【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及橋梁工程，具體涉及一種基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法及系統(tǒng)。
技術(shù)介紹
1、隨著交通基礎(chǔ)設(shè)施的不斷發(fā)展，橋梁作為重要的交通樞紐，其安全性至關(guān)重要?，F(xiàn)有技術(shù)中的bim?技術(shù)雖然能夠集成橋梁全生命周期的數(shù)據(jù)，實(shí)現(xiàn)三維可視化展示，但是此方法通常存在數(shù)據(jù)分散、可視化程度低、且分析并未結(jié)合橋梁的實(shí)時(shí)承重情況進(jìn)行分析。因此如何將bim與橋梁的安全評(píng)估算法進(jìn)行有效結(jié)合，形成一套精準(zhǔn)高效的評(píng)估方法是亟待解決的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是為了解決上述問(wèn)題，設(shè)計(jì)了一種基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法及系統(tǒng)。
2、本專利技術(shù)第一方面提供一種基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，所述基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法包括以下步驟：
3、基于bim橋梁安全監(jiān)測(cè)系統(tǒng)中的傳感器模塊獲取橋梁中的實(shí)時(shí)車輛重量數(shù)據(jù)，對(duì)所述實(shí)時(shí)車輛重量數(shù)據(jù)進(jìn)行判斷，若所述實(shí)時(shí)車輛重量數(shù)據(jù)大于橋梁承重閾值，獲取多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)；
4、對(duì)所述多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，并對(duì)清洗后的數(shù)據(jù)進(jìn)行特征提取，將提取到的特征橋梁數(shù)據(jù)進(jìn)行融合，得到融合橋梁實(shí)時(shí)數(shù)據(jù)；
5、建立2d-cnn二維卷積神經(jīng)網(wǎng)絡(luò)模型，在所述2d-cnn二維卷積神經(jīng)網(wǎng)絡(luò)模型中添加attention注意力機(jī)制，并利用改進(jìn)的iwoa鯨魚(yú)優(yōu)化算法優(yōu)化添加注意力機(jī)制后2d-cnn二維卷積神經(jīng)網(wǎng)絡(luò)模型的模型參數(shù)，得到iwoa-attention-2d-cnn橋梁安
6、將所述融合橋梁實(shí)時(shí)數(shù)據(jù)輸入至iwoa-attention-2d-cnn橋梁安全評(píng)估模型中進(jìn)行識(shí)別，得到實(shí)時(shí)橋梁安全狀態(tài)；
7、將所述實(shí)時(shí)橋梁安全狀態(tài)輸入至bim橋梁安全監(jiān)測(cè)系統(tǒng)中進(jìn)行區(qū)塊顏色顯示，并根據(jù)不用的安全等級(jí)進(jìn)行顏色區(qū)分。
8、可選的，在本專利技術(shù)第一方面的第一種實(shí)現(xiàn)方式中，所述基于bim橋梁安全監(jiān)測(cè)系統(tǒng)中的傳感器模塊獲取橋梁中的實(shí)時(shí)車輛重量數(shù)據(jù)，對(duì)所述實(shí)時(shí)車輛重量數(shù)據(jù)進(jìn)行判斷，若所述實(shí)時(shí)車輛重量數(shù)據(jù)大于橋梁承重閾值，獲取多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)，包括：
9、基于bim橋梁安全監(jiān)測(cè)系統(tǒng)中的傳感器模塊獲取橋梁中的實(shí)時(shí)車輛重量數(shù)據(jù)，所述傳感器模塊至少包括軸重傳感器、應(yīng)變傳感器、位移傳感器、圖像傳感器、加速度傳感器、壓電傳感器和溫濕度傳感器；
10、假設(shè),,...,是來(lái)自橋梁傳感器中的實(shí)時(shí)車輛重量數(shù)據(jù)的個(gè)獨(dú)立樣本，每個(gè)獨(dú)立樣本代表一段時(shí)間間隔內(nèi)的數(shù)據(jù)，則：
11、
12、其中，是個(gè)樣本值中的最大值，是個(gè)樣本值中的最小值，則：
13、
14、其中，表示概率符號(hào)，表示樣本最大值小于等于某個(gè)值的概率，表示樣本最小值小于等于某個(gè)值的概率；是總體的分布函數(shù)，描述了隨機(jī)變量取值小于等于的概率，是總體分布函數(shù)的次冪，在中，表示當(dāng)有個(gè)獨(dú)立同分布的隨機(jī)變量時(shí)，它們的最大值小于等于的概率等于總體分布函數(shù)的次冪，表示隨機(jī)變量大于的概率，表示個(gè)樣本值中至少有一個(gè)小于等于的概率；
15、通過(guò)公式的統(tǒng)計(jì)對(duì)閾值分布進(jìn)行估計(jì)，基于fisher-tippett極值類型定理，當(dāng)閾值的閾值極值服從廣義帕累托分布，計(jì)算公式如下：
16、
17、其中，表示形狀參數(shù)，當(dāng)時(shí)表示為帕累托i型分布，當(dāng)時(shí)，也即時(shí)表示為帕累托ⅲ型分布，表示帕累托分布的標(biāo)準(zhǔn)差，表示橋梁的承重最大值；并根據(jù)對(duì)所述實(shí)時(shí)車輛重量數(shù)據(jù)進(jìn)行判斷；
18、若所述實(shí)時(shí)車輛重量數(shù)據(jù)大于橋梁承重閾值，則通過(guò)bim橋梁安全監(jiān)測(cè)系統(tǒng)中的傳感器模塊獲取橋梁中的多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)，所述多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)至少包括橋梁應(yīng)變數(shù)據(jù)、橋梁位移數(shù)據(jù)、車輛加速度數(shù)據(jù)、橋梁溫濕度數(shù)據(jù)、橋面圖像數(shù)據(jù)和橋梁結(jié)構(gòu)圖像數(shù)據(jù)。
19、可選的，在本專利技術(shù)第一方面的第二種實(shí)現(xiàn)方式中，所述對(duì)所述多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，包括：
20、利用線性插值法對(duì)所述多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)中橋梁應(yīng)變數(shù)據(jù)的異常值進(jìn)行檢測(cè)，根據(jù)相鄰正常數(shù)據(jù)點(diǎn)的趨勢(shì)進(jìn)行合理估算和替換，通過(guò)車輛的車型和車軸數(shù)量結(jié)合歷史數(shù)據(jù)中車輛的平均速度范圍判斷車輛加速度數(shù)據(jù)異常值；去除所述多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)的異常值，得到正常多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)；
21、基于arima時(shí)間序列模型對(duì)所述正常多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)中的缺失值進(jìn)行填充，得到完整多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)，
22、arima時(shí)間序列模型的ar自回歸部分，假設(shè)時(shí)間序列為，自回歸階數(shù)為，則自回歸部分的表達(dá)式為：，其中是自回歸系數(shù)；
23、arima時(shí)間序列模型的差分部分，差分階數(shù)為，通過(guò)對(duì)原始時(shí)間序列進(jìn)行次差分，使其轉(zhuǎn)化為平穩(wěn)時(shí)間序列，一階差分的計(jì)算公式為，二階差分則是對(duì)一階差分后的序列再進(jìn)行一次差分，即；
24、arima時(shí)間序列模型的滑動(dòng)平均部分，滑動(dòng)平均階數(shù)為，其表達(dá)式為，其中是白噪聲序列，是滑動(dòng)平均系數(shù)；
25、綜合arima時(shí)間序列模型的ar自回歸部分，差分部分和滑動(dòng)平均部分，則arima(,,)模型的計(jì)算公式為：
26、+
27、其中，是均值為0，方差為的白噪聲序列。
28、可選的，在本專利技術(shù)第一方面的第三種實(shí)現(xiàn)方式中，所述并對(duì)清洗后的數(shù)據(jù)進(jìn)行特征提取，將提取到的特征橋梁數(shù)據(jù)進(jìn)行融合，得到融合橋梁實(shí)時(shí)數(shù)據(jù)，包括：
29、獲取數(shù)據(jù)清洗后的完整多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)，提取所述完整多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)中溫度的日變化特征，包括日最高溫度、日最低溫度、日平均溫度和溫度變化率；濕度的均值、方差、相對(duì)濕度的最大值和最小值，并計(jì)算濕度與溫度的相關(guān)系數(shù)；風(fēng)速的最大值、平均風(fēng)速、風(fēng)速的標(biāo)準(zhǔn)差和風(fēng)向的主方向和風(fēng)向的分布頻率，得到環(huán)境數(shù)據(jù)特征數(shù)據(jù)；
30、提取所述完整多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)中應(yīng)變數(shù)據(jù)的均值、方差、最大值和最小值；提取加速度數(shù)據(jù)的時(shí)域特征中加速度的均值、方差、峭度和偏度；提取位移數(shù)據(jù)的時(shí)域特征的峰值、峰峰值和均方根值，得到結(jié)構(gòu)響應(yīng)數(shù)據(jù)特征數(shù)據(jù)；
31、計(jì)算交通流量的日流量、小時(shí)流量和高峰時(shí)段流量，并分析交通流量的周期性特征，得到交通荷載特征數(shù)據(jù)；
32、獲取所述完整多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)中橋梁關(guān)鍵結(jié)構(gòu)件的圖像數(shù)據(jù)，利用yolov5圖像檢測(cè)算法對(duì)所述圖像數(shù)據(jù)進(jìn)行識(shí)別，獲取橋梁關(guān)鍵結(jié)構(gòu)件的裂紋數(shù)據(jù)和老化數(shù)據(jù)，得到橋梁關(guān)鍵結(jié)構(gòu)件特征數(shù)據(jù)；
33、將環(huán)境數(shù)據(jù)特征數(shù)據(jù)，結(jié)構(gòu)響應(yīng)數(shù)據(jù)特征數(shù)據(jù)，交通荷載特征數(shù)據(jù)和橋梁關(guān)鍵結(jié)構(gòu)件特征數(shù)據(jù)進(jìn)行歸一化后，得到融合橋梁實(shí)時(shí)數(shù)據(jù)，所述融合橋梁實(shí)時(shí)數(shù)據(jù)至少包括環(huán)境數(shù)據(jù)特征數(shù)據(jù)，結(jié)構(gòu)響應(yīng)數(shù)據(jù)特征數(shù)據(jù)，交通荷載特征數(shù)據(jù)和橋梁關(guān)鍵結(jié)構(gòu)件特征數(shù)據(jù)。
34、可選的，在本專利技術(shù)第一方面的第四種實(shí)現(xiàn)方式中，所述建立2d-cnn二維卷積神經(jīng)網(wǎng)絡(luò)模型，在所述2d-cnn二維卷積神經(jīng)網(wǎng)絡(luò)模型中添加attention注意力機(jī)制，包括：
35、建立2d-cnn二維卷積神經(jīng)網(wǎng)絡(luò)模型，輸入層接收預(yù)處理后的二維數(shù)據(jù)矩陣，矩陣的維度為，輸入的本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法包括以下步驟：
2.如權(quán)利要求1所述的一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)中的傳感器模塊獲取橋梁中的實(shí)時(shí)車輛重量數(shù)據(jù)，對(duì)所述實(shí)時(shí)車輛重量數(shù)據(jù)進(jìn)行判斷，若所述實(shí)時(shí)車輛重量數(shù)據(jù)大于橋梁承重閾值，獲取多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)，包括：
3.如權(quán)利要求1所述的一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述對(duì)所述多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，包括：
4.如權(quán)利要求1所述的一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述并對(duì)清洗后的數(shù)據(jù)進(jìn)行特征提取，將提取到的特征橋梁數(shù)據(jù)進(jìn)行融合，得到融合橋梁實(shí)時(shí)數(shù)據(jù)，包括：
5.如權(quán)利要求1所述的一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述建立2D-CNN二維卷積神經(jīng)網(wǎng)絡(luò)模型，在所述2D-CNN二維卷積神經(jīng)網(wǎng)絡(luò)模型中添加Attention注意力機(jī)制，包括：
6.如權(quán)利要求1所述
7.如權(quán)利要求6所述的一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述改進(jìn)的IWOA鯨魚(yú)優(yōu)化算法，包括：
8.一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估系統(tǒng)，其特征在于，所述基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估系統(tǒng)包括數(shù)據(jù)分析判斷模塊、數(shù)據(jù)清洗融合模塊、評(píng)估模型建立模塊、橋梁安全評(píng)估模塊、橋梁狀態(tài)顯示模塊，其中：
9.如權(quán)利要求8所述的一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估系統(tǒng)，其特征在于，所述數(shù)據(jù)分析判斷模塊包括以下子模塊：
10.如權(quán)利要求8所述的一種基于BIM橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估系統(tǒng)，其特征在于，所述數(shù)據(jù)清洗融合模塊包括以下子模塊：
...【技術(shù)特征摘要】
1.一種基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法包括以下步驟：
2.如權(quán)利要求1所述的一種基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述基于bim橋梁安全監(jiān)測(cè)系統(tǒng)中的傳感器模塊獲取橋梁中的實(shí)時(shí)車輛重量數(shù)據(jù)，對(duì)所述實(shí)時(shí)車輛重量數(shù)據(jù)進(jìn)行判斷，若所述實(shí)時(shí)車輛重量數(shù)據(jù)大于橋梁承重閾值，獲取多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)，包括：
3.如權(quán)利要求1所述的一種基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述對(duì)所述多模態(tài)橋梁實(shí)時(shí)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，包括：
4.如權(quán)利要求1所述的一種基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述并對(duì)清洗后的數(shù)據(jù)進(jìn)行特征提取，將提取到的特征橋梁數(shù)據(jù)進(jìn)行融合，得到融合橋梁實(shí)時(shí)數(shù)據(jù)，包括：
5.如權(quán)利要求1所述的一種基于bim橋梁安全監(jiān)測(cè)系統(tǒng)的橋梁安全評(píng)估方法，其特征在于，所述建立2d-cnn二維卷積神經(jīng)網(wǎng)絡(luò)模型，在所述2d-cnn二維卷積神經(jīng)網(wǎng)絡(luò)模型中添加att...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳旭彬，郭其遠(yuǎn)，沈晨康，林紀(jì)棟，崔榮剛，
申請(qǐng)(專利權(quán))人：南京交通工程有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。