基于聚类算法的多传感器数据融合在桥面状况评估中的应用框架

摘要整理

桥面劣化是交通基础设施面临的重大挑战，导致高昂的维护成本和潜在安全隐患。传统桥面评估主要依赖目视检查，存在主观性强、难以发现脱层、钢筋腐蚀和混凝土劣化等内部缺陷的局限。为提高状况评估精度，本研究采用多传感器数据融合和聚类技术，结合探地雷达（GPR）和冲击回波（IE）进行缺陷识别。通过整合多个无损检测（NDE）数据集，建立了基于聚类的桥面状况自动分类框架。评估了K-均值、基于密度的带噪声应用聚类（DBSCAN）、高斯混合模型（GMM）和模糊C-均值（FCM）等四种聚类算法的有效性。采用肘部法则、轮廓系数和Davies-Bouldin指数确定最优聚类数。研究结果表明，DBSCAN算法在缺陷热点检测中性能最优，能有效处理噪声和空间不一致性。将聚类缺陷进行空间映射可视化，标识劣化区域分布，使桥梁工程师能够准确定位高风险区域，优化维护资源配置和检修计划。该框架为大规模基础设施的智能化评估和预防性维护提供了技术支撑。

相关论文