基于时序数据的桥梁索力预测方法和设备

本发明涉及数据处理与分析，尤其涉及一种基于时序数据的桥梁索力预测方法和设备。

背景技术：

1、拉索作为桥梁关键承力构件，对桥梁安全与耐久性影响深远。自桥梁启用，拉索持续遭受腐蚀、疲劳及振动等环境作用，尤其因其外部布置与小截面特性，对腐蚀极为敏感。表面损伤直接削弱斜拉索力学性能，降低承载力，损伤积累至一定程度，严重威胁桥梁结构安全，可能引发重大事故。拉索内部钢丝的裂纹也会导致单根钢丝的截面积减少，进而降低了整个拉索的总承载能力，因此，对桥梁健康状况的预测至关重要。公开号为cn117688647a的中国专利申请公开了一种桥梁结构监测数据预测模型的建立方法及其应用，这个方法利用监测数据的增量向量构建增量影响矩阵，并以此为基础建立预测模型。但桥梁结构的状态随时间变化可能呈现出非平稳性，构建增量影响矩阵要求监测数据在一段时间内是平稳的。公开号为cn107895014a的中国专利申请公开了一种基于mapreduce框架的时间序列桥梁监测数据分析方法，这个方法利用mapreduce框架和改进的arima模型来处理桥梁的时间序列数据，以预测桥梁的整体健康状况，可以在不断变化的环境中及时获取桥梁结构响应。但上述方法缺少对单个拉索的细节状态数据的采集，且该方案未披露桥梁健康的评价标准，难以形成客观的评价结果。

技术实现思路

1、本发明提供一种基于时序数据的桥梁索力预测方法和设备，以解决上述现有技术存在的问题。本发明采集表面和截面信息，提高预测准确性。同时根据拉索结构状态生成上下控制限，避免人为设定的健康评价标准影响预测结果。

2、本技术的发明目的可通过以下技术手段实现：

3、一种基于时序数据的桥梁索力预测方法，包括以下步骤：

4、步骤1：多根拉索连接桥塔与桥梁，根据桥梁的载荷模型确定每一拉索的载荷指数；

5、步骤2：在每一监测周期沿拉索的长度方向采集多个表面图像、原始射线图像、磁通变化量，根据表面图像计算表面状态数据，根据原始射线图像计算截面状态数据，根据磁通变化量计算缺陷状态数据；

6、步骤3：由多个采样点的表面状态数据生成表面状态序列，由多个采样点的截面状态数据生成截面状态序列，由多个采样点的缺陷状态数据生成缺陷状态序列；

7、步骤4：沿监测周期的顺序分别将多个表面状态序列、截面状态序列和缺陷状态序列组成表面状态矩阵、截面状态矩阵以及缺陷状态矩阵；

8、步骤5：根据自然周期将表面状态矩阵修正为表面变化矩阵，将截面状态矩阵修正为截面变化矩阵；

9、步骤6：计算拉索的缺陷状态矩阵的均值和标准差，再生成该拉索的上控制限和下控制限；

10、步骤7：将表面变化矩阵处理为第一观测样本，根据第一观测样本生成表面预测序列，将截面变化矩阵处理为第二观测样本，根据第二观测样本生成截面预测序列；

11、步骤8：将表面预测序列与截面预测序列合并为状态预测序列，提取状态预测序列中状态预测数据超出上控制限和下控制限的异常采样点，根据连续的异常采样点数量和载荷指数预测桥梁索力状态。

12、在本发明中，在步骤1中，根据载荷模型对桥梁进行有限元分析，提取拉索在一个自然周期的最大张力，对每一拉索的最大张力进行归一化处理，生成拉索的载荷指数k，k∈[0,1]。

13、在本发明中，在步骤2中，第一采集装置采集拉索的至少一个表面图像，将表面图像处理为表面校正图像，基于灰度直方图和阈值分割法提取表面校正图像的表面损伤区域，根据表面损伤区域的像素点数量生成多个采样点的表面状态数据。

14、在本发明中，在步骤2中，第二采集装置在不同旋转角采集拉索的原始射线图像，根据多幅原始射线图像生成截面校正图像，提取截面校正图像的截面损伤区域，根据截面损伤区域的像素点数量生成多个采样点的截面状态数据。

15、在本发明中，在步骤2中，第三采集装置采集拉索的磁通变化量和当前磁感应强度，根据拉索的磁通变化量、当前磁感应强度和无缺陷磁感应强度计算多个采样点的缺陷状态数据。

16、在本发明中，在步骤5中，表面变化矩阵a'由多个监测周期的多个采样点的表面变化数据组成，其中，监测周期t中采样点j的表面变化数据a't×j=at×j-a(t-τ)×j，at×j为监测周期t中采样点j的表面状态数据，a(t-τ)×j为监测周期t-τ中采样点j的表面状态数据，τ为自然周期包含的监测周期数，t＞τ。

17、在本发明中，在步骤6中，缺陷状态矩阵的均值为μ，缺陷状态矩阵的标准差为σ，该拉索的上控制限s1= (μ+3σ)/μ，下控制限s2= (μ-3σ)/μ。

18、在本发明中，在步骤7中，沿监测周期的顺序将第一观测样本的多个表面变化数据输入至门控循环预测模型，训练该门控循环预测模型的至少一个模型参数，根据该门控循环预测模型预测下一监测周期的表面变化数据，根据下一监测周期的表面变化数据和当前监测周期的表面状态数据获得下一监测周期的表面状态数据，下一监测周期的多个表面状态数据构成表面预测序列。

19、在本发明中，在步骤8中，构造索力权重w1和w2，状态预测序列中每一采样点的状态预测数据dt×j=(w1at×j+w2bt×j)，其中，at×j为监测周期t中采样点j的表面状态数据，bt×j为监测周期t中采样点j的截面状态数据，计算该拉索中dt×j [d0s2, d0s1]的异常采样点，其中连续的异常采样点的最大数量为n，该拉索的载荷指数为k，d0为拉索损伤的基准值，若至少一个拉索的n×k超过许用上限，当前桥梁索力状态为报警状态。

20、一种实现所述基于时序数据的桥梁索力预测方法的预测设备，包括：

21、爬行装置，爬行装置被配置为沿拉索的长度方向移动至多个采样点；

22、第一采集装置，第一采集装置被配置为采集多组表面图像；

23、第二采集装置，第二采集装置被配置为采集多组原始射线图像；

24、第三采集装置，第三采集装置被配置为采集多组磁通变化量；

25、数据处理装置，数据处理装置被配置为根据表面图像、原始射线图像以及磁通变化量生成表面状态矩阵、截面状态矩阵以及缺陷状态矩阵；

26、数据存储装置，数据存储装置被配置为存储多个自然周期的表面状态矩阵、截面状态矩阵以及缺陷状态矩阵；

27、数据分析装置，数据分析装置被配置为根据表面状态矩阵、截面状态矩阵以及缺陷状态矩阵生成状态预测序列；

28、索力预测装置，索力预测装置被配置为预测桥梁索力状态。

29、实施本发明的基于时序数据的桥梁索力预测方法和设备，具有以下有益效果：本发明结合监测周期内每根拉索的表面损伤、截面损伤，更全面地反映单一拉索的结构状态。本发明独立分析拉索不同采样点的损伤数据，同时在数据预测前剔除可能影响预测结果的季节性变化量，提高预测精度。进一步的，本发明还结合多个采样周期的磁通变化量预测拉索的老化趋势，由此生成评价拉索损伤的上下控制限，避免人为设定的健康评价标准影响预测结果。