本申请涉及一种桥梁安全状态监测方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取由两个以上相同的振动传感器设置于桥梁采集的振动信号；对振动信号采用两个相邻的移动时间窗口进行截取，得到第一窗口信号与第二窗口信号；将第一窗口信号输入预设的第一特征提取模型，得到第一特征向量，将第二窗口信号输入预设的第二特征提取模型，得到第二特征向量；根据第一特征向量与第二特征向量进行分析，得到桥梁安全状态评估结果。通过直接从振动信号片段中进行特征提取，判断得到桥梁安全状态评估结果，无需标签与初始状态下的无损数据，也无需结构精确的有限元模型为基准作为对比，可便捷高效的实现桥梁安全状态监测。可便捷高效的实现桥梁安全状态监测。可便捷高效的实现桥梁安全状态监测。
【技术实现步骤摘要】
桥梁安全状态监测方法、装置、计算机设备和存储介质
[0001]本申请涉及结构安全监测
，特别是涉及一种桥梁安全状态监测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]桥梁是重要的交通基础设施，为人民生活提供了极大的便利，为社会经济发展提供了强大的支撑，因而保障桥梁设施的安全运行具有重大意义。自结构安全监测提出以来，涌现了许多关于结构损伤检测的方法，但是对于损伤发生时刻的研究并不多，及时地发现损伤发生时刻可以为后续决策处理、事故处置争取宝贵的时间。
[0003]在传统桥梁结构健康监测及损伤识别方法中，一般需要以桥梁初始状态的无损数据作为基准数据进行对比来实现监测。但许多桥梁已建成并投入使用多年，初始状态数据大多已缺失，无法实现有效监测。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够实现有效监测的桥梁安全状态监测方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种桥梁安全状态监测方法。所述方法包括：
[0006]获取桥梁的振动信号；所述振动信号由两个以上相同的振动传感器设置于所述桥梁的预设位置采集后处理得到；
[0007]对所述振动信号采用两个相邻的移动时间窗口进行截取，得到第一窗口信号与第二窗口信号；
[0008]将所述第一窗口信号输入预设的第一特征提取模型，得到第一特征向量，将所述第二窗口信号输入预设的第二特征提取模型，得到第二特征向量；所述预设的第一特征提取模型与所述预设的第二特征提取模型为参数共享的两个特征提取模型，均基于所述桥梁的振动信号训练得到；
[0009]根据所述第一特征向量与所述第二特征向量进行分析，得到桥梁安全状态评估结果；所述桥梁安全状态评估结果用于表征所述桥梁的安全状态。
[0010]在其中一个实施例中，所述两个相邻的时间窗口的窗口长度相同，所述窗口长度的确定过程包括：
[0011]根据所述桥梁的结构基频与所述振动传感器的采样频率分析得到窗口长度范围；
[0012]根据并行化计算要求在所述窗口长度范围中进行筛选，确定所述窗口长度。
[0013]在其中一个实施例中，所述预设的第一特征提取模型与所述预设的第二特征提取模型的训练过程包括：
[0014]将所述桥梁的振动信号分为训练信号与测试信号；
[0015]将所述训练信号采用所述两个相邻的移动时间窗口进行截取，得到第一窗口训练信号与第二窗口训练信号，并将所述测试信号采用所述两个相邻的移动时间窗口进行截
取，得到第一窗口测试信号与第二窗口测试信号；
[0016]将所述第一窗口训练信号输入至第一卷积自编码器进行训练，得到初步的第一特征提取模型，将所述第二窗口训练信号输入至第二卷积自编码器进行训练，得到初步的第二特征提取模型；其中，所述第一卷积自编码器与所述第二卷积自编码器为两个参数共享的卷积自编码器；
[0017]将所述第一窗口测试信号输入所述初步的第一特征提取模型进行测试验证，得到预设的第一特征提取模型，将所述第二窗口测试信号输入所述初步的第二特征提取模型进行测试验证，得到预设的第二特征提取模型。
[0018]在其中一个实施例中，所述第一卷积自编码器与所述第二卷积自编码器训练时，均采用RMSprop优化算法进行优化，使用缩放指数线性单元作为激活函数。
[0019]在其中一个实施例中，所述根据所述第一特征向量与所述第二特征向量进行分析，得到桥梁安全状态评估结果，包括：
[0020]计算所述第一特征向量与所述第二特征向量之间的距离；
[0021]根据所述距离得到桥梁安全状态评估结果。
[0022]在其中一个实施例中，在所述获取桥梁的振动信号之后，在所述对所述振动信号采用两个相邻的移动时间窗口进行截取，得到第一窗口信号与第二窗口信号之前，所述方法还包括：
[0023]对所述振动信号进行归一化处理，得到归一化后的振动信号。
[0024]第二方面，本申请还提供了一种桥梁安全状态监测装置。所述装置包括：
[0025]数据获取模块，用于获取桥梁的振动信号；所述振动信号由两个以上相同的振动传感器设置于所述桥梁的预设位置采集后处理得到；
[0026]信号截取模块，用于对所述振动信号采用两个相邻的移动时间窗口进行截取，得到第一窗口信号与第二窗口信号；
[0027]特征提取模块，用于将所述第一窗口信号输入预设的第一特征提取模型，得到第一特征向量，将所述第二窗口信号输入预设的第二特征提取模型，得到第二特征向量；所述预设的第一特征提取模型与所述预设的第二特征提取模型为参数共享的两个特征提取模型，均基于所述桥梁的振动信号训练得到；
[0028]状态评估模块，用于根据所述第一特征向量与所述第二特征向量进行分析，得到桥梁安全状态评估结果；所述桥梁安全状态评估结果用于表征所述桥梁的安全状态。
[0029]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
[0030]获取桥梁的振动信号；所述振动信号由两个以上相同的振动传感器设置于所述桥梁的预设位置采集后处理得到；
[0031]对所述振动信号采用两个相邻的移动时间窗口进行截取，得到第一窗口信号与第二窗口信号；
[0032]将所述第一窗口信号输入预设的第一特征提取模型，得到第一特征向量，将所述第二窗口信号输入预设的第二特征提取模型，得到第二特征向量；所述预设的第一特征提取模型与所述预设的第二特征提取模型为参数共享的两个特征提取模型，均基于所述桥梁
的振动信号训练得到；
[0033]根据所述第一特征向量与所述第二特征向量进行分析，得到桥梁安全状态评估结果；所述桥梁安全状态评估结果用于表征所述桥梁的安全状态。
[0034]第四方面，本申请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，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下步骤：
[0035]获取桥梁的振动信号；所述振动信号由两个以上相同的振动传感器设置于所述桥梁的预设位置采集后处理得到；
[0036]对所述振动信号采用两个相邻的移动时间窗口进行截取，得到第一窗口信号与第二窗口信号；
[0037]将所述第一窗口信号输入预设的第一特征提取模型，得到第一特征向量，将所述第二窗口信号输入预设的第二特征提取模型，得到第二特征向量；所述预设的第一特征提取模型与所述预设的第二特征提取模型为参数共享的两个特征提取模型，均基于所述桥梁的振动信号训练得到；
[0038]根据所述第一特征向量与所述第二特征向量进行分析，得到桥梁安全状态评估结果；所述桥梁安全状态评估结果用于表征所述桥梁的安全状态。
[0039]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，其特征本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种桥梁安全状态监测方法，其特征在于，所述方法包括：获取桥梁的振动信号；所述振动信号由两个以上相同的振动传感器设置于所述桥梁的预设位置采集后处理得到；对所述振动信号采用两个相邻的移动时间窗口进行截取，得到第一窗口信号与第二窗口信号；将所述第一窗口信号输入预设的第一特征提取模型，得到第一特征向量，将所述第二窗口信号输入预设的第二特征提取模型，得到第二特征向量；所述预设的第一特征提取模型与所述预设的第二特征提取模型为参数共享的两个特征提取模型，均基于所述桥梁的振动信号训练得到；根据所述第一特征向量与所述第二特征向量进行分析，得到桥梁安全状态评估结果；所述桥梁安全状态评估结果用于表征所述桥梁的安全状态。2.根据权利要求1所述的方法，其特征在于，所述两个相邻的时间窗口的窗口长度相同，所述窗口长度的确定过程包括：根据所述桥梁的结构基频与所述振动传感器的采样频率分析得到窗口长度范围；根据并行化计算要求在所述窗口长度范围中进行筛选，确定所述窗口长度。3.根据权利要求1所述的方法，其特征在于，所述预设的第一特征提取模型与所述预设的第二特征提取模型的训练过程包括：将所述桥梁的振动信号分为训练信号与测试信号；将所述训练信号采用所述两个相邻的移动时间窗口进行截取，得到第一窗口训练信号与第二窗口训练信号，并将所述测试信号采用所述两个相邻的移动时间窗口进行截取，得到第一窗口测试信号与第二窗口测试信号；将所述第一窗口训练信号输入至第一卷积自编码器进行训练，得到初步的第一特征提取模型，将所述第二窗口训练信号输入至第二卷积自编码器进行训练，得到初步的第二特征提取模型；其中，所述第一卷积自编码器与所述第二卷积自编码器为两个参数共享的卷积自编码器；将所述第一窗口测试信号输入所述初步的第一特征提取模型进行测试验证，得到预设的第一特征提取模型，将所述第二窗口测试信号输入所述初步的第二特征提取模型进行测试验证，得到预设的第二特征提取模型。4.根据权利要求3所述的方法，其特征在于，所述第一卷积自编...
【专利技术属性】
技术研发人员：聂振华，景强，夏子立，许燊燊，马宏伟，
申请(专利权)人：暨南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。