本发明涉及形变监测，更具体地说，本发明涉及基于superglue图神经网络改进的形变监测系统及方法。
背景技术：
1、随着工程技术的发展和城市化速度的加快，对建筑物、桥梁、道路以及其他基础设施的健康状况进行实时监控已变得至关重要。形变监测是指通过技术手段监测和分析结构物在自然和人为因素作用下的物理形态变化，旨在及时发现结构潜在的安全问题，避免灾害事故的发生。
2、但是传统方法在实际使用时，仍旧存在一些缺点，如传统的形变监测系统在对大规模和复杂结构进行形变监测时存在一些局限性，如监测精度不高、计算复杂度大等问题。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明的实施例提供基于superglue图神经网络改进的形变监测系统及方法，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、形变数据采集模块：用于使用采集设备采集桥梁的形变数据，并将采集到的形变数据传输至数据处理模块中；
4、数据处理模块：用于接收数据采集模块中采集到的形变数据，并将接收到的数据进行清洗和标准化，将清洗和标准化后的数据传输至特征提取模块；
5、特征提取模块：用于接收数据处理模块中处理后的数据，并采用图神经网络对处理后的数据进行特征提取；
6、数据算法匹配模块：用于superglue算法匹配不同时间点收集的形变数据，识别出相对应的特征点；
7、形变分析模块：用于在完成数据匹配后，将数据匹配后的形变数据进行形变分析；
8、报告生成模块：用于基于形变分析的结果，系统将自动生成详细的监测报告，并将检测报告发送至控制端，由专业人员进行分析。
9、优选的，所述数据采集模块中，采集设备包括高精度传感器，包括光纤传感器、倾角传感器、gps；形变数据包括桥梁位移值、桥梁倾斜值、桥梁振动值、荷载值；数据采集系统将通过无线网络实时传输数据至中心处理系统，确保数据的实时性和完整性。
10、优选的，所述数据处理模块中，数据清洗包括去除噪声、去除异常值和数据插值。
11、优选的，所述特征提取模块中，特征提取的方法具体为：
12、步骤d1：根据形变监测数据的特点，构建一个图结构；在这个图中，每个节点代表一个监测点，节点之间的边根据监测点之间的空间关系或者相似度来连接；
13、步骤d2：为每个节点定义节点特征，这些节点特征是监测点本身的特征，是由监测点周围邻居节点的特征聚合得到的特征；
14、步骤d3：通过在图结构上进行卷积运算，从相邻节点邻域中聚合信息并更新节点特征；图卷积操作能够在局部邻域内传播信息，从而获得更丰富的特征表示；
15、步骤d4：设计形变监测数据的gnn模型；该模型会根据节点之间的关系进行信息传递和特征聚合，在隐藏层中提取关键特征；
16、步骤d5：通过训练gnn模型，从形变监测数据中提取出关键的特征表示；这些表示形变监测数据中的模式和变化；
17、步骤d6：根据实际任务需求，优化设计的gnn模型，调整模型结构或超参数，以提高特征提取的准确性和鲁棒性。
18、通过上述步骤，可以利用图神经网络从形变监测数据中提取关键特征，帮助实现形变监测数据的分析和预测；gnn在处理图结构数据方面具有很大优势，能够有效地利用节点之间的关联信息，适用于各种复杂的监测数据场景。
19、优选的，所述数据算法匹配模块中，superglue算法匹配的方法具体为：
20、步骤f1：对提取出的特征点进行描述，生成每个特征点的特征描述子；描述子是用来描述特征点周围区域特征的向量；
21、步骤f2：将两组数据中的特征点和其对应的特征描述子组合在一起，形成superglue算法的输入；
22、步骤f3：使用已有的训练数据对superglue模型进行训练，学习如何准确地匹配特征点；
23、步骤f4：使用已经训练好的superglue模型，对输入的特征点进行匹配；superglue会根据特征点的描述，计算它们之间的相似度，从而确定哪些特征点是匹配的；
24、步骤f5：根据superglue算法的输出，获取匹配结果；匹配结果是一组匹配点对，每对点包括两个数据中的特征点；
25、步骤f6：对匹配结果进行评估，判断匹配的质量。
26、优选的，所述形变分析模块，分析算法将评估匹配数据中的形变趋势，识别可能的结构健康问题。
27、优选的，所述报告生成模块中，生成监测报告的方法具体为：
28、步骤h1：整合匹配结果获取的形变数据，包括监测点的桥梁位移值、桥梁倾斜值、桥梁振动值、荷载值和形变量数据，确保数据的准确性和完整性；
29、步骤h2：基于收集到的形变数据，进行形变趋势和模式分析；根据前述形变趋势和模式分析的结果，形成详细的分析报告；分析报告包括结构的整体形变情况、变形模式；
30、步骤h3：根据形变分析结果，对结构的安全性和稳定性进行评估，并提出相关的风险评估；评估结构可能出现的风险情况，如结构的疲劳裂纹、变形过大导致结构承载能力下降等；
31、步骤h4：根据形变分析和风险评估结果，提出相应的维护建议和措施；建议和措施包括建议的维护周期、维护方法、结构加固或修复方案等，以确保结构的安全性；
32、步骤h5：将形变分析的具体数据、分析结果、风险评估以及维护建议整合到监测报告中；确保报告的逻辑性和清晰性，在报告中以清晰的语言和图表展示形变情况和分析结果；
33、步骤h6：对生成的监测报告进行审查和验证，确保报告中所包含的信息准确且符合实际情况；
34、步骤h7：完成监测报告的编辑和整理后，最终将监测报告发送至控制端，并由专业人员进行分析。
35、本发明的技术效果和优点：
36、本发明通过引入superglue图神经网络，可以提高形变监测系统的形变检测精度和计算效率，实现对复杂结构物体形变的精准监测。
1.基于superglue图神经网络改进的形变监测系统，其特征在于，包括：
2.根据权利要求1所述的基于superglue图神经网络改进的形变监测系统，其特征在于：所述数据采集模块中，采集设备包括高精度传感器，包括光纤传感器、倾角传感器、gps；形变数据包括桥梁位移值、桥梁倾斜值、桥梁振动值、荷载值；数据采集系统将通过无线网络实时传输数据至中心处理系统，确保数据的实时性和完整性。
3.根据权利要求2所述的基于superglue图神经网络改进的形变监测系统，其特征在于：光纤传感器安装方法具体为：
4.根据权利要求1所述的基于superglue图神经网络改进的形变监测系统，其特征在于：所述数据处理模块中，数据清洗包括去除噪声、去除异常值和数据插值。
5.根据权利要求1所述的基于superglue图神经网络改进的形变监测系统，其特征在于：所述特征提取模块中，特征提取的方法具体为：
6.根据权利要求1所述的基于superglue图神经网络改进的形变监测系统，其特征在于：所述数据算法匹配模块中，superglue算法匹配的方法具体为：
7.根据权利要求1所述的基于superglue图神经网络改进的形变监测系统，其特征在于：所述形变分析模块，分析算法将评估匹配数据中的形变趋势，识别可能的结构健康问题。
8.根据权利要求1所述的基于superglue图神经网络改进的形变监测系统，其特征在于：识别形变趋势的方法具体为：
9.根据权利要求1所述的基于superglue图神经网络改进的形变监测系统，其特征在于：所述报告生成模块中，生成监测报告的方法具体为：
10.根据权利要求1-9任一项所述基于superglue图神经网络改进的形变监测方法，其特征在于：
