CN116308305A - 一种桥梁健康监测数据管理系统 - Google Patents

一种桥梁健康监测数据管理系统 Download PDF

Info

Publication number
CN116308305A
CN116308305A CN202310595469.3A CN202310595469A CN116308305A CN 116308305 A CN116308305 A CN 116308305A CN 202310595469 A CN202310595469 A CN 202310595469A CN 116308305 A CN116308305 A CN 116308305A
Authority
CN
China
Prior art keywords
monitoring
moment
acceleration
vehicle
target
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.)
Granted
Application number
CN202310595469.3A
Other languages
English (en)
Other versions
CN116308305B (zh
Inventor
秦敏
陈烁淇
姚卫邦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Luxing Construction Project Management Co ltd
Anhui Yunpeng Engineering Project Management Co ltd
Original Assignee
Anhui Luxing Construction Project Management Co ltd
Anhui Yunpeng Engineering Project Management Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Luxing Construction Project Management Co ltd, Anhui Yunpeng Engineering Project Management Co ltd filed Critical Anhui Luxing Construction Project Management Co ltd
Priority to CN202310595469.3A priority Critical patent/CN116308305B/zh
Publication of CN116308305A publication Critical patent/CN116308305A/zh
Application granted granted Critical
Publication of CN116308305B publication Critical patent/CN116308305B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及数据处理技术领域，提出了一种桥梁健康监测数据管理系统，包括：采集桥梁健康的监测数据；获取每个监测位置每个时刻的加速度变化量及加速度变化规律，根据加速度变化量及加速度变化规律获取每个监测位置每个时刻的第一异常程度；根据同一时刻不同监测位置的加速度数据及加速度变化量，获取若干车辆估计位置及其准确度，进而得到若干车辆经过位置；根据同一时刻车辆经过位置及其准确度、不同监测位置及其加速度变化量与第一异常程度，获取每个监测位置每个时刻的第二异常程度，根据第二异常程度得到清洗数据；根据清洗数据完成桥梁健康监测数据的管理。本发明旨在解决桥梁加速度监测受车辆经过影响而导致数据管理结果不准确的问题。

Description

一种桥梁健康监测数据管理系统
技术领域
本发明涉及数据处理技术领域，具体涉及一种桥梁健康监测数据管理系统。
背景技术
桥梁作为交通系统的组成部分，在人类文明的发展和演化中起到了重要作用；桥梁健康监测主要是针对桥梁结构进行监测，并进行健康状态评估，其中主要获取桥梁的异常状态；一般桥梁健康监测主要利用布设在桥梁上的传感器，记录桥梁行为，比如桥梁的瞬时沉降，沉降的加速度，速度等，根据监测的数据需要进行分析，此时监测数据的准确性直接影响监测效果，所以在进行监测数据分析管理之前，首先需要对监测数据进行清洗。
对于所监测的桥面不同位置加速度数据，其清洗过程主要进行异常识别并完成清晰；现有的异常识别方法主要根据监测数据的差异关系，比如单个位置在时间序列上的加速度以及加速度变化的差异关系，或者多个位置同一时刻的加速度以及加速度变化差异关系，但是在实际中监测位置的加速度及其变化受桥面车辆经过的影响，在车辆经过时不同监测位置的加速度变化存在差异，主要表现为车辆经过位置与监测位置之间的差异引起不同位置的加速度变化差异；此时不同位置的加速度及其变化差异具有不同的异常表现，所以无法直接利用加速度及其变化关系进行加速度数据的异常分析。
发明内容
本发明提供一种桥梁健康监测数据管理系统，以解决现有的桥梁加速度监测受车辆经过影响而导致数据管理结果不准确的问题，所采用的技术方案具体如下：
本发明一个实施例提供了一种桥梁健康监测数据管理系统，该系统包括：
监测数据采集模块，采集桥梁健康的监测数据；监测数据中包括若干监测位置每个时刻的加速度数据；
数据异常清洗模块：根据每个监测位置每个时刻的加速度数据，获取每个监测位置每个时刻的加速度变化量及每个监测位置的加速度变化序列，根据每个监测位置的加速度变化序列，获取每个监测位置每个时刻的加速度变化规律，根据加速度变化量及加速度变化规律，获取每个监测位置每个时刻的第一异常程度；
根据同一时刻不同监测位置的加速度数据及加速度变化量，获取每个时刻的若干车辆估计位置，根据相邻时刻的车辆估计位置，获取每个时刻每个车辆估计位置的离群程度及参考方向，根据离群程度及参考方向获取每个时刻每个车辆估计位置的准确度，通过车辆估计位置的准确度筛选获取每个时刻的若干车辆经过位置；
根据同一时刻不同监测位置及加速度变化量，以及车辆经过位置，获取每个监测位置每个时刻受每个车辆经过位置的影响程度，根据第一异常程度、车辆经过位置及准确度、影响程度以及监测位置与加速度变化量，获取每个监测位置每个时刻的第二异常程度，根据第二异常程度获取异常加速度数据，对监测数据去除异常加速度数据得到清洗数据；
监测数据管理模块，将清洗数据传输到中央数据库中，完成桥梁健康监测数据的管理。
可选的，所述获取每个监测位置每个时刻的加速度变化量及每个监测位置的加速度变化序列，包括的具体方法为：
以任意一个监测位置为目标监测位置，将目标监测位置每个时刻的加速度数据减去相邻前一时刻的加速度数据得到的差值绝对值，记为目标监测位置每个时刻的加速度变化量；
将目标监测位置所有的加速度变化量按照时序关系排列，得到的序列记为目标监测位置的加速度变化序列；
获取每个监测位置每个时刻的加速度变化量及每个监测位置的加速度变化序列。
可选的，所述获取每个监测位置每个时刻的加速度变化规律，包括的具体方法为：
以任意一个监测位置为目标监测位置，获取目标监测位置的加速度变化序列中，第
Figure SMS_1
个时刻的加速度变化量为中心的预设窗口内所有加速度变化量，对得到的加速度变化量进行最小二乘拟合，获取拟合直线，对拟合直线计算斜率，将拟合直线的斜率作为目标监测位置第/>
Figure SMS_2
个时刻的加速度变化规律；
获取每个监测位置每个时刻的加速度变化规律。
可选的，所述获取每个监测位置每个时刻的第一异常程度，包括的具体方法为：
以任意一个监测位置为目标监测位置，目标监测位置第
Figure SMS_3
个时刻的加速度变化规律不等于0时，目标监测位置第/>
Figure SMS_4
个时刻的第一异常程度/>
Figure SMS_5
的计算方法为：
Figure SMS_6
其中，
Figure SMS_8
表示目标监测位置第/>
Figure SMS_10
个时刻的加速度变化量，/>
Figure SMS_12
表示目标监测位置第/>
Figure SMS_9
个时刻的加速度变化量，/>
Figure SMS_11
表示目标监测位置第/>
Figure SMS_13
个时刻的加速度变化规律，/>
Figure SMS_14
表示采样时间间隔，/>
Figure SMS_7
表示求绝对值；
目标监测位置第
Figure SMS_15
个时刻的加速度变化规律等于0时，目标监测位置第/>
Figure SMS_16
个时刻的第一异常程度/>
Figure SMS_17
的计算方法为：
Figure SMS_18
其中，
Figure SMS_21
表示目标监测位置第/>
Figure SMS_24
个时刻的加速度变化量，/>
Figure SMS_26
表示目标监测位置第/>
Figure SMS_20
个时刻的加速度变化量，/>
Figure SMS_22
表示目标监测位置第/>
Figure SMS_25
个时刻的加速度变化量，
Figure SMS_28
表示目标监测位置第/>
Figure SMS_19
个时刻的加速度变化量，/>
Figure SMS_23
表示目标监测位置第/>
Figure SMS_27
个时刻的加速度变化量，/>
Figure SMS_29
表示求绝对值；
获取每个监测位置每个时刻的第一异常程度。
可选的，所述获取每个时刻的若干车辆估计位置，包括的具体方法为：
以任意一个时刻为目标时刻，任意一个监测位置为目标监测位置，将目标监测位置目标时刻下的加速度数据与加速度变化量之和，作为目标监测位置目标时刻的加速度程度值，获取目标时刻下每个监测位置的加速度程度值，将目标时刻下加速度程度值大于预设第一阈值的监测位置，作为目标时刻下的车辆估计位置；
获取每个时刻的若干车辆估计位置。
可选的，所述获取每个时刻每个车辆估计位置的离群程度及参考方向，包括的具体方法为：
获取第
Figure SMS_30
个时刻及第/>
Figure SMS_31
个时刻的所有车辆估计位置，以第/>
Figure SMS_32
个时刻下任意一个车辆估计位置为目标车辆估计位置，计算目标车辆估计位置与第/>
Figure SMS_33
个时刻下每个车辆估计位置的欧式距离，将欧式距离最小的车辆估计位置作为目标车辆估计位置的参考位置，最小欧式距离记为目标估计位置的参考距离，获取第/>
Figure SMS_34
个时刻下每个车辆估计位置的参考位置及参考距离；
对任意两个参考距离计算差值绝对值，记为两个参考距离的差异程度，将与其他所有参考距离差异程度最小的参考距离，记为参考距离中心；将每个参考距离与参考距离中心的差异程度，记为每个参考距离对应的车辆估计位置的离群程度，得到了第
Figure SMS_35
个时刻每个车辆估计位置的离群程度；
将目标车辆估计位置的参考位置指向目标车辆估计位置的方向，记为目标车辆估计位置的参考方向；
获取每个时刻每个车辆估计位置的离群程度及参考方向。
可选的，所述根据离群程度及参考方向获取每个时刻每个车辆估计位置的准确度，包括的具体方法为：
Figure SMS_36
其中，
Figure SMS_37
表示第/>
Figure SMS_42
个时刻的第/>
Figure SMS_46
个车辆估计位置的准确度，/>
Figure SMS_38
表示第/>
Figure SMS_43
个时刻的第/>
Figure SMS_44
个车辆估计位置的参考方向与车辆行驶方向的夹角，/>
Figure SMS_48
表示第/>
Figure SMS_39
个时刻的第/>
Figure SMS_41
个车辆估计位置的离群程度，/>
Figure SMS_45
表示第/>
Figure SMS_47
个时刻的离群程度最大值，/>
Figure SMS_40
为避免分母为0的极小值。
可选的，所述获取每个监测位置每个时刻受每个车辆经过位置的影响程度，包括的具体方法为：
Figure SMS_49
其中，
Figure SMS_66
表示第/>
Figure SMS_71
个时刻下第/>
Figure SMS_74
个监测位置受第/>
Figure SMS_51
个车辆经过位置的影响程度，/>
Figure SMS_58
表示第/>
Figure SMS_63
个时刻下第/>
Figure SMS_69
个监测位置与第/>
Figure SMS_50
个车辆经过位置的连线中其他监测位置的数量，/>
Figure SMS_54
表示第/>
Figure SMS_57
个时刻下第/>
Figure SMS_61
个监测位置的加速度变化量，/>
Figure SMS_53
表示第/>
Figure SMS_55
个监测位置关于第/>
Figure SMS_59
个时刻下第/>
Figure SMS_64
个车辆经过位置对称的监测位置的加速度变化量，/>
Figure SMS_67
表示第/>
Figure SMS_70
个时刻下第/>
Figure SMS_76
个监测位置与第/>
Figure SMS_78
个车辆经过位置的连线中第/>
Figure SMS_52
个其他监测位置的加速度变化量，/>
Figure SMS_56
表示第/>
Figure SMS_60
个时刻下第/>
Figure SMS_62
个监测位置与第/>
Figure SMS_65
个车辆经过位置的连线中第/>
Figure SMS_68
个其他监测位置关于第/>
Figure SMS_72
个时刻下第/>
Figure SMS_75
个车辆经过位置对称的监测位置的加速度变化量，/>
Figure SMS_73
为避免分母为0的极小值，/>
Figure SMS_77
表示求绝对值；
所述对称的监测位置表示第
Figure SMS_79
个时刻下第/>
Figure SMS_80
个监测位置到第/>
Figure SMS_81
个车辆经过位置连线的延长线方向上，且到第/>
Figure SMS_82
个车辆经过位置的欧式距离与第/>
Figure SMS_83
个监测位置到第/>
Figure SMS_84
个车辆经过位置的欧式距离相等的监测位置。
可选的，所述获取每个监测位置每个时刻的第二异常程度，包括的具体方法为：
Figure SMS_85
其中，
Figure SMS_101
表示第/>
Figure SMS_106
个监测位置第/>
Figure SMS_112
个时刻的第二异常程度，/>
Figure SMS_87
表示第/>
Figure SMS_92
个监测位置第/>
Figure SMS_96
个时刻的第一异常程度，/>
Figure SMS_99
表示第/>
Figure SMS_100
个监测位置第/>
Figure SMS_103
个时刻下的有效车辆经过位置数量，/>
Figure SMS_105
表示第/>
Figure SMS_108
个监测位置第/>
Figure SMS_111
个时刻的第/>
Figure SMS_113
个有效车辆经过位置的准确度，/>
Figure SMS_114
表示第/>
Figure SMS_115
个监测位置与第/>
Figure SMS_98
个时刻的第/>
Figure SMS_102
个有效车辆经过位置的欧式距离，/>
Figure SMS_104
表示第/>
Figure SMS_109
个监测位置受第/>
Figure SMS_86
个时刻的第/>
Figure SMS_93
个有效车辆经过位置的影响程度，/>
Figure SMS_107
表示第/>
Figure SMS_110
个时刻下第/>
Figure SMS_88
个监测位置的加速度变化量，/>
Figure SMS_90
表示第/>
Figure SMS_94
个监测位置关于第/>
Figure SMS_97
个时刻下第/>
Figure SMS_89
个有效车辆经过位置对称的监测位置的加速度变化量，/>
Figure SMS_91
为避免分母为0的极小值，/>
Figure SMS_95
表示求绝对值；
所述有效车辆经过位置表示与第
Figure SMS_116
个监测位置的欧式距离小于等于有效距离的车辆经过位置。
本发明的有益效果是：本发明通过监测位置在时序上的加速度变化首先量化每个时刻的第一异常程度，首先得到关于每个监测位置本身偶然偏差的加速度数据及其时刻；利用监测位置关于车辆经过位置的加速度变化关系，获得不同监测位置加速度变化的不同异常表现，提高所获得加速度异常程度的准确性；通过分析不同车辆经过时对监测位置加速度变化的影响，获得不同车辆经过时加速度变化的不同异常表现，同时分析单个监测位置受多个车辆经过位置的影响，避免单个监测位置的偶然偏差对其他监测位置的影响，提高车辆经过对监测位置加速度变化影响的准确性；对车辆经过位置进行准确度判断，避免不准确的位置对加速度关系判断的影响，同时以车辆经过位置的准确度参与计算，提高不同车辆经过对监测位置加速度的影响的准确性，最终得到每个监测位置每个时刻的第二异常程度，从而通过第二异常程度对加速度数据进行更加准确的异常分析，通过去除异常加速度数据，完成数据清洗，进而保留正常的加速度数据并进行后续的桥梁健康监测。
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，下面将对实施例或现有技术描述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为本发明一个实施例所提供的一种桥梁健康监测数据管理系统结构框图。
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。
请参阅图1，其示出了本发明一个实施例所提供的一种桥梁健康监测数据管理系统结构框图，该系统包括：
监测数据采集模块S101，采集桥梁健康的监测数据。
本实施例的目的是对桥梁健康的监测数据进行数据清洗并分析管理，因此首先需要采集桥梁健康的监测数据；本实施例通过分析桥梁沉降的加速度数据来进行桥梁健康的监测，因此将加速度数据作为桥梁健康的监测数据，通过在桥梁中布设加速度计，通过加速度计来获取每个监测位置的加速度数据，其中布设方向为竖直方向，即采集竖直方向的加速度，加速度正方向为竖直向下方向，监测位置的间隔即加速度计布设间隔本实施例设置为3米，即相邻监测位置的间隔保证为3米，布设方向不固定，每个监测位置存在多个方向相邻间隔3米的其他监测位置；每个加速度计的数据采集时间间隔本实施例设置为0.2秒，则每个监测位置采集到的每个加速度数据为时序关系的，则每个监测位置的所有加速度数据组成一个时序序列，记为每个监测位置的加速度序列，所有加速度序列则为桥梁健康的监测数据。
至此，获取到了桥梁健康的监测数据，包括每个监测位置的加速度序列。
数据异常清洗模块S102：
在桥梁监测中不同位置加速度异常表现为：加速度变化越突出，加速度偏差可能性越大，加速度越异常；监测位置越靠近车辆经过位置，其加速度变化越剧烈。
（1）根据每个监测位置的加速度序列获取每个监测位置每个时刻的加速度变化量，根据加速度变化量获取每个监测位置每个时刻的加速度变化规律，根据加速度变化量及加速度变化规律获取每个监测位置每个时刻的第一异常程度。
需要说明的是，一般桥梁监测主要针对桥梁变形，桥梁沉降是变形的主要体现；在车辆通过时，桥面发生下沉，安装在桥面下方的加速度计检测到桥面运动，此时加速度发生变化，桥面下沉运动越剧烈，加速度越大，在车辆通行时，对应加速度数据持续变化，因为车辆通行引起的下沉运动是逐渐变化的，所以对应加速度数据是逐渐变化的，此时加速度变化量差异直接反应数据异常。
具体的，对于任意一个监测位置的加速度序列，其包含了若干时刻该监测位置的加速度数据，将每个时刻的加速度数据减去相邻前一时刻的加速度数据得到的差值绝对值，记为该监测位置每个时刻的加速度变化量，其中加速度序列中第一个时刻的加速度变化量通过线性插值补全并计算，将该监测位置所有的加速度变化量按照时序关系排列，得到的序列记为该监测位置的加速度变化序列；按照上述方法获取每个监测位置每个时刻的加速度变化量及每个监测位置的加速度变化序列。
进一步需要说明的是，在车辆经过一个监测位置时，随着车辆越来越靠近监测位置，当前监测位置的加速度变化越剧烈，经过当前位置时，加速度变化最剧烈，然后随着车辆远离当前位置，加速度变化剧烈程度逐渐减小；因此对于一个监测位置的加速度变化量，存在先增大后减小的规律，此时利用监测位置加速度变化量的差异关系，进行加速度异常分析，得到每个监测位置每个时刻的第一异常程度。
具体的，对于任意一个监测位置的加速度变化序列，以其中第
Figure SMS_117
个时刻的加速度变化量为例，给出以第/>
Figure SMS_118
个时刻的加速度变化量为中心的预设窗口，窗口大小本实施例采用11进行叙述，获取第/>
Figure SMS_119
个时刻的加速度变化量为中心的预设窗口内所有加速度变化量，对得到的加速度变化量进行最小二乘拟合，获取拟合直线，其中横坐标为时刻，纵坐标为加速度变化量，拟合直线即可反映加速度的变化规律；对拟合直线计算斜率，直线斜率大于0时，表明当前窗口内的加速度变化量逐渐增大，第/>
Figure SMS_120
个时刻处于加速度变化增大阶段；直线斜率小于0时，表明当前窗口内的加速度变化量逐渐减小，第/>
Figure SMS_121
个时刻处于加速度变化减小阶段；直线斜率等于0时，表明当前窗口内的加速度变化量存在增大也存在减小，而第/>
Figure SMS_122
个时刻则为加速度变化量增大与减小发生转折的时刻；将拟合直线的斜率作为第/>
Figure SMS_123
个时刻的加速度变化规律；按照上述方法获取每个监测位置每个时刻的加速度变化规律，需要说明的是，不足以获取预设窗口的加速度变化量，通过线性插值方法进行填充补全并进行后续计算。
进一步的，对于任意一个监测位置的加速度变化序列，将其中第
Figure SMS_124
个时刻的加速度变化量记为/>
Figure SMS_125
，第/>
Figure SMS_126
个时刻的加速度变化量记为/>
Figure SMS_127
，第/>
Figure SMS_128
个时刻的加速度变化规律不等于0时，计算得到该监测位置第/>
Figure SMS_129
个时刻的第一异常程度/>
Figure SMS_130
的具体方法为：
Figure SMS_131
其中，
Figure SMS_132
表示该监测位置第/>
Figure SMS_135
个时刻的加速度变化量，/>
Figure SMS_138
表示该监测位置第
Figure SMS_133
个时刻的加速度变化量，/>
Figure SMS_137
表示第/>
Figure SMS_140
个时刻的加速度变化规律，/>
Figure SMS_142
表示采样时间间隔，
Figure SMS_134
表示求绝对值；加速度变化量与通过加速度变化规律量化得到的值之间的差异越大，表明该时刻的加速度变化量越不符合加速度变化规律，发生异常的可能性越大，则第一异常程度越大；第/>
Figure SMS_136
个时刻的加速度变化规律等于0时，该监测位置第/>
Figure SMS_139
个时刻的第一异常程度/>
Figure SMS_141
的计算方法为：
Figure SMS_143
其中，
Figure SMS_145
表示该监测位置第/>
Figure SMS_151
个时刻的加速度变化量，/>
Figure SMS_154
表示该监测位置第
Figure SMS_144
个时刻的加速度变化量，/>
Figure SMS_148
表示该监测位置第/>
Figure SMS_153
个时刻的加速度变化量，/>
Figure SMS_155
表示该监测位置第/>
Figure SMS_146
个时刻的加速度变化量，/>
Figure SMS_150
表示该监测位置第/>
Figure SMS_152
个时刻的加速度变化量，/>
Figure SMS_156
表示求绝对值；加速度变化规律为0表示第/>
Figure SMS_147
个时刻为加速度变化量增大与减小发生转折的时刻，则通过第/>
Figure SMS_149
个时刻的加速度变化量为中心的窗口内其他加速度变化量，量化得到理论上该时刻的加速度变化量，进而通过差异反映该时刻的第一异常程度；按照上述方法获取每个监测位置每个时刻的第一异常程度。
至此，获取到了每个监测位置每个时刻的第一异常程度，反映了每个监测位置每个时刻在加速度序列上的异常表现。
（2）根据同一时刻不同监测位置的加速度数据及加速度变化量，获取若干车辆估计位置，根据相邻时刻的车辆估计位置获取每个车辆估计位置的准确度，进而得到若干车辆经过位置。
需要说明的是，在实际监测过程中，不同车辆经过时桥面沉降运动不同，车辆经过会影响加速度的变化，因此加速度变化量不能准确反应加速度的异常；在车辆经过时，会引起多个监测位置的加速度发生变化，此时不同监测位置的加速度变化之间关系，反映了加速度变化对于车辆经过的响应，因此需要利用多个监测位置的加速度变化量，来进一步分析每个时刻的加速度数据的异常程度，提高异常识别的准确性。
进一步需要说明的是，在车辆靠近一个监测位置时，当前监测位置的沉降运动逐渐剧烈，然后经过当前位置时最剧烈，然后远离当前位置时，沉降运动剧烈程度减小，其加速度的变化逐渐减小；所以车辆经过对不同监测位置产生不同的影响，反应在多个位置上，车辆经过位置的加速度变化量相对于周围其他监测位置的加速度变化量最大，且随着距离车辆经过位置的变大，加速度变化量逐步减小；因此同一时刻下多个监测位置的加速度变化量之间的关系，可以反映加速度变化量对车辆经过的响应，则首先通过加速度数据及加速度变化量，确定若干车辆经过位置，再继续进行后续同一时刻多个监测位置的加速度变化量之间关系的分析。
具体的，对于任意一个时刻下任意一个监测位置，将该监测位置该时刻下的加速度数据与加速度变化量之和，作为该监测位置该时刻的加速度程度值，获取该时刻下每个监测位置的加速度程度值，给出预设第一阈值用于判断车辆估计位置，将该时刻下加速度程度值大于预设第一阈值的监测位置，作为该时刻下的车辆估计位置，其中预设第一阈值本实施例采用20进行计算；按照上述方法获取每个时刻的若干车辆估计位置。
进一步需要说明的是，车辆经过桥面时，不同监测位置在一个时刻的加速度数据可能存在偶然变化，所以单个时刻下的加速度数据及加速度变化量不能准确表现车辆经过位置；在实际中车辆经过位置在时序上是变化的，且其变化具有方向与距离关系，此时根据连续时刻对应车辆经过位置之间的方向与距离关系，判断车辆经过位置的准确度。
具体的，以第
Figure SMS_159
个时刻为例，获取第/>
Figure SMS_162
个时刻及第/>
Figure SMS_163
个时刻下的所有车辆估计位置，对于第/>
Figure SMS_157
个时刻下任意一个车辆估计位置，计算该车辆估计位置与第/>
Figure SMS_160
个时刻下每个车辆估计位置的欧式距离，将欧式距离最小的车辆估计位置作为该车辆估计位置的参考位置，最小欧式距离记为该估计位置的参考距离，按照上述方法获取第/>
Figure SMS_164
个时刻下每个车辆估计位置的参考位置及参考距离；对任意两个参考距离计算差值绝对值，记为两个参考距离的差异程度，将与其他所有参考距离差异程度最小的参考距离，记为参考距离中心；将每个参考距离与参考距离中心的差异程度，记为每个参考距离对应的车辆估计位置的离群程度；桥面上每个监测位置固定，则每个监测位置对应的车辆行驶方向已知，由监测位置得到的车辆估计位置对应的车辆行驶方向已知，同时对于任意一个车辆估计位置，将该车辆估计位置的参考位置指向该车辆估计位置的方向，记为该车辆估计位置的参考方向，需要说明的是，第一个时刻的车辆估计位置同样通过线性插值对加速度序列进行填充并计算获取；根据车辆估计位置的离群程度及参考方向，以第/>
Figure SMS_165
个时刻的第/>
Figure SMS_158
个车辆估计位置为例，其准确度/>
Figure SMS_161
的计算方法为：
Figure SMS_166
其中，
Figure SMS_168
表示第/>
Figure SMS_174
个时刻的第/>
Figure SMS_176
个车辆估计位置的参考方向与车辆行驶方向的夹角，/>
Figure SMS_169
表示第/>
Figure SMS_172
个时刻的第/>
Figure SMS_175
个车辆估计位置的离群程度，/>
Figure SMS_178
表示第/>
Figure SMS_167
个时刻的离群程度最大值，/>
Figure SMS_171
为避免分母为0的极小值，本实施例采用/>
Figure SMS_177
进行计算；车辆估计位置的离群程度越小，参考距离越准确，车辆估计位置越准确，准确度越大；参考方向与车辆行驶方向的夹角越小，时序上车辆估计位置的变化方向与车辆行驶方向越一致，车辆估计位置越准确，准确度越大；按照上述方法获取第/>
Figure SMS_179
个时刻每个车辆估计位置的准确度，将所有车辆估计位置按照准确度降序排列，得到的序列记为第/>
Figure SMS_170
个时刻的车辆位置序列，给出预设第二比例，本实施例预设第二比例采用0.8进行叙述，将车辆位置序列中从第一个元素开始，占车辆位置序列元素数量预设第二比例的车辆估计位置进行提取，即对车辆位置序列中前80%的车辆估计位置进行提取，提取得到的车辆估计位置记为第/>
Figure SMS_173
个时刻的车辆经过位置；按照上述方法获取每个时刻的若干车辆经过位置。
至此，获取到了每个时刻下的若干车辆经过位置。
（3）根据同一时刻车辆经过位置及其准确度、不同监测位置及其加速度变化量与第一异常程度，获取每个监测位置每个时刻的第二异常程度，根据第二异常程度对监测数据进行清洗，得到清洗数据。
需要说明的是，越靠近车辆经过位置的监测位置，其加速度变化越剧烈，此时利用车辆经过位置与周围其他监测位置的加速度变化关系，进行每一监测位置每一时刻的加速度异常分析。
具体的，以第
Figure SMS_180
个时刻下的第/>
Figure SMS_181
个监测位置与第/>
Figure SMS_182
个车辆经过位置为例，首先获取第/>
Figure SMS_183
个时刻下第/>
Figure SMS_184
个监测位置受第/>
Figure SMS_185
个车辆经过位置的影响程度/>
Figure SMS_186
，具体的计算方法为：
Figure SMS_187
其中，
Figure SMS_203
表示第/>
Figure SMS_207
个时刻下第/>
Figure SMS_212
个监测位置与第/>
Figure SMS_191
个车辆经过位置的连线中其他监测位置的数量，/>
Figure SMS_194
表示第/>
Figure SMS_196
个时刻下第/>
Figure SMS_199
个监测位置的加速度变化量，/>
Figure SMS_216
表示第/>
Figure SMS_220
个监测位置关于第/>
Figure SMS_222
个时刻下第/>
Figure SMS_226
个车辆经过位置对称的监测位置的加速度变化量，所述对称的监测位置即为第/>
Figure SMS_221
个时刻下第/>
Figure SMS_224
个监测位置到第/>
Figure SMS_227
个车辆经过位置连线的延长线方向，且到第/>
Figure SMS_229
个车辆经过位置的欧式距离与第/>
Figure SMS_204
个位置到第/>
Figure SMS_209
个车辆经过位置的欧式距离相等的监测位置，特殊说明的是，若不存在对称的监测位置，则选择到第/>
Figure SMS_215
个车辆经过位置的欧式距离与第/>
Figure SMS_218
个监测位置到第/>
Figure SMS_188
个车辆经过位置的欧式距离相等，且与第/>
Figure SMS_193
个监测位置与第/>
Figure SMS_197
个车辆经过位置的连线夹角最大的监测位置作为对称的监测位置，其中夹角以第/>
Figure SMS_201
个车辆经过位置为顶点；/>
Figure SMS_189
表示第/>
Figure SMS_195
个时刻下第/>
Figure SMS_200
个监测位置与第/>
Figure SMS_205
个车辆经过位置的连线中第/>
Figure SMS_208
个其他监测位置的加速度变化量，/>
Figure SMS_211
表示第/>
Figure SMS_213
个时刻下第/>
Figure SMS_217
个监测位置与第/>
Figure SMS_202
个车辆经过位置的连线中第/>
Figure SMS_206
个其他监测位置关于第/>
Figure SMS_210
个时刻下第/>
Figure SMS_214
个车辆经过位置对称的监测位置的加速度变化量，/>
Figure SMS_219
为避免分母为0的极小值，本实施例采用/>
Figure SMS_223
进行计算，/>
Figure SMS_225
表示求绝对值；通过监测位置与对称的监测位置的加速度变化量的差异来初步量化监测位置的加速度变化量是否准确，将/>
Figure SMS_228
记为第/>
Figure SMS_190
个监测位置关于第/>
Figure SMS_192
个时刻下第/>
Figure SMS_198
个车辆经过位置的加速度变化偏差，引入监测位置与车辆经过位置连线上其他监测位置的加速度变化偏差，加速度变化偏差之间的差异越小，监测位置受到车辆经过位置的影响就会越大，则影响程度就越大。
进一步的，根据第
Figure SMS_230
个时刻下第/>
Figure SMS_231
个监测位置受第/>
Figure SMS_232
个车辆经过位置的影响程度
Figure SMS_233
、车辆经过位置的准确度、监测位置对应时刻的第一异常程度以及加速度变化量，计算第/>
Figure SMS_234
个监测位置第/>
Figure SMS_235
个时刻的第二异常程度/>
Figure SMS_236
的具体方法为：
Figure SMS_237
其中，
Figure SMS_257
表示第/>
Figure SMS_258
个监测位置第/>
Figure SMS_264
个时刻的第一异常程度，/>
Figure SMS_240
表示第/>
Figure SMS_245
个监测位置第/>
Figure SMS_249
个时刻下的有效车辆经过位置数量，其中有效车辆经过位置即为与第/>
Figure SMS_253
个监测位置的欧式距离小于等于有效距离的车辆经过位置，其中有效距离本实施例采用10米进行计算；/>
Figure SMS_247
表示第/>
Figure SMS_250
个监测位置第/>
Figure SMS_254
个时刻的第/>
Figure SMS_260
个有效车辆经过位置的准确度，由于车辆经过位置通过车辆估计位置得到，则车辆经过位置对应的车辆估计位置的准确度即为该车辆经过位置的准确度；/>
Figure SMS_262
表示第/>
Figure SMS_267
个监测位置与第/>
Figure SMS_269
个时刻的第/>
Figure SMS_270
个有效车辆经过位置的欧式距离，/>
Figure SMS_255
表示第/>
Figure SMS_259
个监测位置受第/>
Figure SMS_265
个时刻的第/>
Figure SMS_268
个有效车辆经过位置的影响程度，/>
Figure SMS_238
表示第/>
Figure SMS_242
个时刻下第/>
Figure SMS_248
个监测位置的加速度变化量，/>
Figure SMS_251
表示第/>
Figure SMS_241
个监测位置关于第/>
Figure SMS_244
个时刻下第/>
Figure SMS_246
个有效车辆经过位置对称的监测位置的加速度变化量，
Figure SMS_252
表示第/>
Figure SMS_256
个监测位置关于第/>
Figure SMS_261
个时刻下第/>
Figure SMS_263
个有效车辆经过位置的加速度变化偏差，/>
Figure SMS_266
为避免分母为0的极小值，本实施例采用/>
Figure SMS_239
进行计算，/>
Figure SMS_243
表示求绝对值；第一异常程度越大，监测位置该时刻下加速度异常的可能性越大，第二异常程度越大；车辆经过位置的准确度越大、监测位置与车辆经过位置的欧式距离越小，同时监测位置受车辆经过位置的影响程度越大，对于加速度变化偏差的可靠性越大，第二异常程度就会越大；加速度变化偏差越大，该监测位置与对称监测位置的加速度变化量差异越大，不符合加速度变化规律，发生异常可能性越大，第二异常程度越大；按照上述方法获取每个监测位置每个时刻的第二异常程度。
进一步的，对所有第二异常程度进行线性归一化，得到的结果记为每个监测位置每个时刻的异常率，给出预设第三阈值用于数据清洗，本实施例预设第三阈值采用0.9进行计算，将异常率大于预设第三阈值的对应监测位置对应时刻的加速度数据认为是异常加速度数据，对异常加速度数据进行去除；而异常率小于等于预设第三阈值的对应监测位置对应时刻的加速度数据则为正常加速度数据；通过去除异常加速度数据，完成数据清洗，剩余的所有正常加速度数据记为清洗数据。
至此，完成了对于加速度数据的清洗，得到了清洗数据。
监测数据管理模块S103，将清洗数据传输到中央数据库中，完成桥梁健康监测数据的管理。
在模块S102中已经对监测数据通过异常识别及数据清洗得到了清洗数据，清洗数据同样包含大量加速度数据，将清洗数据传输到中央数据库中，桥梁管理部门及客户通过网络远程访问中央数据库，根据中央数据库中的清洗数据完成对桥梁健康情况的监测。
至此，完成了对于桥梁健康的监测数据的管理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种桥梁健康监测数据管理系统，其特征在于，该系统包括：
监测数据采集模块，采集桥梁健康的监测数据；监测数据中包括若干监测位置每个时刻的加速度数据；
数据异常清洗模块：根据每个监测位置每个时刻的加速度数据，获取每个监测位置每个时刻的加速度变化量及每个监测位置的加速度变化序列，根据每个监测位置的加速度变化序列，获取每个监测位置每个时刻的加速度变化规律，根据加速度变化量及加速度变化规律，获取每个监测位置每个时刻的第一异常程度；
根据同一时刻不同监测位置的加速度数据及加速度变化量，获取每个时刻的若干车辆估计位置，根据相邻时刻的车辆估计位置，获取每个时刻每个车辆估计位置的离群程度及参考方向，根据离群程度及参考方向获取每个时刻每个车辆估计位置的准确度，通过车辆估计位置的准确度筛选获取每个时刻的若干车辆经过位置；
根据同一时刻不同监测位置及加速度变化量，以及车辆经过位置，获取每个监测位置每个时刻受每个车辆经过位置的影响程度，根据第一异常程度、车辆经过位置及准确度、影响程度以及监测位置与加速度变化量，获取每个监测位置每个时刻的第二异常程度，根据第二异常程度获取异常加速度数据，对监测数据去除异常加速度数据得到清洗数据；
监测数据管理模块，将清洗数据传输到中央数据库中，完成桥梁健康监测数据的管理。
2.根据权利要求1所述的一种桥梁健康监测数据管理系统，其特征在于，所述获取每个监测位置每个时刻的加速度变化量及每个监测位置的加速度变化序列，包括的具体方法为：
以任意一个监测位置为目标监测位置，将目标监测位置每个时刻的加速度数据减去相邻前一时刻的加速度数据得到的差值绝对值，记为目标监测位置每个时刻的加速度变化量；
将目标监测位置所有的加速度变化量按照时序关系排列，得到的序列记为目标监测位置的加速度变化序列；
获取每个监测位置每个时刻的加速度变化量及每个监测位置的加速度变化序列。
3.根据权利要求1所述的一种桥梁健康监测数据管理系统，其特征在于，所述获取每个监测位置每个时刻的加速度变化规律，包括的具体方法为：
以任意一个监测位置为目标监测位置，获取目标监测位置的加速度变化序列中，第
Figure QLYQS_1
个时刻的加速度变化量为中心的预设窗口内所有加速度变化量，对得到的加速度变化量进行最小二乘拟合，获取拟合直线，对拟合直线计算斜率，将拟合直线的斜率作为目标监测位置第/>
Figure QLYQS_2
个时刻的加速度变化规律；
获取每个监测位置每个时刻的加速度变化规律。
4.根据权利要求1所述的一种桥梁健康监测数据管理系统，其特征在于，所述获取每个监测位置每个时刻的第一异常程度，包括的具体方法为：
以任意一个监测位置为目标监测位置，目标监测位置第
Figure QLYQS_3
个时刻的加速度变化规律不等于0时，目标监测位置第/>
Figure QLYQS_4
个时刻的第一异常程度/>
Figure QLYQS_5
的计算方法为：
Figure QLYQS_6
其中，
Figure QLYQS_8
表示目标监测位置第/>
Figure QLYQS_10
个时刻的加速度变化量，/>
Figure QLYQS_13
表示目标监测位置第
Figure QLYQS_9
个时刻的加速度变化量，/>
Figure QLYQS_11
表示目标监测位置第/>
Figure QLYQS_12
个时刻的加速度变化规律，/>
Figure QLYQS_14
表示采样时间间隔，/>
Figure QLYQS_7
表示求绝对值；
目标监测位置第
Figure QLYQS_15
个时刻的加速度变化规律等于0时，目标监测位置第/>
Figure QLYQS_16
个时刻的第一异常程度/>
Figure QLYQS_17
的计算方法为：
Figure QLYQS_18
其中，
Figure QLYQS_21
表示目标监测位置第/>
Figure QLYQS_24
个时刻的加速度变化量，/>
Figure QLYQS_26
表示目标监测位置第
Figure QLYQS_20
个时刻的加速度变化量，/>
Figure QLYQS_22
表示目标监测位置第/>
Figure QLYQS_27
个时刻的加速度变化量，
Figure QLYQS_29
表示目标监测位置第/>
Figure QLYQS_19
个时刻的加速度变化量，/>
Figure QLYQS_23
表示目标监测位置第/>
Figure QLYQS_25
个时刻的加速度变化量，/>
Figure QLYQS_28
表示求绝对值；
获取每个监测位置每个时刻的第一异常程度。
5.根据权利要求1所述的一种桥梁健康监测数据管理系统，其特征在于，所述获取每个时刻的若干车辆估计位置，包括的具体方法为：
以任意一个时刻为目标时刻，任意一个监测位置为目标监测位置，将目标监测位置目标时刻下的加速度数据与加速度变化量之和，作为目标监测位置目标时刻的加速度程度值，获取目标时刻下每个监测位置的加速度程度值，将目标时刻下加速度程度值大于预设第一阈值的监测位置，作为目标时刻下的车辆估计位置；
获取每个时刻的若干车辆估计位置。
6.根据权利要求1所述的一种桥梁健康监测数据管理系统，其特征在于，所述获取每个时刻每个车辆估计位置的离群程度及参考方向，包括的具体方法为：
获取第
Figure QLYQS_30
个时刻及第/>
Figure QLYQS_31
个时刻的所有车辆估计位置，以第/>
Figure QLYQS_32
个时刻下任意一个车辆估计位置为目标车辆估计位置，计算目标车辆估计位置与第/>
Figure QLYQS_33
个时刻下每个车辆估计位置的欧式距离，将欧式距离最小的车辆估计位置作为目标车辆估计位置的参考位置，最小欧式距离记为目标估计位置的参考距离，获取第/>
Figure QLYQS_34
个时刻下每个车辆估计位置的参考位置及参考距离；
对任意两个参考距离计算差值绝对值，记为两个参考距离的差异程度，将与其他所有参考距离差异程度最小的参考距离，记为参考距离中心；将每个参考距离与参考距离中心的差异程度，记为每个参考距离对应的车辆估计位置的离群程度，得到了第
Figure QLYQS_35
个时刻每个车辆估计位置的离群程度；
将目标车辆估计位置的参考位置指向目标车辆估计位置的方向，记为目标车辆估计位置的参考方向；
获取每个时刻每个车辆估计位置的离群程度及参考方向。
7.根据权利要求1所述的一种桥梁健康监测数据管理系统，其特征在于，所述根据离群程度及参考方向获取每个时刻每个车辆估计位置的准确度，包括的具体方法为：
Figure QLYQS_36
其中，
Figure QLYQS_38
表示第/>
Figure QLYQS_42
个时刻的第/>
Figure QLYQS_45
个车辆估计位置的准确度，/>
Figure QLYQS_40
表示第/>
Figure QLYQS_43
个时刻的第/>
Figure QLYQS_46
个车辆估计位置的参考方向与车辆行驶方向的夹角，/>
Figure QLYQS_48
表示第/>
Figure QLYQS_37
个时刻的第/>
Figure QLYQS_41
个车辆估计位置的离群程度，/>
Figure QLYQS_44
表示第/>
Figure QLYQS_47
个时刻的离群程度最大值，/>
Figure QLYQS_39
为避免分母为0的极小值。
8.根据权利要求1所述的一种桥梁健康监测数据管理系统，其特征在于，所述获取每个监测位置每个时刻受每个车辆经过位置的影响程度，包括的具体方法为：
Figure QLYQS_49
其中，
Figure QLYQS_66
表示第/>
Figure QLYQS_69
个时刻下第/>
Figure QLYQS_72
个监测位置受第/>
Figure QLYQS_52
个车辆经过位置的影响程度，
Figure QLYQS_55
表示第/>
Figure QLYQS_59
个时刻下第/>
Figure QLYQS_62
个监测位置与第/>
Figure QLYQS_53
个车辆经过位置的连线中其他监测位置的数量，/>
Figure QLYQS_54
表示第/>
Figure QLYQS_58
个时刻下第/>
Figure QLYQS_63
个监测位置的加速度变化量，/>
Figure QLYQS_67
表示第/>
Figure QLYQS_71
个监测位置关于第/>
Figure QLYQS_75
个时刻下第/>
Figure QLYQS_77
个车辆经过位置对称的监测位置的加速度变化量，/>
Figure QLYQS_68
表示第/>
Figure QLYQS_73
个时刻下第/>
Figure QLYQS_76
个监测位置与第/>
Figure QLYQS_78
个车辆经过位置的连线中第/>
Figure QLYQS_50
个其他监测位置的加速度变化量，/>
Figure QLYQS_56
表示第/>
Figure QLYQS_60
个时刻下第/>
Figure QLYQS_64
个监测位置与第/>
Figure QLYQS_51
个车辆经过位置的连线中第/>
Figure QLYQS_57
个其他监测位置关于第/>
Figure QLYQS_61
个时刻下第/>
Figure QLYQS_65
个车辆经过位置对称的监测位置的加速度变化量，/>
Figure QLYQS_70
为避免分母为0的极小值，/>
Figure QLYQS_74
表示求绝对值；
所述对称的监测位置表示第
Figure QLYQS_79
个时刻下第/>
Figure QLYQS_80
个监测位置到第/>
Figure QLYQS_81
个车辆经过位置连线的延长线方向上，且到第/>
Figure QLYQS_82
个车辆经过位置的欧式距离与第/>
Figure QLYQS_83
个监测位置到第/>
Figure QLYQS_84
个车辆经过位置的欧式距离相等的监测位置。
9.根据权利要求1所述的一种桥梁健康监测数据管理系统，其特征在于，所述获取每个监测位置每个时刻的第二异常程度，包括的具体方法为：
Figure QLYQS_85
其中，
Figure QLYQS_99
表示第/>
Figure QLYQS_102
个监测位置第/>
Figure QLYQS_105
个时刻的第二异常程度，/>
Figure QLYQS_87
表示第/>
Figure QLYQS_92
个监测位置第
Figure QLYQS_95
个时刻的第一异常程度，/>
Figure QLYQS_97
表示第/>
Figure QLYQS_86
个监测位置第/>
Figure QLYQS_91
个时刻下的有效车辆经过位置数量，
Figure QLYQS_94
表示第/>
Figure QLYQS_98
个监测位置第/>
Figure QLYQS_88
个时刻的第/>
Figure QLYQS_90
个有效车辆经过位置的准确度，/>
Figure QLYQS_96
表示第
Figure QLYQS_101
个监测位置与第/>
Figure QLYQS_106
个时刻的第/>
Figure QLYQS_109
个有效车辆经过位置的欧式距离，/>
Figure QLYQS_112
表示第/>
Figure QLYQS_115
个监测位置受第/>
Figure QLYQS_89
个时刻的第/>
Figure QLYQS_93
个有效车辆经过位置的影响程度，/>
Figure QLYQS_104
表示第/>
Figure QLYQS_114
个时刻下第/>
Figure QLYQS_100
个监测位置的加速度变化量，/>
Figure QLYQS_103
表示第/>
Figure QLYQS_107
个监测位置关于第/>
Figure QLYQS_110
个时刻下第/>
Figure QLYQS_108
个有效车辆经过位置对称的监测位置的加速度变化量，/>
Figure QLYQS_111
为避免分母为0的极小值，/>
Figure QLYQS_113
表示求绝对值；
所述有效车辆经过位置表示与第
Figure QLYQS_116
个监测位置的欧式距离小于等于有效距离的车辆经过位置。
CN202310595469.3A 2023-05-25 2023-05-25 一种桥梁健康监测数据管理系统 Active CN116308305B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310595469.3A CN116308305B (zh) 2023-05-25 2023-05-25 一种桥梁健康监测数据管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310595469.3A CN116308305B (zh) 2023-05-25 2023-05-25 一种桥梁健康监测数据管理系统

Publications (2)

Publication Number Publication Date
CN116308305A true CN116308305A (zh) 2023-06-23
CN116308305B CN116308305B (zh) 2023-08-08

Family

ID=86836341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310595469.3A Active CN116308305B (zh) 2023-05-25 2023-05-25 一种桥梁健康监测数据管理系统

Country Status (1)

Country Link
CN (1) CN116308305B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116842348A (zh) * 2023-08-31 2023-10-03 安徽省云鹏工程项目管理有限公司 基于人工智能的桥梁健康监测系统
CN116878590A (zh) * 2023-09-06 2023-10-13 山东远联信息科技有限公司 一种数智化服务协同运营管理系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105404708A (zh) * 2015-10-21 2016-03-16 南京大学 基于实测加速度的大跨度桥梁结构外界时段激励评价方法
JP2016050404A (ja) * 2014-08-29 2016-04-11 東日本旅客鉄道株式会社 鉄道橋の支承部の異常検出方法
CN108170925A (zh) * 2017-12-21 2018-06-15 中国铁道科学研究院铁道建筑研究所 一种基于arma模型的桥梁损伤预警方法
CN110287827A (zh) * 2019-06-11 2019-09-27 南京睿永智运维工程科技有限公司 一种基于数据关联性的桥梁应变数据异常值识别方法
CN111486893A (zh) * 2020-04-07 2020-08-04 中铁西南科学研究院有限公司 一种桥梁结构健康监测与预警系统及预警方法
CN112834193A (zh) * 2021-01-11 2021-05-25 暨南大学 一种基于三维图的运营桥梁振动和健康状态异常预警方法
CN114282398A (zh) * 2021-06-02 2022-04-05 四川轻化工大学 一种基于大数据的桥梁健康监测系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016050404A (ja) * 2014-08-29 2016-04-11 東日本旅客鉄道株式会社 鉄道橋の支承部の異常検出方法
CN105404708A (zh) * 2015-10-21 2016-03-16 南京大学 基于实测加速度的大跨度桥梁结构外界时段激励评价方法
CN108170925A (zh) * 2017-12-21 2018-06-15 中国铁道科学研究院铁道建筑研究所 一种基于arma模型的桥梁损伤预警方法
CN110287827A (zh) * 2019-06-11 2019-09-27 南京睿永智运维工程科技有限公司 一种基于数据关联性的桥梁应变数据异常值识别方法
CN111486893A (zh) * 2020-04-07 2020-08-04 中铁西南科学研究院有限公司 一种桥梁结构健康监测与预警系统及预警方法
CN112834193A (zh) * 2021-01-11 2021-05-25 暨南大学 一种基于三维图的运营桥梁振动和健康状态异常预警方法
CN114282398A (zh) * 2021-06-02 2022-04-05 四川轻化工大学 一种基于大数据的桥梁健康监测系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116842348A (zh) * 2023-08-31 2023-10-03 安徽省云鹏工程项目管理有限公司 基于人工智能的桥梁健康监测系统
CN116842348B (zh) * 2023-08-31 2023-12-01 安徽省云鹏工程项目管理有限公司 基于人工智能的桥梁健康监测系统
CN116878590A (zh) * 2023-09-06 2023-10-13 山东远联信息科技有限公司 一种数智化服务协同运营管理系统
CN116878590B (zh) * 2023-09-06 2023-11-21 山东远联信息科技有限公司 一种数智化服务协同运营管理系统

Also Published As

Publication number Publication date
CN116308305B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN116308305B (zh) 一种桥梁健康监测数据管理系统
CN107895014B (zh) 一种基于MapReduce框架的时间序列桥梁监测数据分析方法
CN112414694B (zh) 基于多元状态估计技术的设备多级异常状态识别方法及装置
CN110287827B (zh) 一种基于数据关联性的桥梁应变数据异常值识别方法
CN114244751B (zh) 无线传感器网络异常检测方法和系统
WO2020111934A1 (en) A method and system for detection of natural disaster occurrence
CN115664038B (zh) 一种用于电气安全管理的智能配电运维监控系统
CN111913443A (zh) 基于相似性的工业设备故障预警方法
CN116227752A (zh) 一种基于物联网的园区设施管理系统
CN112861350A (zh) 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法
KR101960755B1 (ko) 미취득 전력 데이터 생성 방법 및 장치
CN113935158B (zh) 一种针对高速公路事故多发点的交通检测器优化布设方法
CN117289778B (zh) 一种工控主机电源健康状态的实时监测方法
CN106910334B (zh) 一种基于大数据预测路段状况的方法及装置
CN117150244A (zh) 基于电参数分析的智能配电柜状态监测方法及系统
CN112528227A (zh) 一种基于数理统计的传感器异常数据识别方法
CN117787684A (zh) 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统
WO2015039693A1 (en) Method and system for data quality assessment
CN114001887B (zh) 一种基于挠度监测的桥梁损伤评定方法
CN112228042B (zh) 一种基于云边协同计算的抽油机井工况相似性判别方法
CN113111270B (zh) 基于物联网及3s技术的用于地质灾害预警的数据预处理方法
CN111259538B (zh) 一种振动报警方法、存储介质和电子设备
CN115144172A (zh) 一种基于声音的gis断路器故障在线监测系统及方法
CN114037010A (zh) 一种电量数据异常的识别方法及装置
CN112781556A (zh) 一种基于多数据融合滤波的井盖异动监测方法和装置

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
GR01 Patent grant
GR01 Patent grant