摘要
本发明提出基于图网络和状态空间模型的桥梁结构服役状态时空关联诊断方法。该方法采用时空图结构,构建时空图融合学习模块,结合图神经网络和时序数据深度学习,同时考虑桥梁结构构件服役状态在空间和时间两个维度上的数据特征,更准确地建模和预测单体桥梁复杂构件系统的动态时空演变。本发明采用状态空间模型,构建结构化的状态空间序列,并引入选择性机制,动态调整模型行为并实现计算资源优化利用。本发明通过对不同复杂度桥梁多类型构件服役状态监测数据的时空特征分解和融合,更好地适配多类型、多尺度、多粒度桥梁结构构件服役状态时空数据的处理需求,提升方法通用性和预测效能。
技术关键词
状态空间模型
桥梁结构构件
状态监测数据
单体
空间模块
机制
动态
扫描模块
矩阵
诊断方法
滤波
连续状态空间
序列
离散状态空间
历史监测数据
参数
误差反向传播
系统为您推荐了相关专利信息
海洋环境数据
决策支持系统
信号转换模块
数据收集模块
电信号
激光雷达图像
状态空间模型
融合分类方法
融合神经网络
卷积神经网络提取
微胶囊
混凝土添加剂设备
恒温水浴
引发剂
去离子水
线性化潮流
约束优化模型
评估系统
雅可比矩阵
状态空间模型
高斯混合模型
储能电池堆
电池模组
融合特征
电池单体