基于深度学习的桥梁索力传感器异常数据识别方法

刘宇; 吴红林; 闫泽一; 文世纪; 张连振

doi:10.19292/j.cnki.jdxxp.20241010.001

吉林大学学报(信息科学版) ›› 2024, Vol. 42 ›› Issue (05) : 847 -855. DOI: 10.19292/j.cnki.jdxxp.20241010.001

基于深度学习的桥梁索力传感器异常数据识别方法

刘宇, 吴红林, 闫泽一, 文世纪, 张连振

作者信息 +

Author information +

文章历史 +

摘要

针对基于传感器技术实时监测桥梁结构状态，为及时发现桥梁结构的异常情况并进行判识，预防和避免事故的发生，提出了基于深度学习技术的桥梁传感器异常信号检测和识别方法。通过设计基于LSTM(Long Short-Term Memoy)网络模型的桥梁传感器异常数据检测算法，实现桥梁索力传感器异常数据位置的有效检测，异常数据检测精确率与召回率分别达到99.8%、95.3%。通过将深度学习网络和桥梁传感器实际工作情况相结合，设计基于CNN(Convolutional Neural Networks)网络模型的桥梁索力传感器异常分类算法，实现桥梁索力传感器数据7类信号的智能识别，多种异常数据类型识别精确率与召回率超过90%。相对于目前桥梁传感器异常数据检测和分类方法，该方法能实现桥梁传感器异常数据和类型的精准检测和智能识别，为桥梁传感器监测数据的准确性与后期性态指标识别的有效性提供保障。