CN113139691A - 一种基于压电传感器的高铁桥梁健康度监测系统及方法 - Google Patents
一种基于压电传感器的高铁桥梁健康度监测系统及方法 Download PDFInfo
- Publication number
- CN113139691A CN113139691A CN202110478431.9A CN202110478431A CN113139691A CN 113139691 A CN113139691 A CN 113139691A CN 202110478431 A CN202110478431 A CN 202110478431A CN 113139691 A CN113139691 A CN 113139691A
- Authority
- CN
- China
- Prior art keywords
- speed rail
- data
- rail bridge
- bridge
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 104
- 230000036541 health Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000013450 outlier detection Methods 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004643 material aging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
- G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
- G01H11/08—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means using piezoelectric devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Security & Cryptography (AREA)
- Accounting & Taxation (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种基于压电传感器的高铁桥梁健康度监测系统及方法,所述方法包括:获取高铁桥梁的历史监测数据,并进行数据预处理,构建为样本集;其中,历史监测数据包括不同交通状况、不同损伤等级的监测数据;基于卷积神经网络构建不同交通状况下的高铁桥梁损伤识别模型,并通过样本集对各所高铁桥梁损伤识别模型进行训练;通过布设在待测高铁桥梁各线路的压电传感器获取实时监测数据,并通过实时监测数据获取高铁桥梁的交通状况;基于高铁桥梁的交通状况,将待测高铁桥梁的实时监测数据输入训练好的相应高铁桥梁损伤识别模型,得到待测高铁桥梁的损伤等级,完成高铁桥梁健康度监测。本发明能够对高铁桥梁的健康度进行实时、准确地监测。
Description
技术领域
本发明涉及高铁桥梁健康度监测技术领域,特别是涉及一种基于压电传感器的高铁桥梁健康度监测系统及方法。
背景技术
随着我国高速铁路的迅猛发展,高速铁路的规模日益增大。高速铁路的高速度、高舒适性、高安全性等特点对土建工程提出了极其严格的要求。相对于公路或普速铁路,高速铁路荷载更重,对于高速铁路上的大型特殊结构桥梁而言,往往承受的不仅仅是双线铁路荷载,而是四线,甚至还搭载两条轻轨线路或公路桥面,要求相应桥梁具有足够的承载能力;同时,高速列车通过桥梁会引起桥梁的振动,桥梁的振动又会加剧列车的振动,即车桥耦合振动,为保证高速行车的安全性与乘客的舒适性,高速铁路桥梁必须具备良好的车桥耦合振动等动力性能;另外,高速铁路桥梁通常是高速铁路线路上的控制性工程,一次投资巨大,在高速铁路线路运营过程中,一旦桥梁发生问题将会严重影响线路通行,并会导致巨大的经济损失,因此,其设计寿命基准期内,高速铁路桥梁应当具备足够抵抗自然界的风、地震等荷载作用的能力。
然而,由于车、桥之间的耦合作用,加之桥梁结构本身长期处于环境侵蚀、材料老化和列车荷载的疲劳效应等因素的共同作用下,将不可避免地导致结构的损伤累积和抗力衰减,这必然影响结乘客的舒适度,而且导致抵抗自然灾害甚至正常环境作用的能力下降,极端情况下引发灾难性地突发事故。
因此,提供一种基于压电传感器的高铁桥梁健康度监测系统及方法显得尤为必要。
发明内容
本发明的目的是提供一种基于压电传感器的高铁桥梁健康度监测系统及方法,以解决现有技术的问题,能够对高铁桥梁的健康度进行实时、准确地监测,保障乘客的舒适度,并为高速列车的安全运行提供保障。
为实现上述目的,本发明提供了如下方案:本发明提供一种基于压电传感器的高铁桥梁健康度监测系统,包括:数据采集系统、云数据库、数据传输系统、数据处理系统;所述数据采集系统通过所述数据传输系统与所述数据处理系统连接,所述云数据库与所述数据处理系统连接;
所述数据采集系统采用压电传感器,所述压电传感器布设于所述高铁桥梁的各线路上,用于实时采集高铁桥梁的监测数据;
所述云数据库用于存储高铁桥梁处于不同交通状况以及处于不同损伤等级时,所述压电传感器所采集的历史监测数据;
所述数据处理系统位于监测终端,基于所述云数据库中存储的历史数据、所述数据采集系统实时采集的待测高铁桥梁的监测数据,获取所述高铁桥梁的损伤等级,完成所述高铁桥梁的健康度监测;
所述数据传输系统用于将所述数据采集系统所采集的数据传输至所述数据处理系统。
优选地,所述数据传输系统采用ZigBee无线数据传输系统。
优选地,所述数据处理系统还连接有显示装置,所述显示装置用于对待测高铁桥梁的健康度监测结果进行实时显示。
优选地,所述数据处理系统还连接有预警系统,待测高铁桥梁的损伤等级高于预设等级,则进行预警。
本发明还提供一种基于压电传感器的高铁桥梁健康度监测方法,包括如下步骤:
获取高铁桥梁的历史监测数据,并对所获取的历史监测数据进行数据预处理,构建为样本集;其中,所述历史监测数据包括不同交通状况、不同损伤等级的监测数据;
基于卷积神经网络构建不同交通状况下的高铁桥梁损伤识别模型,并通过所述样本集对各所高铁桥梁损伤识别模型进行训练;
通过布设在待测高铁桥梁各线路的压电传感器获取实时监测数据,并通过所述实时监测数据获取所述高铁桥梁的交通状况;
基于高铁桥梁的交通状况,将待测高铁桥梁的实时监测数据输入训练好的相应高铁桥梁损伤识别模型,得到待测高铁桥梁的损伤等级,完成高铁桥梁健康度监测。
优选地,所述数据预处理包括:离群点检测及修正、加标签处理。
优选地,离群点检测采用基于密度的离群点检测方法,离群点修正的方法为:对离群点前、后相邻的数据取均值,并通过所述均值对所述离群点进行替换;若离群点为所获取数据段的端点,则通过所述离群点的相邻的点的值,对所述离群点进行替换。
优选地,所述卷积神经网络包括:输入层、若干个卷积层、第一隐藏层、第二隐藏层、全连接层、输出层;所述输入层与若干个所述卷积层连接,其中,若干个所述卷积层并行连接,且每个所述卷积层连接有一个池化层,若干个所述池化层均与所述第一隐藏层连接,所述第一隐藏层、第二隐藏层、全连接层、输出层依次连接;其中,若干个所述卷积层的卷积核大小均不相同。
优选地,将高铁桥梁各线路监测数据与预设阈值进行比较,大于或等于预设阈值,则代表该线路有列车通过,小于预设阈值,则代表该线路没有列车通过,基于列车通过的线路得到高铁桥梁的交通状况。
优选地,待测高铁桥梁的损伤等级高于预设等级,则进行预警。
本发明公开了以下技术效果:
(1)本发明提供了一种基于压电传感器的高铁桥梁健康度监测系统及方法,基于卷积神经网络构建高铁桥梁损伤识别模型,并从云数据库中获取历史监测数据对高铁桥梁损伤识别模型进行训练,通过识别结果对历史监测数据进行更新,从而能够有效提高高铁桥梁损伤识别模型的识别精度;同时,本发明构建不同交通状况下的高铁桥梁损伤识别模型,并通过实时监测数据获取高铁桥梁的交通状况,从而针对不同的交通状况选择相应的高铁桥梁损伤识别模型进行损伤等级的识别,能够有效提高识别精度。
(2)本发明不需要人为参与,能够自动对高铁桥梁的健康度进行实时监测,有效降低了人为漏监测/误监测的概率,提高了监测精度及实时性,降低了监测成本,且高铁桥梁的损伤等级高于预设等级能够自动进行预警,使得监管人员能够快速准确地确定发生损伤的位置,降低了高速列车的行车风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于压电传感器的高铁桥梁健康度监测系统结构示意图;
图2为本发明基于压电传感器的高铁桥梁健康度监测方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示,本实施例提供一种基于压电传感器的高铁桥梁健康度监测系统,包括:
数据采集系统、云数据库、数据传输系统、数据处理系统;所述数据采集系统通过所述数据传输系统与所述数据处理系统连接,所述云数据库与所述数据处理系统连接;
所述数据采集系统采用压电传感器,所述压电传感器布设于所述高铁桥梁的各线路上,每条线路上均匀布设有若干个压电传感器,每个所述压电传感器设有编号;通过所述高铁桥梁振动过程中,所述压电传感器输出阻抗信号的变化,实时采集高铁桥梁的监测数据。
所述云数据库用于存储高铁桥梁处于不同交通状况(例如,一条线路行车、多条线路同时行车等,同时,多条线路同时行车又包括相邻线路同时行车、相间线路同时行车等)以及处于不同损伤等级时,所述压电传感器所采集的历史监测数据。
所述数据处理系统位于监测终端,基于所述云数据库中存储的历史数据、所述数据采集系统实时采集的待测高铁桥梁的监测数据,获取所述高铁桥梁的损伤等级,完成所述高铁桥梁的健康度监测;所述数据处理系统还用于根据所述健康度监测结果对所述云数据库中的数据进行更新。
所述数据传输系统用于将所述数据采集系统所采集的数据传输至所述数据处理系统。由于高铁桥梁通常位于农村、偏远地区或不可接近的林区,因此,本实施例中,所述数据传输系统采用ZigBee无线数据传输系统,所述ZigBee无线数据传输系统包括发射机和接收机,所述发射极位于待监测高铁桥梁位置,所述接收机位于所述监测终端。ZigBee具有低功耗、低成本、短延时、高容错性的特点,工作模式下,ZigBee节点的电池工作时间长达6个月到2年左右,而蓝牙仅能工作数周,WIFI仅能工作数小时;ZigBee协议免费,降低了通信成本,另外,ZigBee从水面转入工作状态仅需要15ms,节点连接进入网络只需要30ms,而蓝牙需要3-10秒,WIFI需要3秒,延时短,且进一步节省了电能。
进一步地,所述数据处理系统还连接有显示装置,所述显示装置用于对待测高铁桥梁的健康度监测结果进行实时显示。
进一步地,所述数据处理系统还连接有预警系统,待测高铁桥梁的损伤等级高于预设等级,则进行预警。所述预警系统通过向预设手机号码发送短信的方式进行预警。
参照图2所示,本实施例还提供一种基于压电传感器的高铁桥梁健康度监测方法,具体包括如下步骤:
S1、获取高铁桥梁的历史监测数据,并对所获取的历史监测数据进行数据预处理,构建为样本集;其中,所述历史监测数据包括不同交通状况、不同损伤等级的监测数据。
所述数据预处理包括:离群点检测及修正、加标签处理;其中,离群点检测采用基于密度的离群点检测方法,离群点修正的方法为:对离群点前、后相邻的一个数据取均值,并通过所述均值对所述离群点进行替换;若离群点为所获取数据段的端点,则通过所述离群点的相邻的点的值,对所述离群点进行替换。所述加标签处理包括:在不同交通状况下,采用损伤等级对离群点修正后的历史监测数据进行加标签处理。
S2、基于卷积神经网络构建不同交通状况下的高铁桥梁损伤识别模型,并通过所述样本集对各所高铁桥梁损伤识别模型进行训练;
所述卷积神经网络的具体结构包括:输入层、若干个卷积层、第一隐藏层、第二隐藏层、全连接层、输出层;所述输入层与若干个所述卷积层连接,其中,若干个所述卷积层并行连接,且每个所述卷积层连接有一个池化层,若干个所述池化层均与所述第一隐藏层连接,所述第一隐藏层、第二隐藏层、全连接层、输出层依次连接。
所述输入层用于输入高铁桥梁监测数据;若干个所述卷积层采用不同大小的卷积核,分别用于提取所述高铁桥梁监测数据的特征;所述池化层分别用于对每个所述卷积层的输出进行最大池化操作;所述第一隐藏层用于对各所述卷积层提取的特征进行组合;所述第二隐藏层用于非线性降维;所述输出层用于识别结果的输出;每个所述卷积层的神经元之间还设有截断层,所述截断层用于截断部分神经元之间的联系,减少模型训练过程中的过度拟合,提高识别效率。
S3、通过布设在待测高铁桥梁各线路的压电传感器获取实时监测数据,并通过所述实时监测数据获取所述高铁桥梁的交通状况;
高铁桥梁通常包括多条线路,只要有一条线路有列车经过,其他线路也会相应产生振动,但没有列车经过的线路的荷载相对于有列车经过的线路的荷载及其微弱,本实施例将各线路监测数据与预设阈值进行比较,大于或等于预设阈值,则代表该线路有列车通过,小于预设阈值,则代表该线路没有列车通过,从而基于列车通过的线路得到高铁桥梁的交通状况。
S4、基于高铁桥梁的交通状况,将待测高铁桥梁的实时监测数据输入训练好的相应高铁桥梁损伤识别模型,得到待测高铁桥梁的损伤等级,完成高铁桥梁健康度监测。
进一步地,待测高铁桥梁的损伤等级高于预设等级,则进行预警,在损伤等级高于预设等级的情况下,能够根据压电传感器的编号及监测值快速准确地获取发生损伤的位置,便于监管人员及时维护,从而降低了高速列车的行车风险。
本发明具有如下技术效果:
(1)本发明提供了一种基于压电传感器的高铁桥梁健康度监测系统及方法,基于卷积神经网络构建高铁桥梁损伤识别模型,并从云数据库中获取历史监测数据对高铁桥梁损伤识别模型进行训练,通过识别结果对历史监测数据进行更新,从而能够有效提高高铁桥梁损伤识别模型的识别精度;同时,本发明构建不同交通状况下的高铁桥梁损伤识别模型,并通过实时监测数据获取高铁桥梁的交通状况,从而针对不同的交通状况选择相应的高铁桥梁损伤识别模型进行损伤等级的识别,能够有效提高识别精度。
(2)本发明不需要人为参与,能够自动对高铁桥梁的健康度进行实时监测,有效降低了人为漏监测/误监测的概率,提高了监测精度及实时性,降低了监测成本,且高铁桥梁的损伤等级高于预设等级能够自动进行预警,使得监管人员能够快速准确地确定发生损伤的位置,降低了高速列车的行车风险。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (10)
1.一种基于压电传感器的高铁桥梁健康度监测系统,其特征在于,包括:数据采集系统、云数据库、数据传输系统、数据处理系统;所述数据采集系统通过所述数据传输系统与所述数据处理系统连接,所述云数据库与所述数据处理系统连接;
所述数据采集系统采用压电传感器,所述压电传感器布设于所述高铁桥梁的各线路上,用于实时采集高铁桥梁的监测数据;
所述云数据库用于存储高铁桥梁处于不同交通状况以及处于不同损伤等级时,所述压电传感器所采集的历史监测数据;
所述数据处理系统位于监测终端,基于所述云数据库中存储的历史数据、所述数据采集系统实时采集的待测高铁桥梁的监测数据,获取所述高铁桥梁的损伤等级,完成所述高铁桥梁的健康度监测;
所述数据传输系统用于将所述数据采集系统所采集的数据传输至所述数据处理系统。
2.根据权利要求1所述的基于压电传感器的高铁桥梁健康度监测系统,其特征在于,所述数据传输系统采用ZigBee无线数据传输系统。
3.根据权利要求1所述的基于压电传感器的高铁桥梁健康度监测系统,其特征在于,所述数据处理系统还连接有显示装置,所述显示装置用于对待测高铁桥梁的健康度监测结果进行实时显示。
4.根据权利要求1所述的基于压电传感器的高铁桥梁健康度监测系统,其特征在于,所述数据处理系统还连接有预警系统,待测高铁桥梁的损伤等级高于预设等级,则进行预警。
5.根据权利要求1-4任一项所述的基于压电传感器的高铁桥梁健康度监测方法,其特征在于,包括如下步骤:
获取高铁桥梁的历史监测数据,并对所获取的历史监测数据进行数据预处理,构建为样本集;其中,所述历史监测数据包括不同交通状况、不同损伤等级的监测数据;
基于卷积神经网络构建不同交通状况下的高铁桥梁损伤识别模型,并通过所述样本集对各所高铁桥梁损伤识别模型进行训练;
通过布设在待测高铁桥梁各线路的压电传感器获取实时监测数据,并通过所述实时监测数据获取所述高铁桥梁的交通状况;
基于高铁桥梁的交通状况,将待测高铁桥梁的实时监测数据输入训练好的相应高铁桥梁损伤识别模型,得到待测高铁桥梁的损伤等级,完成高铁桥梁健康度监测。
6.根据权利要求5所述的基于压电传感器的高铁桥梁健康度监测方法,其特征在于,所述数据预处理包括:离群点检测及修正、加标签处理。
7.根据权利要求6所述的基于压电传感器的高铁桥梁健康度监测方法,其特征在于,离群点检测采用基于密度的离群点检测方法,离群点修正的方法为:对离群点前、后相邻的数据取均值,并通过所述均值对所述离群点进行替换;若离群点为所获取数据段的端点,则通过所述离群点的相邻的点的值,对所述离群点进行替换。
8.根据权利要求5所述的基于压电传感器的高铁桥梁健康度监测方法,其特征在于,所述卷积神经网络包括:输入层、若干个卷积层、第一隐藏层、第二隐藏层、全连接层、输出层;所述输入层与若干个所述卷积层连接,其中,若干个所述卷积层并行连接,且每个所述卷积层连接有一个池化层,若干个所述池化层均与所述第一隐藏层连接,所述第一隐藏层、第二隐藏层、全连接层、输出层依次连接;其中,若干个所述卷积层的卷积核大小均不相同。
9.根据权利要求5所述的基于压电传感器的高铁桥梁健康度监测方法,其特征在于,将高铁桥梁各线路监测数据与预设阈值进行比较,大于或等于预设阈值,则代表该线路有列车通过,小于预设阈值,则代表该线路没有列车通过,基于列车通过的线路得到高铁桥梁的交通状况。
10.根据权利要求5所述的基于压电传感器的高铁桥梁健康度监测方法,其特征在于,待测高铁桥梁的损伤等级高于预设等级,则进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110478431.9A CN113139691A (zh) | 2021-04-30 | 2021-04-30 | 一种基于压电传感器的高铁桥梁健康度监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110478431.9A CN113139691A (zh) | 2021-04-30 | 2021-04-30 | 一种基于压电传感器的高铁桥梁健康度监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113139691A true CN113139691A (zh) | 2021-07-20 |
Family
ID=76817650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110478431.9A Pending CN113139691A (zh) | 2021-04-30 | 2021-04-30 | 一种基于压电传感器的高铁桥梁健康度监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139691A (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858803A (zh) * | 2010-05-17 | 2010-10-13 | 哈尔滨工业大学 | 地下结构力致发光色敏传感器制作和安装及其监测系统 |
CN104200005A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 基于神经网络的桥梁损伤识别方法 |
CN104200265A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种改进的基于神经网络的桥梁损伤识别方法 |
CN104200004A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种优化的基于神经网络的桥梁损伤识别方法 |
CN105241660A (zh) * | 2015-11-09 | 2016-01-13 | 西南交通大学 | 基于健康监测数据的高铁大型桥梁性能评定方法 |
CN107609989A (zh) * | 2017-09-19 | 2018-01-19 | 广州市建筑科学研究院有限公司 | 一种路网级的桥梁健康监测智能cs架构系统 |
CN107871161A (zh) * | 2017-11-07 | 2018-04-03 | 中国铁道科学研究院铁道建筑研究所 | 一种基于神经网络的桥梁整体损伤预警方法 |
CN108133070A (zh) * | 2017-09-19 | 2018-06-08 | 广州市建筑科学研究院有限公司 | 一种基于径向基函数神经网络的桥梁健康状况的评估方法和系统 |
CN110057515A (zh) * | 2019-03-22 | 2019-07-26 | 天津大学 | 一种基于深度学习的桥梁缺陷检测系统和方法 |
CN110276743A (zh) * | 2019-05-14 | 2019-09-24 | 广东工业大学 | 一种基于卷积神经网络的结构损伤程度识别方法 |
CN110555247A (zh) * | 2019-08-16 | 2019-12-10 | 华南理工大学 | 一种基于多点传感器数据和BiLSTM的结构损伤预警方法 |
CN110633855A (zh) * | 2019-09-17 | 2019-12-31 | 江南大学 | 一种桥梁健康状态检测与管养决策系统及方法 |
CN111143932A (zh) * | 2019-12-26 | 2020-05-12 | 杭州鲁尔物联科技有限公司 | 一种桥梁健康状态的评估方法、装置、系统和设备 |
CN111256924A (zh) * | 2020-03-06 | 2020-06-09 | 东南大学 | 一种大跨度高铁桥梁伸缩缝智能监测方法 |
CN111444252A (zh) * | 2020-03-25 | 2020-07-24 | 重庆邮电大学 | 一种桥梁监测系统 |
-
2021
- 2021-04-30 CN CN202110478431.9A patent/CN113139691A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858803A (zh) * | 2010-05-17 | 2010-10-13 | 哈尔滨工业大学 | 地下结构力致发光色敏传感器制作和安装及其监测系统 |
CN104200005A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 基于神经网络的桥梁损伤识别方法 |
CN104200265A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种改进的基于神经网络的桥梁损伤识别方法 |
CN104200004A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种优化的基于神经网络的桥梁损伤识别方法 |
CN105241660A (zh) * | 2015-11-09 | 2016-01-13 | 西南交通大学 | 基于健康监测数据的高铁大型桥梁性能评定方法 |
CN108133070A (zh) * | 2017-09-19 | 2018-06-08 | 广州市建筑科学研究院有限公司 | 一种基于径向基函数神经网络的桥梁健康状况的评估方法和系统 |
CN107609989A (zh) * | 2017-09-19 | 2018-01-19 | 广州市建筑科学研究院有限公司 | 一种路网级的桥梁健康监测智能cs架构系统 |
CN107871161A (zh) * | 2017-11-07 | 2018-04-03 | 中国铁道科学研究院铁道建筑研究所 | 一种基于神经网络的桥梁整体损伤预警方法 |
CN110057515A (zh) * | 2019-03-22 | 2019-07-26 | 天津大学 | 一种基于深度学习的桥梁缺陷检测系统和方法 |
CN110276743A (zh) * | 2019-05-14 | 2019-09-24 | 广东工业大学 | 一种基于卷积神经网络的结构损伤程度识别方法 |
CN110555247A (zh) * | 2019-08-16 | 2019-12-10 | 华南理工大学 | 一种基于多点传感器数据和BiLSTM的结构损伤预警方法 |
CN110633855A (zh) * | 2019-09-17 | 2019-12-31 | 江南大学 | 一种桥梁健康状态检测与管养决策系统及方法 |
CN111143932A (zh) * | 2019-12-26 | 2020-05-12 | 杭州鲁尔物联科技有限公司 | 一种桥梁健康状态的评估方法、装置、系统和设备 |
CN111256924A (zh) * | 2020-03-06 | 2020-06-09 | 东南大学 | 一种大跨度高铁桥梁伸缩缝智能监测方法 |
CN111444252A (zh) * | 2020-03-25 | 2020-07-24 | 重庆邮电大学 | 一种桥梁监测系统 |
Non-Patent Citations (2)
Title |
---|
孙宗光 等: "基于新奇检测技术的桥梁结构损伤预警方法", 《公路交通科技》 * |
邓扬 等: "基于监测数据的大跨度悬索桥频率与环境条件的相关性模型", 《中南大学学报(自然科学版)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103699698A (zh) | 一种基于改进贝叶斯的轨道交通故障识别方法及系统 | |
CN204515502U (zh) | 基于电子地图的火电厂烟气污染物排放采集监测系统 | |
CN104535104A (zh) | 电力系统输电塔在线监测方法及监测系统 | |
CN201523223U (zh) | 用于浪涌保护器的智能监测系统 | |
CN111121874A (zh) | 一种水源地水质监测评估系统及其评估方法 | |
CN104574874A (zh) | 城市排水防涝综合控制系统 | |
CN107633320A (zh) | 一种基于气象预测和风险评估的电网线路重要度评估方法 | |
CN207231523U (zh) | 一种基于无线网的桥梁健康监控系统 | |
CN106197536A (zh) | 一种通信铁塔的监测系统 | |
CN106227127A (zh) | 发电设备智能监控装置和监控方法 | |
CN109118039B (zh) | 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 | |
CN106523033A (zh) | 一种高效的煤矿安全监测系统 | |
CN104816742A (zh) | 列车运行灾害预警监测系统 | |
CN111348535B (zh) | 轨道交通车站中使用的扶梯的健康状态监测系统及方法 | |
CN210486953U (zh) | 户外广告牌状态监控装置 | |
CN105894706B (zh) | 一种森林火灾预测方法及其系统 | |
CN113642478A (zh) | 一种智能运维平台 | |
CN113139691A (zh) | 一种基于压电传感器的高铁桥梁健康度监测系统及方法 | |
CN202025092U (zh) | 一种地震监测预警装置 | |
CN204214474U (zh) | 电力系统输电塔实时在线监测显示系统 | |
CN103018793A (zh) | 一种极端气象条件下的架线的云预警系统和方法 | |
CN117668690A (zh) | 基于数字孪生实现的电力hplc台区故障监测方法 | |
CN102975746B (zh) | 面向铁路防灾的隧道异物监测系统 | |
CN106949020A (zh) | 一种高度集成风力发电机群安全监控系统 | |
CN214173449U (zh) | 一种基于物联网和大数据的桥梁健康监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210720 |