本发明涉及大数据处理技术领域,具体来说是一种基于实时数据处理技术的桥梁主梁线性评估方法。
背景技术:
近年来随着计算机技术、通信技术、嵌入式传感器等技术的不断发展,利用计算机系统进行自动健康监测已经成为桥梁监测所采取主要方法。桥梁主梁线形评估是反映桥梁安全性的一个重要指标,通过对桥梁主梁的线形监测,不仅能直接反应桥梁在运营状态下主梁挠度是否超出危险范围及主梁整体的工作状况,还可以观察主梁线形的长期变化规律,因此桥梁主梁线性评估对于桥梁承载能力检测和桥梁的防震减灾有着重要的意义。
目前对于桥梁主梁线形评估理论的研究还处在探索阶段,国内暂无统一的评估方法,对于桥梁主梁线形评估的方法仍停留在监测主梁挠度原始数据是否超出危险阈值的层面上,没有对数据进行标准化评估。
那么如何利用大数据处理技术,将主梁挠度的原始数据进行整合,使得数据评估标准化、达到高评估效率已经成为需解决的技术问题。
技术实现要素:
本发明的目的是为了解决现有技术中无法对桥梁主梁进行线性评估的缺陷,提供一种基于实时数据处理技术的桥梁主梁线性评估方法来解决上述问题。
为了实现上述目的,本发明的技术方案如下:
一种基于实时数据处理技术的桥梁主梁线性评估方法,包括以下步骤:
定义评估策略,定义主梁挠度数据的异常值范围和基准值时间范围;
挠动原始数据的获取,实时读取安装在主梁上i个传感器获取的挠度原始数据,并以数组形式存至内存中,数组定义为rawdatai{{id0,time,value}…{idn,time,value}};
挠动数据的过滤,基于评估策略对挠动原始数据进行分类,将rawdatai数组分为refdatai基准值数组和candatai待评估数组;
基准值的计算,通过refdatai基准值数组计算出基准均值ai0、基准方差值bi0、基准位移值di0、基准数值序列L0;
评估出主梁的健康特征指标,根据待评估数据计算出均值变化系数、方差变化系数、最大方差变化系数、最大位移变化系数、平顺性系数和曲率变化系数。
所述的挠动数据的过滤包括以下步骤:
设定refdatai基准值数组和candatai待评估数组,refdatai基准值数组定义为refdatai{{id0,time,value}…{idn,time,value}},candatai待评估数组定义为candatai{{id0,time,value}…{idn,time,value}};
以主梁挠度数据的异常值范围为基准,对rawdatai数组中的属性值value进行过滤,将处于异常值范围内的数组丢弃、不处于异常值范围内的数组保留在rawdatai数组中;
以主梁挠度数据的基准值时间范围为基准,对rawdatai数组中的属性值time进行过滤,将处于基准值时间范围内的数组分入refdatai基准值数组、不处于基准值时间范围内的数组分入candatai待评估数组。
所述的基准值的计算包括以下步骤:
计算基准均值ai0,计算方法如下:
其中,i为测点数;refdatain为第i测点第n个实测值;
计算基准方差值bi0,计算方法如下:
其中,i为测点数;refdataij为第i测点第j个实测值;
计算基准位移值di0,计算方法如下:
;其中,i为测点数;refdatain为第i测点第n个实测值;
计算位移监测数据基准数值序列为L0,计算方法如下:
L0={a00,a10,……,ai0},
其中,a00为第一个测点的基准均值,ai0为第i个测点的基准均值。
所述的评估出主梁的健康特征指标包括以下步骤:
计算均值变化系数,计算沿主梁分布的挠度监测点的数据均值变化情况,定义均值变化系数为Δa,其计算公式如下:
式中,Δa为挠度测点均值变化系数、n为测点数、candatai为第i测点实测均值、ai0为基准均值;
计算方差变化系数,计算沿主梁分布的挠度监测点的数据整体挠度方差变化,定义方差变化系数为Δb,其计算公式如下式所示。
其中,Δb为挠度测点方差变化系数、bi为第i测点实测方差、bi0为基准方差值;
计算最大方差变化系数,定义最大方差变化系数为Δc,其计算公式如下:
其中,Δc为最大方差变化系数、bi为第i测点实测方差、bi0为基准方差值;
计算最大位移变化系数,定义最大位移变化系数为Δd,其计算公式如下:
其中,Δd为最大位移变化系数、di为第i测点实测位移、di0为基准位移值;
计算平顺性系数定义各监测点第j次待评估数据序列为Lj,
Lj={candataj(1),candataj(2),candataj(3),……,candataj(i)}
其中,candataj(1)为第一个测点的第j个实测值,candataj(i)为第i个测点的第j个实测值;
定义关联度系数为pj,其计算公式如下式所示:
式中,k=1,2,3…,i-1,
其中,L0(k+1)为基准数值序列第k+1值,L0(k)为基准数值序列第k值,Lj(k+1)为待评估数据序列第k+1值,Lj(k)为待评估数据序列第k值;
将关联度系数做归一化处理,取pj平均值作为平顺性系数,定义平顺性系数为其计算公式如下式所示:
其中,j为采样点数,pj为第j采样点对应的向量所求得的关联度系数,为平顺性系数;
计算曲率变化系数,通过基准值数据获得基准挠度变形曲率为si0,定义待评估数据挠度变形曲率为si,其计算公式如下:
式中,si为第i个测点的变形曲率,di+1、di、di-1分别为第i+1测点、i测点、i-1测点的挠度变形值,Δx为相邻2个测点之间的距离;
将挠度变形曲率做归一化处理,取其向量的差值平均值作为曲率变化系数,定义曲率变化系数为Δs,其计算公式如下:
式中,Δs为n个测点的曲率变化系数,si和si0分别为第i测点变形曲率的实测值和基准值,n为测点数量。
还包括计算健康状况评分步骤,基于评分细则和权重表对数据进行评分,其具体步骤如下:
定义健康状况评分为F;
计算定义健康状况评分F,其公式如下:
其中,F为线形评估总的分值,满分为100分,S(Δa)为均值变化系数评分值,wa为均值变化系数权重,S(Δb)为方差变化系数评分值,wb为方差变化系数权重,S(Δc)为最大方差变化系数评分值,wc为最大方差变化系数权重,S为平顺性系数评分值,wp为平顺性系数权重,S(Δs)为曲率变化系数评分值,ws为曲率变化系数权重。
有益效果
本发明的一种基于实时数据处理技术的桥梁主梁线性评估方法,与现有技术相比能够使桥梁监测人员快速判断当前桥梁整体健康状况和定位数据异常点。该方法使得桥梁监测数据具有标准化和评估效率高的特点,提高了系统的鲁棒性和易用性,具有较高的工程应用价值。
附图说明
图1为本发明的方法流程图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
如图1所示,本发明所述的一种基于实时数据处理技术的桥梁主梁线性评估方法,包括以下步骤:
第一步,定义评估策略。定义主梁挠度数据的异常值范围和基准值时间范围。由于主梁挠度数据依赖传感器实时监测,而传感器属于电子设备,会有概率出现异常数据。为了保证评估的正确性和鲁棒性,需要定义异常值范围,从而保证系统不抽取异常值数据进入评估过程。由于在实际应用中,公路网级桥梁没有固定的封闭时间,所以需要确定一段通行车辆少的基准值时间,用于计算该桥梁主梁挠度基准值数据。
其中,可以定义主梁挠度数据的异常值范围为(-∞,-100),(100,,+∞),该区间内数据将一律不予读取。同时,一般情况下,可以定义基准值时间范围为每天(1:00–3:00),该时间段内通行车辆较少。
第二步,挠动原始数据的获取。实时读取安装在主梁上i个传感器获取的挠度原始数据,并以数组形式存至内存中,数组定义为rawdatai{{id0,time,value}…{idn,time,value}}。
第三步,挠动数据的过滤。基于评估策略对挠动原始数据进行分类,将rawdatai数组分为refdatai基准值数组和candatai待评估数组,其具体步骤如下:
(1)设定refdatai基准值数组和candatai待评估数组,refdatai基准值数组定义为refdatai{{id0,time,value}…{idn,time,value}},candatai待评估数组定义为candatai{{id0,time,value}…{idn,time,value}}。
(2)以主梁挠度数据的异常值范围为基准,对rawdatai数组中的属性值value进行过滤,将处于异常值范围内的数组丢弃、不处于异常值范围内的数组保留在rawdatai数组中,将异常数据给过滤掉。
(3)以主梁挠度数据的基准值时间范围为基准,对rawdatai数组中的属性值time进行过滤,将处于基准值时间范围内的数组分入refdatai基准值数组、不处于基准值时间范围内的数组分入candatai待评估数组,使得refdatai基准值数组中的数据为基准值时间范围,其更能反映桥梁的实际情况,candatai待评估数组为不在基准值时间范围,其反映了桥梁在负载(使用)时的情况。
第四步,基准值的计算,通过refdatai基准值数组计算出基准均值ai0、基准方差值bi0、基准位移值di0、基准数值序列L0。其具体步骤如下:
(1)计算基准均值ai0,计算方法如下:
其中,i为测点数;refdatain为第i测点第n个实测值。
(2)计算基准方差值bi0,计算方法如下:
其中,i为测点数;refdataij为第i测点第j个实测值。
(3)计算基准位移值di0,计算方法如下:
;其中,i为测点数;refdatain为第i测点第n个实测值。
(4)计算位移监测数据基准数值序列为L0,计算方法如下:
L0={a00,a10,……,ai0},
其中,a00为第一个测点的基准均值,ai0为第i个测点的基准均值。
第五步,评估出主梁的健康特征指标。根据待评估数据计算出均值变化系数、方差变化系数、最大方差变化系数、最大位移变化系数、平顺性系数和曲率变化系数。其具体步骤如下:
(1)计算均值变化系数,计算沿主梁分布的挠度监测点的数据均值变化情况。定义均值变化系数为Δa,其计算公式如下:
式中,Δa为挠度测点均值变化系数、n为测点数、candatai为第i测点实测均值、ai0为基准均值。
(2)计算方差变化系数,计算沿主梁分布的挠度监测点的数据整体挠度方差变化,定义方差变化系数为Δb,其计算公式如下式所示。
其中,Δb为挠度测点方差变化系数、bi为第i测点实测方差、bi0为基准方差值。在这里,第i测点实测方差bi根据现有技术计算得出。
(3)计算最大方差变化系数,定义最大方差变化系数为Δc,其计算公式如下:
其中,Δc为最大方差变化系数、bi为第i测点实测方差、bi0为基准方差值。
(4)计算最大位移变化系数,定义最大位移变化系数为Δd,其计算公式如下:
其中,Δd为最大位移变化系数、di为第i测点实测位移、di0为基准位移值,同理,第i测点实测位移根据现有技术计算得出即可。
(5)计算平顺性系数定义各监测点第j次待评估数据序列为Lj,
Lj={candataj(1),candataj(2),candataj(3),……,candataj(i)}
其中,candataj(1)为第一个测点的第j个实测值,candataj(i)为第i个测点的第j个实测值。
定义关联度系数为pj,其计算公式如下式所示:
式中,k=1,2,3…,i-1,
其中,L0(k+1)为基准数值序列第k+1值,L0(k)为基准数值序列第k值,Lj(k+1)为待评估数据序列第k+1值,Lj(k)为待评估数据序列第k值。
将关联度系数做归一化处理,取pj平均值作为平顺性系数,定义平顺性系数为其计算公式如下式所示:
其中,j为采样点数,pj为第j采样点对应的向量所求得的关联度系数,为平顺性系数。
(6)计算曲率变化系数,通过基准值数据获得基准挠度变形曲率为si0,定义待评估数据挠度变形曲率为si,其计算公式如下:
式中,si为第i个测点的变形曲率,di+1、di、di-1分别为第i+1测点、i测点、i-1测点的挠度变形值,Δx为相邻2个测点之间的距离。
将挠度变形曲率做归一化处理,取其向量的差值平均值作为曲率变化系数,定义曲率变化系数为Δs,其计算公式如下:
式中,Δs为n个测点的曲率变化系数,si和si0分别为第i测点变形曲率的实测值和基准值,n为测点数量。
通过计算得出均值变化系数、方差变化系数、最大方差变化系数、最大位移变化系数、平顺性系数和曲率变化系数已可以反映出主梁的线性情况,为了更加形象地展示主梁的健康状况,在此还可以根据交通部《公路桥涵养护规范》的表1挠度数据的评分细则及权重表,给出具体的分值。
表1评分细则及权重表
第六步,计算健康状况评分步骤。基于评分细则和权重表对数据进行评分,其具体步骤如下:
(1)定义健康状况评分为F。
(2)计算定义健康状况评分F,其公式如下:
其中,F为线形评估总的分值,满分为100分,S(Δa)为均值变化系数评分值,wa为均值变化系数权重,S(Δb)为方差变化系数评分值,wb为方差变化系数权重,S(Δc)为最大方差变化系数评分值,wc为最大方差变化系数权重,S为平顺性系数评分值,wp为平顺性系数权重,S(Δs)为曲率变化系数评分值,ws为曲率变化系数权重。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。