一种基于集成学习的古代砖石拱桥倾斜残损检测方法

本发明属于土木工程，具体涉及一种基于集成学习的古代砖石拱桥倾斜残损检测方法。

背景技术：

1、建筑遗产具有很高的历史价值、艺术价值和科学价值，是国家“文化自信”和“文化强国”的重要物质载体。可是它们中的许多建筑已出现各种不同的残损病害，在一些自然灾害或强外力作用下，很容易造成文物的损毁，而其中的桥梁文物尤其是古代砖石拱桥在近些年被报道发生多起损毁坍塌事件。因此，对于这些古代砖石拱桥的保护必将由抢救性保护转变为预防性保护，做到风险提前预知，最大限度地降低风险的概率。古代砖石拱桥的结构安全监测是预防性保护的主要技术，而古代砖石拱桥的一项重要残损指标就是倾斜指标，如何根据所采集的环境及结构信息，对古代砖石拱桥进行倾斜残损检测，测试出满足工程分析需求的信息是目前所面临的一项困难。因此，亟需针对古代砖石拱桥保护开发一种基于集成学习的倾斜残损检测方法。

2、目前，所采用的桥梁残损检测方法主要有：人工结合桥检车检测设备、无人机航空摄影测量技术、红外热成像检测技术、三维激光扫描技术等，而单一低精度的检测技术或主观性的评估方法不可避免遇到残损识别失真的问题。具体存在的以下问题：

3、(a)目前需要健康监测的古代砖石拱桥，由于其积累了表观损伤，导致表观扫描信息具有离散性而与现代桥梁的光滑表观检测具有不同的特性；

4、(b)构件重要性在基于点云识别构件分割的有限元逆向建模技术中鲜有考虑，导致最终构件分割结果不符合结构计算要求；

5、(c)传统的倾斜构件识别技术在古代砖石拱桥工程问题中识别能力不足，鲁棒性较低。

技术实现思路

1、为解决上述问题，本发明公开了一种基于集成学习的古代砖石拱桥倾斜残损检测方法，采用了自动化、信息化的智能判断方式，通过集成学习的方法确保倾斜残损的准确性，具有可以二次开发、可以根据仪器精度校正精准识别范围、可重复利用的功能。

2、为达到上述目的，本发明的技术方案如下：

3、一种基于集成学习的古代砖石拱桥倾斜残损检测方法，包括以下步骤：

4、a)设置初始阶段古代砖石拱桥倾斜残损检测系统的点云数据识别模块：

5、第一步，使用三维激光扫描仪对古代砖石拱桥及其周边环境进行扫描，得到初始高精度点云数据，选取点云数据中砖石拱桥桥面某处相对稳定且平坦的区域内目标点o作为坐标原点，设置x轴沿桥的通行方向，y轴垂直于桥的通行方向，z轴为垂直于桥面的方向。

6、第二步，根据点云数据建立起该古代砖石拱桥的结构计算模型。砖石拱桥主要由桥面、桥墩、拱券、侧墙、金刚墙、内部填土以及栏杆等结构构件组成，采用降低弹性模量的能量法对传统砖石拱桥的构件重要性τi进行计算，根据计算结果得到拱桥构件在结构中的重要程度百分比排序计算方法如下：

7、

8、τi≥0,i＝1,2,...,n

9、式中，τi为构件i的构件重要性，sum代表求和，sort代表从大到小排序，cum代表对排序后的数组进行累加。当累加结果>70％时，提取相应的构件号进行数据剔除，由此得到预处理后的点云数据。

10、第三步，对点云数据进行数据分割，根据分割后的点云数据建立砖石拱桥分构件的样本数据库，并划分训练集与验证集。而后基于pointnet++对分割后的点云数据进行识别，训练并更新神经网络，得到该石拱桥构件点云的最优识别模型。

11、b)设置t0时刻古代砖石拱桥倾斜残损检测系统的倾斜残损计算模块：

12、第一步，使用无人机倾斜摄影设备采集水面上古代砖石拱桥文物及其周边环境的现状高精度点云数据，通过最优识别模型对点云数据进行预处理，得到分割构件后的多目标现状点云数据。

13、第二步，提取某一构件的点云截平面，选取变形区域附近的点云，将其投影到x-z或y-z平面，对目标平面上的轮廓线进行线性拟合，拟合结果根据以下表达式对点云数据进行向量回归训练得到：

14、

15、s.t.f(xi)-yi≤ε+ζi

16、yi-f(xi)≤ε+ηi

17、ηi≥0,ζi≥0,i＝1,2,...,n

18、式中，w和b为训练参数，β为正则化系数，ηi和ζi为松弛变量，式中，ε是向量回归训练预测残差，yi是数据点的真实值,f(xi)是预测值，n是样本数量。

19、得到拟合直线后，目标平面轮廓线的斜率记录为向量回归训练得到的对应权值，倾斜角记为αa。如果向量回归训练的拟合结果中相关系数r2>0，则进入第三步。否则，重复第二步。

20、第三步，将点云投影到x-z或y-z平面，使用sklansky算法得到点云的凸包，采用旋转卡壳算法求解凸包的最小外接矩形，得到最小外接矩形在构件方向上的倾斜角，记为αb。

21、第四步，取αa和αb的平均值为最终倾角α0，即为石拱桥该结构构件的倾斜残损情况。

22、c)设置定期检测的t1、t2，t3…tn时刻古代砖石拱桥倾斜残损检测系统的倾斜率变化识别模块：

23、t1时刻的检测为进入步骤b)中的流程，得到的构件倾斜角α1，倾斜变化率β＝(α1-α0)/α0。t2，t3…tn时刻的倾斜残损变化率结果按照该倾斜变化率公式计算。

24、本发明的有益效果为：

25、本发明在使用的过程中，首先，通过三维激光扫描仪采集古代砖石拱桥及其周边环境的初始点云数据，建立该古代砖石拱桥的结构计算模型，得到了高精度的古代砖石拱桥点云数据和高精度结构计算模型；而后，采用改变弹性模量法计算传统砖石拱桥的构件重要性排序，根据排序结果对初始点云数据进行预处理以及数据分割，基于pointnet++对分割后的点云数据进行识别，训练并更新神经网络，得到该石拱桥构件点云的最优识别模型，使得构件分割更符合结构计算分析要求。然后，通过最优识别模型对拱桥结构构件的现状点云数据进行分割，通过向量回归训练以及sklansky算法求取构件的倾斜角，基于集成学习的倾斜角求解准确识别了石拱桥结构构件的倾斜残损情况。本发明的残损检测方法具有可以二次开发、可以根据仪器精度校正精准识别范围、可重复利用的功能，采用了自动化、信息化的智能判断方式，通过集成学习的方法确保倾斜残损的准确性。

技术特征：

1.一种基于集成学习的古代砖石拱桥倾斜残损检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于集成学习的古代砖石拱桥倾斜残损检测方法，其特征在于：步骤a)所述点云数据识别模块的设置方法包括：

3.根据权利要求1所述的一种基于集成学习的古代砖石拱桥倾斜残损检测方法，其特征在于：步骤b)所述倾斜残损计算模块的设置方法包括：

4.根据权利要求1所述的一种基于集成学习的古代砖石拱桥倾斜残损检测方法，其特征在于：步骤c)所述倾斜率变化识别模块的设置方法包括：

技术总结本发明公开了基于集成学习的古代砖石拱桥倾斜残损检测方法，首先，进行初始阶段古代砖石拱桥倾斜残损检测系统的点云数据识别模块的设置，通过三维激光扫描仪采集古代砖石拱桥及其周边环境的初始点云数据，建立该古代砖石拱桥的结构计算模型；而后，采用改变弹性模量法计算传统砖石拱桥的构件重要性排序，根据排序结果对初始点云数据进行预处理以及数据分割，基于PointNet++对分割后的点云数据进行识别，训练并更新神经网络，得到该石拱桥构件点云的最优识别模型。然后，进行倾斜残损计算模块的设置，通过最优识别模型对拱桥结构构件的现状点云数据进行分割，通过向量回归训练以及Sklansky算法求取构件的倾斜角；而后，得到石拱桥结构构件的倾斜残损情况。本发明的残损检测方法采用了自动化、信息化的智能判断方式，通过集成学习的方法确保倾斜残损的准确性。技术研发人员：淳庆,花全均,张承文,林怡婕,孙建受保护的技术使用者：东南大学技术研发日：技术公布日：2024/7/29