[發明專利]基于病害信息大數據的橋梁定檢分類方法、裝置及設備

有效

• 申請號: 201910160428.5
• 申請日: 2019-03-04
• 公開（公告）號: CN109902752B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 廖卓凡;彭景盛
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種基于病害信息大數據的橋梁定檢分類方法，其特征在于，包括：

獲取目標橋梁的病害定檢信息；

根據所述病害定檢信息確定各類橋梁部件的綜合病害評定標度向量；其中，所述根據所述病害定檢信息確定各類橋梁部件的綜合病害評定標度向量包括：根據所述病害定檢信息分別確定同類型的各個橋梁部件的病害評定標度向量；確定各個所述病害評定標度向量的平均值和標準差；將所述平均值與所述標準差之和作為所述同類型的橋梁部件的所述綜合病害評定標度向量；

調用基于病害定檢信息大數據而預先訓練生成的神經網絡模型；

將所述綜合病害評定標度向量輸入所述神經網絡模型，進而計算各類所述橋梁部件的部件健康評價指標；

確定所述目標橋梁的橋梁健康評價等級。

2.根據權利要求1所述的橋梁定檢分類方法，其特征在于，在所述根據所述病害定檢信息分別確定同類型的各個橋梁部件的病害評定標度向量之后，還包括：

判斷是否存在有超出預設安全標度范圍的病害評定標度向量；

若是，則判定所述目標橋梁的橋梁健康評價等級為危橋等級。

3.根據權利要求1所述的橋梁定檢分類方法，其特征在于，所述確定所述目標橋梁的橋梁健康評價等級包括：

采用加權法根據各類所述橋梁部件的部件健康評價指標計算所述目標橋梁的橋梁健康評價指標；

在預設數據庫中查找與所述橋梁健康評價指標對應的橋梁健康評價等級；所述預設數據庫中存儲有各類橋梁健康評價等級與橋梁健康評價指標的對應關系。

4.根據權利要求1至3任一項所述的橋梁定檢分類方法，其特征在于，所述神經網絡模型為具有3層隱含層的BP神經網絡模型。

5.根據權利要求4所述的橋梁定檢分類方法，其特征在于，所述BP神經網絡模型中每層隱含層的神經元個數h為其中，m為所述BP神經網絡模型中輸入層的神經元個數；n為所述BP神經網絡模型中輸出層的神經元個數；α為預設調節參數。

6.根據權利要求5所述的橋梁定檢分類方法，其特征在于，所述BP神經網絡模型中各個神經元的輸出o為：

其中，x_i為神經元的第i個輸入；w_i為x_i的預設權值；θ為預設閾值。

7.根據權利要求6所述的橋梁定檢分類方法，其特征在于，所述BP神經網絡模型具體通過以下步驟而訓練生成：

獲取橋梁定檢報告中的所述病害定檢信息大數據；

采用梯度下降法，根據所述病害定檢信息大數據訓練各個神經元的所述預設權值和所述預設閾值。

8.一種基于病害信息大數據的橋梁定檢分類裝置，其特征在于，包括：

獲取模塊，用于獲取目標橋梁的病害定檢信息；

確定模塊，用于根據所述病害定檢信息確定各類橋梁部件的綜合病害評定標度向量；其中，所述根據所述病害定檢信息確定各類橋梁部件的綜合病害評定標度向量包括：根據所述病害定檢信息分別確定同類型的各個橋梁部件的病害評定標度向量；確定各個所述病害評定標度向量的平均值和標準差；將所述平均值與所述標準差之和作為所述同類型的橋梁部件的所述綜合病害評定標度向量；訓練模塊，用于基于病害定檢信息大數據而預先訓練生成神經網絡模型；

計算模塊，用于將所述綜合病害評定標度向量輸入所述神經網絡模型，進而計算各類所述橋梁部件的部件健康評價指標；

評判模塊，用于確定所述目標橋梁的橋梁健康評價等級。

9.一種基于病害信息大數據的橋梁定檢分類設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序以實現如權利要求1至7任一項所述的基于病害信息大數據的橋梁定檢分類方法的步驟。