🌉 主梁持续下挠预警模型

城市生命线安全工程 结构健康监测 趋势分析 预警可视化

📚 项目背景

主梁的持续下挠是桥梁长期运营中的常见结构性病害。尽管桥梁在荷载作用下的弹性变形是正常现象，但随着时间的推移，若挠度持续增加，往往意味着潜在的结构风险，影响桥梁安全。

本项目基于统计建模与趋势分析技术，对长期挠度监测数据进行温度修正、趋势拟合和多级预警判别。具备 历史数据分析、年增长率计算、可视化趋势图 等功能，支持集成至省级城市生命线平台。

📌 模型简介

本项目为 ** 城市生命线安全工程监测平台桥梁预警体系核心子模块Ⅲ：主梁持续下挠预警模型，旨在识别桥梁主梁在长期服役过程中可能出现的 持续性挠度增长（下挠）问题。
模块结合温度修正、趋势拟合（线性回归）和滑动分析等方法，动态判断主梁下挠趋势是否超出设定阈值，实现多级预警。支持离线历史数据分析和图形化展示，可拓展集成至桥梁结构健康监测系统。

  • 模块名称：progressive_deflection_alert
  • 模型名称：主梁持续下挠预警模型
  • 作者：肖图刚
  • 开发时间：2025年4月27日
  • 最后修改：2025年5月27日

🌟 功能描述

✅ 加载并预处理历史监测数据（时间戳对齐、缺失值处理、降采样等）
✅ 进行温度修正，剔除日周期性温度影响，获得真实结构下挠趋势
✅ 滑动窗口回归，动态计算趋势变化率（挠度增速）
✅ 自动判断是否持续下挠，并进行多级预警（正常、三级、二级、一级）
✅ 统计各级异常点数量
✅ 输出趋势图、预警判别图，直观展示挠度演变过程
✅ 模块化设计，支持扩展集成到在线监控平台

📂 输入数据说明

  • 格式：本地 CSV 文件（3列、无表头）
  • 数据内容： 1️⃣ 时间戳（如 2024-05-22 11:00:00，本地时间）
    2️⃣ 挠度数据（单位：mm）
    3️⃣ 温度数据（单位：℃）
  • 数据来源：犍为岷江大桥跨中截面同设备监测数据（2024-05-22 ~ 2025-05-22）
  • 采样频率：1 小时；若原始频率非 1 小时，需预先重采样
  • 特别说明：如挠度监测设备无测温功能，可引入附近温度点位数据并对齐时间戳

💾 输出结果说明

  • 可视化图表（PNG）：
    • 挠度变化趋势曲线
    • 预警等级判别线
    • 温度修正后的趋势曲线
    • 各级预警阈值线
  • 可扩展输出：
    • 年度下挠值
    • 预测趋势模型参数
    • 关键时间点等信息

⚙️ 开发环境与依赖

  • Python：≥ 3.9.16
  • 依赖库：
    • pandas ≥ 2.2.3
    • numpy ≥ 1.26.4
    • matplotlib ≥ 3.9.4
    • scikit-learn ≥ 1.5.2
    • tabulate ≥ 0.9.0

📝 使用建议

  • 适用于大跨度桥梁主梁的长期结构行为趋势预警。
  • 建议定期更新监测数据，结合结构状态分析开展趋势预警。
  • 可拓展为子系统接口，集成至实时监控平台。
  • 建议在虚拟环境中安装：
pip install -r requirements.txt

💻 代码示例

📁 安装依赖并导入模块：

cd py_modu/progressive_deflection_alert
pip install .

✅ 成功安装：

Successfully installed progressive_deflection_alert-0.1.0

⚙️ 运行示例：

python example.py

example.py 示例：

from progressive_deflection_alert import load_deflection_data, DeflectionAnalyzer
from progressive_deflection_alert.plotter import plot_deflection_trend, plot_monthly_growth

csv_file = 'D:/pycode/lifeline_bridge_alert/datasets/def_temp_2y.csv'
warning_thresholds = {"Level 1": 5.0, "Level 2": 3.0, "Level 3": 1.0}

# 数据加载与预警分析
df = load_deflection_data(csv_file)
analyzer = DeflectionAnalyzer(df, warning_thresholds)

corrected = analyzer.perform_temperature_correction()
growth, level = analyzer.estimate_annual_growth(corrected)
plot_deflection_trend(df, corrected, level, growth)

monthly_growth = analyzer.calculate_monthly_growth()
plot_monthly_growth(monthly_growth)

results = analyzer.analyze_annual_segments()
for r in results:
    print(f"周期: {r['周期']} | 年增长量: {float(r['年增长量']):.2f} | 预警等级: {r['预警等级']}")

📊 输出示例 

周期: 2023-05-01 - 2024-05-01 | 年增长量: 4.62 | 预警等级: 二级(中等)
周期: 2024-05-01 - 2025-05-01 | 年增长量: 7.00 | 预警等级: 一级(严重)
总趋势图 月度趋势图
第一年分析 第二年分析

📦 平台要求

  • 调用频率评估：待填（建议根据实际系统负载能力设定）
  • 性能：待填（包含响应时延、数据量上限）
  • 数据交互：请求与响应需使用 JSON 格式（如集成到平台） 返回首页