CN108663084A - 基于大数据处理的桥梁结构安全智能监测系统 - Google Patents

Abstract

本发明提供了基于大数据处理的桥梁结构安全智能监测系统，包括数据采集装置、基站和数据处理装置；所述数据采集装置包括多个传感器节点，传感器节点对桥梁各危险部位进行监测感知，并将获得的桥梁危险部位感知数据发送至基站；所述基站汇聚各传感器节点发送的桥梁危险部位感知数据，进行处理后转发至数据处理装置；数据处理装置用于对基站发送的桥梁危险部位感知数据进行分析和处理，数据处理装置包括依次连接的数据接收单元、预处理单元、存储单元、分析单元和显示单元。

Description

基于大数据处理的桥梁结构安全智能监测系统

技术领域

本发明涉及桥梁监测领域，具体涉及基于大数据处理的桥梁结构安全智能监测系统。

背景技术

相关技术中，采用有线监测网络对桥梁进行监测，而有线监测网络一方面需要布设大量的电力和通信线缆，成本较高，布设难度大，需要浪费较多的人力物力。

发明内容

针对上述问题，本发明提供基于大数据处理的桥梁结构安全智能监测系统。

本发明的目的采用以下技术方案来实现：

提供了基于大数据处理的桥梁结构安全智能监测系统，包括数据采集装置、基站和数据处理装置；所述数据采集装置包括多个传感器节点，传感器节点对桥梁各危险部位进行监测感知，并将获得的桥梁危险部位感知数据发送至基站；所述基站汇聚各传感器节点发送的桥梁危险部位感知数据，进行处理后转发至数据处理装置；数据处理装置用于对基站发送的桥梁危险部位感知数据进行分析和处理，数据处理装置包括依次连接的数据接收单元、预处理单元、存储单元、分析单元和显示单元，其中预处理单元用于对数据接收单元从基站中接收的桥梁危险部位感知数据进行聚类处理以及异常检测处理，标记异常桥梁危险部位感知数据，并将所有预处理后的桥梁危险部位感知数据发送至存储单元中进行存储；分析单元用于对存储单元中的桥梁危险部位感知数据进行分析，判断桥梁结构是否安全，输出判断结果至显示单元进行显示。

优选地，数据处理装置包括依次连接的数据接收单元、预处理单元、存储单元、分析单元和显示单元，其中预处理单元用于对数据接收单元从基站中接收的桥梁危险部位感知数据进行聚类处理以及异常检测处理，标记异常桥梁危险部位感知数据，并将所有预处理后的桥梁危险部位感知数据发送至存储单元中进行存储；分析单元用于对存储单元中的桥梁危险部位感知数据进行分析，判断桥梁结构是否安全，输出判断结果至显示单元进行显示。

优选地，所述桥梁危险部位感知数据包括桥梁危险部位的应力数据、加速度数据、位移数据。

本发明的有益效果为：利用无线传感器网络技术和大数据处理技术实现了桥梁结构的安全监测，系统结构简单，监测精度较高，且可有效地节省人力物力。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明一个示例性实施例的桥梁结构安全智能监测系统的结构示意框图；

图2是本发明一个示例性实施例的数据处理装置的框图示意图。

附图标记：

数据采集装置1、基站2、数据处理装置3、数据接收单元10、预处理单元20、存储单元30、分析单元40、显示单元50。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供的基于大数据处理的桥梁结构安全智能监测系统，包括数据采集装置1、基站2和数据处理装置3。

数据采集装置1包括多个设置于桥梁各危险部位的传感器节点，多个传感器节点通过自组织方式组建无线传感器网络。

其中，传感器节点用于对桥梁各危险部位进行监测感知，并将获得的桥梁危险部位感知数据发送至基站2。

基站2汇聚各传感器节点发送的桥梁危险部位感知数据，进行处理后转发至数据处理装置3。

数据处理装置3用于对基站2发送的桥梁危险部位感知数据进行分析和处理。

其中，所述桥梁危险部位感知数据包括桥梁危险部位的应力数据、加速度数据、位移数据。传感器节点包括用于对桥梁危险部位进行探测的传感器，其中传感器包括应力传感器、加速度传感器、位移传感器。

在一个实施例中，如图2所示，数据处理装置包括依次连接的数据接收单元10、预处理单元20、存储单元30、分析单元40和显示单元50。

其中预处理单元20用于对数据接收单元10从基站2中接收的桥梁危险部位感知数据进行聚类处理以及异常检测处理，标记异常桥梁危险部位感知数据，并将所有预处理后的桥梁危险部位感知数据发送至存储单元30中进行存储；分析单元40用于对存储单元30中的桥梁危险部位感知数据进行分析，判断桥梁结构是否安全，输出判断结果至显示单元50进行显示。

在一种实施方式中，对存储单元30中的桥梁危险部位感知数据进行分析，包括：根据预设的桥梁结构健康状态分析模型对存储单元30中的桥梁危险部位感知数据进行分析计算，根据计算结果输出桥梁结构是否安全的判断结果。

本发明上述实施例利用无线传感器网络技术和大数据技术实现了桥梁结构的安全监测，避免了布线，系统结构简单，监测精度较高，且可有效地节省人力物力。

在一个实施例中，预处理模块20对数据接收模块30从基站2中接收的桥梁危险部位感知数据进行聚类处理，具体包括：

(1)对存在0值或负值的桥梁危险部位感知数据进行预处理，将0值或负值替换为预先设定的替代值，提取设定时间段的桥梁危险部位感知数据作为一个桥梁危险部位感知数据集，设为X；在第一次迭代时，选择桥梁危险部位感知数据集X中的第一个未标记的桥梁危险部位感知数据作为第一个簇中心点G₁，计算其余桥梁危险部位感知数据与该簇中心点G₁之间的相似度，若桥梁危险部位感知数据c_i与簇中心点G₁之间的相似度大于设定的相似度阈值，则将桥梁危险部位感知数据c_i分配到该簇中心点G₁，并进行标记；

(2)令迭代次数p加1，选择桥梁危险部位感知数据集X中的第一个未标记的桥梁危险部位感知数据作为另一个簇中心点G_p+1，计算其余桥梁危险部位感知数据与该簇中心点G_p+1之间的相似度，桥梁危险部位感知数据c_j未标记时，若桥梁危险部位感知数据c_j与G_p+1之间的相似度大于设定的相似度阈值，则将桥梁危险部位感知数据c_j分配到该簇中心点G_p+1，并进行标记；

桥梁危险部位感知数据c_j已标记时，当桥梁危险部位感知数据c_j与G_p+1之间的相似度大于设定的相似度阈值并且满足设定的再分配条件时，将桥梁危险部位感知数据c_j分配到该簇中心点G_p+1，其余情况不对已标记的桥梁危险部位感知数据c_j作任何操作：

(3)重复(2)直至迭代次数p达到设定的阈值或者所有的桥梁危险部位感知数据皆已被标记，执行(4)；

(4)更新每个簇的簇中心点为该簇中所有桥梁危险部位感知数据的均值，分配每个非簇中心点到与它相似度最高的簇中心点所在的簇，当所有的簇中心点都不再更新时，算法停止。

本实施例设定了针对桥梁危险部位感知数据的聚类处理机制，该机制能够简单快捷地完成桥梁危险部位感知数据的聚类，不需要预先指定簇的个数。

其中，设定再分配条件为：

式中，H(c_r,G_p+1)表示桥梁危险部位感知数据c_r与簇中心点G_p+1之间的相似度，H(c_r,G_r0)为桥梁危险部位感知数据c_r与其所分配的簇中心点之间的相似度；为桥梁危险部位感知数据c_r所在簇已有的桥梁危险部位感知数据个数，K为设定的调节系数，K的设定取值范围为[0.80,1.0)，Y_T为设定的个数阈值，用以限制簇规模，为设定的比较取值函数，当时，当时，

本实施例创新性地设定了再分配条件，该再分配条件中，通过簇内已有的桥梁危险部位感知数据数量与设定的个数阈值之间的关系，设置了桥梁危险部位感知数据与原分配的簇中心点的相似度的衰减系数。本实施例通过将满足再分配条件的桥梁危险部位感知数据重新分配到新的簇中心点中，能够使得每一个桥梁危险部位感知数据都能够分配给与它相似度满足要求的簇，且通过衰减系数的设置，能够有利于在保障聚类精确度的前提下使得簇规模更加趋于均匀。

其中，桥梁危险部位感知数据与簇中心点之间的相似度可以采用现有的相似度函数进行计算，例如采用余弦相似性、皮尔逊相关系数等进行度量。在一个优选实施例中，设定桥梁危险部位感知数据c_r与簇中心点G_a之间的相似度的计算公式为：

式中，H(c_r,G_a)表示桥梁危险部位感知数据c_r与簇中心点G_a之间的相似度，c_rx表示桥梁危险部位感知数据c_r的第x维属性值，G_ax表示簇中心点G_a的第x维属性值，min表示取最小值，max表示取最大值，当c_rx＝G_4x时，表示第x维属性值的变差系数权值，σ_b为桥梁危险部位感知数据集X的第b维属性值的标准差，S_b为桥梁危险部位感知数据集X的第b维属性值的均值，b＝1,…,β，β为桥梁危险部位感知数据的维数。

其中，设桥梁危险部位感知数据集C＝{c₁,c₂,…,c_n}，每个桥梁危险部位感知数据c_i的维数为β，求取桥梁危险部位感知数据集C的第x维属性值的均值S_x和标准差σ_x：

式中，c_ix为桥梁危险部位感知数据集C的桥梁危险部位感知数据c_i的第x维属性值，x＝1,…,β。

本实施例创新性地设定了相似度的计算公式，该计算公式中，属性分布的偏离程度越小的变差系数权值更小，而属性分布的偏离程度越大的变差系数权值越大。现有技术中常采用绝对距离来衡量两个桥梁危险部位感知数据之间的差异性，如欧式距离、曼哈顿距离等，也就是说两个桥梁危险部位感知数据之间的距离越大表明两者的相似性越小，反之则相似性越大，但是这种距离度量方式通常涉及到对象的所有属性，并认为这些属性对于距离度量的重要性是相同的。

本实施例的上述相似度计算公式考虑了桥梁危险部位感知数据的属性因素，为不同的维度上的属性值加以不同的权重值，让不同维度按照变差系数权值的大小在聚类中起不同的作用，能够使得某些特征维度上的桥梁危险部位感知数据差异得到区分，解决了因不同特征维度上的量纲不同导致的聚类效果不佳的问题，提高了聚类划分的精度和效率。

本实施例还能够避免任何不必要的数据转换，使得对桥梁危险部位感知数据的聚类更加简单快捷。

在一个实施例中，预处理模块20对聚类处理后的桥梁危险部位感知数据进行异常检测处理，具体包括：

(1)若聚类后存在一个簇的桥梁危险部位感知数据个数低于设定的个数阈值，则将该簇视为异常簇，将异常簇中的所有桥梁危险部位感知数据视为异常桥梁危险部位感知数据，计算其他正常簇的簇中心点与异常簇的簇中心点之间的相似度；

(2)若存在一个异常簇的簇中心点与正常簇的簇中心点之间的相似度大于设定的簇相似度阈值，则将该正常簇作为待检测簇，并利用该异常簇的桥梁危险部位感知数据来检测待检测簇中的桥梁危险部位感知数据。

由于规模性较小的簇中的桥梁危险部位感知数据之间相对较为松散，而且相对于其他桥梁危险部位感知数据较为孤立，因此现有技术中通常将规模较小的簇中的数据视为异常数据。基于此，本实施例将规模小于设定个数阈值的簇设定为异常簇。

在一个实施例中，利用该异常簇的桥梁危险部位感知数据来检测待检测簇中的桥梁危险部位感知数据，具体包括：

(1)设该异常簇的桥梁危险部位感知数据集合为C_ρ＝{c₁,c₂,..,c_ρ}，将{c₁,c₂,..,c_ρ}中的桥梁危险部位感知数据进行归一化处理，并将归一化处理后的桥梁危险部位感知数据按照从小到大的顺序进行排序，将排序后的桥梁危险部位感知数据进行反归一化处理，获取反归一化处理后的桥梁危险部位感知数据集合中的中位数c_med；

(2)检测待检测簇中的桥梁危险部位感知数据，若待检测簇中的桥梁危险部位感知数据满足设定的异常条件时，将桥梁危险部位感知数据视为异常桥梁危险部位感知数据。

其中，设定异常条件为：

式中，表示桥梁危险部位感知数据的第x维属性值，c_med,x表示中位数c_med的第x维属性值，β为桥梁危险部位感知数据的维数，H_t为另一设定的相似度阈值，为设定的取小值函数，当时，当时，为设定的取大值函数，当时，当时，

本实施例创新性地提出了用于检测桥梁危险部位感知数据是否为异常的异常条件，该异常条件根据桥梁危险部位感知数据与相似度最高的异常簇的中位数之间的相似度阈值来判断该桥梁危险部位感知数据是否为异常桥梁危险部位感知数据，具备一定的检测精度，检测方式简单有效。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.基于大数据处理的桥梁结构安全智能监测系统，其特征是，包括数据采集装置、基站和数据处理装置；所述数据采集装置包括多个传感器节点，传感器节点对桥梁各危险部位进行监测感知，并将获得的桥梁危险部位感知数据发送至基站；所述基站汇聚各传感器节点发送的桥梁危险部位感知数据，进行处理后转发至数据处理装置；数据处理装置用于对基站发送的桥梁危险部位感知数据进行分析和处理，数据处理装置包括依次连接的数据接收单元、预处理单元、存储单元、分析单元和显示单元，其中预处理单元用于对数据接收单元从基站中接收的桥梁危险部位感知数据进行聚类处理以及异常检测处理，标记异常桥梁危险部位感知数据，并将所有预处理后的桥梁危险部位感知数据发送至存储单元中进行存储；分析单元用于对存储单元中的桥梁危险部位感知数据进行分析，判断桥梁结构是否安全，输出判断结果至显示单元进行显示。

2.根据权利要求1所述的基于大数据处理的桥梁结构安全智能监测系统，其特征是，所述桥梁危险部位感知数据包括桥梁危险部位的应力数据、加速度数据、位移数据。

3.根据权利要求1所述的基于大数据处理的桥梁结构安全智能监测系统，其特征是，对存储单元中的桥梁危险部位感知数据进行分析，包括：根据预设的桥梁结构健康状态分析模型对存储单元中的桥梁危险部位感知数据进行分析计算，根据计算结果输出桥梁结构是否安全的判断结果。

4.根据权利要求1-3任一项所述的基于大数据处理的桥梁结构安全智能监测系统，其特征是，预处理模块对数据接收模块从基站中接收的桥梁危险部位感知数据进行聚类处理，具体包括：

(1)对存在0值或负值的桥梁危险部位感知数据进行预处理，将0值或负值替换为预先设定的替代值，提取设定时间段的桥梁危险部位感知数据作为一个桥梁危险部位感知数据集，设为X；在第一次迭代时，选择桥梁危险部位感知数据集X中的第一个未标记的桥梁危险部位感知数据作为第一个簇中心点G₁，计算其余桥梁危险部位感知数据与该簇中心点G₁之间的相似度，若桥梁危险部位感知数据c_i与簇中心点G₁之间的相似度大于设定的相似度阈值，则将桥梁危险部位感知数据c_i分配到该簇中心点G₁，并进行标记；

(2)令迭代次数p加1，选择桥梁危险部位感知数据集X中的第一个未标记的桥梁危险部位感知数据作为另一个簇中心点G_p+1，计算其余桥梁危险部位感知数据与该簇中心点G_p+1之间的相似度，桥梁危险部位感知数据c_j未标记时，若桥梁危险部位感知数据c_j与G_p+1之间的相似度大于设定的相似度阈值，则将桥梁危险部位感知数据c_j分配到该簇中心点G_p+1，并进行标记；

桥梁危险部位感知数据c_j已标记时，当桥梁危险部位感知数据c_j与G_p+1之间的相似度大于设定的相似度阈值并且满足设定的再分配条件时，将桥梁危险部位感知数据c_j分配到该簇中心点G_p+1，其余情况不对已标记的桥梁危险部位感知数据c_j作任何操作：

(3)重复(2)直至迭代次数p达到设定的阈值或者所有的桥梁危险部位感知数据皆已被标记，执行(4)；

(4)更新每个簇的簇中心点为该簇中所有桥梁危险部位感知数据的均值，分配每个非簇中心点到与它相似度最高的簇中心点所在的簇，当所有的簇中心点都不再更新时，算法停止。

5.根据权利要求4所述的基于大数据处理的桥梁结构安全智能监测系统，其特征是，设定再分配条件为：

式中，H(c_r，G_p+1)表示桥梁危险部位感知数据cr与簇中心点G_p+1之间的相似度，H(c_r，G_r0)为桥梁危险部位感知数据c_r与其所分配的簇中心点之间的相似度；为桥梁危险部位感知数据c_r所在簇已有的桥梁危险部位感知数据个数，K为设定的调节系数，K的设定取值范围为[0.80，1.0)，Y_T为设定的个数阈值，用以限制簇规模，为设定的比较取值函数，当时，当时，

6.根据权利要求5所述的基于大数据处理的桥梁结构安全智能监测系统，其特征是，设定桥梁危险部位感知数据c_r与簇中心点G_a之间的相似度的计算公式为：

式中，H(c_r，G_a)表示桥梁危险部位感知数据c_r与簇中心点G_a之间的相似度，c_rx表示桥梁危险部位感知数据c_r的第x维属性值，G_ax表示簇中心点G_a的第x维属性值，min表示取最小值，max表示取最大值，当c_rx＝G_ax时， 表示第x维属性值的变差系数权值，σ_b为桥梁危险部位感知数据集X的第b维属性值的标准差，S_b为桥梁危险部位感知数据集X的第b维属性值的均值，b＝1，...，β，β为桥梁危险部位感知数据的维数。