一种基于光纤光栅传感的站台帽健康监测方法与流程

本发明属于站台帽结构监测，具体是一种基于光纤光栅传感的站台帽健康监测方法。

背景技术：

1、随着铁路交通的快速发展，站台安全日益受到重视。

2、站台帽作为站台结构的重要组成部分，其健康状况的监测尤为重要，直接关系到乘客的安全与舒适度。

3、目前，站台帽健康监测系统需要实时、连续地监测站台帽的结构变形、裂缝发展等关键指标，确保能够及时发现潜在的安全隐患；现有技术中，光纤光栅传感器利用光纤内部的光栅结构对特定波长的光进行反射，当外界物理量（如温度、应力）作用于光纤时，会导致光栅周期变化，进而引起反射波长的偏移，通过监测这一波长的变化，可以实现对外界物理量的高精度测量。

4、传统的基于光纤光栅传感的站台帽监测方法，对于获取到的监测数据，需要人工对监测数据进行分析来确认站台帽的情况，无法快速识别数据中所反映的站台帽结构的损伤情况，不能做到及时的预警，可靠性较低。

技术实现思路

1、本发明实施例的目的在于提供一种基于光纤光栅传感的站台帽健康监测方法，旨在解决传统的基于光纤光栅传感的站台帽监测方法，对于获取到的监测数据，需要人工对监测数据进行分析来确认站台帽的情况，无法快速识别数据中所反映的站台帽结构的损伤情况，不能做到及时的预警，可靠性较低的技术问题。

2、为实现上述目的，本发明提供了如下的技术方案。

3、在本发明的一个实施例中，提供了一种基于光纤光栅传感的站台帽健康监测方法，包括以下步骤：

4、建立以光纤光栅应变传感器的参数优化模型，采用加权最小二乘算法对采样点加权获取优化响应值，得到传感器最优结构参数；

5、利用结构参数调优的光纤光栅传感获取站台帽的变形时序数据；

6、构建基于bp神经网络的损伤识别模型，将变形时序数据作为所述损伤识别模型的输入，向用户端输出站台帽的损伤识别结果；

7、响应于用户端的反馈结果，对所述站台帽的状态结果进行修正，得到站台帽的损伤鉴定结果；

8、根据损伤鉴定结果与损伤识别结果的差异，引入修正算法对所述损伤识别模型的参数进行修正，利用修正后的损伤识别模型对输入的站台帽的变形时序数据进行损伤识别。

9、作为本发明方案的进一步限定，在建立以光纤光栅应变传感器的参数优化模型的步骤中，参数优化模型表示为：

10、      （1）；

11、表示传感器分布的均匀程度；表示最大、最小电容比指标；表示约束条件；表示光束与光轴平面的夹角；和分别表示目标函数相应的权重，和分别为传感器结构参数。

12、作为本发明方案的进一步限定，采用加权最小二乘算法对采样点加权获取优化响应值，得到传感器最优结构参数的步骤，包括：

13、对结构参数进行取样，计算采样样本的响应值：

14、                 （2）；

15、式（2）中，表示样本数据随机分布系数；表示设计分布误差；表示采样数据与模拟数据之间的差值；

16、             （3）；

17、式（3）中，表示函数阶次；表示采样数据的比例系数；表示模拟数据与已知数据的转换系数；表示传感器参数优化模型；

18、结合样本响应值对采样数据进行加权处理；

19、并确定最小二乘算法是否收敛，在收敛情况下，结合线性函数输出传感器最优结构参数。

20、作为本发明方案的进一步限定，判断最小二乘算法是否收敛的准则是：；其中，表示第k代最优设计的响应值，表示预设收敛精度；表示数据点差值的平方和；其中：，和表示第i和第j个样本数据的响应值；，表示采样数据拟合矩阵。

21、作为本发明方案的进一步限定，在结合线性函数输出传感器最优结构参数的步骤中，线性函数表示为：

22、                  （4）；

23、式（4）中，和分别为待优化的传感器结构参数；表示采样值的平均值；表示线性函数；表示数据点归一化系数。

24、作为本发明方案的进一步限定，所述构建基于bp神经网络的损伤识别模型的步骤，包括：

25、对采集到的变形时序数据进行小波分解，并将数据范围映射到[1,2]内；

26、提取分解数据的峰值与谷值并计算光纤光栅传感器感受的微应变，采用极值插值法得到的应变数据包络线；

27、对应变数据包络线进行平滑处理，提取小波分解第一层分解的低频信息并进行指数函数曲线拟合；

28、将所有的应变数据包络线作为bp神经网络的输入集合，选择贝叶斯正则化方法对bp神经网络隐含层进行训练，并在训练时设定输入集的80%为训练集，10%为验证集，10%为测试集；设置训练次数为1000次，训练至模型收敛，得到训练好的损伤识别模型。

29、在本发明的另一个实施例中，提供了一种基于光纤光栅传感的站台帽健康监测系统，该站台帽健康监测系统包括：

30、传感器参数优化模块，用于建立以光纤光栅应变传感器的参数优化模型，采用加权最小二乘算法对采样点加权获取优化响应值，得到传感器最优结构参数；

31、数据获取模块，用于利用结构参数调优的光纤光栅传感获取站台帽的变形时序数据；

32、损伤识别模块，用于构建基于bp神经网络的损伤识别模型，将变形时序数据作为所述损伤识别模型的输入，向用户端输出站台帽的损伤识别结果；

33、结果修正模块，用于响应于用户端的反馈结果，对所述站台帽的状态结果进行修正，得到站台帽的损伤鉴定结果；

34、模型修正模块，用于根据损伤鉴定结果与损伤识别结果的差异，引入修正算法对所述损伤识别模型的参数进行修正，利用修正后的损伤识别模型对输入的站台帽的变形时序数据进行损伤识别。

35、在本发明的又一个实施例中，提供了一种计算机设备，包括：

36、至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述的基于光纤光栅传感的站台帽健康监测方法。

37、在本发明的又一个实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行所述的基于光纤光栅传感的站台帽健康监测方法。

38、与现有技术相比，本发明基于光纤光栅传感的站台帽健康监测方法及系统的有益效果是：

39、其一，通过建立以光纤光栅应变传感器的参数优化模型，并采用加权最小二乘算法对采样点加权获取优化响应值，得到传感器最优结构参数，提高传感器的测量精度；且得到传感器的最优结构参数，使得光纤光栅应变传感器能更好地适应站台帽的监测需求，提高测量的灵敏度，能够在复杂环境下持续准确地监测站台帽的变形情况；

40、其二，本发明通过构建基于bp神经网络的损伤识别模型，能够高效地从变形时序数据中识别出站台帽的损伤，提高了损伤检测的效率，且自动化的损伤识别过程减少了对专业人员的依赖，降低了人力成本；

41、其三，本发明响应于用户端的反馈结果，对所述站台帽的状态结果进行修正，得到站台帽的损伤鉴定结果，有助于发现并修正模型可能存在的问题，从而提高损伤鉴定的准确性；

42、其四，本发明通过对损伤识别模型的参数进行修正，能够快速适应新的变化，如环境因素、材料老化等引起的数据特征变动；通过整合管理人员的反馈结果，减少了单纯依赖机器学习可能出现的误判；每次迭代都是对模型的一次优化，保证了长期运行的准确性和稳定性。