CN115031620B - 基于无线低功耗多通道采集技术的桥梁监测方法及装置 - Google Patents

Abstract

本发明涉及桥梁监测领域，提供了一种基于无线低功耗多通道采集技术的桥梁监测方法与装置，包括：步骤1：目标桥梁的不同片梁设置数据采集装置，并通过预设频率采集不同片梁的应变数据，生成第一应变数据序列；步骤2：将所述应变数据序列进行加窗计算，生成剥离基线后的第二应变数据序列；步骤3：计算所述第二应变数据序列中每个数据特征值，并进行特征统计生成特征量组；步骤4：将所述第二应变数据序列进行减窗计算，并重复所述步骤2和步骤3，确定新增数据的新增特征量组；步骤5：将所述特征量组和新增特征量组代入预设的加权分块相关系数算法，计算不同片梁应变数据的相关系数，确定桥梁监测结果。

Description

基于无线低功耗多通道采集技术的桥梁监测方法及装置

技术领域

本发明涉及桥梁监测技术领域，特别涉及一种基于无线低功耗多通道采集技术的桥梁监测方法及装置。

背景技术

目前，梁式桥(T梁、空心板梁等)是一种十分常见的桥梁形式，其易发病害为铰缝连接性能降低或失效(如下图所示位置，沿道路方向)，因此有必要对其长期性能进行监测。

由于无线传感网具有恶劣环境适应性强、安装便利、灵活性强及易扩展等优点，目前多在中小跨径桥梁上采用无线传感网进行桥梁铰缝连接性能监测。

然而，现有的使用无线传感网监测铰缝连接性能的方式会造成传输功耗大、数据分析效率低的问题。因此，如何降低利用无线传感网监测铰缝连接性能的传输功耗、提高工作效率成为亟待解决的问题。

发明内容

本发明提供基于无线低功耗多通道采集技术的桥梁监测方法及装置，用以解决现有的使用无线传感网监测铰缝连接性能的方式会造成传输功耗大、数据分析效率低的问题的情况。

一种基于无线低功耗多通道采集技术的桥梁监测方法，包括：

步骤1：在目标桥梁的不同片梁设置数据采集装置，并通过预设频率采集不同片梁的应变数据，生成第一应变数据序列；

步骤2：将所述应变数据序列进行加窗计算，生成剥离基线后的第二应变数据序列；

步骤3：计算所述第二应变数据序列中每个数据特征值，并进行特征值统计生成特征量组；

步骤4：将所述第二应变数据序列进行减窗计算，并重复所述步骤2和步骤3，确定新增数据的新增特征量组；

步骤5：将所述特征量组和新增特征量组代入预设的加权分块相关系数算法，计算不同片梁应变数据的相关系数，确定桥梁监测结果。

优选的、，所述步骤1中采集装置包括：应变传感器和采集仪；其中，

所述采集仪为无线多通道应变采集仪；

所述应变传感器包括但不限于：电阻式应变传感器；

所述应变传感器和采集仪用于在不同的频率下进行应变数据采集；

所述应变数据为在不同频率电阻式应变传感器和采集仪得到的传感数据。

优选的、所述加窗计算包括：

将所述第一应变数据序列进行分窗，并预先设置半窗长为N；其中，

所述第一应变数据序列通过多个连续数据点组成数据窗口；

计算每个窗口内应变数据的基线值；其中，

所述基线值为桥梁在无通行时的稳定数据

获取不同片梁原始数据，并计算所述原始数据的加窗值；

通过所述加窗值减去基线值，生成剥离基线后的应变数据序列。

优选的、所述基线值包括以下计算步骤得到：

获取分窗后预设半窗的窗口内数据的中位数作为该窗口中点位置处的基线值；

以所述分窗后的起始窗口作为第一个窗口，并计算的第一个窗口，确定起始窗口的中点；

将所述第一窗口向后滑动半个窗长，计算第二窗口内的中位数作为新窗口中点位置处的基线值；

确定所述第一窗口和新窗口中点位置之间的窗段，通过对所述窗段进行线性插值，确定不同数据点的基线值。

优选的、所述步骤3包括：

确定目标桥梁的梁数；

根据所述梁数，对应变数据的均值进行计算，生成第一均值集合；

根据所述梁数，对应变数据评分的均值进行计算，生成第二均值集合；

根据所述梁数，对相邻桥梁的应变数据的乘积进行计算，生成相邻片梁的相邻均值集合；

根据所述梁数，不同对不同特征量组对应的时间进行计算，确定所述加窗窗口的中点位置时间；

通过所述第一均值集合、第二均值集合、相邻均值集合和中点位置时间，生成统计特征量组。

优选的、所述步骤5还包括：

根据所述加权分块相关系数算法，计算不同窗口的统计特征量；

根据所述统计特征量，通过预设的相关系数计算窗口长度和窗口权重；

根据所述窗口长度和窗口权重，确定不同片梁的相关系数。

优选的、所述加权分块相关系数算法包括：

步骤S1：根据所述特征量组和新增特征量组，建立特征量组集合和新增特征量组集合：

x＝[x₁,x₂,...,x_n]^T、y＝[y₁,y₂,...,y_n]^T以及权重向量w＝[w₁,w₂,...,w_n]^T，定义向量x的加权均值m(x；w)为：

其中，x_n表示特征量组的第n个特征向量；x表示特征量组的时间序列数据参数；y_n示新增特征量组的第n个特征向量；y表示新增特征量组的时间序列数据参数；w_n表示第n个特征向量的权重向量；w表示特征向量的权重向量；w_i表示第i时刻的权重；x_i表示第i时刻的特征量组对应的时间序列数据参数；m(x；w)表示特征量组的加权均值；T表示向量转置；

步骤S2:根据所述特征量组集合和新增特征量组集合，计算加权协方差cov(x,y；w)为：

其中，m(y；w)表示新增特征量组的加权均值；m(xy；w)表示新增特征量组和特征向量组的加权均值

步骤S3：根据所述加权协方差，计算加权Pearson相关系数：

corr(x,y；w)表示相关系数；

其中，所述加权分块相关系数算法还包括加权分块，步骤如下：

获取参考的向量

以及权重向量

其中：

W_i＝

[w_i,w_i,...,w_i]^T；k表示第k块；

子向量X_i和Y_i(i＝1,2,...,k)中的每个元素，其权重均为w_i；

根据参考的向量和权重向量，计算加权均值：

根据所述加权均值m(X；W)，计算m(X_i)，进行分块计算。

优选的、所述步骤1还包括：

获取基于BERT模型和预设频率构建的序列生成模型；

设置所述序列生成模型的迭代参数；

向所述序列生成模型输入所述应变数据；

由所述序列生成模型根据所述应变数据以及迭代参数，生成第一应变数据序列。

优选的、所述步骤5中重复所述步骤2和步骤3包括：

初始化应用程序接口并调入函数定义文件；

并将减窗后的第二应变数据序列通过后执行公式迭代计算；其中，

所述公式迭代计算包括针对所述公式的最大迭代次数和最大误差值的计算；

根据所述迭代计算，确定新增数据的新增特征量组。

一种基于无线低功耗多通道采集技术的桥梁监测装置，包括：

数据采集模块：在目标桥梁的不同片梁设置数据采集装置，并通过预设频率采集不同片梁的应变数据，生成第一应变数据序列；

加窗计算模块：将所述第一应变数据序列进行加窗计算，生成剥离基线后的第二应变数据序列；

特征计算模块：计算所述第二应变数据序列中每个数据特征值，并进行特征统计生成特征量组；

新增特征计算模块：将所述第二应变数据序列进行减窗计算，并将计算结果输入所述加窗计算模块和特征计算模块进行处理，确定新增数据的新增特征量组；

结果输出模块：将所述特征量组和新增特征量组代入预设的加权分块相关系数算法，计算不同片梁应变数据的相关系数，确定桥梁监测结果。

本发明的有益效果为：

(1)本发明降低传统方式中利用无线传感网监测铰缝连接性能进行桥梁监测方式中传输功耗低，且工作效率低的问题。

(2)本发明仙姑低于现有技术，本发明采用的是仪器，可以随时安装随时监测，随时拆卸，随时更换，相对于传统技术中的铰缝，本发明监测工作更加简单，传统方式可能安装完成监测设备需要一天到两天，本发明的方式只需要几十分钟，甚至更短时间。

(3)本发明通过应变数据计算桥梁的方式融合了加窗计算和加权分块相关系数算法，首先实现了更快速的获取桥梁的监测结果，其次，可以通过应变数据，也就是变化的数据进行统一计算，如果变化的数据是一个，也可以根据一个数据计算，相对于创痛的计算方式，本发明更加灵活，可以适应不同的桥梁场景。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于无线低功耗多通道采集技术的桥梁监测方法的流程图；

图2为本发明实施例中桥梁图；

图3为本发明实施例中一种基于无线低功耗多通道采集技术的桥梁监测方法的系统组成图；

图4为本发明实施例中数据基线图；

图5为本发明实施例中应变序列的窗口计算图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

一种基于无线低功耗多通道采集技术的桥梁监测方法，包括：

步骤1：在目标桥梁的不同片梁设置数据采集装置，并通过预设频率采集不同片梁的应变数据，生成第一应变数据序列；

步骤2：将所述应变数据序列进行加窗计算，生成剥离基线后的第二应变数据序列；

步骤3：计算所述第二应变数据序列中每个数据特征值，并进行特征统计生成特征量组；

步骤4：将所述第二应变数据序列进行减窗计算，并重复所述步骤2和步骤3，确定新增数据的新增特征量组；

步骤5：将所述特征量组和新增特征量组代入预设的加权分块相关系数算法，计算不同片梁应变数据的相关系数，确定桥梁监测结果。

上述技术的原理为：如附图1所示，本发明是一种桥梁监测方法，采用的方法具体包括：在桥梁的下面设置传感器，通过传感器去采集桥梁的数据，这个桥梁的数据是桥梁随时间变化的数据，所以也叫应变数据，当存在车辆经过时，桥梁承受的压力就不同，进而数据采集装置采集的数据就是不相同的。在桥梁数据采集到之后，会有一个数据序列信号，因此会产生极大的波动，如附图4所示，在附图4中，我们可以看到在每时每刻车辆经过的时候产生的数据图，每时每刻都存在波动。本发明通过附图4中的方格划分，将这些方格作为窗口，实现数据的加窗计算，在加窗计算之后，我们通过剥离数据基线的方式，生成第二应变序列，第二应变序列的方式是每个数据的特征值，其由加窗计算得到。每个分窗的窗口都可以作为一个数据特征的特征值，然后本发明将原始数据实时数据进行剥离基线的计算和特征计算，如附图5所示，最后通过将这些特征量组和新增特征量进行加权分块的相关计算，最终确定相关系数，不同片梁的不同数据决定了桥梁整体的状态和每个片梁的状态，通过这些状态数据的整合，确定最终的桥梁状态，并上传至云端服务器。

上述技术方案的有益效果在于：

(1)本发明降低传统方式中利用无线传感网监测铰缝连接性能进行桥梁监测方式中传输功耗低，且工作效率低的问题。

(2)本发明仙姑低于现有技术，本发明采用的是仪器，可以随时安装随时监测，随时拆卸，随时更换，相对于传统技术中的铰缝，本发明监测工作更加简单，传统方式可能安装完成监测设备需要一天到两天，本发明的方式只需要几十分钟，甚至更短时间。

(3)本发明通过应变数据计算桥梁的方式融合了加窗计算和加权分块相关系数算法，首先实现了更快速的获取桥梁的监测结果，其次，可以通过应变数据，也就是变化的数据进行统一计算，如果变化的数据是一个，也可以根据一个数据计算，相对于创痛的计算方式，本发明更加灵活，可以适应不同的桥梁场景。

实施了2：

优选的、所述步骤1中采集装置包括：电阻式应变传感器和采集仪；其中，

所述采集仪为无线多通道应变采集仪；

所述电阻式应变传感器和采集仪用于在不同的频率下进行应变数据采集；

所述应变数据为在不同频率电阻式应变传感器和采集仪得到的传感数据，应变数据不是某一种数据，而是一种综合性数据，其包括不同频率下桥梁的压力、震动、桥梁温度，桥梁上的阻力和湿滑度等等综合性数据，具体的数据需要看应变采集仪具体采集的数据，可以是单一一项数据，也可以是多项，但是多项数据必定更加准确反映桥梁的变化。

上述技术方案中：本发明主要是通过桥梁的数据变化进行应变数据的采集，在这个过程中，我们设定不同的频率，在不同的频率下进行数据采集，得到传感器采集的应变数据。在本发明中，应变传感器采集的应变数据包括采集仪内部的内嵌算法进行智能采集。

实施例3：

优选的、所述加窗计算包括：

将所述第一应变数据序列进行分窗，并预先设置半窗长为N；其中，

所述第一应变数据序列通过多个连续数据点组成数据窗口；

计算每个窗口内应变数据的基线值；其中，

所述基线值为桥梁在无通行时的稳定数据

获取不同片梁原始数据，并计算所述原始数据的加窗值；

通过所述加窗值减去基线值，生成剥离基线后的应变数据序列。

上述技术方案中，如附图4和附图5所示，本发明分窗之后会得到多个窗口，每个窗口都是一段数据，基线值多个窗口的数据的均值，通过均值线，确定基线值，然后进行基线剥离，确定剥离基线后的数据。在本发明中，分窗计算是进行数据基线提取的必要基础；因为采集仪自身存储和计算能力有限，所以应用于桥梁监测这种长期监测场景时，其寿命对功耗也较为敏感。因此采集仪无法保存全量的历史数据进行计算，而是需要将全量数据的计算转换为流式计算，即采集仪不断采集新数据并生成新窗口，以满足能够内嵌到采集仪中应用。

本发明的有益效果：本发明对功耗比较敏感，所以可以消耗更少的的能量，而且计算方式的转换，可以生成新窗口，以满足能够内嵌到采集仪中应用。

实施例4：

优选的、所述基线值包括以下计算步骤得到：

获取分窗后预设半窗的窗口内数据的中位数作为该窗口中点位置处的基线值；

以所述分窗后的起始窗口作为第一个窗口，并计算的第一个窗口，确定起始窗口的中点；

将所述第一窗口向后滑动半个窗长，计算第二窗口内的中位数作为新窗口中点位置处的基线值；

确定所述第一窗口和新窗口中点位置之间的窗段，通过对所述窗段进行线性插值，确定不同数据点的基线值。

上述技术方案中，本发明在第一个窗口中传感器采集桥梁的图，但是第二窗口内的数据时间序中是将不同段数据转化为特征值，通过特征值建立生成第二窗口，第二窗口是进行特征值的序列。所以通过第二特征序列确定统计特征量生成。

实施例5：

优选的、所述步骤3包括：

确定目标桥梁的梁数；

根据所述梁数，对应变数据的均值进行计算，生成第一均值集合；

根据所述梁数，对应变数据评分的均值进行计算，生成第二均值集合；

根据所述梁数，对相邻桥梁的应变数据的乘积进行计算，生成相邻片梁的相邻均值集合；

根据所述梁数，不同对不同特征量组对应的时间进行计算，确定所述加窗窗口的中点位置时间；

通过所述第一均值集合、第二均值集合、相邻均值集合和中点位置时间，生成统计特征量组。

上述技术方案中，本发明在进行统计特征量成组的过程中，通过对每片梁都进行计算，确定每片梁的应变数据的均值，这包括三个均值，分别是应变数据本身的均值，应变数据平方的均值和应变数据中相邻的良的乘积的值。通过这些值的融合，实现特征统计，生成统计特征量组。

上述技术方案的有益效果在于：计算得到的特征都是存在一定相关性，但是对于不同特征的计算都是按照中点位计算，结果更加的准确。

实施例6：

优选的、所述步骤5还包括：

根据所述加权分块相关系数算法，计算不同窗口的统计特征量；

根据所述统计特征量，通过预设的相关系数计算窗口长度和窗口权重；

根据所述窗口长度和窗口权重，确定不同片梁的相关系数。

上述技术方案中，在对片梁的具体情况进行监测的过程中，数据采集之后，特征量统计之后，会通过预设的加权分块相关系数算法去确定监测结果。在本发明中，加权分块相关系数算法，是一种基于划分窗口的算法，其主要目的也是为了让算法能够应用于采集仪中，以降低采集仪的计算量及功耗，更好地满足桥梁长期监测的使用场景。基本的相关系数算法需要对全量数据进行计算，而采用分块算法则可以先对数据分块计算特征量，再对特征量进行后处理计算，得到全量数据的相关系数。加权则仅在后处理时应用。

本发明的有益效果为：当数据累积较多时，新增的数据对整体相关系数的影响程度会变得较小，不利于及时发现相关系数的变化，因此可以通过加权的方式，给予较早期的数据更小的权重、给近期数据更大的权重。

实施例7：

优选的、所述加权分块相关系数算法包括：

所述加权分块相关系数算法包括：

步骤S1：根据所述特征量组和新增特征量组，建立特征量组集合和新增特征量组集合：

x＝[x₁,x₂,...,x_n]^T、y＝[y₁,y₂,...,y_n]^T以及权重向量w＝[w₁,w₂,...,w_n]^T，定义向量x的加权均值m(x；w)为：

其中，x_n表示特征量组的第n个特征向量；x表示特征量组的时间序列数据参数；y_n示新增特征量组的第n个特征向量；y表示新增特征量组的时间序列数据参数；w_n表示第n个特征向量的权重向量；w表示特征向量的权重向量；w_i表示第i时刻的权重；x_i表示第i时刻的特征量组对应的时间序列数据参数；m(x；w)表示特征量组的加权均值；T表示向量转置；

步骤S2:根据所述特征量组集合和新增特征量组集合，计算加权协方差cov(x,y；w)为：

A＝∑w_ix_iy_i-∑w_im(x；w)y_i

其中，m(y；w)表示新增特征量组的加权均值；m(xy；w)表示新增特征量组和特征向量组的加权均值

步骤S3：根据所述加权协方差，计算加权Pearson相关系数：

corr(x,y；w)表示相关系数；

其中，所述加权分块相关系数算法还包括加权分块，步骤如下：

获取参考的向量

以及权重向量

其中：

W_i＝

[w_i,w_i,...,w_i]^T；k表示第k块；

子向量X_i和Y_i(i＝1,2,...,k)中的每个元素，其权重均为w_i；

根据参考的向量和权重向量，计算加权均值：

根据所述加权均值m(X；W)，计算m(X_i)，进行分块计算。

上述技术方案的原理为：本发明的算法是为了执行加权分块和相关系数计算，加权分块是为了得到更加准确的应变数据，更加准确的桥梁监测数据。相关系数，就是特征量的相关性，让数据更加准确，实现时刻的动态监督。

实施例8：

优选的、所述步骤1还包括：

获取基于BERT模型和预设频率构建的序列生成模型；

设置所述序列生成模型的迭代参数；

向所述序列生成模型输入所述应变数据；

由所述序列生成模型根据所述应变数据以及迭代参数，生成第一应变数据序列。

上述技术方案中：本发明通过用户设置频率，也就是监测的频率和BERT模型，确定通过什么方式采集应变数据，而迭代参数的设置是为了让序列生成模型的计算结果更加准确，更加准确的确定第一应变数据序列，也就是数据中存在的变化数据，监测桥梁的变化数据。

上述技术方案的有益效果为：本发明通过计算第一应变数据序列，因为是迭代的模型计算得到的数据，让第一应变数据序列更加有准确性，而且能够直接配合分窗计算，是的监测过程中的计算速度更快。

实施例9：

优选的、所述步骤5中重复所述步骤2和步骤3包括：

初始化应用程序接口并调入函数定义文件；

并将减窗后的第二应变数据序列通过后执行公式迭代计算；其中，

所述公式迭代计算包括针对所述公式的最大迭代次数和最大误差值的计算；

根据所述迭代计算，确定新增数据的新增特征量组。

实施例10：

如附图3所示，本发明为一种基于无线低功耗多通道采集技术的桥梁监测装置，包括：

数据采集模块：在目标桥梁的不同片梁设置数据采集装置，并通过预设频率采集不同片梁的应变数据，生成第一应变数据序列；

加窗计算模块：将所述应变数据序列进行加窗计算，生成剥离基线后的第二应变数据序列；

特征计算模块：计算所述第二应变数据序列中每个数据特征值，并进行特征统计生成特征量组；

新增特征计算模块：将所述第二应变数据序列进行减窗计算，并将计算结果输入所述加窗计算模块和特征计算模块进行处理，确定新增数据的新增特征量组；

结果输出模块：将所述特征量组和新增特征量组代入预设的加权分块相关系数算法，计算不同片梁应变数据的相关系数，确定桥梁监测结果。

上述技术方案中：上述技术的原理为：如附图3所示，本发明是一种桥梁监测装置，通过在桥梁的下面设置传感器，通过传感器去采集桥梁的数据，这个桥梁的数据是桥梁随时间变化的数据，所以也叫应变数据，当存在车辆经过时，桥梁承受的压力就不同，进而数据采集装置采集的数据就是不相同的。在桥梁数据采集到之后，会有一个数据序列信号，因此会产生极大的波动，如附图4所示，在附图4中，我们可以看到在每时每刻车辆经过的时候产生的数据图，每时每刻都存在波动。本发明通过附图4中的方格划分，将这些方格作为窗口，实现数据的加窗计算，在加窗计算之后，我们通过剥离数据基线的方式，生成第二应变序列，第二应变序列的方式是每个数据的特征值，其由加窗计算得到。每个分窗的窗口都可以作为一个数据特征的特征值，然后本发明将原始数据实时数据进行剥离基线的计算和特征计算，如附图5所示，最后通过将这些特征量组和新增特征量进行加权分块的相关计算，最终确定相关系数，不同片梁的不同数据决定了桥梁整体的状态和每个片梁的状态，通过这些状态数据的整合，确定最终的桥梁状态，并上传至云端服务器。

上述技术方案的有益效果在于：

(1)本发明降低传统方式中利用无线传感网监测铰缝连接性能进行桥梁监测方式中传输功耗低，且工作效率低的问题。

(2)本发明仙姑低于现有技术，本发明采用的是仪器，可以随时安装随时监测，随时拆卸，随时更换，相对于传统技术中的铰缝，本发明监测工作更加简单，传统方式可能安装完成监测设备需要一天到两天，本发明的方式只需要几十分钟，甚至更短时间。

(3)本发明通过应变数据计算桥梁的方式融合了加窗计算和加权分块相关系数算法，首先实现了更快速的获取桥梁的监测结果，其次，可以通过应变数据，也就是变化的数据进行统一计算，如果变化的数据是一个，也可以根据一个数据计算，相对于创痛的计算方式，本发明更加灵活，可以适应不同的桥梁场景。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，包括：

步骤1：在目标桥梁的不同片梁设置数据采集装置，并通过预设频率采集不同片梁的应变数据，生成第一应变数据序列；

步骤2：将所述第一应变数据序列进行加窗计算，生成剥离基线后的第二应变数据序列；

步骤3：计算所述第二应变数据序列中每个数据特征值，并进行特征值统计生成特征量组；

步骤4：将所述第二应变数据序列进行减窗计算，并重复所述步骤2和步骤3，确定新增数据的新增特征量组；

步骤5：将所述特征量组和新增特征量组代入预设的加权分块相关系数算法，计算不同片梁应变数据的相关系数，确定桥梁监测结果。

2.如权利要求1所述的一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，所述步骤1中采集装置包括：应变传感器和采集仪；其中，

所述采集仪为无线多通道应变采集仪；

所述应变传感器包括：电阻式应变传感器；

所述应变传感器和采集仪用于在不同的频率下进行应变数据采集；

所述应变数据为在不同频率电阻式应变传感器和采集仪得到的传感数据。

3.如权利要求1所述的一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，所述加窗计算包括：

将所述第一应变数据序列进行分窗，并预先设置半窗长为N；其中，

所述第一应变数据序列通过多个连续数据点组成数据窗口；

计算每个窗口内应变数据的基线值；其中，

所述基线值为桥梁在无通行时的稳定数据

获取不同片梁原始数据，并计算所述原始数据的加窗值；

通过所述加窗值减去基线值，生成剥离基线后的应变数据序列。

4.如权利要求3所述的一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，所述基线值包括以下计算步骤得到：

获取分窗后预设半窗的窗口内数据的中位数作为该窗口中点位置处的基线值；

以所述分窗后的起始窗口作为第一个窗口，并计算的第一个窗口，确定起始窗口的中点；

将所述第一窗口向后滑动半个窗长，计算第二窗口内的中位数作为新窗口中点位置处的基线值；其中，

所述中位数为窗口内数据的中位数；

确定所述第一窗口和新窗口中点位置之间的窗段，通过对所述窗段进行线性插值，确定不同数据点的基线值。

5.如权利要求1所述的一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，所述步骤3包括：

确定目标桥梁的梁数；

根据所述梁数，对应变数据的均值进行计算，生成第一均值集合；

根据所述梁数，对应变数据评分的均值进行计算，生成第二均值集合；

根据所述梁数，对相邻桥梁的应变数据的乘积进行计算，生成相邻片梁的相邻均值集合；

根据所述梁数，对不同特征量组对应的时间进行计算，确定所述加窗窗口的中点位置时间；

通过所述第一均值集合、第二均值集合、相邻均值集合和中点位置时间，生成统计特征量组。

6.如权利要求1所述的一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，所述步骤5还包括：

根据所述加权分块相关系数算法，计算不同窗口的统计特征量；

根据所述统计特征量，通过预设的相关系数计算窗口长度和窗口权重；

根据所述窗口长度和窗口权重，确定不同片梁的相关系数。

7.如权利要求1所述的一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，所述加权分块相关系数算法包括：

步骤S1：根据所述特征量组和新增特征量组，建立特征量组集合和新增特征量组集合：

x＝[x₁,x₂,...,x_n]^T、y＝[y₁,y₂,...,y_n]^T以及权重向量w＝[w₁,w₂,...,w_n]^T，定义向量x的加权均值m(x；w)为：

其中，x_n表示特征量组的第n个特征向量；x表示特征量组的时间序列数据参数；y_n示新增特征量组的第n个特征向量；y表示新增特征量组的时间序列数据参数；w_n表示第n个特征向量的权重向量；w表示特征向量的权重向量；w_i表示第i时刻的权重；x_i表示第i时刻的特

征量组对应的时间序列数据参数；m(x；w)表示特征量组的加权均值；T表示向量转置；

步骤S2:根据所述特征量组集合和新增特征量组集合，计算加权协方差cov(x,y；w)为：

其中，m(y；w)表示新增特征量组的加权均值；m(xy；w)表示新增特征量组和特征向量组的加权均值

步骤S3：根据所述加权协方差，计算加权Pearson相关系数：

corr(x,y；w)表示相关系数；

其中，所述加权分块相关系数算法还包括加权分块，步骤如下：

获取参考的向量

以及权重向量

其中：

k表示第k块；

子向量X_i和Y_i(i＝1,2,...,k)中的每个元素，其权重均为w_i；

根据参考的向量和权重向量，计算加权均值：

根据所述加权均值m(X；W)，计算m(X_i)，进行分块计算。

8.如权利要求1所述的一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，所述步骤1还包括：

获取基于BERT模型和预设频率构建的序列生成模型；

设置所述序列生成模型的迭代参数；

向所述序列生成模型输入所述应变数据；

由所述序列生成模型根据所述应变数据以及迭代参数，生成第一应变数据序列。

9.如权利要求1所述的一种基于无线低功耗多通道采集技术的桥梁监测方法，其特征在于，所述步骤5中重复所述步骤2和步骤3包括：

初始化应用程序接口并调入函数定义文件；

并将减窗后的第二应变数据序列通过后执行公式迭代计算；其中，

所述公式迭代计算包括针对所述公式的最大迭代次数和最大误差值的计算；

根据所述迭代计算，确定新增数据的新增特征量组。

10.一种基于无线低功耗多通道采集技术的桥梁监测装置，其特征在于，包括：

数据采集模块：在目标桥梁的不同片梁设置数据采集装置，并通过预设频率采集不同片梁的应变数据，生成第一应变数据序列；

加窗计算模块：将所述应变数据序列进行加窗计算，生成剥离基线后的第二应变数据序列；

特征计算模块：计算所述第二应变数据序列中每个数据特征值，并进行特征值统计生成特征量组；

新增特征计算模块：将所述第二应变数据序列进行减窗计算，并将计算结果输入所述加窗计算模块和特征计算模块进行处理，确定新增数据的新增特征量组；

结果输出模块：将所述特征量组和新增特征量组代入预设的加权分块相关系数算法，计算不同片梁应变数据的相关系数，确定桥梁监测结果。

Images