基于大数据挖掘的桥梁结构健康状态分析与评估研究

随着大型桥梁结构健康监测系统的不断发展, 监测信息呈现数据量巨大、种类多，增长快等显著的“大数据”特征，传统的单一时序数据挖掘技术由于数据存储成本高、计算效率低、且不能有效分析多参数信息，已无法充分提取结构状态信息。本项目针对以上问题，主要研究大数据环境下桥梁结构健康监测数据分析和挖掘方法。主要研究内容包括：（1）针对结构健康监测系统采集到的数据很容易产生大量的数据缺失、异常问题，严重降低了数据集的质量，提出了一种基于优化训练的结构健康状态评估方法，实验结果证明优化后的训练集不仅减少了训练集中样本的数目，且有效提升了训练集的质量，从而提高桥梁结构健康状态分析准确性和效率；（2）通过研究结构健康监测信息大数据特征，利用符号化聚合近似时序模型将原始数据分段聚合并符号化表示，有效解决大数据环境下数据压缩问题，提供数据处理分析效率，经实验证明该方法可大大提高了结构健康状态分析效率，相较于原始数据，该方法不仅将处理时间从原来的数小时降低至数秒，且评估结果正确率得到大幅提升。相较于传统的基于时间序列分析的桥梁结构损伤识别框架，我们提出的框架更加高效、灵活，可更好地分析海量的桥梁结构健康监测时序数据，实时评估桥梁结构状态。（3）基于多元时序数据挖掘的多参数融合技术，通过处理多维数据，对整体结构健康状态进行全面有效分析评价，实验证明该方法能够对多维数据进行分析并具有较高的精准率，比其他传统方法有显著提升，从而提高在复杂因素耦合作用下结构健康状态分析和评估的准确性和可靠性。综上所述，本项目创新性地提出了基于大数据挖掘的桥梁结构健康状态评估理论与技术，并结合模型试验与实际工程应用进行了验证，其研究成果丰富桥梁结构健康状态分析与评估的理论和方法系统，对桥梁、地铁隧道等大型工程结构的养护、运营管理和灾难预警等具有重要应用价值。 2100433B

随着大型桥梁结构健康监测系统的不断发展, 桥梁监测信息呈现数据量巨大、种类多，增长快等显著的“大数据”特征，传统的单一时序数据挖掘技术由于数据存储成本高、计算效率低、且不能有效分析多参数信息，已无法有效分析处理结构状态信息。本项目针对以上问题，通过研究桥梁结构健康监测信息大数据特征，提出大数据环境下的近似时序数据模型、单/多元时序数据挖掘算法，解决海量异构桥梁监测信息数据压缩、多参数数据融合和大数据环境下的桥梁结构状态表征参数提取及评估等关键问题，构建基于大数据挖掘的桥梁结构状态综合分析与评估理论方法与技术体系，进一步结合模型试验与实际工程应用，验证并优化完善以上理论与技术。本项目研究在推动大数据挖掘技术的发展的同时，可望丰富桥梁结构健康状态分析与评估的理论和方法系统，对大型桥梁的养护、运营管理和灾难预警等具有重要应用价值。

我国桥梁结构正面临复杂服役环境和多灾害荷载共同作用所导致的损伤加速演化的进程，应该 治结构之未病、防患于未然。本课题试图将桥梁健康监测和结构多尺度损伤预后结合起来，研究桥梁结构多尺度损伤预后过程中环境因素和结构参数的不确定性描述，研究桥梁结构多尺度损伤模拟、损伤模型修正及模型确认方法，建立基于模型的桥梁结构多尺度损伤预后方法；进一步地，研究基于小波神经网络技术的数据驱动损伤预后方法，建立联合基于模型和数据驱动的桥梁结构多尺度损伤预后综合方法；以独塔斜拉桥模型的地震模拟振动台试验和实桥健康监测系统验证平台，来验证上述多尺度损伤预后方法的有效性和可靠性。本课题研究成果可用于预测预报桥梁结构的安全可靠性和潜在损伤的危害，指导桥梁预防性养护决策，对桥梁健康监测和安全评估具有重要的理论意义和实用价值。

陈孝珍. 基于静态测量数据的桥梁结构损伤识别研究[D].华中科技大学,2005.2100433B

目前，以保障桥梁安全运营为目标的结构健康监测系统与桥梁业主的预期还存在一定差距；其主要原因在于目前健康监测多是事后的损伤识别(Damage Detection-DD)而不是事前的损伤预后（Damage Prognosis-DP）。DD和DP的本质区别在于：DD是基于确定性监测数据来进行损伤识别，而DP是基于历史监测数据预测可能发生的损伤及其影响，主要涉及结构的不确定性和预测结果可靠性验证。损伤预后的主要目的是提醒业主在损伤发生之前就采取必要的技术措施来减轻结构损伤或者制止可能的灾难性破坏的发生，而不是要等到结构损伤发生以后才发现。 本项目的特色是将结构多尺度损伤模拟分析与健康监测数据反演损伤特征相结合，来达到桥梁结构损伤预后的目的；主要研究内容如下：（1）复杂服役环境下桥梁结构参数、荷载与环境的不确定性分析；（2）桥梁结构多尺度损伤模型修正及模型确认方法；（3）基于模型确认的桥梁结构多尺度损伤预后方法；（4）数据驱动的桥梁结构损伤预后方法；（5）桥梁结构多尺度损伤预后方法的可靠性验证及应用。 项目研究取得的主要成果如下：（1）建立了灌河大桥环境温度、车辆荷载及结构响应的参数不确定性量化模型；（2）基于WIM监测建立了江苏省高速公路桥梁汽车荷载模型、疲劳荷载模型和重车疲劳荷载模型，可为新桥设计和旧桥加固设计提供依据；（3）开展了大跨度斜拉桥模型的地震模拟振动台多台阵试验研究，积累了大量的试验数据，可为结构损伤预后方法提供必要的试验验证；（4）建立了基于两阶段响应面的结构多尺度模型修正&确认方法；（5）建立了基于区间响应面模型的有限元模型修正和确认方法；（6）基于学习原理，建立了斜拉桥拉索随机损伤预后的隐式BP神经网络方法；（7）提出了基于数据驱动的大跨度斜拉桥安全预后综合方法；（8）建立了基于小波神经网络和多尺度模型的斜拉桥钢主梁疲劳损伤预后方法；（9）建立了复杂环境作用下基于概率盒的斜拉桥损伤预后方法；（10）在研究超材料梁减振性能的基础上，探讨了超材料结合梁斜拉桥的损伤预后方法。 在国内外学术刊物上发表了10篇SCI检索论文、15篇EI检索论文；发明专利4个（1个授权、3个受理）；获得福建省科技进步二等奖一项。在人才培养方面：已毕业博士生4名、毕业硕士生8名。 项目研究成果在京沪高速新沂河大桥、沈海高速灌河大桥以及长深高速淮安大桥等的监测与评估中得到了推广应用 2100433B