一种悬索桥梁端纵向位移连续缺失监测数据的重构方法技术

本发明专利技术公开了一种悬索桥梁端纵向位移连续缺失监测数据的重构方法，包括步骤如下：S1，对监测结果中历史环境气温和梁端位移的有效数据进行预处理；S2，利用长短时记忆网络模型，建立环境温度与梁端纵向位移低频成分时间序列之间的LSTM回归模型；S3，基于U型架构的全卷积神经网络的频带拓宽模型，分阶段逐步实现不同频段的梁端纵向位移数据高频成分的重构；S4，采用统计校正方法对串联模型的预测结果进行修正；S5，采用性能评价指标评估整个数据重构方法在测试集上的性能。本发明专利技术能很好地弥补健康监测系统中由于各种原因影响频繁发生的数据缺失缺陷，为后续的数据挖掘服务，具有可行性、可靠性。可靠性。可靠性。

【技术实现步骤摘要】
一种悬索桥梁端纵向位移连续缺失监测数据的重构方法


[0001]本专利技术涉及桥梁健康监测方法，尤其涉及一种悬索桥梁端纵向位移连续缺失监测数据的重构方法。

技术介绍

[0002]结构健康监测(SHM)数据是大跨度桥梁健康状况感知、风险预警以及管理决策制定的重要支撑。大跨度桥梁健康监测的内容一般涵盖振动、应变、索力、位移、结构温度以及桥位环境变量等。其中，梁端位移是影响伸缩缝、阻尼器和支座等构件健康状况的关键因素。在长期的环境作用(温度和风)和交通荷载作用下，梁端的频繁往复运动会产生较大的累计位移，进而造成上述构件的疲劳和磨损，甚至影响到桥梁结构本身。同样作为大跨度桥梁主力桥型的斜拉桥和悬索桥，后者由于显著的柔性特征而具有更大的梁端位移。大跨悬索桥的主梁梁端纵向位移监测一直是健康监测领域重点关注的对象。
[0003]SHM系统一般由传感器子系统、数据采集和传输子系统、数据储存与处理子系统、结构安全评价与预警子系统等部分构成。前三个环节中任何一个出现问题，都可能会导致数据缺失或异常的发生，工程实践中也发现了数据缺失的情况在SHM系统中确实会经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种悬索桥梁端纵向位移连续缺失监测数据的重构方法，其特征在于，包括步骤如下：S1，对监测结果中历史环境气温和梁端位移的有效数据进行预处理；S2，利用长短时记忆网络模型，建立环境温度与梁端纵向位移低频成分时间序列之间的LSTM回归模型；S3，基于U型架构的全卷积神经网络的频带拓宽模型，分阶段逐步实现不同频段的梁端纵向位移数据高频成分的重构；S4，采用统计校正方法对串联模型的预测结果进行修正；S5，采用性能评价指标评估整个数据重构方法在测试集上的性能。2.根据权利要求1所述悬索桥梁端纵向位移连续缺失监测数据的重构方法，其特征在于，步骤S1中，对采集的大跨悬索桥健康监测数据系统记录的历史环境气温和梁端位移原生数据进行预筛选和预处理；读取悬索桥实测的梁端纵向位移频谱，并选定采样频率2f
D
，在保留频域信息的前提下，对原始数据进行降采样；将最终预处理完成后得到的样本数据按一定比例划分为训练集、验证集和测试集，采用小批量处理方法和重叠保留法分别用于模型训练、模型优化和模型评估。3.根据权利要求1所述悬索桥梁端纵向位移连续缺失监测数据的重构方法，其特征在于，步骤S2中，所述LSTM回归模型的网络结构如下：开始于一个输入层，结束于一个全连接层和输出层；网络核心部分是m个串联的LSTM层，每一个LSTM层后跟随一个丢弃层，每个LSTM层的输出被以概率q随机置零；以采样频率为2f
T
的环境温度和梁端纵向位移低频成分分别作为LSTM回归模型的输入与输出；以均方误差作为LSTM回归模型的优化目标函数；采用时域损失函数均方根差RMSE选择最优的LSTM回归模型，均方误差的表达式如下：式中，D
T
和分别表示梁端纵向位移低频成分序列的真实值序列和预测值序列，下标T表示时域；D
T
(n)、分别表示D
T
和序列中序号为n的值；N表示时间序列的长度；时域损失函数均方根差RMSE的计算公式如下：式中，D
T
和分别表示梁端纵向位移低频成分序列的真实值序列和预测值序列，下标T表示时域；D
T
(n)、分别表示D
T
和序列中序号为n的值；N表示时间序列的长度。4.根据权利要求1所述悬索桥梁端纵向位移连续缺失监测数据的重构方法，其特征在于，步骤S3中，通过训练三个超分模型分别完成梁端纵向位移数据的三个阶段的频谱带宽拓展，逐步实现f
T
至f
M1
频段、f
M1
至f
M2
频段、f
M2
至f
D
频段的梁端位移数据高频成分的重构，其中，f
T
为梁端纵向位移数据低频分量的频谱带宽，f
D
为梁端纵向位移数据重构的目标带宽；所述三个阶段的超分模型的训练和超参数优化独立开展，利用步骤S1中预处理后的梁端纵向位移数据样本，通过降采样，获得采样频率分别为2f
T
、2f
M1
和2f
M2
的梁端纵向位移数
据样本；各个阶段的超分模型输入序列在喂入该阶段的超分模型之前，需要利用三次样条插值，将其上采样至采样频率与该阶段超分模型输出一致，频谱带宽不变。5.根据权利要求1所述悬索桥梁端纵向位移连续缺失监测数据的重构方法，其特征在于，步骤S3中，各阶段的超分模型采用U型架构，在U型架构模型中，输入序列首先被编码器压缩至长度最短的，然后又被解码器扩展至原始长度；输入序列的编码和解码分别由一系列一维卷积层和子像素卷积层实现，某一卷积层的输出被称为从该层输入提取出的特征图；在编码阶段，特征图的长度逐层减半，而特征通道数逐渐增加；在解码阶段，特征图的长度逐层增半，而特征通道数逐渐减少；在每个卷积层中，卷积核的通道数自动与输入特征图的通道数保持一致，并且卷积核数量决定其输出特征图的通道数；除输出层外，每层中的卷积操作后都跟随着一个非线性激活函数，每三层卷积操作后采用一次丢弃操作；采用频域损失函数在各阶段独立开展超分模型训练，根据频域指标对各阶段的超分模型的预测效果进行评估，确定最优模型。6.根据权利要求5所述悬索桥梁端纵向位移连续缺失监测数据的重构方法，其特征在于，采用频域损失函数开展超分模型训练，根据频域指标对各阶段的超分模型的预测效果进行评估，确定最优模型；选用的频域损失函数及频域指标如...

【专利技术属性】
技术研发人员：张文明，陆小凡，王志伟，郭彤，
申请(专利权)人：东南大学，
类型：发明
国别省市：