基于主成分分析的服役桥梁结构状态评估.pdfVIP

交通世界

TRANSPOWORLD

基于主成分分析的服役桥梁结构状态评估

于洋

（河北交规院瑞志交通技术咨询有限公司，河北石家庄050000）

摘要：基于数据挖掘技术构建桥梁全结构、全寿命健康状态监测模型，提高了桥梁服役质量检测效率与结果准确

性，有效解决了桥梁健康状态检测误差大的问题。基于此，首先对服役桥梁基于主成分分析的结构状态评估进行研

究。然后通过核心成分分析构建数据库，在摒弃冗余特征信息的基础上，精准识别评估桥梁状态的结构信息，并采

用粒子群优化算法对获得关键参数进行评估。评估结果显示，数据挖掘技术构建的桥梁健康状态检测模型对桥梁健

康状态评估效果好，识别精度高，为桥梁运行状态的科学评估提供了新方向。

关键词：桥梁结构；健康检测；主成分分析

中图分类号：U445.4文献标识码：B

0引言完成相关数据的分析，明确其安全状态。桥梁服役运

基于主成分分析的服役桥梁结构状态评估具备现行状态监测需要通过加速度、沉降值等特征数据的提

实可行性，该模式通过对桥梁结构的挠度值、旋转角取，初步反映桥梁的健康状态，以评估其服役状况。

度等静态指标和周期、衰减特性等动态指标的准确识相关指标虽然都可以反映桥梁服役状态及健康状况，

别与评估，获取桥梁服役状态。该检测方法与传统检但其准确性不佳且结果误差大，使得桥梁结构健康状

测方法相比，能更加精准地识别桥梁安全隐患，实用况评测实用性不足。基于此，相关学者提出参照频域

性更强。但基于特征分析获取的数据量庞大，可能导时域特征进行桥梁运行状态的评估来反映其健康状态

致工作量增加，并掩盖关键部分信息。由此可见，需的建议，但该方法需要提前获得大量特征数据，且数

对获取的原始数据进行针对性清理，以提高数据精准据清洗工作庞大，导致工作效率不高。在进行服役桥

性，提升检测针对性及精确度。梁健康状态检测的过程中，要进行大量计算，数据清

洗过程还容易导致资源浪费。神经网络算法是基于大

1基于主成分分析的结构状态评估现状数据运算的算法，通过对桥梁运行状态相关指标数据

基于主成分分析的桥梁结构状态评估，需收集和的提取和有效整合，实现桥梁健康状态的实时监控识

处理大量反映桥梁结构状态及运行特征的基础数据，别，从而准确了解桥梁结构的健康状态。实践中，桥

相关数据信息量庞大，反映系统特征的指标数量众多，梁健康数据的采集需要大量专业人员进行样本检测，

且相关数据均具备动态特征，无形中增加了数据规模、导致大量的成本支出。支持向量机（SVM）的学习能力

运算难度。因此，需对高度复杂的数据集合体进行精与函数选择关系密切，且其对样本数量的应用条件限

准识别，明确其潜在规律，准确反映结构系统特征，制性不高，通过合理的参数设置可以构建有效的模型，

充分识别结构信息数据内容，提取潜藏数据直观反映用以评估服役桥梁健康状态。支持向量机在桥梁结构

桥梁结构状态，或通过相关数据的组合，反映桥梁结健康状态检测中的应用为有效处置参数优化问题提供

构质量状况与运动情况。主成分分析法以数据分析为了新的方案。

基础，通过提取特征数据进行统计学分析，以了解桥

梁结构状态和质量状况，其基本原理是对多个相关变2数据描述

量进行优化，从而通过线性组合，以少的综合指标代构建研究模型需要进行大量的实验和参数提取，

替测试数据，反映原始数据信息，并反馈出被测量目