一种交通基础设施健康监测系统服役性能评价方法及装置制造方法及图纸

本发明专利技术涉及一种交通基础设施健康监测系统服役性能评价方法及装置，其方法包括：获取多个单一参数传感测量装备在结构载荷和环境载荷激励下所产生的测量数据；对所述测量数据进行数据特征提取；根据提取到的所述数据特征将所述测量数据划分为多个不同种类；辨识相同种类的所述测量数据的数据一致性；根据数据一致性辨识的结果对所述交通基础设施健康监测系统的服役性能进行评价。本发明专利技术通过获取多个单一参数传感测量装备在结构载荷和环境载荷激励下所产生的测量数据，并对测量数据进行处理即可得到交通基础设施健康监测系统服役性能，进而实现健康监测系统的自校准、自辨识，不仅节省了人力、物力；还可以有效避免封闭道路所带来的道路拥堵等缺陷。所带来的道路拥堵等缺陷。所带来的道路拥堵等缺陷。

【技术实现步骤摘要】
一种交通基础设施健康监测系统服役性能评价方法及装置


[0001]本专利技术涉及交通基础设施健康监测系统服役性能评价校正领域，尤其涉及一种交通基础设施健康监测系统服役性能评价方法及装置。

技术介绍

[0002]目前现有的交通基础设施健康监测系统服役性能评价方法可主要包括：1、依托固定荷载开展健康监测系统的测量性能评价。现阶段依托固定荷载、动态荷载采用固定重量的车辆对桥梁施加荷载，采用应力
‑
应变
‑
位移原理对监测系统测量有效性进行评价。2、等强度悬臂梁在线标定方法。桥梁健康监测系统在线计量方案可行性验证过程中，可以采用等强度悬臂梁加挂砝码的方式进行验证，等强度悬臂梁由底座、等强度悬臂梁和砝码组成，在悬臂梁片平行布设监测系统，加挂砝码以后，由砝码重量引起的梁体变形，进而采集监测系统的输出值，在一定时间后，加入或减少砝码数量，同时记录两组监测数据序列值，对特征点进行匹配，进行序列数据进行校准。不管是上述的哪种方法大多存在耗费大量的人力、物力，每次荷载试验期间均需要封闭道路的问题。

技术实现思路

[0003]鉴于上述现有技术的不足，本申请的目的在于提供一种交通基础设施健康监测系统服役性能评价方法及装置，旨在克服现有技术中的不足。
[0004]本专利技术的第一方面提供了一种交通基础设施健康监测系统服役性能评价方法，包括：获取多个单一参数传感测量装备在结构载荷和环境载荷激励下所产生的测量数据；对所述测量数据进行数据特征提取；根据提取到的所述数据特征将所述测量数据划分为多个不同种类；辨识相同种类的所述测量数据的数据一致性；根据数据一致性辨识的结果对所述交通基础设施健康监测系统的服役性能进行评价。本专利技术所提出的交通基础设施健康监测系统服役性能评价方法，仅通过获取多个单一参数传感测量装备在结构载荷和环境载荷激励下所产生的测量数据，并对测量数据进行处理即可得到交通基础设施健康监测系统服役性能，进而实现健康监测系统的自校准、自辨识，不仅节省了人力、物力；还可以有效避免封闭道路所带来的道路拥堵等缺陷。
[0005]可选地，所述交通基础设施健康监测系统服役性能评价方法还包括：设置一深层卷积神经网络；对所述深层卷积神经网络进行训练。本专利技术通过设计卷积网络来完成对数据的处理，可有效提高数据处理的速度。
[0006]可选地，所述设置一深层卷积神经网络包括：设置至少一个输入层；在所述输入层之后多个卷积层和多个池化层，且每个所述卷积层与每个所述池化层间隔设置。本专利技术所提出的深层卷积神经网络其优点在于，结构简单易于实现。
[0007]可选地，所述设置一深层卷积神经网络还包括：对深层卷积神经网络的所述卷积层进行归一化处理。本专利技术通过将将隐藏层进行归一化处理，可以实现将输入的数据调整到预设的范围内，目的是为了调整输入数据到同一个量纲范畴，提高可比性。
[0008]可选地，所述对所述测量数据进行数据特征提取包括：利用所述深层卷积神经网络对所述测量数据进行数据特征提取。本专利技术利用深层卷积神经网络完成数据特征的提取，其优点在于准确度高。
[0009]可选地，所述交通基础设施健康监测系统服役性能评价方法还包括：设置至少一个分类层，所述分类层设置在所述卷积层和所述池化层之后。
[0010]可选地，所述对所述深层卷积神经网络进行训练包括：训练所述分类层；待所述分类层训练完成后，依次往前嵌套迭代训练所述卷积层；待所述卷积层训练完成后，对整个深层卷积神经网络训练。深层卷积神经网络最终识别效果的好坏除了取决于数据集和深层卷积神经网络本身架构之外，训练方法也是影响其识别效果的一个重要因素，因此本专利技术提出了采用循环嵌套、依次渐进的训练方法对其进行训练，可以有效提高识别精度。
[0011]可选地，所述根据提取到的所述数据特征将所述测量数据划分为多个不同种类包括：利用所述分类层根据提取到的所述数据特征将所述测量数据划分为多个不同种类。本专利技术利用分类层来进行实现测量数据的分类，避免出现数值不稳定的情况。
[0012]可选地，所述辨识相同种类的所述测量数据的数据一致性包括：在相同的所述结构载荷和/或所述环境载荷激励下辨识相同种类的所述测量数据是否一致；或者在相同的所述结构载荷和/或所述环境载荷激励下辨识相同种类的所述测量数据的序列变化趋势是否一致。本专利技术通过测量系统相同参量测量量值间的测量相关性，实现互相之间的测量有效性评价。
[0013]可选地，所述交通基础设施健康监测系统服役性能评价方法还包括：在所述交通基础设施上布设多个单一参数传感测量装备，所述交通基础设施包括桥梁和隧道。
[0014]本专利技术的第二方面还提供一种交通基础设施健康监测评价装置，包括：处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本专利技术第一方面中所述的交通基础设施健康监测系统服役性能评价方法的步骤。
[0015]附图说明
[0016]图1为本专利技术一种交通基础设施健康监测系统服役性能评价方法实施例的流程图；图2为本专利技术一种交通基础设施健康监测系统服役性能评价方法实施例的流程图图3为本专利技术在交通基础设施上布设多个单一参数传感测量装备的示意图；图4为本专利技术采用dropout方法对深层卷积神经网络进行改进前后的对比图；图5为本专利技术基于网络的迁移学习示意图；图6为本专利技术交通基础设施健康监测评价系统框架图。
[0017]具体实施方式
[0018]下面将详细描述本专利技术的具体实施例，应当注意，这里描述的实施例只用于举例
说明，并不用于限制本专利技术。在以下描述中，为了提供对本专利技术的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本专利技术。在其他实例中，为了避免混淆本专利技术，未具体描述公知的电路，软件或方法。
[0019]在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本专利技术至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。
[0020]现有的交通基础设施健康监测系统服役性能评价方法大多存在需要耗费大量的人力、物力以及每次荷载试验期间均需要封闭道路的问题。
[0021]基于此，本申请希望提供一种能够解决上述技术问题的方案，其详细内容将在后续实施例中得以阐述。
[0022]请参见图1，本申请方案的详细阐述一种交通基础设施健康监测系统服役性能评价方法的实施例，所述交通基础设施健康监测系统服役性能评价方法包括如下步骤：S001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通基础设施健康监测系统服役性能评价方法，其特征在于，包括：获取多个单一参数传感测量装备在结构载荷和环境载荷激励下所产生的测量数据；对所述测量数据进行数据特征提取；根据提取到的所述数据特征将所述测量数据划分为多个不同种类；辨识相同种类的所述测量数据的数据一致性；根据数据一致性辨识的结果对所述交通基础设施健康监测系统的服役性能进行评价。2.如权利要求1所述的交通基础设施健康监测系统服役性能评价方法，其特征在于，所述交通基础设施健康监测系统服役性能评价方法还包括：设置一深层卷积神经网络；对所述深层卷积神经网络进行训练。3.如权利要求2所述的交通基础设施健康监测系统服役性能评价方法，其特征在于，所述设置一深层卷积神经网络包括：设置至少一个输入层；在所述输入层之后多个卷积层和多个池化层，且每个所述卷积层与每个所述池化层间隔设置。4.如权利要求3所述的交通基础设施健康监测系统服役性能评价方法，其特征在于，所述交通基础设施健康监测系统服役性能评价方法还包括：对深层卷积神经网络的所述卷积层进行归一化处理。5.如权利要求2
‑
4中任意一项所述的交通基础设施健康监测系统服役性能评价方法，其特征在于，所述对所述测量数据进行数据特征提取包括：利用所述深层卷积神经网络对所述测量数据进行数据特征提取。6.如权利要求3所述的交通基础设施健康监测系统服役性能评价方法，其特征在于，所述交通基础设施健康监测系...

【专利技术属性】
技术研发人员：彭璐，冯笑凡，唐煜，荆根强，窦光武，罗翥，
申请(专利权)人：交通运输部公路科学研究所，
类型：发明
国别省市：