[发明专利]中小跨径桥梁群结构性能预测装置及系统

说明书

本发明提供了一种中小跨径桥梁群结构性能预测系统，用于对由多个中小跨径的桥梁组成的桥梁群的结构性能进行预测，其特征在于，包括：检测报告存储部，存储有每个桥梁的历年检测报告；数据库构建部，根据历年检测报告构建桥梁群的关系数据库；模型构建部，根据关系数据库构建神经网络模型并进行训练和检验，该神经网络模型用于预测桥梁群的结构性能退化；以及性能预测部，根据预测神经网络模型获取每个桥梁的性能参数从而预测桥梁群的整体结构及局部构件的性能变化趋势。

技术领域

本发明桥梁安全领域，尤其是涉及一种中小跨径桥梁群结构性能预测装置及系统。

背景技术

我国是世界上公路桥梁数量最多的国家。根据交通运输部统计信息，截止到2016年末，我国已有公路桥梁80.53万座，累计长度4916.97万延米。而随着桥梁服役年限的增加，大批新建桥梁正逐渐进入“老龄化”阶段，并不可避免地发生着各种形式的结构退化。可见，推进各类在役桥梁的管理养护工作是刻不容缓的。然而，对于指定的交通路网，尽管在常年的结构巡检中积累了大量蕴含宝贵结构信息的珍贵资料，却一直缺乏相应的手段将其充分利用，造成了数据灾难。另一方面，现行的桥梁管养方法仅在单体桥梁的层次实施，而未在路网层次进行统筹，忽视了同一区域内的桥梁结构的诸多共性，因而极大地降低了管养工作的效率。

中小跨径桥梁群的结构性能评估在工程实践中曾饱受诸多问题的困扰。例如，建立中小跨径桥梁群的评估模型需要巨大的数据量作为支持。因此需要对既有历史桥梁检测资料和各路段交通流量观测记录进行数据挖掘，提取感兴趣、有价值的信息通过数据集成、数据清洗、数据转换得到关系数据库。同时，如何基于该数据库模拟桥梁性能退化趋势和其各项基本参数间的复杂非线性及逻辑关系是一份艰巨的工作。基于神经网络的机器学习方法在此提供了一个实用且有效的途径，合理的模型能够为交通路网内所有桥梁的管养统筹服务。

发明内容

为解决上述问题，基于神经网络模型可以有效地预测现有桥梁的未来发展趋势，并给出关于维修方案的建议，本发明采用了如下技术方案：

本发明提供了一种中小跨径桥梁群结构性能预测装置，用于对由多个中小跨径的桥梁组成的桥梁群的结构性能进行预测，其特征在于，包括：检测报告存储部，存储有每个桥梁的历年检测报告；数据库构建部，根据历年检测报告构建桥梁群的关系数据库；模型存储部，存储有根据关系数据库完成训练检验的神经网络模型，该神经网络模型用于预测桥梁群的结构性能退化；方案存储部，存储有多种用于维修桥梁的预定维修方案；以及性能预测部，利用神经网络模型进行计算从而预测桥梁群的整体结构及局部构件的性能变化趋势。

本发明提供了一种中小跨径桥梁群结构性能预测装置，还可以具有这样的特征，其中，数据库构建部包括：数据提取单元，从历年检测报告中提取出每个桥梁的原始评估数据，原始评估数据包括每个桥梁的技术状况评分、桥龄、结构类型、交通量以及维修行为；清洗规则存储单元，存储有用于对原始评估数据进行清洗的数据清洗规则；数据清洗单元，根据数据清洗规则对原始评估数据进行清洗从而得到预测评估数据；数据处理单元，对预测评估数据进行处理并构建为一个基于预测评估数据为属性集的关系数据库。

本发明提供了一种中小跨径桥梁群结构性能预测装置，还可以具有这样的特征，其中，属性集包括桥梁的维修行为属性、结构类型属性、桥龄属性、交通量属性以及技术状况评分属性，数据处理单元包括：维修行为处理子单元，对维修行为属性进行二值变换，若桥梁进行了维修，则将相对应的维修行为属性的值设定为1，反之则为0；结构类型处理子单元，对结构类型属性进行矢量化处理；

桥龄处理子单元，对桥龄属性进行归一变换：

a'为归一变换后的桥龄，a为归一变换前的桥龄，a_max为桥龄的最大值；

交通量处理子单元，对交通量属性进行归一变换：