基于轻量化神经网络的桥梁风险识别预警系统及应用方法技术方案

本发明专利技术公开了一种基于轻量化神经网络的桥梁风险识别预警系统及应用方法，涉及桥梁监测领域，包括：用于对桥梁信息进行获取的桥梁超载监测单元、桥梁结构监测单元；通过数据传输模块与桥梁超载监测单元、桥梁结构监测单元通信连接的桥梁风险识别单元；与桥梁风险识别单元通信连接的远程控制终端；其中，所述远程控制终端被配置为与声光报警模块和限行装置通信连接。本发明专利技术提供一种基于轻量化神经网络的桥梁风险识别预警系统及应用方法，通过风险识别单元与其它单元的配合，在风险发生前能实现提前引导车流，同时风险识别单元在将倾覆风险识别中，根据应用场景将识别方式分为常规、特殊两个方法，大大减少了处理器的计算量，降低了使用成本。低了使用成本。低了使用成本。

【技术实现步骤摘要】
基于轻量化神经网络的桥梁风险识别预警系统及应用方法


[0001]本专利技术涉及桥梁监测领域。更具体地说，本专利技术涉及一种基于轻量化神经网络的桥梁风险识别预警系统及应用方法。

技术介绍

[0002]桥梁工程是国家交通运输中的节点与咽喉，在促进地区交流、保障物资运输、推动经济发展等方面有着至关重要的作用，是国家、地区经济发展与技术进步的象征。然而桥梁的设计寿命通常百年以上，在其服役期间，随着材料老化、环境导致的腐蚀效应、交通载荷，特别是货车频繁超重，加之设计标准偏低，承载能力不足，保护意识差、管理养护不到位等不利因素，势必会导致桥梁结构性能下降，产生各类缺陷或病害。这些缺陷和损伤随时间不断累积，从而诱发破坏甚至坍塌。
[0003]桥梁是交通要道，具有交通流量大、不便封闭施工等特点。而传统的桥梁养护管理主要通过人工巡查方式， 整个过程工作强度大、周期长，且由于高度依赖检测人员，存在检查不全面、数据不客观、信息不及时等问题。因此，为了保障桥梁在服役期间结构的安全性和良好的使用性能，如何实现快速、经济且准确的状态评估与风险识别、安全诊断是桥梁运维管理中亟待解决的关键问题。
[0004]目前，桥梁工程运行状态安全检测方法主要有以下几种方式：（1）例如公开号为CN114512004的专利文献运用AI摄像头对车辆信息进行识别，识别出超载车辆，从而对超载车辆进行引导。但该技术对每一车辆进行主动识别，计算量庞大，会导致分析结果计算时间出现延迟。（2）例如公开号为CN108763716B的专利文献使用振型叠加法，直接建立了车—桥系统整体运动方程，有效减少了过桥列车响应分析的计算量，能够快速评价横向风作用下过桥列车，但该技术主要适用于列车行驶的铁路桥，不适用于公路桥梁。且缺乏预防机制，没有实现主动引导车流等功能。（3）公开号为CN113310527B的专利文献提出一种基于综合感知的独墩立交桥超载和倾覆监测预警方法，实现了倾覆的预测，但仍存在时效性差的问题，不能实现提前引导车流，且其桥梁倾覆风险监测单元的反力监测单元仅通过监测到的反力进行简单对比。

技术实现思路

[0005]本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
[0006]为了实现本专利技术的这些目的和其它优点，提供了一种基于轻量化神经网络的桥梁风险识别预警系统，包括：用于对桥梁信息进行获取的桥梁超载监测单元、桥梁结构监测单元；通过数据传输模块与桥梁超载监测单元、桥梁结构监测单元通信连接的桥梁风险识别单元；与桥梁风险识别单元通信连接的远程控制终端；
其中，所述远程控制终端被配置为与声光报警模块和限行装置通信连接。
[0007]优选的是，所述桥梁超载监测单元被配置为包括：设置在桥梁上或者桥梁入口、入口处的测重机构；视频采集机构，其通过支撑机构设置在测重机构上方；设置在支撑机构一侧的车牌识别机构和数据传输模块；其中，所述支撑机构上方的显示机构，所述测重机构、视频采集机构、车牌识别机构通过数据传输模块与远程控制终端通信连接。
[0008]优选的是，所述桥梁结构监测单元被配置为包括：用于监测桥梁动挠度的动挠度仪以及红外目标靶；用于监测桥梁所受的应力、应变的应变仪以及测力计；用于监测桥梁两侧发生的位移情况的位移传感器以及平衡加速度传感器；其中，在施工过程中，所述动挠度仪、红外目标靶、应变仪、测力计布置在桥梁结构主跨跨中以及1/4跨位置上，当桥梁主跨跨度大于100m时，则在1/8跨、7/8跨位置上布局同样的动挠度仪、红外目标靶、应变仪、测力计；在施工完成后，在边跨跨中位置，支座截面位置以及桥梁每一跨的跨中两侧布设位移传感器及平衡加速度传感器。
[0009]一种基于轻量化神经网络的桥梁风险识别预警系统的应用方法，包括：步骤一，桥梁风险识别单元均基于现有规范和根据有限元软件模拟出的最不利工况计算出警戒阈值；步骤二，桥梁结构监测单元的各传感器实时对桥梁结构状态进行采集，并将采集的结构状态数据反馈至桥梁风险识别单元；步骤三，桥梁风险识别单元对监测的结构状态数据与警戒阈值进行比对，在结构状态数据对应的数值等于或大于警戒阈值时，桥梁风险识别单元将各个结构状态数据输入到轻量化神经网络预测元模型中进行仿真分析，以得到对应的有限元分析结果，实现对桥梁的风险识别，并将识别结果发送至远程控制中心。
[0010]优选的是，在步骤二中，所述桥梁结构监测单元的各传感器布局是对施工阶段的监控、十年收缩徐变状态下的健康监测应力分布情况，以及利用有限元软件进行建模完成桥梁结构内力和挠度的分析，得到桥梁结构受温度变化、荷载变化影响大的点以及结构应力、应变集中的点位作为待测节点。
[0011]优选的是，在步骤三中，所述轻量化神经网络预测元模型的建立流程被配置为包括：S30，计算每一个卷积核的范数，根据范数大小选择影响较小的卷积核作为待剪枝的对象；将剩余的部分卷积核进行聚类操作以得到影响较大的卷积核族，选择每个族中离质心最近的一个卷积核，得到新的影响较大的卷积核组；对影响较小的卷积核和卷积核组进行权重衰减，直至将权重为0的卷积核剪除，得到轻量化神经网络模型；S31，结合桥梁的实际工作情况，将轻量化神经网络模型输入层参数被配置为包括永久荷载、可变荷载以及偶然发生荷载；输出层是用于评价桥梁结构安全与性能的结构响
应数据，对于刚度较大的桥梁选取1
‑
2个隐藏层，柔性结构的桥梁3
‑
5层隐藏层，样本数据选择3000组；S32，运用GUI自动化技术来驱动有限元模型，通过Matlab软件用获得的训练样本集对网络模型进行训练，再进一步建立起轻量化神经网络预测元模型。
[0012]优选的是，在轻量化神经网络预测元模型中，倾覆风险识别被配置为包括：对平时车流量以及侧重仪未监测到超重大货车时的情况下使用的常规识别模块；对当节假日车流变多造成桥面拥堵或侧重仪检测到有大体重货车时使用的特殊识别模块。
[0013]优选的是，设在每一跨左右两侧布置的位移传感器测出的竖向位移分别为h左、h右，则在常规识别模块中，当h左与h右的差值超过预先设定好的阈值时，风险识别单元则会判断出现支座脱空现象，桥梁有倾覆侧翻的风险，向远程控制终端发出警报信息，向远程控制终端控制基于接收到的警报信息对限行装置、声光报警模块的工作状态进行控制。
[0014]优选的是，在特殊识别模块中，通过实时抗倾覆监测的评价标准公式来判断桥梁是否存在倾覆风险；桥梁在车辆和其他荷载的作用下，某一侧的梁体与支座逐渐发生分离脱落，直到倾覆侧没有支点，此时结构边界条件失效，故将支座分离脱离被视为倾覆的开始，所述评价标准公式的获取方式为：通过以下的等式计算反作用力和扭矩：其中，R
n
是桥梁在车载以及其他荷载下产生的反作用力；T
n
桥梁在车载以及其他荷载下产生的扭矩为；D
n
是第n个支座截面处两个支座之间的距离；F
1n
、F
2n
分别为第n个截面左右支座所受压力；为了确保没有负的反作用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轻量化神经网络的桥梁风险识别预警系统，其特征在于，包括：用于对桥梁信息进行获取的桥梁超载监测单元、桥梁结构监测单元；通过数据传输模块与桥梁超载监测单元、桥梁结构监测单元通信连接的桥梁风险识别单元；与桥梁风险识别单元通信连接的远程控制终端；其中，所述远程控制终端被配置为与声光报警模块和限行装置通信连接。2.如权利要求1所述的基于轻量化神经网络的桥梁风险识别预警系统，其特征在于，所述桥梁超载监测单元被配置为包括：设置在桥梁上或者桥梁入口、入口处的测重机构；视频采集机构，其通过支撑机构设置在测重机构上方；设置在支撑机构一侧的车牌识别机构和数据传输模块；其中，所述支撑机构上方的显示机构，所述测重机构、视频采集机构、车牌识别机构通过数据传输模块与远程控制终端通信连接。3.如权利要求1所述的基于轻量化神经网络的桥梁风险识别预警系统，其特征在于，所述桥梁结构监测单元被配置为包括：用于监测桥梁动挠度的动挠度仪以及红外目标靶；用于监测桥梁所受的应力、应变的应变仪以及测力计；用于监测桥梁两侧发生的位移情况的位移传感器以及平衡加速度传感器；其中，在施工过程中，所述动挠度仪、红外目标靶、应变仪、测力计布置在桥梁结构主跨跨中以及1/4跨、3/4跨位置上，当桥梁主跨跨度大于100m时，则在1/8跨、7/8跨位置上布局同样的动挠度仪、红外目标靶、应变仪、测力计；在施工完成后，在边跨跨中位置，支座截面位置以及桥梁每一跨的跨中两侧布设位移传感器及平衡加速度传感器。4.如权利要求1
‑
3任一所述基于轻量化神经网络的桥梁风险识别预警系统的应用方法，其特征在于，包括：步骤一，桥梁风险识别单元均基于现有规范和根据有限元软件模拟出的最不利工况计算出警戒阈值；步骤二，桥梁结构监测单元的各传感器实时对桥梁结构状态进行采集，并将采集的结构状态数据反馈至桥梁风险识别单元；步骤三，桥梁风险识别单元对监测的结构状态数据与警戒阈值进行比对，在结构状态数据对应的数值等于或大于警戒阈值时，桥梁风险识别单元将各个结构状态数据输入到轻量化神经网络预测元模型中进行仿真分析，以得到对应的有限元分析结果，实现对桥梁的风险识别，并将识别结果发送至远程控制中心。5.如权利要求4所述基于轻量化神经网络的桥梁风险识别预警系统的应用方法，其特征在于，在步骤二中，所述桥梁结构监测单元的各传感器布局是对施工阶段的监控、十年收缩徐变状态下的健康监测应力分布情况，以及利用有限元软件进行建模完成桥梁结构内力和挠度的分析，得到桥梁结构受温度变化、荷载变化影响大的点以及结构应力、应变集中的点位作为待测节点。6.如权利要求4所述基于轻量化神经网络的桥梁风险识别预警系统的应用方法，其特
征在于，在步骤三中，所述轻量化神经网络预测元模型的建立流程被配置为包括：S30，计算每一个卷积核的范数，根据范数大小选择影响较小的卷积核作为待剪枝的对象；将剩余的部分卷积核进行聚类操作以得到影响较大的卷积核族，选择每个族中离质心最近的一个卷积核，得到新的影响较大的卷积核组；对影响较小的卷积核和卷积核组进行权重衰减，...

【专利技术属性】
技术研发人员：李丹，龚珂慰，徐耀东，赵兵，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：