【技术实现步骤摘要】
本专利技术属于交通，特别是一种铁路特大桥的健康状态智能评估方法及系统。
技术介绍
1、随着铁路运输业的快速发展，铁路特大桥作为关键的基础设施，其安全运营对于保障人员和财产的安全具有至关重要的意义。铁路特大桥经历长期服务后，由于材料老化、环境侵蚀、长期载荷作用等原因，其结构健康状态可能出现劣化，进而影响到桥梁的安全性能和使用寿命。因此，开发一种有效的铁路特大桥健康状态智能评估方法具有重要的理论和实践意义。
2、传统的桥梁健康监测方法重点关注宏观的结构响应，如位移、应变和加速度等，通过定期的视觉检查和先进的传感器监测来评估结构的健康状态。这些方法虽然在一定程度上能够提供结构损伤的初步线索，但往往无法感知到结构深层次的微观损伤，且对于环境和操作条件的动态变化响应不够灵敏。
3、近年来，随着传感技术和数据处理技术的进步，结构健康监测领域开始向智能化发展。例如，基于阻抗法、声发射技术、光纤传感技术和无线传感网络的监测技术逐渐被引入到桥梁健康监测中。这些技术在提高监测精度、降低维护成本以及实现实时和连续监测方面展现了潜力。然而，这些方法往往需要对大量数据进行处理和分析，且对数据的解释和特征提取存在一定的局限性。
技术实现思路
1、本专利技术的目的是提供一种铁路特大桥的健康状态智能评估方法及系统，以解决现有技术中的不足，能够提高对微观损伤检测的灵敏度，并实现结构健康状态的准确评估。
2、本申请的一个实施例提供了一种铁路特大桥的健康状态智能评估方法，所述方法包括
3、采集铁路特大桥的结构共振签名；
4、将所述结构共振签名转化为特征向量空间，其中，所述空间内的点对应于铁路特大桥在不同操作和环境条件下的健康状态；
5、构建桥梁状态智能解析网络，其中，所述网络由一系列算法节点组成，每个节点负责一个桥梁状态的建模和分析，所述网络通过自适应算法连接各个节点；
6、基于所述特征向量空间，对所述桥梁状态智能解析网络的每个状态节点进行实时评分。
7、可选的，所述采集铁路特大桥的结构共振签名，包括：
8、通过部署于铁路特大桥的特定位置上的一系列多模态结构感应单元，采集铁路特大桥的结构共振签名，其中，每个多模态结构感应单元能够在特定频段下激发和接收结构共振签名。
9、可选的，所述将所述结构共振签名转化为特征向量空间，包括：
10、通过以下映射公式将所述结构共振签名转化为特征向量空间： f_{vect}(s_k)=\omega\left(\bigcup_{i=1}^n\psi(s_k,
heta_i)\right)
11、其中，所述f_{vect}(s_k)为第k种状态下铁路特大桥的特征向量，所述psi为结构共振特征转换函数，依赖于应力应变参数theta_i，并对应于第i个多模态结构感应单元的数据，所述omega为映射操作，将多个多模态结构感应单元的转换函数输出合并为单个特征向量。
12、可选的，所述基于所述特征向量空间，对所述桥梁状态智能解析网络的每个状态节点进行实时评分，包括：
13、利用以下评估公式基于所述特征向量空间，对所述桥梁状态智能解析网络的每个状态节点进行实时评分：
14、h_{score}(f_{vect}, e_{cond}) = \zeta \cdot \left( 1 - e^{-\gamma \cdot \delta(f_{vect}, e_{cond})} \right)
15、其中，所述h_{score}代表健康评分，所述zeta为标准化常数，所述gamma 为状态敏感度参数，所述delta为状态偏差函数，用于计算特征向量f_{vect} 与铁路特大桥正常运营环境条件e_{cond}之间的偏差。
16、本申请的又一实施例提供了一种铁路特大桥的健康状态智能评估系统，所述系统包括：
17、采集模块，用于采集铁路特大桥的结构共振签名；
18、转化模块，用于将所述结构共振签名转化为特征向量空间，其中，所述空间内的点对应于铁路特大桥在不同操作和环境条件下的健康状态；
19、构建模块，用于构建桥梁状态智能解析网络，其中，所述网络由一系列算法节点组成，每个节点负责一个桥梁状态的建模和分析，所述网络通过自适应算法连接各个节点；
20、评分模块，用于基于所述特征向量空间，对所述桥梁状态智能解析网络的每个状态节点进行实时评分。
21、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。
22、本申请的又一实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。
23、与现有技术相比，本专利技术提供的一种铁路特大桥的健康状态智能评估方法，通过采集铁路特大桥的结构共振签名；将所述结构共振签名转化为特征向量空间，其中，所述空间内的点对应于铁路特大桥在不同操作和环境条件下的健康状态；构建桥梁状态智能解析网络，其中，所述网络由一系列算法节点组成，每个节点负责一个桥梁状态的建模和分析，所述网络通过自适应算法连接各个节点；基于所述特征向量空间，对所述桥梁状态智能解析网络的每个状态节点进行实时评分，从而能够提高对微观损伤检测的灵敏度，并实现结构健康状态的准确评估。
本文档来自技高网...【技术保护点】
1.一种铁路特大桥的健康状态智能评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采集铁路特大桥的结构共振签名，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述结构共振签名转化为特征向量空间，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述特征向量空间，对所述桥梁状态智能解析网络的每个状态节点进行实时评分，包括：
5.一种铁路特大桥的健康状态智能评估系统，其特征在于，所述系统包括：
6.根据权利要求5所述的系统，其特征在于，所述采集模块，具体用于：
7.根据权利要求6所述的系统，其特征在于，所述转化模块，具体用于：
8.根据权利要求7所述的系统，其特征在于，所述评分模块，具体用于：
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-4中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为
...【技术特征摘要】
1.一种铁路特大桥的健康状态智能评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采集铁路特大桥的结构共振签名，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述结构共振签名转化为特征向量空间，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述特征向量空间，对所述桥梁状态智能解析网络的每个状态节点进行实时评分，包括：
5.一种铁路特大桥的健康状态智能评估系统，其特征在于，所述系统包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：吴大勇，傅卫国，陈新宇，帅林林，董捷，
申请(专利权)人：北京鼎兴达信息科技股份有限公司，
类型：发明
国别省市：
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。