一种桥梁支座异常检测方法

本发明提供了一种桥梁支座异常检测方法，属于基于深度学习的桥梁检测技术领域；在本方法中，通过在支座关键位置部署高精度传感器阵列，同步采集振动、位移、应变及环境参数；创新性地采用一维卷积神经网络与自注意力机制提取振动信号的局部与全局特征，利用ST‑GCN捕捉位移与应变的空间分布与时间演化规律，并通过GRU建模环境长期趋势；同时引入了基于对抗自编码器的多模态融合方法，将异构特征映射到统一且紧凑的潜在空间，并通过对抗训练使其分布更规整，增强了模型对正常与异常状态的本质区分能力。本发明实现了对支座状态的全面感知、精准诊断与前瞻性预警。