龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨工业大学
摘要：本发明公开了一种基于多通道时空图卷积网络的异常桥梁监测数据识别方法，所述方法包括：定义映射矩阵，收集某斜拉桥结构健康监测系统的斜拉索索力、主梁挠度、索塔倾斜多类型监测数据并标准化，设计带若干可学习映射矩阵的多通道时空图卷积网络对斜拉桥多类型监测数据进行时空关联建模，使用早期多类型监测数据进行训练，获取邻接关系并计算诊断指标，结合诊断指标与邻接关系进行异常桥梁监测数据识别。该方法解决了数据驱动的状态评估对监测数据利用程度低下、存在传感器故障与结构变异混淆问题的缺点，实现了海量监测数据的有效利用，适用于具有多类型监测数据的桥梁结构健康监测系统运营。
主权项：1.一种基于多通道时空图卷积网络的异常桥梁监测数据识别方法，其特征在于所述方法包括如下步骤：步骤一、定义映射矩阵并将其作为可学习参数，使其具备定量揭示桥梁多类型监测数据间有向关联性的能力；步骤二、收集某斜拉桥结构健康监测系统的斜拉索索力、主梁挠度、索塔倾斜多类型监测数据，考虑到各传感器数据尺度不一进行标准化；步骤三、构建带若干可学习映射矩阵的多通道时空图卷积网络，包括设计网络模型与损失函数，确保传感器能够分层次地聚合来自各阶同类和异类传感器的信息；步骤四、使用早期多类型监测数据进行训练，将训练得到的各一阶映射矩阵视为斜拉桥正常运营下各传感器邻接关系，并基于训练集中回归残差计算各传感器回归残差阈值；步骤五、将训练后的网络模型应用于后期多类型监测数据，定义诊断指标，并对各传感器的每日诊断指标进行计算，将诊断指标不为零的传感器视为模式异常传感器，并将诊断指标长期不为零的传感器视为重点关注传感器；步骤六、遍历模式异常传感器，并对每个模式异常传感器建立关键传感器集，进行疑似故障传感器的定位，执行数据重构或模型重新训练；步骤七、根据数据重构或模型重新训练结果判断数据异常模式属于局部异常还是全局异常，前者对应传感器故障现象，后者对应结构变异现象。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 基于多通道时空图卷积网络的异常桥梁监测数据识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号