[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

说明书

本发明公开了一种基于多参数融合的桥梁结构状态评估方法及系统。方法包括：获取多维待评估桥梁数据，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次更新储备池节点状态矩阵：FESN网络结构包括输入层、储备池和输出层，输入层包括M个输入单元，储备池包括N个节点，输出层包括K个输出单元且设有时空聚合运算；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。实现桥梁多维时序数据有效融合，利用储备池的非线性映射能力和存储能力，累积每次输入数据的时间特征，增强桥梁数据的可识别性，考虑了数据在不同时间步长的相对重要性，提高了评估精准率，能有效评估桥梁结构健康状态。

技术领域

本发明涉及桥梁信息监测领域，特别是涉及一种基于多参数融合的桥梁结 构状态评估方法及系统。

背景技术

有效评估桥梁结构健康状态对桥梁安全运营具有重要意义。随着桥梁结构 健康监测的广泛应用，系统在桥梁结构上放置各种类型的传感器，随着系统的 长期运行，采集了大规模高维时序数据。桥梁某个位置的单传感器收集的数据 为单维时序数据，只体现了桥梁结构中某个局部位置的状态，并不能反映整个 桥梁的结构健康状态。而桥梁各个位置监测到的高维时序数据，能够全面描述 桥梁整体状况。因此有效分析这类多维时序数据并评估其状态，是目前桥梁状 态评估急需解决的问题，基于此本文提出了一种处理多维数据的桥梁结构状态 评估方法。

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 基于多参数融合的桥梁结构状态评估方法及系统。

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 基于多参数融合的桥梁结构状态评估方法，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。

上述技术方案的有益效果为：函数回声状态网络(Functional Echo StateNetwork，FESN)在回声状态网络(Echo State Network，ESN)的基础上在输 出层引入一个时间聚合算子，并用时变函数替换ESN中输出权重的数值变量， 将储备池结果从函数区映射到实数区，从而将ESN从回归模型转换为分类器， 增加数据的可辨识度；该方法实现了多维桥梁时序数据有效融合，利用储备池 的非线性映射能力和存储能力，累积每次输入数据的时间特征，不仅增强了桥 梁多维时序数据的可识别性，而且考虑了数据在不同的时间步长的相对重要性 ，使得该评估方法有较高的精准率，能够有效的评估桥梁结构健康状态。