[发明专利]一种基于LSTM温度-位移相关模型的桥梁损伤预警方法

权利要求书

1.一种基于LSTM温度-位移相关模型的桥梁损伤预警方法，其特征在于，包括如下步骤：

S1、对桥梁监测数据进行预处理；

S2、对预处理后的数据进行相关性分析，提取出相关性最强的温度传感器数据和应变传感器数据；

S3、遍历基于步骤S2提取的温度传感器数据和应变传感器数据，进行数据分割；

S4、融合温度传感器数据和应变传感器数据，提取两个传感器数据间的低阶信息和高阶信息，并得到融合后的温度-应变传感器数据；

S5、将融合后的温度-应变传感器数据划分为训练集和测试集，并打乱每组训练集中数据的顺序；

S6、搭建具有两个LSTM层和一个Dense层的神经网络模型，输入训练集数据进行训练，得到基于LSTM温度-应变相关模型；

S7、根据当前时刻桥梁数据通过基于LSTM温度-应变相关模型进行预测，当桥梁下一时刻的真实数据传回时，计算真实值与预测值之间的偏差，判断偏差是否大于设定的阈值，从而实现桥梁损伤预警。

2.根据权利要求1所述的一种基于LSTM温度-位移相关模型的桥梁损伤预警方法，其特征在于，所述步骤S1具体实现方式为：

S11、准备桥梁监测数据原始数据集，其数据结构为【时间、桥梁名称、传感器类型、传感器编号、对应时间的传感器数据平均值、传感器位置】；将桥梁监测数据原始数据集按时间属性进行排序；

S12、将桥梁监测数据原始数据集整理成时间为唯一索引，列名为传感器编号的数据表，其数据为对应时间的传感器数据单位时间的平均值；将数据整理成数据表后，对单位时间间隔的时间缺失进行填补，将该时间所对应的缺失数据使用空值来进行替代；

S13、对所有接收到的传感器数据进行筛选，筛选出不在量程、精度误差范围内的所有异常值并剔除，剔除完成后在对应位置使用空值进行替代；

S14、对于数据中存在的空值，将空值用对应列的均值填补；

S15、对温度传感器和应变传感器的数据做归一化的处理，将数据映射到0和1之间：

其中x为待归一化的数据，x_min和x_max分别表示待归一化数据中的最小值和最大值。

3.根据权利要求2所述的一种基于LSTM温度-位移相关模型的桥梁损伤预警方法，其特征在于，所述步骤S2具体实现方式为：

S21、对数据表中各个温度传感器和应变传感器进行相关性分析，计算两两传感器之间的皮尔逊相关系数；根据相关系数的强弱，找出相关性最强的温度传感器和应变传感器；

S22、筛选出相关性最强的温度传感器和应变传感器后，将两个传感器的数据按时间进行内连接，其数据结构为【时间、温度传感器、应变传感器】，其对应数据为传感器单位时间的平均值。

4.根据权利要求1所述的一种基于LSTM温度-位移相关模型的桥梁损伤预警方法，其特征在于，所述步骤S3具体实现方式为：

将步骤S2提取的相关性最强的温度传感器数据和应变传感器数据中温度传感器的数据记为：

其中表示温度传感器数据中第i个数据，i∈{1,2..n}；

应变传感器的数据记为：

其中表示应变传感器数据中第i个数据，i∈{1,2…n}；

遍历温度传感器数据和应变传感器数据，设置滑动窗口的长度为w，提取连续w个单位时间的温度数据和应变数据作为输入特征，第w+1到w+f单位时间的应变数据作为标签对数据进行分割，窗口滑动步长为1，其中f为预测长度，表示向后预测f个单位时间的应变数据。