本發(fā)明屬于信號處理和結(jié)構(gòu)健康監(jiān)測，特別是涉及一種基于編碼器-解碼器的橋梁車輛荷載感知方法及系統(tǒng)，可以直接應(yīng)用于智慧基礎(chǔ)設(shè)施、橋梁工程等。

背景技術(shù)：

1、車輛荷載，作為橋梁結(jié)構(gòu)承受的主要荷載類型，精準(zhǔn)獲取其數(shù)據(jù)對于橋梁結(jié)構(gòu)健康監(jiān)測意義非凡。然而，過往受制于測量手段的局限，橋面上實時車輛荷載信息宛如隱匿于迷霧之中，極難被精準(zhǔn)捕捉。傳統(tǒng)測量方法不僅操作繁瑣，還常伴有精度欠佳、數(shù)據(jù)采集不連貫等弊端，難以滿足當(dāng)下橋梁精細化管理以及實時安全預(yù)警的嚴(yán)苛要求。

2、近年，動態(tài)地秤數(shù)據(jù)與計算機視覺技術(shù)匹配方案嶄露頭角，借助攝像頭捕捉車輛視頻流，結(jié)合動態(tài)地秤處的車重、圖像特征等信息，以此定位車輛在橋梁上的實時位置。此方法雖在部分場景有所建樹，但面對量大面廣、未安裝動態(tài)地秤設(shè)備的城市中小橋梁時，短板盡顯。單純依靠視頻圖像數(shù)據(jù)，受限于光線變化、遮擋、圖像分辨率以及車型復(fù)雜多樣等因素干擾，致使精準(zhǔn)車輛荷載信息的預(yù)測難如登天，預(yù)測誤差居高不下，進而令該方法在中小橋梁場景的實用性大打折扣。

3、與此同時，橋梁結(jié)構(gòu)力學(xué)領(lǐng)域研究揭示，車輛荷載作用于橋梁引發(fā)的動態(tài)變形，恰似一本記錄車輛與結(jié)構(gòu)關(guān)鍵信息的?“密碼本”，其間蘊含著豐富荷載細節(jié)與結(jié)構(gòu)狀態(tài)線索。倘若能夠巧妙地從結(jié)構(gòu)變形數(shù)據(jù)里將車輛荷載與橋梁結(jié)構(gòu)固有信息精準(zhǔn)解耦，不但有望實現(xiàn)高精度的車輛荷載感知，還能順勢分離出結(jié)構(gòu)實時狀態(tài)信息，為橋梁健康診斷開辟全新路徑。故而，研發(fā)一種僅依托結(jié)構(gòu)變形等響應(yīng)數(shù)據(jù)，便能實時、精準(zhǔn)推斷橋面車輛荷載的方法迫在眉睫，此舉既能填補現(xiàn)有技術(shù)在中小橋梁車輛荷載監(jiān)測領(lǐng)域的空白，又契合智慧基礎(chǔ)設(shè)施建設(shè)邁向智能化、精細化的時代訴求。

技術(shù)實現(xiàn)思路

1、本發(fā)明旨在解決城市中小橋梁橋面車輛荷載實時精準(zhǔn)感知的問題，基于結(jié)構(gòu)變形數(shù)據(jù)進行橋面車輛荷載實時推斷，提出一種僅根據(jù)結(jié)構(gòu)變形等響應(yīng)數(shù)據(jù)即可實現(xiàn)推斷的模型，該模型可廣泛適用于無動態(tài)地秤的橋面實時車輛荷載精準(zhǔn)感知中，且克服了基于計算機視覺方法的匹配誤差。

2、針對現(xiàn)有技術(shù)的以上缺陷或改進需求，按照本發(fā)明第一方面，本發(fā)明提出了一種基于編碼器-解碼器的橋梁車輛荷載感知方法，方法的具體步驟包括：

3、s1.建立基于編碼器-解碼器的變分推斷模型，約束編碼器-解碼器中間隱藏特征空間形狀為橋面的離散形式，將自編碼器中的編碼器部分視為橋面荷載的變分推斷模型，解碼器部分視為訓(xùn)練編碼器網(wǎng)絡(luò)的約束部分；并在網(wǎng)絡(luò)的編碼器部分額外引入一個檢測器，用于識別當(dāng)前橋面的車輛個數(shù)；

4、s2.搭建有限元模型,把實測車輛荷載序列加載到有限元模型，得到車輛荷載與結(jié)構(gòu)動態(tài)變形的響應(yīng)數(shù)據(jù)集，作為有監(jiān)督數(shù)據(jù)集；并收集橋梁真實運行的結(jié)構(gòu)變形數(shù)據(jù)，以此為微調(diào)數(shù)據(jù)集，對接預(yù)訓(xùn)練階段成果，用于后續(xù)微調(diào)階段；

5、s3.開展網(wǎng)絡(luò)模型的預(yù)訓(xùn)練和微調(diào)，具體步驟如下：

6、（1）預(yù)訓(xùn)練階段除損失函數(shù)除變分推斷損失、重構(gòu)誤差損失和參數(shù)正則化項等損失項外增加車輛荷載有監(jiān)督損失函數(shù)，用于引導(dǎo)編碼器網(wǎng)絡(luò)快速收斂；

7、（2）預(yù)訓(xùn)練完成后，針對真實結(jié)構(gòu)變形數(shù)據(jù)，凍結(jié)檢測器、編碼器和解碼器網(wǎng)絡(luò)參數(shù)，在編碼器到隱藏層特征間增加輸出層，基于編碼器狀態(tài)進行車輛荷載推斷，微調(diào)階段僅訓(xùn)練該輸出層網(wǎng)絡(luò)參數(shù)；微調(diào)階段的損失函數(shù)僅包含變分推斷損失、重構(gòu)誤差損失和參數(shù)正則化項；

8、s4.輸入實時的橋梁結(jié)構(gòu)變形進行特征空間內(nèi)車輛荷載的推斷，車輛荷載實時精準(zhǔn)感知結(jié)果經(jīng)top-k激活后以離散化網(wǎng)格上的激活值形式表示，并由直方圖進行可視化。

9、進一步地，s1中橋面的離散形式為：根據(jù)橫橋向和順橋向?qū)蛎骐x散化，得到與橋面離散化網(wǎng)格形狀相對應(yīng)的特征空間尺寸m×n，其中m為順橋向離散網(wǎng)格數(shù)量，n為橫橋向離散網(wǎng)格數(shù)量。

10、進一步地，s1中編碼器輸入為結(jié)構(gòu)變形響應(yīng),輸出為由均值和方差矩陣構(gòu)成的車輛荷載分布實時推斷結(jié)果：，其中均值和方差矩陣的形狀均為m×n，表示輸入為的編碼器網(wǎng)絡(luò)。

11、進一步地，s1中所述檢測器，具體如下：

12、考慮橋面車輛荷載稀疏性，對的輸出進行稀疏激活，采用top-k激活的方式進行，在網(wǎng)絡(luò)的編碼器部分額外引入一個檢測器，用于識別當(dāng)前橋面的車輛個數(shù)，通過一個softmax激活函數(shù)選取其中最大的k項，?k為檢測器的輸出結(jié)果，softmax激活函數(shù)的輸入為均值，輸出的非零項可表示為：。

13、進一步地，s1中解碼器的輸入為編碼器推斷的車輛荷載值，輸出為結(jié)構(gòu)變形重構(gòu)數(shù)據(jù)，其中為對推斷車輛荷載的采樣。

14、進一步地，s1中編碼器-解碼器的變分推斷模型的損失函數(shù)包含橋梁實時車輛荷載變分推斷損失、重構(gòu)誤差損失和參數(shù)正則化項；

15、變分推斷的損失函數(shù)項為：

16、

17、其中，和分別代表編碼器和解碼器網(wǎng)絡(luò)的參數(shù)，代表證據(jù)下界，代表推斷分布與先驗高斯分布的kl散度；

18、解碼器重構(gòu)誤差的損失為：

19、

20、即編碼器輸入的結(jié)構(gòu)變形原始數(shù)據(jù)和解碼器重構(gòu)的變形數(shù)據(jù)的均方誤差損失。

21、進一步地，s2中有監(jiān)督的預(yù)訓(xùn)練數(shù)據(jù)集包括：車輛荷載和結(jié)構(gòu)變形等響應(yīng)數(shù)據(jù)集：

22、結(jié)構(gòu)變形數(shù)據(jù)維度為c×t，其中c表示結(jié)構(gòu)變形響應(yīng)傳感器數(shù)量，t表示監(jiān)測序列長度；

23、車輛荷載進行橋面離散化處理，根據(jù)離散化網(wǎng)格，明確橋面網(wǎng)格上車重為零項和非零項的位置。

24、進一步地，s2中微調(diào)數(shù)據(jù)集采用結(jié)構(gòu)真實響應(yīng)，結(jié)構(gòu)變形數(shù)據(jù)維度與預(yù)訓(xùn)練數(shù)據(jù)集中保持一致，c×t，其中c表示結(jié)構(gòu)變形響應(yīng)傳感器數(shù)量，t表示監(jiān)測序列長度。

25、按照本發(fā)明第二方面，提供一種基于編碼器-解碼器的橋梁車輛荷載感知系統(tǒng)，包括：

26、編碼器-解碼器的變分推斷模型構(gòu)建單元，用于建立基于編碼器-解碼器的變分推斷模型，約束編碼器-解碼器中間隱藏特征空間形狀為橋面的離散形式，將自編碼器中的編碼器部分視為橋面荷載的變分推斷模型，解碼器部分視為訓(xùn)練編碼器網(wǎng)絡(luò)的約束部分；

27、模型訓(xùn)練的數(shù)據(jù)集構(gòu)建單元，用于搭建有限元模型,把實測車輛荷載序列加載到有限元模型，得到車輛荷載與結(jié)構(gòu)動態(tài)變形的響應(yīng)數(shù)據(jù)集，作為有監(jiān)督數(shù)據(jù)集；并收集橋梁真實運行的結(jié)構(gòu)變形數(shù)據(jù)，以此為微調(diào)數(shù)據(jù)集，對接預(yù)訓(xùn)練階段成果，用于后續(xù)微調(diào)階段；

28、網(wǎng)絡(luò)模型的預(yù)訓(xùn)練和微調(diào)單元，用于開展網(wǎng)絡(luò)模型的預(yù)訓(xùn)練和微調(diào)階段，具體步驟如下：

29、（1）預(yù)訓(xùn)練階段除損失函數(shù)除變分推斷損失、重構(gòu)誤差損失和參數(shù)正則化項等損失項外增加車輛荷載有監(jiān)督損失函數(shù)，用于引導(dǎo)編碼器網(wǎng)絡(luò)快速收斂；

30、（2）預(yù)訓(xùn)練完成后，針對真實結(jié)構(gòu)變形數(shù)據(jù)，凍結(jié)檢測器、編碼器和解碼器網(wǎng)絡(luò)參數(shù)，在編碼器到隱藏層特征間增加輸出層，基于編碼器狀態(tài)進行車輛荷載推斷，微調(diào)階段僅訓(xùn)練該輸出層網(wǎng)絡(luò)參數(shù)；微調(diào)階段的損失函數(shù)僅包含變分推斷損失、重構(gòu)誤差損失和參數(shù)正則化項；

31、車輛荷載實時識別單元，用于輸入實時的橋梁結(jié)構(gòu)變形進行特征空間內(nèi)車輛荷載的推斷，車輛荷載實時精準(zhǔn)感知結(jié)果經(jīng)top-k激活后以離散化網(wǎng)格上的激活值形式表示，并由直方圖進行可視化。

32、作為本發(fā)明的第三方面，還涉及一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行用于基于編碼器-解碼器的橋梁車輛荷載感知方法。

33、總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，能夠取得下列有益效果：

34、1.本發(fā)明基于編碼器-解碼器架構(gòu)的橋梁車輛荷載精準(zhǔn)感知變分推斷方法，通過構(gòu)建獨特的基于編碼器-解碼器架構(gòu)和變分推斷的橋面車輛荷載推斷模型，以橋梁結(jié)構(gòu)多源多類型實時響應(yīng)監(jiān)測數(shù)據(jù)為輸入，實現(xiàn)僅依據(jù)結(jié)構(gòu)變形等響應(yīng)數(shù)據(jù)進行推斷，克服了基于計算機視覺方法在無動態(tài)地秤的城市中小橋梁應(yīng)用時的匹配誤差，并且該模型可廣泛適用于這類橋梁的實時車輛荷載精準(zhǔn)感知場景。

35、2.本發(fā)明基于編碼器-解碼器架構(gòu)的橋梁車輛荷載精準(zhǔn)感知變分推斷方法，通過采用“有限元數(shù)據(jù)預(yù)訓(xùn)練+真實數(shù)據(jù)微調(diào)”的創(chuàng)新訓(xùn)練范式，利用基于橋梁結(jié)構(gòu)有限元模型仿真數(shù)據(jù)生成的實時車輛荷載-結(jié)構(gòu)動態(tài)變形預(yù)訓(xùn)練數(shù)據(jù)集，以及獲取的真實結(jié)構(gòu)動態(tài)變形微調(diào)數(shù)據(jù)集，讓該方法得以基于真實監(jiān)測數(shù)據(jù)的少樣本快速部署到不同的橋梁工程中，極大降低了模型訓(xùn)練對大量樣本的依賴，縮短部署周期，提升了實用性與適配性。

36、3.本發(fā)明基于編碼器-解碼器架構(gòu)的橋梁車輛荷載精準(zhǔn)感知變分推斷方法，通過精心設(shè)計網(wǎng)絡(luò)架構(gòu)，約束編碼器-解碼器中間隱藏特征空間形狀為橋面的離散形式，引入稀疏激活機制，配合包含橋梁實時車輛荷載變分推斷結(jié)果受最大證據(jù)下界、重構(gòu)誤差和參數(shù)正則化項的損失函數(shù)，精準(zhǔn)建立起結(jié)構(gòu)響應(yīng)-橋面荷載的關(guān)聯(lián)關(guān)系，解決了傳統(tǒng)方法無法獲取橋面車輛荷載實時分布、荷載智能識別模型需要大量人工標(biāo)注等棘手難題，為橋梁結(jié)構(gòu)健康監(jiān)測、智慧基礎(chǔ)設(shè)施建設(shè)以及橋梁工程的精細化運維提供關(guān)鍵技術(shù)支撐，有力推動行業(yè)向智能化方向發(fā)展。