[发明专利]一种基于LSTM温度-位移相关模型的桥梁损伤预警方法

说明书

本发明涉及一种基于LSTM温度‑位移相关模型的桥梁损伤预警方法。包括：对桥梁监测数据进行预处理，提取出相关性最强的温度传感器数据和应变传感器数据，并遍历进行数据分割；融合温度传感器数据和应变传感器数据，提取两个传感器数据间的低阶信息和高阶信息，并得到融合后的温度‑应变传感器数据，而后划分为训练集和测试集，并打乱每组训练集中数据的顺序；搭建具有两个LSTM层和一个Dense层的神经网络模型，训练得到基于LSTM温度‑应变相关模型；根据当前时刻桥梁数据通过基于LSTM温度‑应变相关模型进行预测，当桥梁下一时刻的真实数据传回时，计算真实值与预测值之间的偏差，判断偏差是否大于设定的阈值，从而实现桥梁损伤预警。

技术领域

本发明涉及桥梁监测技术领域，具体涉及一种基于LSTM温度-位移相关模型的桥梁损伤预警方法。

背景技术

随着铁路和高速公路的快速发展，桥梁的数量也在不断增多。然而桥梁结构易受外在和内在因素的影响发生变化，从而导致安全事故的发生，因此对桥梁健康状况的监测也就尤为重要。虽然当今国内外很多大跨度桥梁基本都安装了桥梁健康监测系统，监测内容不仅是桥梁自身的状况与行为，更注重对环境条件的监测与记录分析，但是这些桥梁健康监测系统极大部分仅对监测数据进行采集和保存，极少具备数据分析的功能。对桥梁监测数据进行数据分析的主要目的是为了实现桥梁损伤预警，提供桥梁健康评估功能，同时减少传统桥梁检测所需要投入的人力与物力。目前常用的桥梁预警方法包括神经网络预警方法、时间序列预警方法、灰色系统预警方法等。

目前桥梁健康监测系统在桥梁上的应用日益增多，损伤预警健康监测理论也取得相应的进展，如：趋势预测应用于山西风陵渡大桥上、时间序列ARMA模型应用于重庆高家花园嘉陵江大桥长期检测扰度数据预测、神经网络应用于重庆马桑溪大桥跨中扰度数据预测等，通过预测数据与真实数据的比较能够对桥梁损伤起到预警作用。

应变能够表征大跨桥梁由于局部损伤或构件破坏引起的受力性能变化，是评估大跨桥梁服役安全的有效指标。然而，不仅损伤会导致大跨桥梁应变变化，温度也会引起显著的应变变化。错误估计温度引起的应变不仅会降低桥梁安全评估结果的可靠性，甚至可能得出错误的结论。因此，有必要深入研究温度引起的桥梁应变响应。

然而应用于桥梁损伤预警的时间序列模型和深度学习中的序列模型大都仅考虑传感器数据的自相关性，即用该传感器的历史数据建立模型来预测下一时刻的数据，忽略了其它因素可能对该传感器数据产生的影响。本专利是一种基于LSTM温度-位移相关模型的桥梁损伤预警方法，不仅考虑单个应变传感器数据的历史信息，同时将与之相关性较强的温度传感器数据也纳入模型训练进行预测，从而实现桥梁损伤预警。

发明内容

本发明的目的在于提供一种基于LSTM温度-位移相关模型的桥梁损伤预警方法，该方法使用温度-应变多变量的LSTM模型预测应变，相比现有的使用单变量LSTM模型进行预测，本发明模型预测值与真实值之间的平均绝对误差更小，模型的预测更为精准。

为实现上述目的，本发明的技术方案是：一种基于LSTM温度-位移相关模型的桥梁损伤预警方法，包括如下步骤：

S1、对桥梁监测数据进行预处理；

S2、对预处理后的数据进行相关性分析，提取出相关性最强的温度传感器数据和应变传感器数据；

S3、遍历基于步骤S2提取的温度传感器数据和应变传感器数据，进行数据分割；

S4、融合温度传感器数据和应变传感器数据，提取两个传感器数据间的低阶信息和高阶信息，并得到融合后的温度-应变传感器数据；

S5、将融合后的温度-应变传感器数据划分为训练集和测试集，并打乱每组训练集中数据的顺序；

S6、搭建具有两个LSTM层和一个Dense层的神经网络模型，输入训练集数据进行训练，得到基于LSTM温度-应变相关模型；