[发明专利]一种基于K-means算法的桥梁健康监测方法及系统

权利要求书

1.一种基于K-means算法的桥梁健康监测方法，其特征在于，包括以下步骤：

S1、获取桥梁上各传感器的数据；

S2、对获取的各传感器的数据进行数据预处理和数据标准化；

S3、设置聚类参数K值，将标准化数据分为K组，随机选取K个对象作为初始的聚类中心，并设置收敛容差和最大迭代次数；

S4、利用K-means算法进行聚类，得到基于当前K值下的轮廓系数和簇内误方差；

S5、判断K值是否为最优K值，即聚类效果是否最佳，是则输出最优K值及相应的聚类结果，并转下一步，否则返回步骤S3重新选取K值，再继续利用K-means算法进行聚类；

S6、判断此次桥梁测试是否为此桥梁第一次产生K值，是则将得到的最优K值存储在数据库中，否则将此次产生的最优K值与数据库中存储的K值进行比较，若两个K值相等，则判定监测的桥梁并未发生异常，否则判定监测的桥梁可能存在异常，进行桥梁监测预警；根据K-means聚类结果，判断聚类结果是否处于正常类别，对于异常类别中的数据，判定监测的桥梁可能存在异常，进行桥梁监测预警。

2.根据权利要求1所述的一种基于K-means算法的桥梁健康监测方法，其特征在于，步骤S1中，传感器的数据中包含桥梁名称、传感器类型、传感器编码以及监测数据值，传感器类型包括温度传感器、应变传感器、加速度传感器和倾角传感器。

3.根据权利要求2所述的一种基于K-means算法的桥梁健康监测方法，其特征在于，步骤S2中，对传感器的数据进行数据预处理的方法为：分别提取出各传感器的数据并以时间为单位进行数据整合，计算每单位时间里各传感器的监测数据的平均值，然后以时间为单位将得到的各传感器对应的平均值整合到一个数据序列中。

4.根据权利要求3所述的一种基于K-means算法的桥梁健康监测方法，其特征在于，进行数据整合时，每一个时间节点上所有传感器的监测数据都不能有缺失，只要有一个传感器的监测数据出现缺失，则直接删除该时间节点上所有传感器的监测数据，以保证各点采集数据的同步对应。

5.根据权利要求3所述的一种基于K-means算法的桥梁健康监测方法，其特征在于，对经过预处理的传感器数据进行标准化处理，其计算公式为：

其中，z为标准化后的数据，x为需要标准化的数据，即每个传感器在各个单位时间内计算出的平均值，μ为此数据的均值，即对该传感器所有时间内计算的所有单位时间平均值数据取均值，σ为此数据的标准差。

6.根据权利要求1所述的一种基于K-means算法的桥梁健康监测方法，其特征在于，步骤S4中，所述轮廓系数结合了凝聚度和分离度，其计算公式为：

其中，a(i)表示i向量到同一簇内其他点不相似程度的平均值，b(i)表示i向量到其他簇的平均不相似程度的最小值。

7.根据权利要求1所述的一种基于K-means算法的桥梁健康监测方法，其特征在于，步骤S6中，通过如下方法查看聚类结果是否处于正常类别：通过包括对比聚类中心值、做多维聚类可视化图的方式考察是否含有异常值，若存在异常值则预警桥梁存在异常情况；查看类中间距值较大的值，判断该处是否存在异常，以排除隐患；通过簇数据多维展示图分析不同传感器之间的相关性，若一个传感器的某个值出现异常，与该传感器相关性较强的传感器的值也可能会有异常，依次排查隐患；然后，将处于正常类别情况下的最优K值存储在数据库中。

8.一种基于K-means算法的桥梁健康监测系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够在处理器上运行的计算机程序，当处理器运行所述计算机程序时，实现如权利要求1-7任一项所述的方法步骤。