[发明专利]一种桥梁结构损伤检测和超重车辆识别的多任务学习方法

说明书

本发明公开了一种桥梁结构损伤检测和超重车辆识别的多任务学习方法，包括：1)获取桥梁结构健康监测系统的响应数据，通过滑动窗口的方法构建样本，并划分训练集和测试集；2)构建桥梁结构损伤检测和超重车辆识别的多任务学习网络，并使用构建好的训练集进行网络训练；3)将测试集输入到已训练好的桥梁结构损伤检测和超重车辆识别的多任务学习网络中，输出桥梁结构损伤检测和超重车辆识别的结果。本发明可以解决现有的桥梁结构健康监测方法之中，传统信号处理方法难以利用海量的健康监测数据，并且需要车速、车轴等额外信息；机器学习方法严重依赖人工设计特征的质量；而深度学习方法只考虑了损伤因素或载荷因素等单一影响因素的这些技术问题。

技术领域

本发明涉及桥梁结构损伤检测和超重车辆识别的技术领域，尤其是指一种桥梁结构损伤检测和超重车辆识别的多任务学习方法。

背景技术

桥梁是交通运输网络的重要枢纽，一旦发生灾害事故将会严重威胁到人民群众的生命安全，造成巨大的经济损失。因此，对桥梁的结构健康情况进行监测，将有利于及时排除安全隐患，避免灾害事故发生，保障人民群众的生命财产安全。

伴随着交通运输业的发展，各类检测结构健康情况的方法已经在各种交通基础设施中得到了广泛的应用。特别是采用结构健康监测(Structural Health Monitoring，简称SHM)的方法已日趋成熟。对于一座桥梁而言，采用桥梁结构健康监测系统对桥梁进行监测时，即使仅仅部署少量的传感器，也能在短时间内采集到海量的响应数据。

目前基于SHM来保障桥梁结构健康的方法主要分为结构损伤检测和超重车辆识别两个方面。对于结构损伤检测，传统的信号分析技术往往难以利用海量的健康监测数据，而采用机器学习方法时，其效果常常受到人工设计特征的质量的影响。对于超重车辆识别，采用称重的技术手段存在着中断交通流的缺点，而采用信号处理的方法又需要车速、车轴等额外的信息。

随着深度学习的发展，结构损伤检测和超重车辆识别都开始采用深度学习手段来进行。然而，无论是结构损伤检测还是超重车辆识别，都只着眼于影响桥梁结构健康的单一因素，没有考虑到多重因素之间的关联特性，不符合桥梁实际所处的复杂场景，无法真正应用到实际工程当中。因此，提出一种桥梁结构损伤检测和超重车辆识别的多任务学习方法，具有十分重要的实际意义和应用价值。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种桥梁结构损伤检测和超重车辆识别的多任务学习方法，解决现有的桥梁结构健康监测方法之中，传统信号处理方法难以利用海量的健康监测数据，并且需要车速、车轴等额外信息；机器学习方法严重依赖人工设计特征的质量；而深度学习方法只考虑了损伤因素或载荷因素等单一影响因素的这些技术问题。

为实现上述目的，本发明所提供的技术方案为：一种桥梁结构损伤检测和超重车辆识别的多任务学习方法，包括以下步骤：

1)获取桥梁结构健康监测系统的响应数据，通过滑动窗口的方法构建样本，并划分训练集和测试集；

2)构建桥梁结构损伤检测和超重车辆识别的多任务学习网络，并使用构建好的训练集进行网络训练；

3)将测试集输入到已训练好的桥梁结构损伤检测和超重车辆识别的多任务学习网络中，输出桥梁结构损伤检测和超重车辆识别的结果。

进一步，在步骤1)中，所获取的桥梁结构健康监测系统的响应数据通过滑动窗口的方法构建样本，并划分训练集和测试集的过程如下：

1.1)确定滑动窗口大小为T；

1.2)使用滑动窗口将所有响应数据截取成一系列长度为T的样本，样本X_t表示如下：