[發(fā)明專利]一種基于模糊聚類分析的橋梁狀態(tài)判別方法

在審

• 申請?zhí)枺?/td>: 202010734003.3
• 申請日: 2020-07-27
• 公開（公告）號: CN111881502A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設(shè)計）人: 顏永逸;楊國靜;陳克堅;曾永平;宋曉東;鄭曉龍;周川江;陳星宇;徐昕宇;陶奇;蘇延文;董俊;龐林;劉力維
• 申請（專利權(quán)）人: 中鐵二院工程集團有限責任公司
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/23;G06K9/62
• 代理公司: 四川力久律師事務(wù)所 51221
• 代理人: 范文苑

1.一種基于模糊聚類分析的橋梁狀態(tài)判別方法，其特征在于，包括如下步驟：

a、選定監(jiān)測點，獲取對應(yīng)監(jiān)測點的初始狀態(tài)數(shù)據(jù)和待測狀態(tài)數(shù)據(jù)，形成初始樣本集和待測樣本集，并分別對初始樣本集和待測樣本集的數(shù)據(jù)進行標準化處理；

b、將初始樣本集和待測樣本集的數(shù)據(jù)分別劃分為若干個單元，選取初始樣本集的任意一個單元建立AR模型，依據(jù)FPE準則確定AR模型的階數(shù)p，分別對初始樣本集和待測樣本集的所有單元建立p階模型，獲得初始樣本集和待測樣本集每個單元的模型系數(shù)；

c、將初始樣本集和待測樣本集所有單元的模型系數(shù)進行模糊聚類分析，模糊聚類分析的聚類個數(shù)設(shè)定為2，得到初始樣本集和待測樣本集的數(shù)據(jù)分別對2個聚類的隸屬度；

d、當待測樣本集所有單元模型系數(shù)與初始樣本集所有單元模型系數(shù)按隸屬度差異分別聚類時，判別結(jié)構(gòu)發(fā)生損傷；反之，判別結(jié)構(gòu)未發(fā)生損傷。

2.如權(quán)利要求1所述的方法，其特征在于，步驟a中的標準化處理通過公式進行，其中，n_t表示時間序列中的點，表示時間序列{n_t}的均值，σ_n表示時間序列{n_t}的標準差。

3.如權(quán)利要求1所述的方法，其特征在于，對初始樣本集{x}劃分單元為{x¹},{x²},{x³}…{x^a}，對待測樣本集{y}劃分單元為{y¹},{y²},{y³}…{y^b}，初始樣本集和待測樣本集的每個單元均包含500-1000個點，a表示初始樣本集中單元的個數(shù)，b表示待測樣本集中單元的個數(shù)。

4.如權(quán)利要求3所述的方法，其特征在于，步驟b中對第h個單元建立的AR模型如下：其中，表示標準化后的初始樣本集中第h個單元的時間序列的第t個點，表示標準化后的待測樣本集中的時間序列的第t個點；表示標準化后的初始樣本集中第h個單元的AR模型的模型系數(shù)；表示標準化后的待測樣本集中第h個單元的AR模型的模型系數(shù)，表示標準化后的初始樣本集第h個單元的AR模型的模型殘差，表示標準化后的待測樣本集第h個單元的AR模型的模型殘差。

5.如權(quán)利要求4所述的方法，其特征在于，p根據(jù)公式計算，其中，表示時間序列擬合的模型殘差的方差，N表示初始樣本集中的時間序列的點數(shù)。

6.如權(quán)利要求5所述的方法，其特征在于，步驟c包含：

將初始樣本單元的模型系數(shù)集合Φ^u和待測樣本單元的模型系數(shù)集合Φ^d合并為總樣本[Φ^u；Φ^d]，其中，

建立總樣本[Φ^u；Φ^d]中的每個樣本到聚類中心的距離與隸屬度乘積之和的目標函數(shù)min：其中，s_i為總樣本中的第i(i＝1,2,3,…,a+b)個樣本，c_j為第j(j＝1,2)個聚類中心，C表示聚類的個數(shù)，μ_i,j為總樣本中第i個樣本對第j個聚類中心的隸屬度，并且有m為模糊聚類參數(shù)，指定m＝2；

計算目標函數(shù)的值，如果目標函數(shù)兩次的差值滿足則停止迭代，完成模糊聚類分析，其中，ξ表示判定閾值，q表示迭代步數(shù)；否則重新計算c_j。

7.如權(quán)利要求6所述的方法，其特征在于，其中，

8.如權(quán)利要求7所述的方法，其特征在于，在步驟d中，當或時，判別結(jié)構(gòu)發(fā)生損傷，其中，表示Φ^u對聚類中心c₁的平均隸屬度，表示Φ^d對聚類中心c₁的平均隸屬度，表示Φ^u對聚類中心c₂的平均隸屬度，表示Φ^d對聚類中心c₂的平均隸屬度；反之，判別結(jié)構(gòu)未發(fā)生損傷。