沿通道维度组合,获得调制后的各级不同类子带的方向卷积特征。
46、在上述方案中,通过平均平方能量和全局描述特征分别反映各级子带各通道的活跃程度和整体幅值水平,为调制提供统计依据;通过归一化中心频率、归一化频带宽度和冲刷敏感频带标识构成频率先验向量,使子带的物理频率位置信息显式参与调制过程;通过轻量调制网络将平均平方能量、全局描述特征和频率先验向量映射为通道缩放系数,实现对不同频率位置子带的差异化调制;通过将调制后所有通道沿通道维度组合,恢复完整子带结构,实现物理频率位置对特征调制的有效引导。
47、进一步的,基于振动时频增强的泥石流冲刷深度智能预警方法,根据每个窗口样本的不同冲刷深度等级的概率分布和连续冲刷深度值,获得置信度和冲刷深度估计值,根据冲刷深度估计值获取平滑后的冲刷深度估计值和冲刷增长速率,利用每个窗口样本的置信度、平滑后的冲刷深度估计值和冲刷增长速率判断是否触发预警包括以下子步骤:
48、根据每个窗口样本的不同冲刷深度等级的概率分布和连续冲刷深度值,获得每个窗口样本的置信度和冲刷深度估计值;
49、对每个窗口样本的冲刷深度估计值进行指数平滑处理,获得每个窗口样本平滑后的冲刷深度估计值;
50、通过单个窗口样本的时间、每个窗口样本平滑后的冲刷深度估计值和窗口样本间隔数,获得每个窗口样本的冲刷增长速率;
51、根据每个窗口样本的置信度、冲刷深度估计值和冲刷增长速率,判断是否触发预警,判断条件为:
52、若,则将第m个窗口样本标记为低置信度样本,触发关注等级预警;
53、其中,为第m个窗口样本的置信度,m为窗口样本的索引,为预设置信度阈值;
54、若相邻窗口样本的冲刷深度估计值之间出现超过允许幅值的反向跳变时,触发警戒等级预警;
55、若时,触发警戒等级预警;
56、其中,为第m个窗口样本的冲刷增长速率,为预设增长速率阈值;
57、若时,触发危险等级预警;
58、其中,为第m个窗口样本平滑后的冲刷深度估计值,为预设冲刷深度阈值;
59、若时,触发危险等级预警;
60、其中,为桥墩基础设计埋深,为预设比例阈值;
61、若连续多个窗口样本的置信度异常降低时,触发关注等级预警。
62、在上述方案中,通过分类概率最大值获得置信度,量化模型对每个窗口样本预测的可靠性;通过指数平滑处理抑制单窗口预测的随机波动,获得稳定的冲刷深度变化趋势;通过窗口间隔内的深度变化量计算冲刷增长速率,量化冲刷发展的快慢程度;预警判断从置信度、相邻窗口反向跳变、冲刷增长速率、冲刷深度绝对值、冲刷深度与基础埋深比值、连续多窗口置信度异常六个维度进行综合评估,分别触发关注、警戒、危险三级预警,兼顾了不同严重程度的差异化响应需求,基于滑动窗口样本的连续处理机制,实现了泥石流灾害场景下桥墩基础冲刷状态的长期连续在线监测与分级预警,为桥梁安全运维提供了可靠的技术保障。
63、进一步的,基于振动时频增强的泥石流冲刷深度智能预警方法,还包括对改进的mobilenetv4模型通过联合训练损失函数进行迭代训练,所述联合训练损失函数通过分类损失函数、回归损失函数、分类—回归一致性损失函数、冲刷深度有序距离约束损失函数和单调趋势损失函数构建;
64、所述分类—回归一致性损失函数通过概率加权深度和连续冲刷深度值构建;
65、所述冲刷深度有序距离约束损失函数通过真实冲刷深度、每个冲刷深度等级对应的深度标签和最大深度标签构建。
66、在上述方案中,在联合训练损失函数通过分类损失和回归损失分别约束不同冲刷深度等级的概率分布和连续冲刷深度值的输出精度;分类—回归一致性损失通过概率加权深度与连续冲刷深度值之间的偏差约束两者保持一致,避免分类头与回归头输出相互矛盾;冲刷深度有序距离约束损失通过真实冲刷深度与各等级深度标签的有序偏差约束分类概率在不同等级间的有序分布,使其符合冲刷深度由小到大的物理规律;单调趋势损失约束相邻窗口的连续冲刷深度值满足冲刷随时间的单调发展规律,结合联合训练与综合损失约束,有效提升了模型的泛化能力和物理一致性。
67、基于振动时频增强的泥石流冲刷深度智能预警系统,包括矩阵获取模块、改进的mobilenetv4模型、预警触发模块:
68、所述矩阵获取模块采集桥墩振动响应信号,对桥墩振动响应信号进行预处理和标准化,将标准化后的桥墩振动响应信号进行滑动窗口划分,获得窗口样本,对窗口样本进行小波变换,获得小波变换系数,利用小波变换系数和物理频率获得对数能量谱,对数能量谱进行插值获得二维时频矩阵,根据二维时频矩阵的行数建立频率坐标先验矩阵;
69、所述改进的mobilenetv4模型通过多级小波分解、方向子带卷积、频率坐标先验矩阵引导的子带调制和自适应融合对二维时频矩阵进行处理,获得不同冲刷深度等级的概率分布和连续冲刷深度值;
70、所述预警触发模块根据每个窗口样本的不同冲刷深度等级的概率分布和连续冲刷深度值,获得置信度和冲刷深度估计值,根据冲刷深度估计值获取平滑后的冲刷深度估计值和冲刷增长速率,利用每个窗口样本的置信度、平滑后的冲刷深度估计值和冲刷增长速率判断是否触发预警。
71、在上述方案中,矩阵获取模块依次完成振动信号采集、预处理、标准化、滑动窗口划分、小波变换、对数能量谱构建、插值获得二维时频矩阵及频率坐标先验矩阵建立,为后续处理提供了物理频率位置可感知的输入;改进的mobilenetv4模型通过多级小波分解、方向子带卷积、频率坐标先验矩阵引导的子带调制和自适应融合对二维时频矩阵进行处理,同步输出不同冲刷深度等级的概率分布和连续冲刷深度值;预警触发模块根据概率分布和连续冲刷深度值计算置信度和冲刷深度估计值,经指数平滑和增长速率计算后进行分级预警判断,各模块之间数据传递关系明确,共同实现了从原始振动信号到桥墩基础安全预警的端到端智能处理。
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