[发明专利]一种基于多参数融合的桥梁结构状态评估方法及系统

权利要求书

1.一种基于多参数融合的桥梁结构状态评估方法，其特征在于，包括：

获取多维的待评估桥梁数据，对待评估桥梁数据进行预处理获得测试输入矩阵；

将测试输入矩阵输入FESN网络结构，T次更新储备池的节点状态矩阵，所述FESN网络结构为：FESN＝{Wⁱⁿ，W，W^out}；所述FESN网络结构包括输入层、储备池和输出层，所述输入层包括M个输入单元，所述储备池包括N个节点，所述输出层包括K个输出单元，输出层上设有时空聚合运算；Wⁱⁿ表示输入层到储备池的连接矩阵；W表示由当前时刻储备池状态到下一时刻储备池状态的连接矩阵；W^out表示储备池到输出层的输出权值矩阵；

将T次更新的所有节点状态矩阵代入桥梁状态评估模型，得到桥梁状态，所述桥梁状态评估模型：其中，f^out(·)表示输出层激活函数；t＝0，1，...，T-1，T为正整数；y表示桥梁状态；x(t)＝[x₁(t)，x₂(t)，...，x_N(t)]^T，表示储备池在时刻t的节点状态矩阵。

2.如权利要求1所述的基于多参数融合的桥梁结构状态评估方法，其特征在于，所述输出权值矩阵W^out的获取过程包括：

步骤S1，获取桥梁训练数据并进行预处理，基于预处理后的数据获得训练输入矩阵和监督矩阵；设置FESN网络结构的谱半径SR、矩阵稀疏度SD以及储备池节点数N；

步骤S2，初始化{Wⁱⁿ，W}；

步骤S3，按照如下公式T次更新储备池的节点状态矩阵：

x(t+1)＝f(Wx(t)+Wⁱⁿu(t+1))；t＝0，1，...，T-1；

其中，x(t)＝[x₁(t)，x₂(t)，...，x_N(t)]^T，表示储备池在时刻t的节点状态矩阵；f(·)表示储备池的神经元激活函数；u(t+1)＝[u₁(t+1)，u₂(t+1)，...，u_M(t+1)]^T表示输入层在t+1时刻的训练输入矩阵；令x(0)＝0；

对t时刻的节点状态矩阵进行傅里叶变换，将傅里叶变换结果的前N×R个系数组成矩阵m(t)，利用所有时刻的矩阵m(t)构成中间矩阵M＝[m(1)，m(2)，...，m(T)]^T∈R^T×(N*R)；

步骤S4，获取输出权值矩阵W^out：W^out＝(M^-1·y₀)^T，其中，y₀为监督矩阵。

3.如权利要求1或2所述的基于多参数融合的桥梁结构状态评估方法，其特征在于，所述预处理过程包括：

获取待预处理数据中所有数据集的收集频率，求得所有收集频率的最小公倍数，根据所述最小公倍数分别对每个数据集进行等时间差抽取，使得所抽取的数据具有同一收集频率。

4.如权利要求2所述的基于多参数融合的桥梁结构状态评估方法，其特征在于，还包括参数优化步骤。