【技术实现步骤摘要】
一种基于LSTM模型的地铁结构振动信号的压缩方法
本专利技术涉及地铁智能监测技术，尤其涉及一种基于LSTM模型的地铁结构振动信号的压缩方法。
技术介绍
近年来，武汉轨道交通工程建设高速发展，地铁运营线路由单线变成多线并已形成网络。地铁已成为城市人口重要运载体，极大缓解了城市地面交通压力。地铁隧道在建设和运营过程中，很多因素如地质条件、地下水、地面建筑物开发及隧道自身负荷能力等，都将会对隧道结构产生影响，进而危及地铁运营安全。地铁运营一旦发生安全事故，造成的财产损失将是不可估量的。因此，对环境和列车荷载激励下的地铁钢轨、道床、隧洞管片等结构响应进行监测，及时甄别处置可能诱发地铁安全运行的各类危害影响，对保障地铁沿程线路的结构安全意义重大。基于振动测试分析结构的工作状态一直以来都是工程中应用最广泛，实现最便捷的结构状态评价方法。阵列光栅传感技术由于传输光信号，本征安全，信号不受地铁轨道交通运营过程中产生的电磁干扰。此外，分布式探测的方式易于构建测点规模大的传感网，满足多站点、长线路轨道交通结构全时全域覆盖的监测需求。但随...
【技术保护点】
1.一种基于LSTM模型的地铁结构振动信号的压缩方法，其特征在于，包括以下步骤：/nS1)通过隧道结构及道床上设置的阵列光栅传感光缆采集原始振动信号，得到来车信号的原始波形；/nS2)对原始波形信号进行信号预处理，所述信号预处理包括滤波处理、升维处理和归一化；/nS3)设计LSTM模型，对信号提取初步特征，初步特征为接近零的极小数；/nS4)设计LSTM_CTC模型，用梯度下降法优化LSTM模型提取的特征，使特征能够表达出原始信号的信号趋势；/nS5)采用游程编码对步骤S4)优化后的特征进行压缩编码。/n
【技术特征摘要】
1.一种基于LSTM模型的地铁结构振动信号的压缩方法，其特征在于，包括以下步骤：
S1)通过隧道结构及道床上设置的阵列光栅传感光缆采集原始振动信号，得到来车信号的原始波形；
S2)对原始波形信号进行信号预处理，所述信号预处理包括滤波处理、升维处理和归一化；
S3)设计LSTM模型，对信号提取初步特征，初步特征为接近零的极小数；
S4)设计LSTM_CTC模型，用梯度下降法优化LSTM模型提取的特征，使特征能够表达出原始信号的信号趋势；
S5)采用游程编码对步骤S4)优化后的特征进行压缩编码。
2.根据权利要求1所述的基于LSTM模型的地铁结构振动信号的压缩方法，其特征在于，所述步骤S1)的具体方法为：
基于阵列光栅分布式振动检测技术，沿着地铁隧道洞壁及道床铺设监测光缆，监测隧道结构及道床的振动信息。
3.根据权利要求1所述的基于LSTM模型的地铁结构振动信号的压缩方法，其特征在于，所述步骤S2)处理的具体步骤为：
S21)对一段时间内数据累积得到的数据进行滤波去掉原始信号中噪声引起的时域波形漂移现象；滤波后数据记为式中，S表示测区，n表示该测区的样本点数；
S22)基于压缩比例i:1对按以下公式(1)升维：
其中，T数值上等于n除i的余数，具体升维过程即将n个数整型为T行的数组；
S23)采用下式(2)对进行归一化处理；
其中，S(x)表示归一化后的数据，x表示输入的数据。
4.根据权利要求3所述的基于LSTM模型的地铁结构振动信号的压缩方法，其特征在于，所述步骤S3)中LSTM模型的构建方法如下：
通过构建LSTM的cell获得LSTM模型，cell通过门结构来对单元状态增加或删减信息，cell结构中的遗忘门、输入门、单元状态、输出分别通过以下公式(3)～(7)计算得到：
遗忘门：Ft＝σ(Wf·[ht-1,xt]+Bf)(3)
输入门：It＝σ(Wi·[ht-1,xt]+Bi)(4)
记忆单元：Ct＝Ft×Ct-1+It×tanh(Wc·[ht-1,xt]+Bc)(5)
输出门：Ot＝σ(Wo·[ht-1,xt]+Bo)(6)
t时刻隐藏变量：ht＝Ot·tanh(Ct)(7)
其中，wf,wi,wc,wo分别为cell结构中的遗忘门、输入门、记忆单元、输出门对应的权值...
【专利技术属性】
技术研发人员：李盛，王杰，刘芳，甘维兵，王洪海，杨燕，岳丽娜，王立新，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。