桥梁动态称重系统车辆轴重数据的多模态建模方法技术方案

桥梁动态称重系统车辆轴重数据的多模态建模方法，实施流程如下：A.处理WIM原始数据；B.对WIM数据进行统计分析，了解数据的基本统计特性；C.有限分布模型多模态建模；D.运用遗传算法计算概率密度函数中的相关系数参数；E.确定最优的拟合模型及参数。

【技术实现步骤摘要】

本专利技术涉及结构健康监测、统计数学建模等领域，具体为基于遗传算法对桥梁动态称重系统所获取的车辆轴重数据进行概率分布多模态建模。
技术介绍
在役桥梁的结构破坏主要是由结构性能的退化以及日益增加的车辆荷载引起。因此，交通流量以及车辆荷载是对桥梁结构进行安全性评估、维修策略优化以及全寿命周期成本分析的重要指标。过去，车辆荷载模型的测定主要由有经验的桥梁工程师根据非常有限的调查数据计算得到。为了获得更有效的实时交通信息，动态称重(WIM)系统被广泛应用于城市道路和桥梁结构健康监测(SHM)系统中。通过现场布置的WIM监控系统，实时车辆荷载数据可以很方便地获得，为进一步分析车辆荷载的分布模型提供了有力保障。一般情况下，桥梁荷载模型的建立需要从WIM系统得到车辆总轴重(GVW)、轴重以及车轴间距等数据，其中，车辆总轴重数据的概率模型分布是车辆荷载模型建立的关键环节。传统的荷载建模方法一般采用单峰模型，通常可以采用几种常见的分布形式进行拟合建模。然而，近年来，随着桥梁车辆数量的不断增加，许多学者指出GVW数据大多呈现多模态分布特征，这是由于特定地点的交通状况不可避免地涵盖不同车辆类型，而同一类型的车辆也包括了空载、半载以及满载等情况。采用单一的分布模型不能准确描述车辆荷载轴重数据的多模态统计特性。有限混合分布模型由于其能够模拟由不同组分组成的混合数据，已被广泛地应用于数据的多模态建模。混合分布模型的参数估计有多种估算方法，其中期望最大化(EM)算法是常用的参数估计方法。EM算法思路清晰，方法简单易用，是用于不完整数据情况下的参数极大似然估计方法，在数据挖掘、模式识别等领域已经有广泛应用。然而，由于EM算法是一种爬山算法，通过不停迭代使得其似然函数值不断上升，这使得算法成为一种局部搜索算法，只能找到局部最优值，而不能保证是全局最优点。综上所述，要获得桥梁WIM系统中获得实时车辆轴重数据的概率分布模型，不仅需要采用多模态的建模方法，并需要一种可以用于多模态概率模型的参数估计方法，以快速、准确的获取参数全局最优解。
技术实现思路
本专利技术要克服传统车辆轴重数据建模方法的不足，通过WIM系统获取海量有效的车辆轴重原始数据，提出一种基于遗传算法(GA)的桥梁WIM系统车辆轴重数据多模态建模及参数估计方法。本专利技术由以下两部分组成：一、车辆轴重数据多模态建模本专利技术使用有限混合分布模型进行多模态建模，车辆轴重的样本来自几种具有不同统计特性的分布，那么它的概率密度函数可表示为 f ( y | c , w , θ ) = Σ l = 1 c w l f l ( y | θ l ) ]]>其中，f(y|c,w,θ)为目标混合概率密度函数，fl(y|θl)为给定参数集合的组分概率密度函数，c为组分个数，θ为组分参数集合，wl为各组分混合权重，满足且wl≥0当各组分的概率密度函数分别采用正态分布、对数正态分布和威布尔分布表示时，混合概率密度函数为混合正态分布： f ( y | c , w , θ ) = Σ l = 1 c w l 1 2 π exp { - 1 2 ( y - μ l ) 2 Σ l 2本文档来自技高网...

【技术保护点】
桥梁动态称重系统车辆轴重数据的多模态建模方法，包括如下步骤：A.处理动态称重WIM原始数据；A1.WIM原始数据包含车辆类型、车速、车辆总重、轴重、轴距，将这些数据放入excel或matlab文件中；A2.基于文献以及规范，根据以下条件略去部分原始数据，包括：总轴重小于3.5吨；车速大于20km/h以及小于120km/h；轴距小于1米；轴距大于40米；最大轴距大于15吨且占总轴重比重大于85％；车辆第一个轴距大于15米；B.对动态称重WIM数据进行统计分析，了解数据的基本统计特性；B1.计算包含各种车辆总轴重数据的均值、方差；B2.根据车辆分类，求出各类型总轴重数据的均值、方差，并做出每种车辆类型总轴重数据的直方图；B3.观察直方图的统计特性；对于单峰模型，运用传统方法进行概率建模；具体地，先根据应力谱直方图假设其可能的几种分布形式，如正态分布、威布尔分布、指数分布等，而后采用极大似然法等参数估计方法估计假定分布的未知参数，最后利用χ2拟合优度检验或K‑S检验等假设检验方法验证所选取分布形式的拟合效果；B4.对于多峰模型，则需要运用有限混合分布进行概率建模；C.有限混合分布模型多模态建模；C1.分别采用混合正态分布、混合对数正态分布和混合威布尔分布三种不同的分布形式拟合概率密度函数，混合正态分布为：f(y|c,w,θ)=Σl=1cwl12πexp{-12(y-μl)2Σl2}]]>混合对数正态分布为：f(y|c,w,θ)=Σl=1cwl12πΣlyexp{-12(ln(y)-μl)2Σl2}]]>混合威布尔分布为：f(y|c,w,θ)=Σl=1cwlγlφl(yφl)γl-1exp{-(yφl)γl}]]>其中，f(y|c,w,θ)为目标混合概率密度函数，c为组分个数，θ为组分参数集合，wl为各组分混合权重，μl和Σl分别为混合正态分布和混合对数正态分布第l组分对应的均值和方差，φl和γl分别是混合威布尔分布第l组分对应的尺度参数和形状参数；C2.分别采用混合正态分布、混合对数正态分布和混合威布尔分布三种不同的分布形式拟合累积概率密度函数；D.运用遗传算法计算相关系数概率密度函数中的参数；D1.根据预处理后的数据，取一区间，其下限比最小数据稍小，其上限比最大数据稍大，将这一区间分为V个小区间RV；那么样本落在区间RV的频率可表示为其中，Kv为落入区间RV的样本数量；D2.选定种群规模，最大进化代数，试验次数，取适应度值最大的搜索结果作为最终参数估计值；其适应度函数可表示为FIT=1Σv=1V(qv-f(yv|w,α,β)ξqv)2]]>其中，f(yv|w,α,β)为威布尔分布；当样本落在区间Rv的频率qv越接近f(yv|w,α,β)ξ时，适应度函数的值越大；使适应度函数的值达到最大的w,α和β为参数的最优解；D3.利用所得的参数估计值计算不同组分个数下的AIC值和Δc以确定最佳组分个数，其中的组分个数从1开始直到AIC值与Δc不再显著变化为止；E.确定最优的拟合模型及参数；E1.AIC＝2M‑2ln(L)，M为分布模型中未知参数的个数，ln(L)为极大对数似然函数；其中T为区间划分个数，qe为拟合分布在区间Re内的频率，he为样本落入区间Re内的概率；选择AIC值和Δc最小值对应的组分个数，确立最优的拟合模型。...

【技术特征摘要】
1.桥梁动态称重系统车辆轴重数据的多模态建模方法，包括如下步骤：A.处理动态称重WIM原始数据；A1.WIM原始数据包含车辆类型、车速、车辆总重、轴重、轴距，将这些数据放入excel或matlab文件中；A2.基于文献以及规范，根据以下条件略去部分原始数据，包括：总轴重小于3.5吨；车速大于20km/h以及小于120km/h；轴距小于1米；轴距大于40米；最大轴距大于15吨且占总轴重比重大于85％；车辆第一个轴距大于15米；B.对动态称重WIM数据进行统计分析，了解数据的基本统计特性；B1.计算包含各种车辆总轴重数据的均值、方差；B2.根据车辆分类，求出各类型总轴重数据的均值、方差，并做出每种车辆类型总轴重数据的直方图；B3.观察直方图的统计特性；对于单峰模型，运用传统方法进行概率建模；具体地，先根据应力谱直方图假设其可能的几种分布形式，如正态分布、威布尔分布、指数分布等，而后采用极大似然法等参数估计方法估计假定分布的未知参数，最后利用χ2拟合优度检验或K-S检验等假设检验方法验证所选取分布形式的拟合效果；B4.对于多峰模型，则需要运用有限混合分布进行概率建模；C.有限混合分布模型多模态建模；C1....

【专利技术属性】
技术研发人员：叶肖伟，苏有华，奚培森，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33