一种基于主成分分析的桥梁安全预警控制图方法及装置

技术领域

本发明涉及机器学习安全预警技术领域，尤其涉及的是一种基于主成分分析的桥梁安全预警控制图方法及装置。

背景技术

桥梁结构由于其本身和所处环境的复杂性以及结构安全分析的特殊性，目前有多种结构安全分析方法：

(1)基于模型的结构安全分析，基本模型的桥梁结构安全分析理论均来源于力学学科，其分析过程严重依赖于结构的精确理论模型和确定的系统激励；但是对于部分老旧桥梁，存在着资料的严重缺失和桥梁结构参数在运行过程中的不断变化等问题，而且桥梁结构健康监测中随机环境激励存在着未知性，使得结构精确模型的建立以及基于模型的结构安全分析十分困难。

(2)基于神经网络的结构安全分析，神经网络在处理非线性问题时具有优良的性能，但在实际应用上常常遇到缺乏完备的训练样本的问题，而且无法在结构响应和安全状态之间建立有效的因果联系。

(3)基于统计分析的分析方法，对于一些尺寸巨大、结构复杂的桥梁，统计分析通常所采用的指标易被环境噪声淹没或对局部损伤不敏感，而且很少将桥梁结构安全分析与环境特性(如温度)有效地联系起来，其分析效果还无法满足工程要求。

因此，现有技术还有待改进。

发明内容

本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种基于主成分分析的桥梁安全预警控制图方法及装置，以解决现有的桥梁结构安全分析方法的分析精度低的问题。

本发明解决技术问题所采用的技术方案如下：

第一方面，本发明提供基于主成分分析的桥梁安全预警控制图方法，包括：

获取桥梁所有的结构状态信息数据，并通过多元指数加权移动平均模型对所获取的结构状态信息数据进行润滑处理，得到润滑后的结构状态信息数据；

根据累计贡献率确定桥梁结构的主元个数，并采用主成分分析方法对所述润滑后的结构状态信息数据进行降维处理，得到降维后的结构状态信息数据；

基于所述降维后的结构状态信息数据，采用霍特林统计量和平方预测误差统计量建立桥梁结构控制图；

根据所述桥梁结构控制图确定桥梁结构的预警限，并根据所述预警限对桥梁结构安全的实时监测信息进行评估及报警。

在本发明的一种实现方式中，所述获取桥梁所有的结构状态信息数据，并通过多元指数加权移动平均模型对所获取的结构状态信息数据进行润滑处理，包括：

获取所述桥梁所有的结构状态信息数据，并对所获取的结构状态信息数据进行标准化处理，得到标准化后的矩阵：

式中，x

确定平滑系数，通过所述多元指数加权移动平均模型对所述标准化后的矩阵进行润滑处理。

在本发明的一种实现方式中，所述通过所述多元指数加权移动平均模型对所述标准化后的矩阵进行润滑处理，包括：

利用所述多元指数加权移动平均模型中的平滑系数矩阵R，对所述标准化后的矩阵进行润滑：

X

式中：R为平滑系数矩阵，所述平滑系数矩阵与数据维数相同且为对角矩阵，对角元素为平滑系数r

在本发明的一种实现方式中，所述根据累计贡献率确定桥梁结构的主元个数，并采用主成分分析方法对所述润滑后的结构状态信息数据进行降维处理，包括：

根据特征值占比计算所述累计贡献率；

根据所述累计贡献率，以预设比例为界确定所述桥梁结构的主元个数；

采用所述主成分分析方法对所述润滑后的矩阵进行降维处理。

在本发明的一种实现方式中，所述采用所述主成分分析方法对所述润滑后的矩阵进行降维处理，包括：

对所述润滑后的矩阵求取协方差矩阵∑：

式中：原数据集为按行排列的数据集；m为样本总数量；X

计算所述协方差矩阵的特征值以及特征向量，并将所述特征值按大小排序，取最小值k并使k满足前k个特征值之和大于特征值总和的85％：

式中：k为最终确定的主元个数，n为样本数据的维度数；

λ为协方差矩阵的特征值；

将前k个最大的特征值所对应的特征向量作为列向量，按照特征值从大到小的顺序将特征向量从左到右排列，组成特征向量矩阵P：

Y＝XP

将原始数据转换至k个特征向量构建的新空间中；其中，X为按行排列的原始数据矩阵，Y为原始数据矩阵经过主成分映射降维后的新的数据矩阵。

在本发明的一种实现方式中，所述根据所述桥梁结构控制图确定桥梁结构的预警限，并根据所述预警限对桥梁结构安全的实时监测信息进行评估及报警，包括：

根据预设训练数据分别计算所述霍特林统计量和所述平方预测误差统计量所对应的阈值限，确定所述预警限；

以所述预警限作为判据对所述桥梁结构安全的实时监测信息数据进行评估并报警。

在本发明的一种实现方式中，所述霍特林统计量和所述平方预测误差统计量所对应的阈值限的计算为：

式中：T2为根据样本数据计算所得的霍特林统计量，x

T

式中：Q

α为置信度，h

x

第二方面，本发明提供一种基于主成分分析的桥梁安全预警控制图装置，包括：

数据润滑处理模块，用于获取桥梁所有的结构状态信息数据，并通过多元指数加权移动平均模型对所获取的结构状态信息数据进行润滑处理，得到润滑后的结构状态信息数据；

数据降维处理模块，用于根据累计贡献率确定桥梁结构的主元个数，并采用主成分分析方法对所述润滑后的结构状态信息数据进行降维处理，得到降维后的结构状态信息数据；

桥梁结构控制图模块，用于基于所述降维后的结构状态信息数据，采用霍特林统计量和平方预测误差统计量建立桥梁结构控制图；

评估及报警模块，用于根据所述桥梁结构控制图确定桥梁结构的预警限，并根据所述预警限对桥梁结构安全的实时监测信息进行评估及报警。

第三方面，本发明提供一种终端，包括：处理器以及存储器，所述存储器存储有基于主成分分析的桥梁安全预警控制图程序，所述基于主成分分析的桥梁安全预警控制图程序被所述处理器执行时用于实现如第一方面所述的基于主成分分析的桥梁安全预警控制图方法的操作。

第四方面，本发明还提供一种介质，所述介质为计算机可读存储介质，所述介质存储有基于主成分分析的桥梁安全预警控制图程序，所述基于主成分分析的桥梁安全预警控制图程序被处理器执行时用于实现如第一方面所述的基于主成分分析的桥梁安全预警控制图方法的操作。

本发明采用上述技术方案具有以下效果：

本发明通过对桥梁结构的监测数据进行统计分析，从中提取有关结构安全的特征信息，基于提取的特征信息利用霍特林统计量和平方预测误差统计量建立桥梁结构控制图，以此挖掘结构性能的演变规律，实现桥梁结构安全的有效分析，使得分析过程不需要结构的精确模型和已知激励，具有广泛的通用性；本发明基于主成分分析方法分析桥梁安全，并且通过控制图进行预警，提高了桥梁结构安全分析的分析精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本发明的一种实现方式中基于主成分分析的桥梁安全预警控制图方法的流程图。

图2是本发明的一种实现方式中第一预警效果示意图。

图3是本发明的一种实现方式中第二预警效果示意图。

图4是本发明的一种实现方式中终端的功能原理图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

示例性方法

桥梁结构监测系统应用的不断发展，如今监测系统能采集到在环境激励下的结构响应的大量历史数据。在这些庞大的桥梁结构数据中，隐藏着反映结构安全状态的特征信息，在激励未知的情况下，使用传统的基于模型的结构安全分析方法时将遇到极大的障碍，从而降低了桥梁结构安全分析的分析精度。

针对于上述问题，本发明实施例中提供了一种基于主成分分析的桥梁安全预警控制图方法，通过对海量的桥梁结构的监测数据进行统计分析，从中提取有关结构安全的特征信息，并且基于提取的特征信息利用霍特林统计量和平方预测误差统计量建立桥梁结构控制图，以此挖掘结构性能的演变规律，实现桥梁结构安全的有效分析，使得分析过程不需要结构的精确模型和已知激励，具有广泛的通用性；因此，本发明基于主成分分析方法分析桥梁安全，并且通过控制图进行预警，提高了桥梁结构安全分析的分析精度。

如图1所示，本发明实施例提供基于主成分分析的桥梁安全预警控制图方法，包括以下步骤：

步骤S100，获取桥梁所有的结构状态信息数据，并通过多元指数加权移动平均模型对所获取的结构状态信息数据进行润滑处理，得到润滑后的结构状态信息数据。

在本实施例中，该基于主成分分析的桥梁安全预警控制图方法应用于终端上，该终端包括但不限于：计算机等设备。

在本实施例中，基于主成分分析方法生成桥梁安全预警控制图，实现桥梁安全的预警功能；其中，主成分分析方法作为一种降维方法，可将一个大的变量集合转化为更少的变量集合，同时保留大的变量集合中的大部分信息。在对这种海量的桥梁结构数据的分析和处理中有着广泛应用。

控制图是一种图形化工具，在生产过程中，对随机抽取的样本数据进行整理、记录并标记于控制图上，根据各观测数据点落在控制限内外的情况来监测产品质量参数随时间的变化情况。其广泛应用于各个领域，如生产过程的质量保证、过程监测、预测以及控制等。主成分分析是考察多个变量间相关性一种多元统计方法，研究如何通过少数几个主成分来揭示多个变量间的内部结构，即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关，作为新的综合指标。

基于上述主成分分析方法和控制图的功能特性，本发明实施例公开了一种桥梁结构安全预警的控制图方法，主要包括以下步骤：(a)根据桥梁结构安全监测系统获取的所有结构状态信息数据，采用多元指数加权移动平均对数据进行润滑；(b)根据累计贡献率确定主元个数，采用主成分分析对数据进行降维；(c)采用T2以及SPE统计量建立控制图，确定结构的预警限，以预警限作为判据对桥梁结构安全的实时监测信息进行评估并报警。

具体地，在本实施例的一种实现方式中，步骤S100包括以下步骤：

步骤S101，获取所述桥梁所有的结构状态信息数据，并对所获取的结构状态信息数据进行标准化处理，得到标准化后的矩阵；

步骤S102，确定平滑系数，通过所述多元指数加权移动平均模型对所述标准化后的矩阵进行润滑处理。

在本实施例中，桥梁结构的健康情况无疑会反映在结构参数的变化(结构响应)上，通过监测结构参数的变化，可判断结构的安全状况。在桥梁结构服役期间，引起结构响应变化的原因主要包括活载效应的变化、结构材料的性能参数变化(性能劣化)与结构损伤。当桥梁处在正常状态时，桥梁的结构参数基本不会发生变化，在相同活载的作用下会有相同的响应。故此时结构响应的变化主要由活载的变化控制。活载可以视为一个随机过程，由于车流高峰期等缘故，活载具有周期性变化的特点，但是在较长时间尺度上其均值应基本保持不变。因此在较长的时间尺度上，结构响应的均值应近似是一个恒定值。可将其看作是一个随机过程，相当于统计过程的受控变化。而当结构出现安全问题时，比如材料性能劣化或者结构出现损伤，结构参数会发生变化，在相似的活载作用下结构响应将会不同于正常状态下的响应，因此响应数值将出现持续的单向变化(变大或变小)，在较长的时间尺度上，响应均值会出现单向偏移。此变化过程类似统计过程的失控。

在主成分分析方法中，响应数值的变化会表现为T2统计量(即霍特林统计量)及SPE统计量(即平方预测误差统计量)的增加，响应数值均值的单向偏移表现为T2统计量及SPE统计量的均值增加。因此，可以采用控制图的方法，分别对桥梁结构监测数据向量的T2统计量和SPE统计量的变化过程进行监测，根据各数据点的统计量在控制图上的分布，判断过程是否失控，从而完成结构的安全分析。

桥梁在服役初期，材料性能稳定，材料性能参数的波动范围基本不变，并且可以认为结构没有损伤。此时结构响应的变化主要由活载的变化控制，响应的波动范围基本一定。但随着服役期的延长，材料性能参数出现缓慢变化，甚至出现结构损伤，这会导致响应的波动范围出现变化。为了及时正确反映这种变化，预警方法必须具有相应的特点，能够充分利用历史信息，并使得距离当前时刻越近的信息，越能够反映结构状态的变化。本发明步骤S100中的多元指数加权移动平均的数据润滑方法恰好具有上述的所有特性。

在具体应用本方法时，首先需要截取出结构处于正常状态下的一段监测数据，即截取桥梁所有的结构状态信息数据，其中，截取的监测数据包括：活载效应的变化数据、结构材料的性能参数变化(性能劣化)以及结构损伤；监测数据的时间跨度应包含若干个环境因素的变化周期，可以根据数据采样的频率进行调整，例如：监测数据的采样周期为一周到一个月左右。

在本实施例中，在截取到监测数据后，先对数据进行标准化处理：

式中，x

随后对健康状况下的数据应用多元指数加权移动平均方法进行润滑；具体为，可通过多元指数加权移动平均模型对所获取的结构状态信息数据进行润滑处理，在此过程中，利用多元指数加权移动平均模型中的平滑系数矩阵R，对标准化后的矩阵进行润滑：

X

式中：R为平滑系数矩阵，所述平滑系数矩阵与数据维数相同且为对角矩阵，对角元素为平滑系数r

如图1所示，在本发明实施例的一种实现方式中，基于主成分分析的桥梁安全预警控制图方法还包括以下步骤：

步骤S200，根据累计贡献率确定桥梁结构的主元个数，并采用主成分分析方法对所述润滑后的结构状态信息数据进行降维处理，得到降维后的结构状态信息数据。

具体地，在本实施例的一种实现方式中，步骤S200包括以下步骤：

步骤S201，根据特征值占比计算所述累计贡献率；

步骤S202，根据所述累计贡献率，以预设比例为界确定所述桥梁结构的主元个数；

步骤S203，采用所述主成分分析方法对所述润滑后的矩阵进行降维处理。

在本实施例中，在对健康状况下的数据应用多元指数加权移动平均方法进行润滑后，即可对润滑后的数据应用主成分分析方法确定主元个数、建立主元模型，并以95％置信水平确定T2统计量与SPE统计量的阈值限。至此预警系统前期准备完毕。

具体为，可采用所述主成分分析方法对所述润滑后的矩阵进行降维处理，在此过程中，对所述润滑后的矩阵求取协方差矩阵∑：

式中：原数据集为按行排列的数据集；m为样本总数量；X

计算所述协方差矩阵的特征值以及特征向量，并将所述特征值按大小排序，取最小值k并使k满足前k个特征值之和大于特征值总和的85％：

式中：k为最终确定的主元个数，n为样本数据的维度数；

λ为协方差矩阵的特征值；

将前k个最大的特征值所对应的特征向量作为列向量，按照特征值从大到小的顺序将特征向量从左到右排列，组成特征向量矩阵P：

Y＝XP

将原始数据转换至k个特征向量构建的新空间中。其中X为按行排列的原始数据矩阵，Y为原始数据矩阵经过主成分映射降维后的新的数据矩阵(按行排列)，相当于X矩阵的一个线性坐标变换。

如图1所示，在本发明实施例的一种实现方式中，基于主成分分析的桥梁安全预警控制图方法还包括以下步骤：

步骤S300，基于所述降维后的结构状态信息数据，采用霍特林统计量和平方预测误差统计量建立桥梁结构控制图；

步骤S400，根据所述桥梁结构控制图确定桥梁结构的预警限，并根据所述预警限对桥梁结构安全的实时监测信息进行评估及报警。

具体地，在本实施例的一种实现方式中，步骤S400包括以下步骤：

步骤S401，根据预设训练数据分别计算所述霍特林统计量和所述平方预测误差统计量所对应的阈值限，确定所述预警限；

步骤S402，以所述预警限作为判据对所述桥梁结构安全的实时监测信息数据进行评估并报警。

在本实施例中，采用所述主成分分析方法对所述润滑后的矩阵进行降维处理后，可基于所述降维后的结构状态信息数据，采用霍特林统计量和平方预测误差统计量建立桥梁结构控制图，在此过程中，所述霍特林统计量和所述平方预测误差统计量所对应的阈值限的计算为：

式中：T2为根据样本数据计算所得的霍特林统计量，x

T

式中：Q

在本实施例中，在预警系统前期准备完毕后，进入系统运行阶段，对于每一组新获得的监测数据向量利用主元模型计算其T2统计量与SPE统计量，并将其展示在控制图上。若T2统计量与SPE统计量均未超过阈值限，则代表结构处于正常状态；若出现超过阈值限的情况，说明该组监测数据存在异常，该异常可能由结构损伤或者偶然因素引起。若随后T2统计量与SPE统计量很快恢复到阈值限以内，则可以认为是偶然因素，不必报警；当出现T2统计量或SPE统计量持续超越阈值限的情况，表明结构的健康状况出现问题，应给出安全预警。T2统计量表明主元模型信息中数据的偏移情况，SPE统计量表明未被主元模型采纳的残差信息中数据的偏移情况，二者是互补的关系，其一出现异常即表示数据的异常。

桥梁在长期服役的过程中，周围的环境可能发生长期改变，导致桥梁响应出现变化；桥梁本身也可能经历改造、维修、加固等影响结构参数的施工。这些因素会导致桥梁响应出现长期变化，但不代表结构安全出现问题。这种情况下，可以更换建立主元模型所用的健康数据。用条件改变或者维修后的一段时间监测数据建立主元模型，后续用新建立的主元模型进行计算及预警。需要注意的是，本预警方法旨在反映监测数据与健康数据的差异情况，因此在条件改变后，需要保证数据是在桥梁正常的状态下采集的。必要时可以对桥梁进行一次状态评估。

主成分分析法在进行数据降维时，利用的是数据向量中各成分之间的关联性。当输入的数据向量各成分之间有明显相关关系，比如输入同一跨的两个应变传感器的数据，本发明可以准确捕捉到数据的异常，具有很高的灵敏度；若输入的数据向量各成分互不相关，那么此情况下本发明只相当于普通的控制图方法，灵敏度低，体现不出主成分分析方法的优点。

以下通过实际应用场景对本实施例进行说明：

实施例1

桥梁结构健康监测系统在持续的运行中采集了大量蕴含结构安全状态信息的结构响应历史数据(即监测数据)，根据这些数据的变化特点对其进行统计分析，可以从中提取反映结构安全状态的特征信息，挖掘出结构性能的演变规律，从而实现结构安全分析。

以应变为例，在正常情况下，混凝土收缩和徐变效应主要发生在桥梁建成的第一年，因此对成桥一年后的桥梁而言，可以忽略此因素的影响。所以，在不考虑突发状况的情况下，桥梁的应变可以由下式确定：

ε＝ε

其中，ε

对于一般的桥梁，在其同一跨中往往会选择数个代表位置布置应变测点，以此可以得到桥梁一跨的应变场信息。桥梁的梁大多采用空心梁，梁高一般很大，除去一些特殊的应变测点(比如，钢箱梁焊接位置的应变测点)外，大多应变测点的应变对局部荷载并不是很敏感，而是会受这一跨上所有活动荷载的共同影响。因此桥梁这一跨上的车辆无论怎样分布，活动荷载导致的这一跨的应变场应该是近似相同的，不至于出现应变测点附近的车该点应变明显大于其他测点的情况。当温度改变时，温度变化对各点应变的影响也是近似相同。因此在正常条件下，应变主要受活动荷载和温度变化影响，这个应变场幅值会发生波动，但各测点之间应该保持相对固定的比例关系。比如，同一横截面位置两侧的应变应该近似相等；简支跨中和1/4跨位置的应变的比例近似为4:3等。需要指出的是，活动荷载可能造成的应变场幅值小幅度、高频率的波动以及以一日为周期的波动(高峰期)，温度变化导致的波动以日周期为主。应变场幅值的长期均值会基本保持稳定。

当桥梁出现整体性能的劣化时，应变场各测点的比例关系不会产生大变化，但应变场幅值会出现长期变化，长期来看会体现为应变场幅值均值的持续偏移；当桥梁出现局部性能劣化时，这种情况与桥梁局部损伤类似。局部的损伤或劣化会导致其附近测点的应变产生变化，而对较远处测点的影响很小，这会体现为应变场的变形，而且这种改变是长期的。

根据主成分分析算法的原理，当数据之间存在相关性时，T2与SPE统计量可以反映出数据均值与数据间相关关系的变化。以本实施例为例，在正常状况下，应变场形状基本不变，幅值呈周期性变化，其长期均值基本不变，T2和SPE统计量会在阈值线以下波动；当桥梁出现整体性能的劣化时，应变场幅值出现变化，长期均值出现持续偏移，T2和SPE统计量会表现为均值升高，直至超过阈值限；当桥梁出现局部性能劣化或局部损伤时，应变场局部的形状会发生改变，即各通道数据之间的相关关系出现变化，并且这种改变是永久的，不会随时间恢复。主成分分析算法对于这种相关关系的改变比较敏感，哪怕只有一个通道的数据异常，T2统计量和SPE统计量都会显著提高且不会恢复。由此可见，本方法可以显著反映出桥梁状态的变化情况。

具体应用本方法时，需要将同一跨中各应变测点在同一时刻的数据组合成一个数据向量，这样就构成了一个数据样本。若在几跨同时布置有应变测点，也可将各跨所有测点信息组合在一起。随后即可按照本方法(a)，(b)，(c)的步骤进行数据处理及预警，T2统计量的预警效果如图2所示，SPE统计量的预警效果如图3所示。

实施例2

以挠度为例，其基本思想与应变相似，不同之处在于挠度测点一般只在桥梁的跨中布置，无法得到一跨的位移场的信息，但是仍可以得到各测点所在跨的挠度比例关系。挠度对于局部损伤不是非常敏感，但是挠度的影响因素与应变影响因素相同，挠度数据仍然可以反映出桥梁状态的变化。本预警方法仍然可以适用，可以反映出某一跨挠度的异常。但是对于某一跨局部损伤的敏感性不如应变信息。在应用本方法时，可以将各跨挠度测点在同一时刻采集的数据组合成一个数据向量，作为一个样本。随后即可按照本方法(a)，(b)，(c)的步骤进行数据处理及预警。

实施例3

以自振频率为例，自振频率是结构的固有属性，受荷载的影响很小。影响自振频率的因素主要有温度、整体性能劣化和局部损伤。温度会影响钢筋和混凝土的弹性模量，导致各阶自振频率同时发生变化，各阶频率的长期均值近似不变；整体性能劣化会导致各阶频率长期均值的下降；局部劣化和损伤会导致某几阶自振频率的降低，对其他阶自振频率影响较小，这与损伤发生的位置和振型形状有关。因此对各阶自振频率应用本方法，也可以反映出桥梁状态的变化。

具体应用时，需要将同一段时间内识别得到的桥梁的各阶自振频率组合成一个数据向量，作为一个样本。随后即可按照本方法(a)，(b)，(c)的步骤进行数据处理及预警。

本实施例通过上述技术方案达到以下技术效果：

本实施例通过对桥梁结构的监测数据进行统计分析，从中提取有关结构安全的特征信息，基于提取的特征信息利用霍特林统计量和平方预测误差统计量建立桥梁结构控制图，以此挖掘结构性能的演变规律，实现桥梁结构安全的有效分析，使得分析过程不需要结构的精确模型和已知激励，具有广泛的通用性；本实施例基于主成分分析方法分析桥梁安全，并且通过控制图进行预警，提高了桥梁结构安全分析的分析精度。

示例性设备

基于上述实施例，本发明还提供一种基于主成分分析的桥梁安全预警控制图装置，包括：

数据润滑处理模块，用于获取桥梁所有的结构状态信息数据，并通过多元指数加权移动平均模型对所获取的结构状态信息数据进行润滑处理，得到润滑后的结构状态信息数据；

数据降维处理模块，用于根据累计贡献率确定桥梁结构的主元个数，并采用主成分分析方法对所述润滑后的结构状态信息数据进行降维处理，得到降维后的结构状态信息数据；

桥梁结构控制图模块，用于基于所述降维后的结构状态信息数据，采用霍特林统计量和平方预测误差统计量建立桥梁结构控制图；

评估及报警模块，用于根据所述桥梁结构控制图确定桥梁结构的预警限，并根据所述预警限对桥梁结构安全的实时监测信息进行评估及报警。

基于上述实施例，本发明还提供一种终端，其原理框图可以如图4所示。

该终端包括：通过系统总线连接的处理器、存储器、接口、显示屏以及通讯模块；其中，该终端的处理器用于提供计算和控制能力；该终端的存储器包括存储介质以及内存储器；该存储介质存储有操作系统和计算机程序；该内存储器为存储介质中的操作系统和计算机程序的运行提供环境；该接口用于连接外部设备，例如，移动终端以及计算机等设备；该显示屏用于显示相应的信息；该通讯模块用于与云端服务器或移动终端进行通讯。

该计算机程序被处理器执行时用以实现基于主成分分析的桥梁安全预警控制图方法的操作。

本领域技术人员可以理解的是，图4中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端的限定，具体的终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种终端，其中，包括：处理器和存储器，存储器存储有基于主成分分析的桥梁安全预警控制图程序，基于主成分分析的桥梁安全预警控制图程序被处理器执行时用于实现如上的基于主成分分析的桥梁安全预警控制图方法的操作。

在一个实施例中，提供了一种存储介质，其中，存储介质存储有基于主成分分析的桥梁安全预警控制图程序，基于主成分分析的桥梁安全预警控制图程序被处理器执行时用于实现如上的基于主成分分析的桥梁安全预警控制图方法的操作。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。

综上，本发明提供了一种基于主成分分析的桥梁安全预警控制图方法及装置，方法包括：获取桥梁所有的结构状态信息数据，并通过多元指数加权移动平均模型对所获取的结构状态信息数据进行润滑处理；根据累计贡献率确定桥梁结构的主元个数，并采用主成分分析方法对润滑后的结构状态信息数据进行降维处理；基于降维后的结构状态信息数据，采用霍特林统计量和平方预测误差统计量建立桥梁结构控制图；根据桥梁结构控制图确定桥梁结构的预警限，并根据预警限对桥梁结构安全的实时监测信息进行评估及报警；本发明基于主成分分析方法分析桥梁安全，并且通过控制图进行预警，提高了桥梁结构安全分析的分析精度。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。