(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111592341.9 (22)申请日 2021.12.23 (71)申请人 贵州大学 地址 550025 贵州省贵阳市花溪区贵州大 学 (72)发明人 钱松荣　周吉　冉秀　谭灿　 徐峥匀　张健　 (74)专利代理 机构 北京金咨知识产权代理有限 公司 11612 代理人 薛海波 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) G06F 16/215(2019.01) G06F 16/2455(2019.01)G06F 16/28(2019.01) G06F 17/11(2006.01) G06F 119/02(2020.01) (54)发明名称 一种桥梁健康在线智能监测系统 (57)摘要 本发明提供一种桥梁健康在线智能监测系 统， 设置数据分析模块装 载基于机器学习得到的 桥梁损伤识别分类模型， 对加速度传感器采集到 的数据进行异常检测， 能够实时自动化对桥梁健 康状态进行监测。 设置损伤可视化模块， 在检出 待分析桥梁异常的情况下， 基于近场动力学对待 分析桥梁进行损伤分析， 并进行可视化展示， 更 直观地呈现待分析桥梁健康状态。 权利要求书2页 说明书10页 附图4页 CN 114429032 A 2022.05.03 CN 114429032 A 1.一种桥梁健康在线智能监测系统， 其特 征在于， 包括： 数据采集模块， 包括多路传感器， 所述传感器至少包括加速度传感器， 各传感器按照预 设布局设置在待分析桥梁上； 数据分析模块， 所述数据分析模块将所述加速度传感器采集的加速度信 息输入桥梁损 伤识别分类模型以鉴别所述加速度信息中的异常数据， 判断待分析桥梁是否损伤； 所述桥 梁损伤识别分类模型从预设的工具箱板块中选取调用； 损伤可视化模块， 在所述数据分析模块判断所述待分析桥梁存在损伤的情况下， 所述 损伤可视化模块 获取所述加速度传感器采集的位置信息和所述加速度信息， 对所述待分析 桥梁构建整体或局部模型， 建立近场动力学运动方程并对所述待分析桥梁在各时间步的损 伤进行求解， 得到各时间步的桥梁损伤结果； 以及， 将各传感器采集到的数据信息和所述桥 梁损伤结果结合至所述待分析桥梁的模型进行 可视化展示； 数据存储模块， 所述数据存储模块采用关系型数据库存储各传感器采集的数据信息、 所述数据分析模块鉴别得到的异常数据、 以及所述损伤可视化模块求解得到的各时间步的 桥梁损伤结果。 2.根据权利要求1所述的桥梁健康在线智能监测系统， 其特征在于， 所述工具箱板块整 合多个桥梁损伤识别分类模型， 根据预设规则选取一个 或多个桥梁损伤识别分类模型鉴别 所述加速度信息中的异常数据； 每个桥梁损伤 识别分类模型 是通过对初始分类模型进行 预训练得到的， 包括： 获取样本训练集， 所述样本训练集包含多个样本数据， 每个样本数据包含样本桥梁上 均匀分布的第一设定数量个传感器采集的样本加速度信号以及桥梁主体状态信息， 所述桥 梁主体状态信息包括结构损坏和结构未损坏两类， 将 每条样本数据对应的桥梁主体状态信 息作为标签； 以所述样本加速度信号作为输入， 所述标签作为输出， 采用所述训练样本集分别对多 个初始分类模型进行训练， 得到多个桥梁损伤识别 分类模型； 所述初始分类模型至少包括 支持向量机、 决策树、 全连接神经网络、 长短期记 忆神经网络或自组织映射 算法网络 。 3.根据权利要求2所述的桥梁健康在线智能监测系统， 其特征在于， 采用所述训练样本 集分别对多个初始分类模型进行训练之前， 还 包括： 采用高斯滤波对所述样本加速度信号进行降噪， 以及采用K邻近算法补全所述样本加 速度信号中的缺失数据。 4.根据权利要求2所述的桥梁健康在线智能监测系统， 其特征在于， 根据 预设规则 选取 一个或多个桥梁损伤 识别分类模型鉴别所述加速度信息中的异常数据， 包括： 计算各桥梁损伤识别分类模型的评价指标， 所述评价指标包括准确率、 查准率、 查全率 和F1评分； 对各桥梁损伤识别分类模型的所述准确率、 所述查准率、 所述查全率和所述F1评分进 行归一化处理后， 加权求和得到每个桥梁损伤识别 分类模型 的综合评分， 并按照所述综合 评分从高到低进行排列； 选取所述综合评分最高的桥梁损伤识别分类模型鉴别所述加速度信 息中的异常数据； 或， 选择所述综合评分较高的第二设定数量个桥梁损伤识别分类模型进行桥梁损伤识别， 所述第二设定数量 为奇数， 将其中数量较多的识别结果作为 最终的异常数据鉴别结果。权　利　要　求　书 1/2 页 2 CN 114429032 A 25.根据权利要求2所述的桥梁健康在线智能监测系统， 其特征在于， 所述工具箱板块还 设置改进 预测模型， 所述改进 预测模型将各桥梁损伤识别分类模型的输出映射至最 终的异 常数据兼备 结果， 所述改进预测模型 是采用全连接神经网络训练得到的。 6.根据权利要求1所述的桥梁健康在线智能监测系统， 其特征在于， 所述损伤可视化模 块对所述待分析桥梁构建整体或局部模型， 建立近场动力学运动方程并对 所述待分析桥梁 在各时间步的损伤进行求 解， 包括： 获取包含弹性模量、 密度、 泊松比和拉伸临界伸长率的材料参数、 包含载荷力和载荷速 度的载荷参数、 包含时间步长、 近场区域半径与点单元边长比值， 以及限定求解结束 条件的 限定时间步、 限定位移或裂纹止裂条件的求解参数， 设置点单元边长、 固定约束区域、 工况 加载区域、 材料分布区域， 构建所述待分析桥梁的近场动力学运动方程， 对所述待分析桥梁 的损伤进行求 解， 并动态存 储各时间步的求 解结果作为 桥梁损伤分析 结果。 7.根据权利要求1所述的桥梁健康在线智能监测系统， 其特征在于， 所述损伤可视化模 块基于OpenMP的共享内存式线程级并行方法建立近场动力学运动方程并对所述待分析桥 梁在各时间步的损伤进行求 解。 8.根据权利要求1所述的桥梁健康在线智能监测系统， 其特征在于， 所述数据采集模块 包括： 多路传感器， 所述传感器包括温度传感器、 压力传感器以及加速度传感器， 各传感器按 照预设布局设置在待分析桥梁上； 多路模拟开关， 连接各传感器； 多个数模转换器， 分别对应连接各模拟开关； 数据处理模块， 连接各 数模转换器， 以获取 各传感器采集的数据信息 。 9.根据权利要求7所述的桥梁健康在线智能监测系统， 其特征在于， 所述数据采集模块 还包括： 至少一个无线发射模块， 用于将各传感器采集的数据信 息无线发送至所述数据分析模 块； 所述无线发射模块为zigbee模块， 所述数据处理模块为STM32模块； 所述STM32模块集 成 SPI通信协议。 10.根据权利要求1所述的桥梁健康在线智能监测系统， 其特征在于， 所述数据存储模 块采用MySQ L关系型数据库进行 数据存储。权　利　要　求　书 2/2 页 3 CN 114429032 A 3