一种用于桥梁顶推施工中异常检测的模型及检测方法与流程

本发明涉及人工智能在桥梁施工领域的应用，尤其是涉及一种用于桥梁顶推施工中异常检测的模型及检测方法。

背景技术：

1、桥梁施工过程中，顶推施工法是一种广泛使用的施工方法。顶推施工法是指梁体在桥台背后路堤上逐段浇筑或拼装，并用顶推装置纵向顶推，使梁体通过各墩顶临时滑移装置而就位的施工方法。桥梁顶推施工要经历一个复杂而漫长的施工过程，桥梁在顶推的过程中，结构的边界约束条件、内力和变形均随着顶推过程的进行不断地变化着，还受到温度因素的影响。所以，有必要在桥梁顶推施工过程中及时发现应力和温度等因素导致的异常，从而进行相应的调整，最大限度地保证施工的安全。在顶推的过程中，在不同位置处布置温度传感器，通过温度型应变监测仪器监测结构温度的变化情况；同时，对桥梁进行应力监测，针对上弦、下弦、主桁梁、导梁进行。全桥顶推施工过程中，每隔5分钟监测一次数据。根据现场情况，监测网络采用有线或无线连接传输，通过电脑现场采集数据。但是，对于这些桥梁顶推施工的时间序列数据，目前并没有一种有效的方法判断出施工异常，从而进行相应的调整。

技术实现思路

1、本发明基于以上技术问题，提出了一种用于桥梁顶推施工中异常检测模型，本发明的模型包括：

2、用于接收输入的时间序列数据并捕捉时间序列数据的数值特征和向量之间的关系的数据嵌入模块，

3、用于接收数据嵌入模块的输出并对信息进行提取的编码模块，

4、用于接收编码模块的输出并改变输出的形状大小的投影模块，

5、以及

6、用于接收投影模块的输出并对接收的值进行结构相同的模拟的重建输入层，该层将输出一个和输入的时间序列数据大小一模一样的向量，以作为构建重建损失的预测值。

7、在上述方案的基础上，所述的数据嵌入模块由符号嵌入和位置嵌入相加得到；其中符号嵌入的公式如下：

8、i＝conv1d(input)

9、token＝transpose(conv1d(permute(i)))

10、其中conv1d表示一个卷积核大小为3的一维卷积函数，input表示输入向量，输出维度为3维，i表示卷积后的3维向量，permute表示将三维向量的第二个维度和第三个维度交换，transpose表示矩阵转置；

11、位置嵌入是一个矩阵，矩阵的生成如公式所示：

12、

13、

14、pe为二维矩阵，pos表示向量在序列中的位置，i表示在该向量中，每一个值所在的位置。

15、在上述方案的基础上，编码模块包括三个结构相同的编码层：编码层1，编码层2和编码层3，编码层的输入首先通过异常捕获注意力模块，然后紧接着是一个丢弃块，丢弃块的输出与编码层的输入相加后通过卷积块1和卷积块2，得到编码层的输出；

16、其公式可以记作如下：

17、n＝dropout(bridgeanomaatt(m))

18、output＝conv2(conv1(m+n))

19、这里m表示输入，n表示桥梁的异常注意力模块丢弃层后的输出，bridgeanomaatt表示桥梁的异常注意力模块，dropout表示丢弃块，conv1表示卷积块1，conv2表示卷积块2。

20、在上述方案的基础上，异常捕获注意力模块中，其输入为x，注意力计算的输入q、k、v、σ均从x得到，即q＝k＝v＝x＝σ，q和k分别经过投影后，投影后的结果相乘，然后经过一个缩放操作，最后，通过softmax计算，得到系列值关联；v则直接通过投影后，和系列值相乘，就得到异常捕获注意力；σ经过投影操作，然后，进行先前值关联的计算，最后，经过缩放操作，其所得值和系列值进行最小化差异和最大化差异；

21、具体的：

22、

23、

24、

25、其中表示σi表示学习到的第i个缩放值，i，j表示第i个和第j个时间点，rescale表示缩放操作。

26、softmax表示归一化函数，表示注意力的查询值，表示注意力的键值，dmodel表示通道数。

27、表示系列值关联，表示注意力的值。

28、相关差异是通过先前值关联和系列值关联的kl散度来计算的，其公式如下：

29、

30、其中,i表示第i个时间点，表示系列值关联,表示先前值关联，kl表示kl散度的计算。在模型训练过程中，通过该函数的最小化和最大化操作，就是最小化差异和最大化差异。

31、本发明还提供一种构建上述的用于桥梁顶推施工中异常检测模型的方法，首先，通过部署于桥梁施工现场的物联网传感器，收集应力和温度的时间序列数据，收集到的时间序列数据传到检测模型进行训练；在模型训练的迭代过程中，构建最小化差异和最大化差异，然后计算重构损失；通过预先设定的阙值，如果损失已经达到最小，就可以找出异常点，否则，继续迭代训练模型，回到构建最小化差异和最大化差异继续循环。

32、在上述方案的基础上，模型训练的过程中，计算重构损失采用如下函数：

33、本模型的损失函数如下：

34、

35、其中，表示上式的相关差异值，表示输入值，则表示重构值，λ表示调节参数，||||k表示第k范数的计算。

36、本发明还提供一种桥梁顶推施工中异常检测方法，使用上述方法构建的模型，检测时，将部署于桥梁施工现场的物联网传感器收集的应力和温度的时间序列数据传入模型中进行检测。

37、一种用于桥梁顶推施工中异常检测的服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的检测方法的步骤。

38、一种用于桥梁顶推施工中异常检测的计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的检测方法的步骤。

39、本发明的用于桥梁顶推施工中异常检测的模型及使用该模型的检测方法，能够从时间序列数据集(温度、应力)中，及时检测出异常点，然后及时反馈给施工单位，快速调整，从而有效地保证施工安全。

技术特征：

1.一种用于桥梁顶推施工中异常检测模型，其特征在于，包括：

2.根据权利于要求1所述的用于桥梁顶推施工中异常检测模型，其特征在于，所述的数据嵌入模块由符号嵌入和位置嵌入相加得到；其中符号嵌入的公式如下：

3.根据权利于要求1所述的用于桥梁顶推施工中异常检测模型，其特征在于，

4.根据权利于要求3所述的用于桥梁顶推施工中异常检测模型，其特征在于，

5.一种构建权利要求1-4的用于桥梁顶推施工中异常检测模型的方法，其特征在于，

6.根据权利要求5所述的构建模型的方法，其特征在于，模型训练的过程中，计算重构损失采用如下函数：

7.权利要求5或6的方法构建的用于桥梁顶推施工中异常检测的模型。

8.一种桥梁顶推施工中异常检测方法，其特征在于，使用权利要求7所述的模型，检测时，将部署于桥梁施工现场的物联网传感器收集的应力和温度的时间序列数据传入模型中进行检测。

9.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求8的方法步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求8的方法步骤。

技术总结
本发明提出了一种用于桥梁顶推施工中异常检测的模型及检测方法，本发明的模型包括：用于接收输入的时间序列数据并捕捉时间序列数据的数值特征和向量之间的关系的数据嵌入模块，用于接收数据嵌入模块的输出并对信息进行提取的编码模块，用于接收编码模块的输出并改变输出的形状大小的投影模块，用于接收投影模块的输出并对接收的值进行结构相同的模拟的重建输入层，该层将输出一个和输入的时间序列数据大小一模一样的向量，以作为构建重建损失的预测值。本发明的用于桥梁顶推施工中异常检测的模型及使用该模型的检测方法，能够从时间序列数据集(温度、应力)中，及时检测出异常点，然后及时反馈给施工单位，快速调整，从而有效地保证施工安全。

技术研发人员：郑小忠,陈栋栋,周志伟,王登攀,雷雨田,王铁铭,赵腾,万海峰
受保护的技术使用者：中国山东国际经济技术合作有限公司
技术研发日：
技术公布日：2024/1/12