[发明专利]一种斜拉桥斜拉索损伤识别方法及电子设备

说明书

本发明公开了一种斜拉桥斜拉索损伤识别方法及电子设备，涉及斜拉索损伤识别技术领域，用于解决现有技术中没有有效解决大型工况数据分类不平衡问题，从而导致现有技术对斜拉桥斜拉索损伤的识别精度不够高的问题，本发明包括如下步骤：对斜拉桥斜拉索数据进行采集；对斜拉索数据进行处理：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。本发明通过上述技术方案可以有效解决大型工况数据分类不平衡问题，从而可以提高斜拉桥斜拉索损伤的识别精度。

技术领域

本发明涉及斜拉索损伤识别技术领域，更具体的是涉及一种斜拉桥斜拉索损伤识别方法及电子设备。

背景技术

交通是社会的经济命脉，而桥梁是交通干线的重要枢纽，因此桥梁的健康安全对国家经济的稳步发展具有重大意义，由于结构材料的不断退化以及环境因素(如风荷载和温度荷载等)和人为因素(如设计、施工、管理等)的影响，桥梁在服役期间会产生缺陷并老化，导致结构各部分在设计年限前就产生损伤，如果不能及时发现结构损伤并进行适当的维护和修缮，桥梁结构内部会累积损伤，并导致桥梁对正常荷载及环境作用的抵抗能力下降，从而缩短桥梁的使用寿命，据统计目前桥梁投资的大量资金用于桥梁的维修与更新，因此采用结构健康监测技术对桥梁结构进行监测和评估尤为重要。

斜拉桥在服役过程中材料和结构性能会随着使用时间的加长而产生退化，若斜拉桥产生结构性损伤将会对人民生命健康以及社会经济造成严重的影响，因此在桥梁服役过程中对斜拉桥进行不定期维护和检测十分有必要，斜拉桥主要由索塔、主梁和斜拉索组成，其中斜拉索作为索塔和主梁的连接媒介，成为斜拉桥整体系统中的关键组成，斜拉索作为索塔和主梁之间的媒介，承载着斜拉桥系统的绝大部分力，因此斜拉索的健康与否是可以通过拉索承担的力来体现的，相比于索塔和主梁，斜拉索更容易受到结构性损伤，因此对斜拉索进行高效准确的损伤工况识别是非常重要的。

传统的损伤识别问题以相关智能算法作为基准学习器，如遗传算法、粒子群算法等，与此同时传感器技术被广泛地应用与工程技术领域，大型数据存储设备、计算机性能的提升、人工智能的发展共同促使大型工程数据的采集和机器学习理论的应用，因此如何从数据挖掘角度出发，将机器学习理论与斜拉桥工况识别问题结合，结合机器学习工况识别算法用以识别斜拉索损伤工况十分值得研究。

大跨斜拉桥系统中的拉索在使用过程中可能会随着时间、温度、风速等其他因素的影响，需要对拉索进行定期的检测以保证斜拉桥系统的正常运转，现有拉索检测方法存在效率不高、安全系数较低、学习收敛速度过慢、学习效率较低的问题，拉索工况识别算法属于典型的异常检测类问题，存在数据分布不平衡难点，目前已有斜拉桥损伤识别算法主要在从数据处理、算法设计、深度学习理论应用、超参数优化和模型评价指标等领域对不平衡学习开展了研究。

现有技术中对斜拉索损伤识别主要存在如下问题：

一、斜拉索损伤识别问题的不平衡学习研究数据对象格式需要扩展，现有算法专注于研究某类数据格式下的不平衡学习问题，缺乏对多种类型数据下的重采样技术的检验，并且现有研究数据量不足以验证重采样技术下的不平衡学习的稳定性；

二、斜拉索损伤识别问题的不平衡学习理论的嵌入式算法设计需要补充，现有的不平衡学习框架中的重采样技术过程与后续的分类学习过程多为独立的个体，容易造成整体不平衡学习框架的割裂，现有的嵌入式重采样算法较为碎片化、重数据处理、轻理论演绎等诸多问题，缺乏损伤识别系统的嵌入式设计；

三、基于不平衡学习理论的斜拉索损伤识别分类算法超参数集合需要优化。现有不平衡学习技术大多缺乏约束条件，无法判断该技术的具体优化方向，在整体学习框架内超参数影响着最终的模型性能表现；