[发明专利]一种斜拉桥斜拉索损伤识别方法及电子设备

权利要求书

1.一种斜拉桥斜拉索损伤识别方法，其特征在于，包括如下步骤：

对斜拉桥斜拉索数据进行采集：通过多个传感器采集每根斜拉索的加速度数据，根据采集的加速度数据，再利用ANSYS有限元分析软件模拟斜拉索不同工况状态下的工况数据；

对斜拉索数据进行处理：将采集到的不平衡的斜拉索数据做重采样，使不平衡的斜拉索数据转变为平衡的斜拉索数据，然后对平衡的斜拉索数据做特征工程，提取斜拉索数据的特征；

构建模型，将卷积神经网络与长短期记忆网络结合形成一维卷积长短期记忆模型；

模型优化，将提取的斜拉索数据特征输入构建的模型中，通过特征工程、交叉熵损失函数、超参数集合对模型进行优化，直到训练出最好的模型。

2.根据权利要求1所述的一种斜拉桥斜拉索损伤识别方法，其特征在于，对平衡的斜拉索数据做特征工程中，包括如下步骤：

将斜拉索数据分为损伤数据和未损伤数据；

分别计算损伤数据和未损伤数据所对应的各个斜拉索特征点间的相似性，得到相似矩阵，通过相似矩阵和相似矩阵中系数的阈值建立邻接矩阵；

分析斜拉索特征点间的联系，选择一个相似矩阵中系数的阈值来分别生成最小生成树和节点图，若两个斜拉索特征点的相似性大于阈值，则连接两个斜拉索特征点，邻接矩阵中用1表示；若两个斜拉索特征点的相似性小于阈值，则不连接两个斜拉索特征点，在邻接矩阵中用0表示；

利用生成的最小生成树分别计算损伤数据和未损伤数据的节点度；

分别计算损伤数据的节点度和未损伤数据的节点度的变化值；

分别对损伤数据的节点度和未损伤数据的节点度的变化值做平均，得到节点度变化的平均值，对节点度变化从大到小进行排序，对节点度变化超过平均值的斜拉索特征点的特征重要性进行提取。

3.根据权利要求2所述的一种斜拉桥斜拉索损伤识别方法，其特征在于，将未损伤数据放入集合A中，将损伤数据放入集合B中，并计算集合A中损伤数据斜拉索特征点的相似矩阵和集合B中损伤数据斜拉索特征点的相似矩阵，其中，斜拉索特征点间的相似矩阵系数的计算为：

其中表示第n1个斜拉索特征点在第m个样本中的节点数据，表示第n1个斜拉索特征点的样本均值，表示斜拉索特征点n1和斜拉索特征点n2间的相似矩阵系数，M表示样本的个数。

4.根据权利要求1所述的一种斜拉桥斜拉索损伤识别方法，其特征在于，构建模型中包括如下步骤：

通过一维卷积神经网络的卷积池化操作对斜拉索特征进行反复压缩提取得到特征信息；

通过长短期记忆网络对卷积池化后的特征信息进行学习和识别后构建出模型。

5.根据权利要求4所述的一种斜拉桥斜拉索损伤识别方法，其特征在于，卷积神经网络由输入层、卷积层、池化层、全连接层以及输出层组成；斜拉索数据经过标准化处理后进入输入层，经处理后在卷积层进行特征压缩，卷积核将得到的斜拉索数据进行卷积操作；

对斜拉索数据通过卷积操作后，再进行池化操作提取斜拉索数据中的特征信息；

对斜拉索数据卷积池化后进行Flatten展开，作为全连接层的输入，全连接层将卷积池化后的局部信息进行整合；

卷积池化以及全连接层的处理后，得到工况状态的logit值，利用logit值进行工况状态的划分，通过softmax函数构建网络输出层。