本发明属于桥梁工程领域，涉及一种多类传感器监测数据空间有向关联表征方法，具体涉及一种基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法。
背景技术：
1、作为实现保持结构健康、延长结构使用寿命的一种手段，结构健康监测系统备受关注。通过不间断地工作，结构健康监测系统上传感器阵列持续实时记录了桥址区环境、车辆荷载、结构动静态响应在内的大量信息，为基于健康监测数据的桥梁结构状态评估提供了基础。
2、作为状态评估的重要分支，基于数据驱动的方法对荷载—响应、响应—响应间广泛存在的时空关联关系进行考察，建立隐式表征结构状态的数学模型，有效避免了求解时由于测点有限、观测数据不完备导致的方程不适定、结果不唯一的问题。该类模型的核心功能在于描述多个测量传感器的映射关系。然而，目前基于监测数据开展的桥梁结构状态评估工作涉及的监测数据多为单一类型监测数据，涉及数据量与服役桥梁结构健康监测系统产生的数据量相比仍然过少，导致海量监测数据利用率仍然较为低下。同时单一的监测数据忽略了桥梁结构中各构件协同工作机制，使训练模型难以发现监测数据深层次特征。因此，建立一种能够揭示多类传感器空间有向关联表征的模型，可以提高海量监测数据利用程度、探索监测数据深层次特征，对基于监测数据的桥梁结构状态评估具有重要的意义，也是亟待解决的难题。
技术实现思路
1、为了解决现有海量监测数据利用率较低、关联挖掘程度不足等缺点，本发明提供了一种基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法。该方法以直观、稀疏的图定量地揭示任意传感器对之间的空间有向关联性，充分提高了海量监测数据的利用率及挖掘程度，解决了现有桥梁结构状态评估工作涉及数据量过少、数据类型单一的缺点，实现了海量监测数据的有效利用，适用于具有多类监测数据的健康监测系统的运营。
2、本发明的目的是通过以下技术方案实现的：
3、一种基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，包括如下步骤：
4、步骤一、收集大跨径斜拉桥任意一侧斜拉索索力、主梁挠度、索塔倾斜三类长期结构健康监测数据，假定趋势数据在10分钟内为恒定值，执行数据预处理去除随机效应，获取长期趋势数据；
5、步骤二、对每个传感器的长期趋势数据进行标准化，以1小时为时间窗口创建多类型结构健康监测数据的数据集，数据集中每个传感器的训练实例长度为7，包括过去一小时至当前数据；
6、步骤三、以有向图的形式对多类型结构健康监测数据进行时空关联建模，将各传感器表示为有向图上顶点，传感器读数表示为顶点上序列信号，传感器对的关联性表示为图上的有向边，且关联性的强弱与有向边权重大小成正比；
7、步骤四、将图论领域中“邻接矩阵”广义化为“映射矩阵”，利用若干可学习的归一化映射矩阵建立多通道时空图卷积网络模型；
8、步骤五、设计多通道时空图卷积网络损失函数；
9、步骤六、对步骤四建立的多通道时空图卷积网络模型进行训练，训练完成后，输出各一阶映射矩阵获取多类监测数据的空间有向关联表征。
10、相比于现有技术，本发明具有如下优点：
11、本发明针对现有的基于监测数据的桥梁结构状态评估方法中海量监测数据利用率低、无法揭示监测数据深层次特征的问题，提出了一种融合多类监测数据的传感器空间有向关联表征方法，该方法考虑了结构若干构件协同工作机制，利用若干可学习的映射矩阵定量揭示了传感器对之间有向关联性，从而为后续的状态评估工作提供依据。本发明还能推广至其他类型桥梁甚至其他结构健康监测系统的多类传感器空间有向关联表征，为结构正常运营和安全养护提供指导。
1.一种基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述步骤一中，数据预处理去除随机效应是通过执行滑动平均操作实现的。
3.根据权利要求1所述的基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述步骤二中，每个传感器趋势数据的标准化是通过趋势数据减去该传感器趋势数据的均值再除以该传感器趋势数据的标准差实现的。
4.根据权利要求1所述的基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述步骤四中，将“邻接矩阵”广义化为“映射矩阵”是通过不限制矩阵形状实现的，“邻接矩阵”被定义为大小等于图顶点数的方阵，“映射矩阵”的行与列的大小分别为两类传感器的个数，用于表征任意传感器对之间关联性。
5.根据权利要求1所述的基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述步骤四中，多通道时空图卷积网络模型包括多通道空间图卷积层、时间一维卷积层、全连接层以及融合层，具体结构为：
6.根据权利要求5所述的基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述多通道空间图卷积操作的公式为：
7.根据权利要求5所述的基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述融合操作的公式为：
8.根据权利要求1所述的基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述步骤五中，多通道时空图卷积网络的损失函数为：
9.根据权利要求8所述的基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，其特征在于所述ph、pi、po具体为：
