[发明专利]实时桥梁结构损伤状态识别方法及系统

说明书

本发明公开了一种实时桥梁结构损伤状态识别方法及系统。包括：S1，获取待测试数据；S2，以第一压缩比对待测试数据进行压缩获第一压缩数据并利用第一分类算法对该压缩数据进行分类获第一分类结果，若第一分类结果为损伤，进入S3；S3，以第二压缩比对待测试数据进行压缩获第二压缩数据并利用第二分类算法对该压缩数据进行分类获第二分类结果。或方法包括S1、S2、S3和S4；S4，以第三压缩比对待测试数据进行压缩并利用第三分类算法对该压缩数据进行分类获第三分类结果，第二压缩比大于第三压缩比但小于第一压缩比。相较于传统方法，能更高效、灵活，可更好地分析海量高维桥梁监测时序数据，实时评估桥梁损伤状态。

技术领域

本发明涉及桥梁监测领域，特别是涉及一种实时桥梁结构损伤状态识别方法及系统。

背景技术

随着大型桥梁结构数目与日俱增，以及大型桥梁结构健康监测系统的广泛应用，桥梁结构健康监测时序数据呈现数据量巨大、种类多、增长快等显著的“大数据”特征，数据存储传输成本高，使得计算效率和准确度较低。桥梁结构健康监测数据作为一种高维的数值型时间序列数据，存储在本地则存在着存储成本较高的问题，若远程传输存储在数据中心，则无法及时高效地进行数据分析。传统的基于时间序列分析的桥梁结构损伤状态识别方法多是基于统计模型，如ARIMA模型、ARMA模型等，对桥梁结构健康时间序列的总体特征实用统计模型进行分析处理，结合相关机器学习方法评估桥梁结构状态。传统的基于统计模型的桥梁结构损伤状态识别方法算法复杂，时空消耗度较大，往往只能判断桥梁是否出现损伤，无法量化桥梁结构损伤程度，无法做到及时有效的分析数据，不能及时预警，导致灾难的发生，如何高效处理桥梁结构健康监测时序数据、实时识别桥梁结构状态是需要解决的重要问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种实时桥梁结构损伤状态识别方法及系统。

为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种实时桥梁结构损伤状态识别方法，所述方法包括：步骤S1，获取监测桥梁结构损伤状态的待测试数据；步骤S2，以第一压缩比对待测试数据进行压缩处理获得第一压缩数据，利用第一分类算法对第一压缩数据进行分类获得第一分类结果，所述第一分类结果为损伤或健康，若第一分类结果为损伤，进入步骤S3，若第一分类结果为健康，结束；步骤S3，以第二压缩比对待测试数据进行压缩处理获得第二压缩数据，利用第二分类算法对第二压缩数据进行分类获得第二分类结果，所述第二分类结果为不同的损伤程度等级；或者所述方法包括所述步骤S1、所述步骤S2、所述步骤S3，以及步骤S4；所述步骤S4为：以第三压缩比对待测试数据进行压缩处理获得第三压缩数据，利用第三分类算法对第三压缩数据进行分类获得第三分类结果，所述第三分类结果为不同的损伤程度子等级；所述第一压缩比大于第二压缩比和第三压缩比，第二压缩比大于第三压缩比。

上述技术方案的有益效果为：通过压缩处理可灵活的对监测桥梁结构损伤状态的时间序列数据进行压缩，极大地减少了数据量，降低了数据的存储成本；不同桥梁状态的数据选择不同的压缩比，对第一分类结果为健康的桥梁结构监测数据采用较大的压缩比，然后远程传输至数据存储中心存储备用，对于第一分类结果为损伤的桥梁结构监测数据则使用较小的压缩比进一步识别损伤等级，或者还对识别出损伤程度等级的数据使用更小的压缩比进一步识别出损伤程度子等级，对桥梁损伤状态进行分步识别，使得本方法更加高效，极大地减少了桥梁损伤状态的识别时间；本方法相较于传统方法，能够更加高效、灵活，可更好地分析海量的高维桥梁监测时序数据，实时评估桥梁结构损伤状态。

在本发明的一种优选实施方式中，在所述步骤S1中，还包括对待测试数据进行预处理的步骤，所述预处理包括数据清洗、数据集成、数据规约和数据变换。

上述技术方案的有益效果为：解决了现实中桥梁结构监测数据的数据噪声较多，数据质量较低的问题，提升了数据质量，有利于提高后续损伤识别的效率和准确率。