一种生产桥梁缆索结构寿命分析评估方法及装置与流程

本发明涉及桥梁缆索，尤其涉及一种生产桥梁缆索结构寿命分析评估方法及装置。

背景技术：

1、桥梁缆索结构作为悬索桥、斜拉桥等现代桥梁的关键承载构件，其健康状态直接关系到桥梁的安全运营，然而，在长期的服役过程中，缆索结构不可避免地会发生材料老化、腐蚀、疲劳等损伤，引起性能的持续退化，最终导致寿命的衰减；

2、为保证桥梁安全，及时、准确地分析缆索结构的退化规律，预测其剩余使用寿命，对制定有针对性的养护维修策略至关重要；

3、目前，生产桥梁缆索结构寿命分析评估主要采用定期检测的方法，定期检测包括目视检查、无损检测等手段，用于获取缆索结构的损伤信息，但目视检查难以发现内部缺陷，常规无损检测方法应用于缆索结构精度不足；

4、因此，亟需一种方案解决现有技术中存在的精度不足等缺陷。

技术实现思路

1、本发明实施例提供一种生产桥梁缆索结构寿命分析评估方法及装置，至少能解决现有技术中存在的部分问题。

2、本发明实施例的第一方面，提供一种生产桥梁缆索结构寿命分析评估方法，包括：

3、基于预先安装的传感器获取桥梁缆索结构对应的多源监测数据，结合桥梁缆索结构的历史监测数据和有限元仿真数据，生成异构数据集，对所述异构数据集进行特征提取和特征融合，结合预设的数据分析模型进行关联分析，得到关联特征；

4、根据所述关联特征构建第一学习模型并将所述关联特征作为模型的输入参数，学习得到桥梁缆索结构对应的疲劳损伤特征，基于所述疲劳损伤特征，结合知识图谱构建损伤知识库，通过知识推理优化算法确定当前疲劳损伤特征对应的损伤识别结果；

5、基于所述损伤识别结果，结合预先构建的第二学习模型确定所述桥梁缆索结构对应的退化规律，基于所述退化规律和所述桥梁缆索结构的设计标准生成健康监测报告并基于寿命演化机理进行预测，得到剩余使用寿命。

6、在一种可选的实施方式中，

7、基于预先安装的传感器获取桥梁缆索结构对应的多源监测数据，结合桥梁缆索结构的历史监测数据和有限元仿真数据，生成异构数据集，对所述异构数据集进行特征提取和特征融合，结合预设的数据分析模型进行关联分析，得到关联特征包括：

8、通过预先安装在所述桥梁缆索结构上的多个传感器，获取所述桥梁缆索结构的应力，应变和振动数据，组合得到所述多源监测数据，结合所述桥梁缆索结构的历史监测数据和有限元仿真数据，基于数据格式生成一个空集合并命名为异构数据集，确定所述异构数据集的内部结构，将所述多源监测数据，历史监测数据和所述有限元仿真数据添加至所述异构数据集中；

9、基于所述异构数据集中的每个异构特征，对于所述异构特征中的时间序列数据，通过小波变换操作提取时频域特征，对于所述异构特征中的图像数据，通过卷积神经网络提取高层语义特征，对于所述异构特征中的文字数据，通过词嵌入模型将文本映射至低维语义空间，得到上下文语义特征；

10、将所述时频域特征，所述高层语义特征和所述上下文语义特征添加至预先构建的数据分析模型中，通过映射得到不同模态下的初始张量，基于所述初始张量组合构建高阶张量，根据张量链式矩阵分解算法，通过张量分解操作对所述高阶张量进行求解，得到核心张量和因子矩阵，对所述核心张量和所述因子矩阵进行可视化分析，得到不同模态间的潜在关联模式并生成所述关联特征。

11、在一种可选的实施方式中，

12、根据张量链式矩阵分解算法，通过张量分解操作对所述高阶张量进行求解，得到核心张量和因子矩阵如下公式所示：

13、；

14、其中，表示被用作因子矩阵的第 n个三阶张量， n表示三阶张量的数量，表示待分解的高阶张量， f表示矩阵元素的平方和的平方根，表示张量的模态 1与模态 1的收缩乘积， λ表示正则化项，表示张量链式矩阵损失函数。

15、在一种可选的实施方式中，

16、根据所述关联特征构建第一学习模型并将所述关联特征作为模型的输入参数，学习得到桥梁缆索结构对应的疲劳损伤特征包括：

17、基于所述关联特征的数据形式，结合深度学习构建所述第一学习模型，将所述关联特征添加至所述第一学习模型中，通过确定传感器在不同时间步的测量值，确定任意两个传感器之间的互相关系数，结合多尺度置信度算法对所述互相关系数进行傅里叶变换，得到互功率谱密度，基于所述互功率谱密度对传感器进行降序排序，选择位于前10%的传感器作为高相关传感器，提取高相关传感器对应的关联特征，记为高相关特征；

18、将所述高相关特征作为输入添加至预先设置的长短时记忆网络中，将所述高相关特征划分为固定长度的时间片段，其中，每个时间片段对应一个样本，在每个样本上，通过一维卷积核提取样本的局部损伤敏感特征，重复提取并聚合，得到损伤敏感特征，通过记忆层建模所述损伤敏感特征的演化趋势，在时间维度上对所述损伤敏感特征进行编码，得到全局退化趋势特征，将所述全局退化趋势特征通过全连接层映射至疲劳损伤状态空间，预测样本的损伤类别，得到当前样本属于各类别的损伤概率；

19、基于所述损伤概率，结合样本损失和序列损失构建目标函数，求解所述目标函数，得到所述疲劳损伤特征。

20、在一种可选的实施方式中，

21、基于所述损伤概率，结合样本损失和序列损失构建目标函数如下公式所示：

22、；

23、其中， l表示损失函数值， k表示损伤类别数， y k( t)表示损伤类别 k在 t时间步真实标签， p k( t)表示样本在时间步 t中属于损伤类别 k的概率， α表示序列损失权重， p( t)表示在时间步 t的损伤概率向量。

24、在一种可选的实施方式中，

25、基于所述疲劳损伤特征，结合知识图谱构建损伤知识库，通过知识推理优化算法确定当前疲劳损伤特征对应的损伤识别结果包括：

26、基于预先获得的所述疲劳损伤特征提取实体和关系并构建知识图谱，通过对所述实体和关系进行表示学习，得到知识表示，将所述实体和关系嵌入至低维连续空间中，生成知识图谱并得到嵌入向量；

27、基于所述知识表示，通过知识推理优化算法计算疲劳损伤特征与损伤类别间的关联路径长度，其中，所述关联路径长度越短，路径上关系强度越大，则关联度越高，基于所述关联路径长度生成损伤关联度；

28、将所述损伤关联度作为先验知识，对所述知识推理优化算法中的超参数进行优化，重复操作直至达到预设的最大迭代次数，得到最优推理算法，将所述疲劳损伤特征添加至所述最优推理算法中，得到所述损伤识别结果。

29、在一种可选的实施方式中，

30、基于所述损伤识别结果，结合预先构建的第二学习模型确定所述桥梁缆索结构对应的退化规律，基于所述退化规律和所述桥梁缆索结构的设计标准生成健康监测报告并基于寿命演化机理进行预测，得到剩余使用寿命包括：

31、基于所述损伤识别结果，对所述桥梁缆索结构的性能退化进行时间建模，生成退化序列，将所述退化序列根据时间划分为多个相同长度退化样本，其中，每个退化样本包括退化历史和当前退化量，将所述退化样本添加至预先构建的第二学习模型中，得到预测退化量；

32、基于所述预测退化量和所述当前退化量，以最小化预测退化量为目标构建目标函数，求解所述目标函数，结合预先获取的损伤识别结果，结合所述第二学习模型更新当前样本的隐藏状态，同时生成当前样本对应的损伤-退化关系；

33、基于所述损伤-退化关系，结合所述第二学习模型对所述损伤识别结果对应的缆索性能指标进行分析，得到健康指数，对所述健康指数进行蒙特卡洛采样，生成多个退化路径，基于所述退化路径计算所述损伤识别结果对应的寿命终止时刻，得到所述剩余使用寿命。

34、本发明实施例的第二方面，提供一种生产桥梁缆索结构寿命分析评估装置，包括：

35、第一单元，用于基于预先安装的传感器获取桥梁缆索结构对应的多源监测数据，结合桥梁缆索结构的历史监测数据和有限元仿真数据，生成异构数据集，对所述异构数据集进行特征提取和特征融合，结合预设的数据分析模型进行关联分析，得到关联特征；

36、第二单元，用于根据所述关联特征构建第一学习模型并将所述关联特征作为模型的输入参数，学习得到桥梁缆索结构对应的疲劳损伤特征，基于所述疲劳损伤特征，结合知识图谱构建损伤知识库，通过知识推理优化算法确定当前疲劳损伤特征对应的损伤识别结果；

37、第三单元，用于基于所述损伤识别结果，结合预先构建的第二学习模型确定所述桥梁缆索结构对应的退化规律，基于所述退化规律和所述桥梁缆索结构的设计标准生成健康监测报告并基于寿命演化机理进行预测，得到剩余使用寿命。

38、本发明实施例的第三方面，

39、提供一种电子设备，包括：

40、处理器；

41、用于存储处理器可执行指令的存储器；

42、其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

43、本发明实施例的第四方面，

44、提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

45、本发明中，通过对异构数据进行特征提取和融合，可以从不同角度和尺度刻画桥梁缆索结构的健康状态，提高监测和预测的准确性和可靠性，关联特征综合了多源数据的信息，能够更全面地反映桥梁缆索结构的健康状态和损伤特征，为后续的损伤识别和寿命预测提供了重要依据，机器学习模型的应用提高了损伤识别和退化建模的智能化水平，增强了方法的适应性和泛化能力，健康监测报告综合了损伤识别、退化分析和设计要求等信息，全面评估桥梁缆索结构的健康状态和安全风险，为养护部门提供直观、可操作的决策支持，综上，本发明充分挖掘了数据中蕴含的损伤和退化信息，提高了监测和预测的智能化水平，为桥梁的安全运营和养护管理提供了有力支撑，有助于提高桥梁的安全性、可靠性和使用效率，延长其使用寿命，具有重要的工程应用价值和社会经济效益。