[发明专利]一种桥梁监测系统中超重车动态识别方法

权利要求书

1.一种桥梁监测系统中超重车动态识别方法，其特征在于，包括以下步骤：

1)保证应变响应时间序列为平稳序列，若不是，将时间序列数据经过步差分和阶差分后变为平稳时间序列，同时验证平稳时间序列的随机性；

2)使用SARIMA模型对时间序列数据建模，将模型的AR系数作为识别异常的关键特征，然后将同一截面不同传感器的系数串联得到特征向量；其中，AR系数特征向量的影响因素包括车辆重量、车辆速度、温度、桥梁静态应变、噪音；认为短期内应变值之间存在时间相关性，当出现超重车异常时相关性会相应改变；时间序列数据采用滑动窗口的形式进行分段分析，对于模型阶数的选取规则是：刚开始时，随机选取几段数据，依次得出每段数据的样本自相关系数和样本偏自相关系数，根据图像的截尾和拖尾情况确定模型的AR阶数和MA阶数，然后分别选取AR模型的众数阶数、MA模型的众数阶数作为初始最优AR和MA阶数，季节温度的周期通过观察时序图确定，由此确定SARIMA模型的初始各个阶数，然后在该阶数附近微调，得到最终的模型阶数，对于所有的时间窗口序列都能够得到对应阶数的SARIMA模型，然后选择相应的AR系数作为该段数据的特征，以上是对单个传感器数据序列而言；然而桥梁监测系统中传感器是以监测面的形式部署，对于监测面中的每个传感器相同时间区间内的数据都会有相应的AR系数，然后把AR系数串联起来作为该时间区间段内的整体特征向量；

3)将AR系数特征向量输入降噪自动编码器进行训练，训练完成后，自动编码器网络结构中的中间层维度即为所需的关键特征，将此中间层维度作为最终的训练特征；

4)将步骤3)结果中的训练特征输入带有核函数的一类支持向量机OneClassSVM进行无监督训练，训练结果为高维空间中的超球体，然后以此超球面判别测试数据是否为超重异常数据。

2.根据权利要求1所述的一种桥梁监测系统中超重车动态识别方法，其特征在于：在步骤3)中，所述降噪自动编码器包含输入层、映射层、瓶颈层、反映射层、输出层，起到提取特征以及降噪的作用；输出层和输入层相似；中间瓶颈层是输入层的简洁表示，其提取了输入层中的本质变量，其维度和输入特征的内在因素有关，比输入层维数低；所述降噪自动编码器的原理是：通过将原始数据X擦除掉一部分得到残损数据然后经过映射函数f得到中间层，中间层经过映射函数g得到输出层Y，要使Y尽可能接近X，这样就相当于从残损的数据中恢复X，这样得到的权重含有的噪声小，而且由于和测试数据相似，结构具有更强的鲁棒性；在得到每段数据的简洁特征表示后，再加上车型和车轴数特征作为最后的特征向量。

3.根据权利要求1所述的一种桥梁监测系统中超重车动态识别方法，其特征在于：在步骤4)中，使用一类支持向量机OneClassSVM求解，一类支持向量机通过核函数将原始特征映射到更高维的空间，然后构建一个超球面分离正常数据和异常数据，其原理是：给定训练集T＝{x₁，x₂,...x_n}，x_i∈R^N，x_i为第i个训练样本，n为训练样本总数，N为训练样本的维数，R^N为N维欧式空间，设存在从R^N到某高维特征空间l的非线性映射φ，使φ(x_i)∈l，寻找一个半径为R，球心为a的超球体，使其尽可能包含φ(x_i)，即如下优化问题：

st.||φ(x_i)-a||≤R²+ζ_i

ζ_i≥0，i＝1,2...n

其中，|| ||为欧氏距离，ζ_i为松弛变量，C为损失系数，调节超球体的分类误差和超球体半径之间的关系；

对于测试数据，直接根据数据在球面两侧情况判别是否异常，若测试数据在球面外则判为异常，若测试数据在球面内或球面上则为正常数据。