[发明专利]一种基于K-means算法的桥梁健康监测方法及系统

说明书

本发明涉及一种基于K‑means算法的桥梁健康监测方法及系统，该方法包括：S1、获取桥梁上各传感器的数据；S2、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；S5、判断K值是否为最优K值，是则输出，否则返回步骤S3重新选取K值进行聚类；S6、将得到的最优K值存储，然后判断此次桥梁测试是否为此桥梁第一次产生K值，是则运行结束，否则将其与之前存储的K值比较，两者相等则判定桥梁未发生异常，否则判定桥梁可能存在异常，进行桥梁监测预警。该方法及系统有利于提高桥梁健康监测的准确性。

技术领域

本发明属于桥梁监测技术领域，具体涉及一种基于K-means算法的桥梁健康监测方法及系统。

背景技术

近年来，我国的交通事业得到了迅猛发展，在享受便利交通的同时也伴随着我国桥梁建筑数量的增加，桥梁的安全就显得极其重要，在修建过程中可能会因为某些失误导致桥梁具有质量问题，而在日常使用中，不仅要考虑运营时车辆载荷和交通量，还要考虑长期运营后的自然老化，因此，对桥梁的监测也是保障通行安全的重中之重。传统的监测方法是利用传感器获取桥梁的温度、应变、加速度、倾角等监测数据，然后对单个传感器的数据逐一分析判断，进而监测桥梁健康状态。

传统的监测方法中，没有综合考虑桥梁的实际使用情况，桥梁的健康状态与多种因素有关，单独分析某个传感器数据不能较好的体现桥梁是否存在异常，而且不能更好的分析桥梁的状态，所以如何更好地监测桥梁的健康状态是一个亟待解决的问题。

发明内容

本发明的目的在于提供一种基于K-means算法的桥梁健康监测方法及系统，该方法及系统有利于提高桥梁健康监测的准确性。

为实现上述目的，本发明采用的技术方案是：一种基于K-means算法的桥梁健康监测方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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：