1.一种桥梁健康状态检测与管养决策系统，其特征在于，该系统包括桥梁服务门户子系统、数据分析与处理子系统、大数据挖掘子系统、知识库管理与维护子系统、桥梁健康状态监测与评估子系统；
(1)所述的桥梁服务门户子系统包括桥梁用户信息配置单元、用户需求与服务配置单元、桥梁数据配置单元和服务集成调度引擎单元；
桥梁用户信息配置单元采用模板方式，登记桥梁用户的基本信息；
用户需求与服务配置单元采用模板方式，配置每座桥梁用户需要的服务类型；
桥梁数据配置单元采用模板方式，用于配置每个检测设备参数，外部环境数据引入路径及数据文件名，桥梁历史档案数据、人工巡检数据、病害记录数据、管养记录所存放的路径及文件名称；
服务集成调度引擎单元用于将桥梁用户信息配置单元、用户需求与服务配置单元、桥梁数据配置单元的配置信息进行融合集成，并通过建立调度引擎，实现对各个单元的运行和处理结果信息的可视化显示；
(2)所述的数据分析与处理子系统包括数据整合与融合集成统一单元、大数据预处理单元、大数据质量分析单元和源数据库管理单元；
源数据库管理单元通过分成桥梁管理数据库和系统管理知识库来管理桥梁的源数据；
数据整合与融合集成统一单元用于对从数据服务中心读入的传感器采集数据和从市政设施管理处服务器读入的各类文件数据，分别进行预处理；
大数据预处理单元用于对接收的各类传感器数据进行数据清洗；
大数据质量分析单元用于评估各类传感器采集数据的正确性和有效性；并且对各传感器数据分别进行特征提取与统计分析；
(3)所述的大数据挖掘子系统包括数据准备单元、数值型数据挖掘单元和非数值型数据挖掘单元；
数据准备单元对各类传感器采集存放的历史数据，应用质量分析和数据预处理方法进行数据筛选；
数据值型数据挖掘单元分别从传感器数据中挖掘出桥梁健康状态异常的单传感器数据类特征之间的关联规则和多传感器数据类特征之间的关联规则，并由此建立相应的规则数据库，对于新增的累积数据，重新学习，获取新的规则，从而使该功能具有自学习功能；
非数值型数据挖掘单元利用人工巡检报告、病害记录、日常管养记录，从中挖掘出桥梁结构病害损伤识别、原因、指标、病变趋势，并由此建立相应的指标、病害规则、管养案例、应急预案知识库；对于新增的累积的文本信息，重新学习，获取新的规则，从而使该功能具有自学习功能；
(4)所述的知识库管理与维护子系统用于对所建各类知识库进行管理，并对领域专家和桥梁管理与维护人员的桥梁检测与管养经验，以人工方式提炼成经桥梁专家认可的知识，保存到领域专家知识库中；
(5)所述的桥梁健康状态监测与评估子系统根据桥梁服务门户子系统下发的服务引擎，执行相应的服务功能；包括知识推理单元，以及以知识推理单元为基础的桥梁健康状态异常检测单元、记录状态异常单元、趋势分析单元、异常度计算单元、桥梁结构状态综合评估单元、数据安全等级与报警级别划分单元；
知识推理单元通过建立知识推理模型使推出的结果符合专家水平的结论；同时，对于知识库中没有而推出的新结论，经桥梁专家确认后，以新的知识追加到相应的知识库中，从而使建立的知识库具有不断更新和添加功能；
桥梁健康状态异常检测单元用于对桥梁状态是否异常进行检测；
趋势分析单元是对发生状态异常的传感器数据，应用建立的趋势分析模型给出最近某时间段的状态变化趋势，以辅助管理人员分析与决策；
异常度计算单元用于对出现异常的传感器检测数据，给出其异常的程度计算，并以可视化方式给出某时间段内异常度的变化曲线；
桥梁结构状态综合评估单元采用模糊数学和层次分析法相结合的方法对桥梁的当前结构状态进行综合评估；
数据安全等级与报警级别划分单元是根据国家公路桥梁建设与评估标准，应用有限元分析和桥梁领域的专家经验，给出的划分等级，并以知识库形式保存到指标库中，便于修改和维护；
记录状态异常单元，对于出现异常的状态，记录其结构部件、原因、指标因素、异常度、可能病害、变化趋势和维护方法信息。
2.一种桥梁健康状态检测与管养决策方法，其特征在于，具体步骤如下：
(1)桥梁数据处理步骤
步骤一、系统初始化；
步骤二、获取桥梁采集站实时上传到数据服务中心的传感器采集数据和市政设施管理处服务器上传到数据服务中心的各类文件数据；所述传感器采集数据包括风速风向、温度湿度、振动、挠度、响应、应变、位移、三向加速度、索力、称重；所述各类文件数据为巡检报告、病害记录、管养记录和桥梁档案；巡检报告包括人工日常巡检、定期巡检和特殊巡检；
步骤三、对步骤二获得的数据分别进行预处理；所述的预处理包括量纲、编码、单位、名称和时间方面的统一与数据集成与分类存储，并对传感器采集的包文数据进行解析和丢包统计；其中，当数据包为空或数据包前后时间超过设定的间隔时间，则认为丢包；
步骤四、根据传感器测量精度和数据异常指数模型和数据质量极差以评估各类传感器采集数据的正确性和有效性；对各传感器数据分别进行特征提取与数值分布、特征分布统计分析，并从不同的角度利用不同的可视化方式，分别给出各类数据的值分析、特征分布显示，以辅助异常检测的分析，并为后续的数据挖掘和知识发现提供高质量的数据做准备；
步骤五，对质量分析后的各类传感器数据进行数据预处理，所述的预处理包括数据清洗和数据变换；其中，数据清洗，包括应用数学上的样条插值模型对缺失的数据进行插值、利用灰色缓冲算法对噪声数据进行滤波降噪处理，利用传感器数据库中的检测阈值删除离群点；数据变换是应用短时FFT变换进行时频分析，以辅助数据挖掘和异常检测的分析，并为后续的数据挖掘和知识发现提供有效、可靠的数据做准备；
步骤六，将预处理后的数据存入桥梁管理数据库，所述桥梁管理数据库包括：桥梁档案库、传感器检测数据库、人工巡检测报告库、病害记录信息库、管养信息记录库；
步骤七，对桥梁管理数据库中的存放的历史海量数据，进行数据挖掘和知识发现处理，具体步骤如下：
(7.1)进行数据准备，一方面，对各类传感器采集存放的历史海量数据，应用步骤四和步骤五的方法，从中筛选出Ix<0.5质量高、有效性和可靠性强的数据集；另一方面，对非数值型的文本型数据，通过建立桥梁领域字典，去除文本中的一些无用词、符号，并用Bayes法和聚类法相结合的方法提取文本中的特征词或关键词，建立结构化的信息存储方式，并完善字典中的词汇；
(7.2)对于数据值型数据，采用关联分析法、集对分析法、K-近邻聚类、SVM算法和RBF算法从有监督学习和无监督学习的不同角度，分别对单传感器数据类型和多传感器数据类型进行挖掘，以便从中挖掘出桥梁健康状态异常的单传感器数据类特征之间的关联规则和多传感器数据类特征之间的关联规则，并由此建立相应的数值型数据的规则数据库；
(7.3)对于非数据值型数据，应用层次凝聚法、BP神经网络法和Apriori关联规则算法，从人工巡检报告、病害记录、日常管养记录信息中挖掘出桥梁结构病害损伤识别、原因、指标、病变趋势规则，并由此建立相应的指标、病害规则、管养案例、应急预案知识库；
(7.4)将数据挖掘和知识发现处理的数据，根据领域专家和桥梁管理与维护人员的桥梁检测与管养经验，以人工方式提炼成经桥梁专家认可的知识，保存到对应的知识库中；同时，对提取的知识建立一种逐级泛化的分层思路，包括基本特征层、基本事件层、基本状态层、损伤识别层、病害识别层和管养维护层；最终生成均含有多层结构的知识库，为后续桥梁服务提供支撑，所述知识库包含指标库、病害知识库、挖掘规则库、案例规则库、应急预案库、领域知识库；
步骤八，建立知识推理模型
根据检测数据的变化程度，应用数据挖掘和知识发现处理后生产的知识库和建立好的各种知识层次，采用黑板模型，通过设立黑板、知识源和控制机制建立具有智能的知识推理机，使其推出的结果符合专家水平的结论，包括：是否异常、异常产生的原因、可能的病害、病变的趋势、管理和养护方法；同时，对于知识库中没有而推出的新结论，经桥梁专家确让后，以新的知识追加到相应的知识库中，从而使建立的知识库具有不断更新和添加的功能；
(2)桥梁服务处理步骤
步骤一、系统初始化；
步骤二、对实时上传的传感器数据和实时上传的人工巡检数据，进行特征提取；
步骤三、根据提取的特征数据和信息，调用建立的知识推理模型，应用集对分析分别从指标库、病害知识库、挖掘规则库、案例规则库、应急预案库、领域知识库中，推理出该时刻上传的数据是否异常；对于异常情况，应用此推理机分别推理出其异常产生的原因、可能产生的损伤病害、损伤变化的趋势、威胁等级，并找出与规则和案例相近的检测和管养决策结果，以报表的形式呈现给用户；
步骤四、对于知识库中没有发现的异常情况，系统再通过建立的算法模型库中的预先存放的异常检测模型，如自回归模型、灰色关联模型，对桥梁健康状态进行检测与异常识别；对于检测状态异常的数据，再应用知识推理机和集对分析理论进行知识推理，从中找出异常产生的原因、可能产生的损伤病害、损伤变化的趋势、威胁等级，并找出与规则和案例相近的检测和管养决策结果，以报表的形式呈现给用户；同时，对于出现异常的传感器检测数据，给出其异常的程度计算，并以可视化方式给出某时间段内异常度的变化曲线；
步骤五、进行趋势分析，对发生状态异常的传感器数据，应用振荡值指标建立的趋势分析模型，从不同角度分别给出最近某时间段的状态变化趋势，以辅助管理人员分析与决策；
所述的趋势分析模型包括趋势移动平均法、幅值振荡指数法；
步骤六、对桥梁结构状态综合评估，采用模糊数学和层次分析法相结合的方法对桥梁的当前结构状态进行综合评估；其中，对评估的指标采用树型结构存储模式，以适应不同桥梁指标不同，以及未来指标可能发生调整或变化下的评估问题，具有较好的灵活性和可扩展性；
步骤七、划分数据安全等级与报警级别，根据国家公路桥梁建设与评估标准：公路桥涵设计通用规范JTG D60-2015、城市桥梁养护技术规范CJJ-99-2003、公路桥梁技术状况评定标准JTGT H21-2011，公路桥梁结构安全监测系统技术规程J/T/T 1037-2016，应用有限元分析和桥梁领域的专家经验，给出的划分等级，并以知识库形式保存到指标库中，便于修改和维护；
步骤八，对上述步骤产生的桥梁决策管养方案，提供给桥梁管理与维护人员进行确让和辅助决策，以辅助桥梁管理与维护人员对桥梁及时进行维护，更好地防范环境、超载及洪水灾害因素对桥梁的冲击影响，提升桥梁的管养和维护效率。
3.根据权利要求2所述的方法，其特征在于，第(1)部分步骤四中，异常指数μ为均值，σ为标准差；Ix<0.2数据质量优；0.2≤Ix<0.4数据质量良；0.4≤Ix<
0.5数据质量中；0.5≤Ix<0.7数据质量较差；Ix≥0.7。
4.根据权利要求2所述的方法，其特征在于，第(1)部分步骤五中，其中，灰色缓冲算法为：设某传感器采集的数据围绕某值振荡的模型为：z(k)＝x0+ε(k)，k＝1,2,…,n其中，x0为采样点真实值，ε(k)为随机噪声，假定服从正态分布；则其对应的随机振荡序列为：X＝(z(1),z(2),…,z(n))
作加权均值生成，可得新的随机振荡序列：
5.根据权利要求2所述的方法，其特征在于，第(1)部分步骤(7.2)中，关联分析法是根据已有桥梁数据D建立一棵频繁增长树，然后根据最小支持度minSup对树进行剪枝，生成该数据集的频繁项集，然后再根据最小可信度，生成挖掘所需的关联规则；集对分析法，将各观测信息的特征组成一特征矢量，然后应用集对分析，给出匹配的同一度、模糊度和差异度。
6.根据权利要求2所述的方法，其特征在于，第(1)部分步骤(7.3)中，层次凝聚法：对于给定的文档集合D＝{d1,…,di,…,dn}，具体过程如下：
(1)将D中的每个文档di看作是一个具有单成员的簇ci＝{di}，这些簇构成了D的一个聚类C＝{c1,…,ci,…,cn}；
(2)计算C中每对簇(ci,cj)之间的相似度sim(ci,cj)；
(3)选取具有最大相似度的簇对 并将ci和cj合并为一个新的簇ck＝
ci∪cj，从而构成了D的一个新的聚类C＝{c1,c2,…,cn-1}；
(4)重复上述步骤，直至C中剩下一个簇为止。
7.根据权利要求2所述的方法，其特征在于，所述步骤八中，黑板模型由三部分组成：①黑板：用来存贮数据、传递信息和处理方法的数据库，是系统中的全局工作区；整个黑板可分成若干信息层，每一层用于描述桥梁领域问题的某一类信息；高层信息看作为下层信息的抽象，反之，下层信息为上层信息的实例；黑板上的信息载体是在特定的信息层上对桥梁领域问题的某一个侧面的一种解释；②知识源：是描述桥梁领域问题的知识及其知识处理方法的知识库，用于解答黑板提交的各种问题；在系统中具有多个知识源，用来负责解决一种特定的任务；知识源之间互相独立，它们只能通过黑板进行通信或相互调用；知识源通过黑板上的假说的建立、修改、删除操作来对黑板上的信息进行更新；③控制机构：是用于协调各知识源的调用顺序，是黑板模型求解问题的推理机构，由监督程序与调度程序组成；监督程序根据黑板的状态变化激活相关的知识源，并将动作部分可执行的知识源放入调度队列中；调度程序通过选择“聚焦”来优先使用队列中最重要且最有希望的知识源来执行，用执行结果来修改黑板状态，为新一轮的推理循环创造条件；即黑板模型的调度策略遵循由底层到高层、由低级到高级的求解策略决定推理的次序，并结合不同的优先级计算原则，优先选择对问题求解最为有利、迅速和可靠的知识源，将其激活进行问题求解；当某级某层黑板上发生状态的变化时，查找知识库中的可用规则；在可用规则集中选出最适合规则，执行选出的规则，作用于黑板，使之发生变化；如此循环，直至解决问题。
8.根据权利要求2所述的方法，其特征在于，第(2)部分步骤四中，异常度计算模型是将本周期内监测参数的极值与最近若干周期的K线移动平均极值进行比较，判别当前监测的结构参数挠度、应变的偏离程度；即计算当前周期中的最大值或最小值偏离最近若干周期的平均最大值、平均最小值的程度，以此发现当前结构监测参数的异常情况；其计算公式为：
其中，h为某周期监测参数的最大值；l为某周期监测参数的最小值；n为移动平均周期数；ma(h,n)为最近n周期监测参数最大值的移动平均值；ma(l,n)为最近n周期监测参数最小值的移动平均值。
9.根据权利要求2所述的方法，其特征在于，第(2)部分步骤五中，趋势分析模型采用已有文献中给出的振荡值指标方法设计,步骤为：
Step1：从第2个周期开始，直到最后一个周期n，计算每一个周期中的振荡上下值，公式为：
其中，hi为某周期监测参数的最大值；lo为某周期监测参数的最小值；la为某周期监测参数的结束值；th为某周期相对于前一周期的向上值；tl为—某周期相对于前一周期的向下值；
Step2：从第n3个周期开始，直到最后一个周期n，计算每个周期前n1、n2、n3个周期的累积振荡，公式为：
其中，ACC1为nl周期内的累积振荡；ACC2为n2周期内的累积振荡；ACC3为n3周期内的累积振荡；
Step3：根据上式计算出的累积振荡，从第n3个周期开始，直到最后一个周期n，计算每个周期的振荡值指标，以百分比的形式表示；公式为：
10.根据权利要求2所述的方法，其特征在于，第(2)部分步骤六中，模糊数学和层次分析法设计的步骤为：
Step1：确立桥梁评估的多层结构评价指标集；如设评估对象指标集为c＝{c1,c2,…,cN1}，其中N1为1级指标个数；ci＝{ci1,ci2,…,ciN2}，N2为第2级指标集的指标个数；
Step2：确立相应的评价指标权重；按层次分析法对同一层或同一个域的指标进行两两比较对比，构造判断矩阵；计算判断矩阵的最大特征根及对应的特征向量，归一化处理，经一致性检验得到指标权重向量A＝(a1,a2,…,aN1)，且
Step3：建立评语集；可采用专家评语打分法来确定，评语集V＝{v1,v2,…}＝<优，良，中，一般，差}，其中vj(j＝1,2,…)表示ci对不同评价等级的隶属度；为实现量化，可采用量比指标给出分数集，如U＝{95，75，65，50，30}；
Step4：单指标评估；建立指标论域和评语论域之间的模糊关系矩阵R＝[rij]；
Step5：模糊综合评判：B＝A·R
Step6：输出综合评估：L＝B·U。