[发明专利]一种基于车辆荷载空间分布的桥梁风险预测方法及系统

权利要求书

1.一种基于车辆荷载空间分布的桥梁风险预测方法，其特征在于，包括：

S1、在桥梁上均匀布置测速装置用于测量车辆的移动速度，同时在桥梁上布置若干传感器用于记录车致桥梁拉索索力响应；

S2、将所述传感器节点均分为多个传感器集群，选择所述传感器集群中的中心节点作为主节点，其余节点为子节点；

S3、建立车辆与桥梁的作用模型，基于所述模型构建车辆荷载与所述桥梁拉索索力响应间的线性关系；

S4、所述子节点采集索力数据发送给所属传感器集群中的主节点，主节点将接收的数据及自身采集的数据通过多跳形式发送至汇聚节点；

S5、引入稀疏约束，基于所述车辆荷载与所述桥梁拉索索力响应间的线性关系、所述汇聚节点接收的索力数据，求解车辆荷载的空间分布；

S6、采集历史桥梁形变数据及对应的荷载信息，分别对逻辑回归模型、卷积神经网络模型、时间序列聚类、随机森林、最近邻分类、K均值分类、隐马尔可夫模型、张量分解和深度波兹曼机应用进行训练，生成多个桥梁风险预测模型；

S7、评估基于逻辑回归模型、时间序列聚类、随机森林、最近邻分类、K均值分类、隐马尔可夫模型、张量分解和深度波兹曼机训练生成的桥梁风险预测模型的性能，选择性能最好的风险预测模型作为最终的风险预测模型；

S8、基于所述车辆荷载的空间分布，获取桥梁荷载，将所述桥梁荷载的值输入最终的风险预测模型，预测桥梁风险值。

2.根据权利要求1所述的桥梁风险预测方法，其特征在于，所述车辆荷载与所述桥梁拉索索力响应间的线性关系为：

其中，矩阵A的第i列表示拉索i的索力响应线，A的第u行表示在点u所引起的每个拉索的索力，为测得的索力向量，为车辆荷载向量。

3.根据权利要求2所述的桥梁风险预测方法，其特征在于，所述步骤S5包括：

假设仅有w个拉索设置有索力传感器，则有：

其中，，为随机抽样算子，用于将所有的索力向量映射到测量的拉索索力向量；将转化成稀疏向量重构问题：

其中，为l₁范数，为稀疏基变换系数向量；是通过l₁最小范数优化方法计算出基变换系数；

对于包括噪声的测量的拉索索力向量，有：

其中e为高斯白噪声，

其中，是测量误差的上限。

4.根据权利要求1所述的桥梁风险预测方法，其特征在于，所述步骤S6包括：

构建卷积神经网络，卷积神经网络由输入层、卷积层、PReLU层、池化层、全连接层、输出层构成；具体包括5个卷积层，每个卷积层都附带一个带参数的非线性激活函数PReLU层，第一卷积层、第二个卷积层、第四个卷积层后连接有池化层，每一个池化层均采用最大池化的方法，第一卷积层与输入层连接，输入层输入的是历史桥梁形变数据对应的桥梁荷载信息，全连接层位于最后一个池化层和输出层之间，其中每一个神经元都与前一层的全部神经元相连接，并根据风险检测的需要，有针对性地将特征向量映射到输出层，输出层输出桥梁风险值；

利用大量的历史桥梁形变数据对卷积神经网络模型进行训练，计算卷积神经网络的损失函数，利用损失函数对卷积神经网络进行迭代、更新，基于深度学习的风险预测通过不断对卷积神经网络进行训练，使损失函数降到预期值，生成最终的卷积神经网络模型。

5.权利要求1所述的桥梁风险预测方法，其特征在于，所述桥梁荷载为桥梁上通行车辆的荷载相叠加。