[发明专利]基于轻量化网络的桥梁健康状态片上监测方法

权利要求书

1.一种基于轻量化网络的桥梁健康状态片上监测方法，其特征在于，具体包括以下步骤：

S1、将震动传感器采集的桥梁健康状态特征信息进行数据预处理；

S2、设计深度特征提取网络，通过一维位移卷积网络提取输入信息中的深度特征信息；

深度特征提取网络由5个依次设置的一维位移卷积模块组成；每个一维位移卷积模块中，输入信号分两路进行处理，其中一路使用位移操作对输入数据进行分通道位移处理，用来重新分配空间信息，然后进行逐点卷积处理，实现跨通道混合信息，其中，逐点卷积之前需要对数据进行批量归一化和非线性激活处理；另一路通过对输入进行平均池化与卷积操作，通过特征相加连接的方式融合第一路输出的特征，融合后的特征作为该一维位移卷积模块的输出；

S3、设计桥梁健康状态识别网络，用于输出桥梁的状态识别结果；

桥梁健康状态识别网络层由1个卷积层、1个全局平均池化层和1个softmax激活层依次组成；桥梁健康深度特征信息首先经过逐点元素卷积，然后通过全局平均池化作用，最后通过softmax激活函数处理，输出桥梁健康状态的预测结果，即与桥梁健康与桥梁损坏的等级相对应；

S4、基于服务器进行网络训练，得到相应的深度学习网络参数，分别代入深度特征提取网络和桥梁健康状态识别网络，得到训练好的网络模型；

S5、将ARM处理器部署在传感器端，并读取步骤S4训练好的网络模型，对从传感器实时传入的数据流输入上述网络模型，进行判断预测，输出结果即为桥梁健康状态的评估值。

2.根据权利要求1所述的一种基于轻量化网络的桥梁健康状态片上监测方法，其特征在于，桥梁健康状态特征信息为时序信息。

3.根据权利要求1所述的一种基于轻量化网络的桥梁健康状态片上监测方法，其特征在于，S1具体为：在桥梁上设置多组震动传感器，每组震动传感器包括位移、速度和加速度传感器，将桥梁健康与桥梁损坏分为5个等级，针对每个等级采集多个样本，将每个样本平均划分为500段，将同一时间点的所有传感器的特征串联起来即可得到处理后的桥梁健康特征信息。

4.根据权利要求1所述的一种基于轻量化网络的桥梁健康状态片上监测方法，每个一维位移卷积模块中，输入数据首先经过位移操作，位移操作通过将卷积核构造为位移矩阵，对输入数据不同通道进行不同方向的数据位移。

5.根据权利要求4所述的一种基于轻量化网络的桥梁健康状态片上监测方法，其特征在于，设输入数据为F，G为F经过位移卷积后的输出数据，位移操作如公式(1)所示：

其中，j,m分别为数据沿着时间长度轴和通道轴的地址索引，为时间长度，K为位移卷积核，其内部定义值如式(2)所示：

在式(2)中，在位移卷积核中指定某一位置的值为1，其它位置皆为0，经过卷积后相当于将原通道进行了平移。

6.根据权利要求1所述的一种基于轻量化网络的桥梁健康状态片上监测方法，其特征在于，以Keras为框架，Tensorflow作为后端来构建深度学习环境，把S1获取的传感器数据作为训练样本输入到上述深度特征提取网络、桥梁健康状态识别网络中，迭代多轮，得到相应的深度学习网络参数。