CN119129077B 一种多源孪生数据融合的隧道结构健康监测与预警方法及系统 （深圳大学）

一种多源孪生数据融合的隧道结构健康监本发明公开了一种基于多源孪生数据融合先进的数据融合技术对采集的多源数据进行整评估结果的基础上，运用预警算法形成预警结果。本发明采用先进的数据融合方法和预警算2所述数据采集模块包括感测技术模块和数据传输单元，所述感测技术所述数据传输单元用于将采集到的数据实时传输到数所述数据集成平台模块对来自不同传感器和监测设备的所述监测数据进行统一管理所述数据校正用于检测和修正传感器和监测设备在数据采集过程中产生的错误和偏通过所述多层次健康评估实时对隧道的监测数据和历史数据进行对所述详细评估报告生成用于根据潜在的隧道结构问题和隧道结构所述可视化展示通过图表和3D模型，将隧道结构的健康状态和评估结所述预警模块包括多层次预警算法、动态响应策略建议以及多渠道通S02.1、所述数据集成平台模块根据所述数据采集模块中的各项感测技术探测多源信32.根据权利要求1所述的一种多源孪生数据融合的隧道结构健康监测与预警系统，其3.根据权利要求2所述的一种多源孪生数据融合的隧道结构健康监测与预警系统，其4S01.9.31、时域特征提取：计算均值u'及标准差o'，并利用偏度Skewness和峰度Kurtosis来捕捉数据分布的非对称性和5计算功率谱密度PSD来识别主要频率成分和相应的幅值，P4.根据权利要求1所述的一种多源孪生数据融合的隧道结构健康监测与预警系统，其在所述多源信息集合中，不同类型的数据在不同的时间和所述时间对齐包括：通过线性插值或样条插值方法，将不同频率的数据所述空间插值包括：当数据源位置不同时，通过所述空间插值将数据所述降维技术是将高维数据投影到一个低维子空间，同时保留数据中方差最大的方对每个特征进行中心化和标准化处理，计算出均值6对所述协方差矩阵进行特征值分解，得到特征值及对应的特征向量按所述特征值从大到小排序，前k个最大的特征值及其对应的特征向量构成了一个新在降维过程中需结合隧道已知的物理信息施加物理约束，确保历史趋势约束：通过将历史监测数据与当前先验知识约束：在降维过程中设置一个数据变化范围的约束条件，5.根据权利要求1所述的一种多源孪生数据融合的隧道结构健康监测与预警系统，其S02.4中结合各多源信息间的内在关联性来有效7其中A(t)和B(t)是系统的状态转移矩阵和控制输入矩阵，w(t)是高斯白噪声，表示系统输出y(t)表示为：S02.4.22、预测步骤：基于当前状态估计和输入u(t)预测下一个时间点的状态(t+1t)：并预测误差协方差矩阵p(t+1t)：其中Q(t)是过程噪声协方差；其中k(t+1)是增益矩阵：其中R(t+1)是观测噪声协方差；关的项；状态转移矩阵A(t)包括温度与应力之间的关系：8对协方差矩阵进行特征值分解，提取出主要特征向量，用于揭示阵Q(t)和R(t)以适应系统的动态变化；通过历史数据分析或经验来初始设定Q(0)，随着时间推移，基于当前9使用反馈机制动态调整滤波器的增益k(t)：6.根据权利要求1所述的一种多源孪生数据融合的隧道结构健康监测与预警系统，其所述智能评估算法包括神经网络算法和模糊逻辑算法，所述多层次S03.1、通过神经网络算法对所述多源数据融合模块处理后的数据集进行多层次分析通过所述数值分析手段检验其有效性，通过对隧道结构进行精细的网格划分和力学计算，S03.4、利用所述模糊逻辑算法处理层次分析机制处理后输出的结果中的不确定性和7.根据权利要求6所述的一种多源孪生数据融合的隧道结构健康监测与预警系统，其将不同传感器的数据进行标准化min_maxscalin通过滑动窗口技术分析所述短期数据的变化趋势，计算移动平均来平滑数据使用ARIMA模型进行时间序列的长期趋势分析ARIMA模型，用于捕通过生成传感器数据的空间热图，用于可视化隧道结构各部分的应力使用主成分分析PCA或线性判别分析LDA（LinearDiscriminantAnal再通过小波变换对数据进行多尺度分析，分解出不同频率成分，8.根据权利要求1所述的一种多源孪生数据融合的隧道结构健康监测与预警系统，其算法识别的潜在风险及多个模块处理后结构状态信息的数据积累误差带来的预[0014]所述多源数据融合模块包括数据集成平台模块、数据融合及处理算法和数据校[0050]S01.9.31、时域特征提取：Kurtosis来捕捉数据分布的非对称性和x(n)的长度；[0068]S02.1、所述数据集成平台模块根据所进行评估和标记，检测和修正传感器和监测设备在数据采集过程中可能产生的错误和偏[0073]所述数据集成平台的特征是统一管理和协调、实时数据采集和高效数据存储管[0082]对协方差矩阵进行特征值分解，得到特征值及对应的特征向量[0083]将标准化后的数据矩阵投影到这个低维子空间中。假设选择了前k个特征向量[0086]在降维过程中需结合隧道已知的物理信息如几何参数、材料特性等施加物理约[0112]噪声过滤和异常检测：多尺度分析还可用于在不同尺度上检测和过滤数据噪[0119]S02.4中所述结合多源信息间的内在关联性来有效融合多源信息集合近似子集具il)和输入：[0149]az代表温度对应力的直接影响。成两个矩阵X1和X2，通过解线性代数方程，找到能够最大化两个数据集间相关性的线性组差矩阵和R(r)以适应系统的动态变化。[0169]如果超出预设的阈值范围，可能表示模型的某些参数需要调整，如观测矩阵[0175]S03.1、对所述基于多源数据融合[0176]S03.2、结合多种物理解析模型建立[0178]S03.4、利用模糊逻辑算法处理层次[0182]S03.1中所述健康状态评估模块中基于多源数据融合模块处理后得到的高质量大[0191]采用滑动窗口技术分析所述短期数据的变化趋势，通过计算移动平均（Moving[0202]使用PCA（PrincipalComponentAnalysis）或LDA（LinearDiscriminant[0203]S03.2中所述健康状态评估模块中通过数值分析手段检验建立结构状态响应与物自动检测可能未被传统算法识别的潜在风险及多个模块处理后结构状态信息的数据积累[0229]S04.1中所述预警模块中的多层次[0234]所述响应策略建议模块基于融合数据的实时分析结果生成具体的维护和应急响[0237]图1是本发明多源孪生数据融合的隧道结构健康监测与预警系统的系统结构示意了能够更透彻地理解本发明并且能够将本发明的范围完整地传达给本领域的应用或技术[0244]如图1所示，本发明公开了一种多源孪生数据融合的隧道结构健康监测与预警系的准确性和可靠性，经过所述数据处理中心处理后的数据被传输到所述多源数据融合模[0246]所述多源数据融合模块包括数据集成平台模块、数据融合及处理算法和数据校[0250]如图2所示，所述数据采集模块的感测技术模块采集的数据包括隧道结构健康监[0282]S01.9.31、时域特征提取：Kurtosis来捕捉数据分布的非对称性和x(n)的长度；[0289]PS)=FFT'(R(m)8)[0300]S02.1、所述数据集成平台模块根据所进行评估和标记，检测和修正传感器和监测设备在数据采集过程中可能产生的错误和偏[0309]所述数据集成平台的特征是统一管理和协调、实时数据采集和高效数据存储管[0318]对协方差矩阵进行特征值分解，得到特征值及对应的特征向量[0319]将标准化后的数据矩阵投影到这个低维子空间中。假设选择了前k个特征向量[0348]噪声过滤和异常检测：多尺度分析还可用于在不同尺度上检测和过滤数据噪[0355]S02.4中所述结合多源信息间的内在关联性来有效融合多源信息集合近似子集具il)和输入：[0383]状态转移矩阵A(0)包括温度与应力之间的关系：[0385]az代表温度对应力的直接影响。成两个矩阵X1和X2，通过解线性代数方程，找到能够最大化两个数据集间相关性的线性组n,co(x,x)(26)差矩阵和R(r)以适应系统的动态变化。[0405]如果超出预设的阈值范围，可能表示模型的某些参数需要调整，如观测矩阵in(30)[0411]S03.1、通过神经网络算法对所述基[0412]S03.2、结合多种物理解析模型建立[0414]S03.4、利用所述模糊逻辑算法处[0418]S03.1中所述健康状态评估模块中基于多源数据融合模块处理后得到的高质量大[0427]采用滑动窗口技术分析所述短期数据的变化趋势，通过计算移动平均（Moving[0438]使用PCA（PrincipalComponentAnalysis）或LDA（LinearDiscriminant[0439]S03.2中所述健康状态评估模块中通过数值分析手段检验建立结构状态响应与物