[发明专利]隧道模态识别方法

说明书

隧道结构模态识别方法，包括如下步骤：首先，通过使用列车上的手机移动终端，采集列车振动信息，并使用有限元方法计算隧道的模态信息，建立隧道振动数据库；其次，训练长短期记忆人工神经网络，输出隧道对应的模态频率；第三，在计算机上部署监测系统，当列车通过待测隧道时，会自动将数据传输至计算机；最后，使用训练过的长短期记忆人工神经网络对监测数据进行分析处理，并将分析结果整理得到隧道各阶模态对应的频率。本发明不需要额外安装传感器设备，避免了传统方法需要对监测设备进行定期检测、维护的问题。

技术领域

本发明涉及一种隧道模态识别方法。

背景技术

随着我国轨道交通的大力发展，现如今轨道线路在公共交通线路中已经占据了巨大的比重，城轨、地铁等交通工具已经成了人们日常必不可少的交通方式。在轨道交通中，受施工期质量缺陷、材料性能劣化、列车振动、周边工程活动等多种内外因素的影响，在运营期会出现结构病害。如果不予以控制，会影响隧道结构安全，因此及时检测并发现结构病害十分重要。在发生轨道变形、管片错台、纵向沉降等病害之后，隧道结构的刚度以及模态会发生变化。因此，可以通过监测隧道的振动模态变化，来分析隧道的结构安全状况。

传统的隧道模态分析，主要分为隧道振动数据采集和频谱分析两步，隧道振动数据通常可以采用在隧道管片、轨道等位置上安装加速度传感器，使用轨道列车或激振设备激发隧道振动获得振动数据。

在隧道直接安装加速度传感器，能够实现直接测量，测量结果准确可靠。然而，相对于轨道交通路线长度，加速度传感器监测范围有限，监测一整条线路的地铁隧道，需要极其大量的传感器，价格昂贵，安装过程费时费力，在实际工程中还会面临现场供电等问题。

移动群智感知利用已有的移动设备完成感知任务，依托于蜂窝数据、无线网络、蓝牙等进行数据传输，无须进行特意部署与维护，能够非常方便地完成大规模和细粒度的感知。通过移动群智感计算，可以使移动终端的用户进行有意识或无意识的协作，完成个体很难实现的大规模的高复杂度的社会感知任务。人们广泛随身携带的智能手机等移动设备已经集成了GPS、加速度传感器等各种类型的高精度传感器，可以成为一个天然的感知节点。通过调用在轨道列车上的移动设备的传感器，试验过程中，搭载有移动设备的轨道列车通过目标路段，记录轨道列车在隧道内行驶过程中的振动数据。可以高效、大量地获取轨道列车的振动数据。但是，如何选取合适的模型，相关结构的质量以及结构刚度建立列车-隧道耦合振动，求出隧道的模态频率，仍然是一个困扰学术界和工程界的难题。

深度学习是近年来快速发展的一种理论方法，它能够通过深度神经网络自主学习并更新网络结构参数，从海量的原始数据中提取数据特征进行数据分析。该方法为解决高度非线性问题提供了强大的技术手段。而深度神经网络中的长短期记忆人工神经网络能够有效处理序列数据，从原始序列数据中挖掘潜在规律进行数据分析。

发明内容

基于上述分析，本发明要克服现有技术的上述缺点，提供基于移动群智感知和深度学习的隧道模态识别方法。

本发明的隧道模态识别方法，包括如下步骤：首先，通过使用列车上的手机移动终端，采集列车振动信息，并使用有限元方法计算隧道的模态信息，建立列车-隧道振动数据库；其次，训练长短期记忆人工神经网络，输出隧道对应的模态频率；第三，在计算机上部署监测系统，当列车在待测隧道内通行时，会自动将数据传输至计算机；最后，使用训练过的长短期记忆人工神经网络对监测数据进行分析处理，并将分析结果整理得到隧道各阶模态对应的频率。

本发明所述的隧道模态识别方法，包括如下步骤：

A采集隧道信息及列车数据；

A1.将携带GPS和加速度传感器的手机移动终端固定在实验列车的质心位置上，手机移动终端GPS传感器可以获取列车位置信息，加速度传感器可以获取振动信息，同时记录实验列车的轴数，轴距，轴重等信息；