CN103868747A - 一种基于时间序列符号化的结构损伤识别系统与识别方法 - Google Patents

Abstract

本发明提供了一种基于时间序列符号化的结构损伤识别系统与识别方法，涉及大型土木工程结构物健康监测技术领域。针对现有的结构健康监测方法存在数据量大，计算复杂、易漏报及不能即时识别结构损伤的问题。方法：一、收集结构非健康状态序列柱状图并储存；二、获取当前待监测结构的实时加速度时程数据并处理生成实时状态序列柱状图；三、判断实时状态序列柱状图与结构非健康状态序列柱状图是否匹配，当判断结果为是时，表示当前待监测结构有损伤，当判断结果为否时，表示当前待监测结构为健康状态。本发明减小了系统功能单元间的数据传输量，提高了数据传输速度，并保证结构所有异常状态均可被识别，杜绝了漏报现象，保证了判断结果的准确性。

Description

一种基于时间序列符号化的结构损伤识别系统与识别方法

技术领域

本发明涉及大型土木工程结构物健康监测技术领域，特别涉及一种基于时间序列符号化的结构损伤识别系统与识别方法。

背景技术

随着使用时间的加长以及不确定灾害事件的影响，土木工程结构在使用过程中会出现不同程度的损伤。若不及时发现，长期的损伤积累必将对结构的安全带来极大的影响，造成不必要的人员及财产损失，因此，及时识别结构损伤便具有十分重要的意义。

结构健康监测（StructuralHealthMonitoring，简称SHM）是利用现场的无损传感技术，通过包括结构响应在内的结构系统特性分析，达到检测结构损伤或退化的目的。具体来讲，结构系统特性可以通过分析结构物理参数与结构动力特征的变化来研究，如基于固有频率的变化、振型变化、柔度变化、刚度变化、传递函数变化、统计信息以及功率流的变化等。上述结构健康监测方法都需要即时获取结构同一位置上不同时间测量的振动时程数据，并将其传输至服务器，服务器对上述振动时程数据进行复杂变换求取结构的物理参数或者结构动力特征，而识别结构是否发生了损伤还需要专业技术人员的人工判断。

可见，目前基于振动的结构健康监测方法存在数据量大，计算复杂和易漏报等缺点，不能即时识别结构损伤的发生；另外，上述结构健康监测方法在实际应用过程中，由于识别精度严重依赖于传感器和解释算法，而传感器的抗噪声性能又很差，导致监测的时程加速度数据不准确，影响了结构损伤的正确识别。

发明内容

针对现有的结构健康监测方法存在数据量大，计算复杂和易漏报等缺点，不能即时识别结构损伤的发生，且传感器抗噪性能差而影响判断结果的问题。本发明的目的是提供一种基于时间序列符号化的结构损伤识别系统与识别方法，减小了系统功能单元间的数据传输量，提高了数据传输速度，并保证结构所有异常状态均可被识别，杜绝了漏报现象，保证了判断结果的准确性。

本发明解决其技术问题所采用的基于时间序列符号化的结构损伤识别系统包括：

数据采集单元一，用于采集所述结构健康状态时的加速度时程数据；

数据处理单元一，用于根据结构健康状态下的所述加速度时程数据生成结构非健康状态序列柱状图；

检测单元，用于存储所述结构非健康状态序列柱状图并形成检测器集；

数据采集单元二，用于采集当前待监测结构的实时加速度时程数据；、

数据处理单元二，用于将所述实时加速度时程数据处理生成实时状态序列柱状图；

判断单元，用于判断所述当前待监测结构的健康状态；

输出单元，用于输出所述判断单元的判断结果。

优选的，所述数据处理单元一还包括，

图形生成单元，用于将结构健康状态下的所述加速度时程数据处理生成结构健康状态序列柱状图；

反向选择单元，用于在所述结构健康状态序列柱状图的基础上生成结构非健康状态序列柱状图。

本发明还提供了一种基于时间序列符号化的结构损伤识别方法，步骤如下：

步骤一：收集所述结构非健康状态序列柱状图并储存；

步骤二：获取所述当前待监测结构的实时加速度时程数据并处理生成所述实时状态序列柱状图；

步骤三：判断所述实时状态序列柱状图与所述结构非健康状态序列柱状图是否匹配，当判断结果为是时，表示所述当前待监测结构有损伤，当判断结果为否时，表示所述当前待监测结构为健康状态。

优选的，所述步骤一中，所述结构非健康状态序列柱状图通过如下步骤生成：

步骤a：在健康结构的关键疲劳构件上布设加速度传感器，采集健康结构的加速度时程数据；

步骤b：利用时间序列符号化处理程序对经步骤a获得的所述加速度时程数据进行分析，提取结构健康状态序列柱状图作为结构状态参数；

步骤c：基于所述步骤b生成的所述结构健康状态序列柱状图，通过反向选择算法在所述结构健康状态序列柱状图的基础上生成所述结构非健康状态序列柱状图，并储存于所述检测单元形成检测器集。

优选的，将所述加速度时程数据处理生成状态序列柱状图的步骤如下：

步骤1：建立所述加速度时程数据的正弦曲线；

步骤2：将所述加速度时程数据离散化，并将离散化的数据转换成二进制符号序列；

步骤3：将所述二进制符号序列按设定位数长度转换为二进制状态；

步骤4：将每个所述二进制状态转换为十进制状态，并形成十进制状态序列；

步骤5：统计所述十进制状态序列出现的频率生成所述状态序列柱状图。

优选的，所述步骤3中，所述设定位数长度大于等于2位。

本发明的效果在于：

一、本发明的结构损伤识别系统，将结构非健康状态序列柱状图储存于检测单元形成检测器集，通过判断单元分析实时状态序列柱状图与检测器集是否匹配来判断待监测结构的健康状态，并能够通过局域网络或远程中心自动报告结构状态，实现在线实时连续监测、检查与损伤探测的自动化。

二、本发明的结构损伤识别方法，将结构非健康状态序列柱状图储存并生成检测器集，使得检测器集包含结构所有的异常状态，当待监测结构的状态序列柱状图与检测器集中的结构非健康状态序列柱状图匹配时，则说明待监测结构为损伤状态，这一判断方法保证了损伤结构均可被识别，杜绝了漏报现象的发生，判断方法直观且易于掌握，无需专利技术人员人工判断。

三、本发明的结构损伤识别方法，将测得的加速度时程数据通过符号化处理程序生成状态序列柱状图，以状态序列柱状图代表结构状态，算法简洁易懂且运行高效，避免现有方法运算数据量大，计算复杂的弊端，减小了系统功能单元间的数据传输量，提高了数据传输速度，进而提高结构损伤识别效率。

四、本发明的结构损伤识别方法，将测得的加速度时程数据离散化，并将离散化的数据转换成二进制符号序列，加速度传感器因噪声干扰而导致的测量误差不会影响二进制符号序列的排序，因此，也不会影响结构健康状态的判断结果，保证了判断结果的准确性。

附图说明

图1为本发明基于时间序列符号化的结构损伤识别系统的示意图；

图2为本发明基于时间序列符号化的结构损伤识别方法的流程图；

图3为本发明基于时间序列符号化的结构损伤识别方法一实施例的流程图；

图4和图5为本发明中将加速度时程数据处理生成状态序列柱状图的流程图；

具体实施方式

以下结合附图和具体实施例对本发明提出的一种基于时间序列符号化的结构损伤识别系统与识别方法作进一步详细说明。根据下面的说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

结合图1说明本发明的一种基于时间序列符号化的结构损伤识别系统，包括数据采集单元一10，用于采集结构健康状态时的加速度时程数据，可通过在健康结构的关键疲劳构件上布设加速度传感器获得数据，但并不局限于此，也可以通过其他方式获取。通过加速度传感器采集结构在日常环境激励（风、地球脉动）、地震激励及人为激励下的振动信号，并将结构响应的振动信号转换为电信号，继而传送至数据处理单元一20；数据处理单元一20根据数据采集单元一10采集的加速度时程数据处理生成结构非健康状态（即结构异常状态）序列柱状图；而检测单元30则用于存储上述结构非健康状态序列柱状图并形成检测器集，作为下一步判断待监测结构健康状态的依据，上述数据采集单元一10、数据处理单元一20及检测单元30依次电连接。

为实现待监测结构实时结构状态的检测，通过数据采集单元二40采集当前待监测结构的实时加速度时程数据，可通过在待监测结构的关键疲劳构件上布设加速度传感器获得上述数据；数据处理单元二50则用于将实时加速度时程数据处理生成实时状态序列柱状图，上述数据采集单元二40和数据处理单元二50电连接。

进一步地，分别与数据处理单元二50和检测单元30电连接的判断单元60，用于判断当前待监测结构的健康状态，即判断数据处理单元二50生成的实时状态序列柱状图与检测单元30内记录的结构非健康状态序列柱状图是否匹配；输出单元70，用于在接收到判断单元60传送的判断结果后，创建一条数据记录，更佳地，上述数据记录可通过局域网络或远程中心自动报告结构状态。该数据记录可显示输出或音频输出，在此不做限定。

本发明的结构损伤识别系统，将结构非健康状态序列柱状图储存于检测单元30形成检测器集，通过判断单元60分析实时状态序列柱状图与结构非健康状态序列柱状图是否匹配来判断结构的健康状态，并能够通过局域网络或远程中心，自动报告结构状态，实现在线实时连续监测、检查与损伤探测的自动化。

具体地，数据处理单元一20还包括图形生成单元以及反向选择单元（图中未示出），图形生成单元，用于将结构健康状态下的加速度时程数据处理生成结构健康状态序列柱状图；反向选择单元，用于在结构健康状态序列柱状图的基础上生成结构非健康状态序列柱状图。运用反向选择算法的“自己-非己”识别模式，能够准确地识别出监测信号中的异常，解决了现有识别系统不能很好地覆盖所有损伤结构类型而导致的漏检问题，提高了结构损伤识别效率。

下面结合图1和图2说明本发明的一种基于时间序列符号化的结构损伤识别方法，步骤如下：

S1：收集结构非健康状态序列柱状图并储存于检测单元30中形成检测器集；

S2：获取结构实时加速度时程数据并处理生成实时状态序列柱状图；

S3：判断实时状态序列柱状图与检测器集中的结构非健康状态序列柱状图是否匹配，当判断结果为是时，表示结构有损伤，当判断结果为否时，表示结构健康。

本发明的结构损伤识别方法，将结构非健康状态序列柱状图储存并生成检测器集，使得检测器集包含结构所有的异常状态，当待监测结构的状态序列柱状图与检测器集中的结构非健康状态序列柱状图匹配时，则说明待监测结构为损伤状态，这一判断方法保证了损伤结构均可被识别，杜绝了漏报现象的发生，判断方法直观且易于掌握，无需专利技术人员人工判断。

为便于本领域技术人员理解本发明的技术方案，下面以具体实例来说明。

请参阅图3至图5，上述图示为本发明提供的基于时间序列符号化的结构损伤识别方法应用实例的流程图，本实施例分为训练阶段10和监测阶段20。

首先，在训练阶段10，为收集结构非健康状态序列柱状图作为下一步判断待监测结构健康状态的依据，具体步骤如下：

S11，在健康结构的关键疲劳构件上布设加速度传感器，采集健康结构振动加速度时程数据；

S12，利用时间序列符号化处理程序对步骤S11获得的加速度时程数据进行分析，提取结构健康状态序列柱状图（b）作为结构状态参数；

这一过程步骤如图4和图5所示，具体如下：s12a：根据采集到的结构健康状态下的加速度时程数据，建立加速度时程数据的正弦曲线；

s12b：将加速度时程数据离散化，并将离散化的数据转换成二进制符号序列；

s12c：将二进制符号序列按设定位数长度转换为二进制状态，如图5所示，本实施例中上述设定位数为3位，当然，设定位数大于等于2均可，在此不作限定；

s12d：将每个二进制状态转换为十进制状态，并形成十进制状态序列；

s12e：统计十进制状态出现的次数生成柱状图（a），并根据十进制状态出现的频率生成结构健康状态序列柱状图（b）。

如图5所示，上述柱状图（a）中，横坐标表示十进制状态，纵坐标表示相应十进制状态出现的次数；结构健康状态序列柱状图（b）中，横坐标表示十进制状态，纵坐标表示相应十进制状态出现的频率。

接着，S13，通过反向选择算法在收集到的结构健康状态序列柱状图（b）的基础上生成所有未出现的状态序列柱状图，即结构非健康状态序列柱状图（图中未示出）并储存于检测单元30中形成检测器集。

本发明的结构损伤识别方法，将测得的加速度时程数据通过符号化处理程序生成状态序列柱状图，以状态序列柱状图代表结构状态，算法简洁易懂且运行高效，避免现有方法运算数据量大，计算复杂的弊端，减小了系统功能单元间的数据传输量，提高了数据传输速度，进而提高了结构损伤识别效率。

当检测单元30中检测器集训练完成后，即可实施待监测结构健康状态的在线监测，如图3所示，监测阶段20具体操作步骤如下：

S21，采集待监测结构的实时加速度时程数据；

S22，利用时间序列符号化处理程序处理上述实时加速度时程数据，并生成实时状态序列柱状图；

S23，判断实时状态序列柱状图与检测器集中的非健康状态序列柱状图是否匹配，如果判断结果为否，说明结构健康，没有损伤发生；如果判断结果为是，则说明结构有损伤发生，输出单元70接收上述判断结果并创建数据记录。

本发明的结构损伤识别方法，运用反向选择算法将结构健康状态序列柱状图处理生成结构非健康状态序列柱状图，保证检测器集包含结构所有的异常状态。反向选择算法（negativeselectionalgorithm，NSA），是一种模仿生物免疫系统原理的人工智能算法，运用反向选择算法的“自己-非己”识别模式能够准确地识别出监测信号中的异常，即将结构健康状态序列柱状图作为自己空间，通过反向选择算法在非己空间中产生检测器集，当待监测结构的状态序列柱状图与检测器集中的结构非健康状态序列柱状图匹配时，则说明待监测结构为损伤状态，这一判断方法的运用解决了现有识别方法不能很好地覆盖所有损伤结构类型而导致的漏检问题，提高了结构损伤识别效率和准确性。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (6)

1.一种基于时间序列符号化的结构损伤识别系统，包括：

数据采集单元一，用于采集所述结构健康状态时的加速度时程数据；

数据处理单元一，用于根据结构健康状态下的所述加速度时程数据生成结构非健康状态序列柱状图；

检测单元，用于存储所述结构非健康状态序列柱状图并形成检测器集；

数据采集单元二，用于采集当前待监测结构的实时加速度时程数据；

数据处理单元二，用于将所述实时加速度时程数据处理生成实时状态序列柱状图；

判断单元，用于判断所述当前待监测结构的健康状态；

输出单元，用于输出所述判断单元的判断结果。

2.根据权利要求1所述的结构损伤识别系统，其特征在于：所述数据处理单元一包括，

图形生成单元，用于将结构健康状态下的所述加速度时程数据处理生成结构健康状态序列柱状图；

反向选择单元，用于在所述结构健康状态序列柱状图的基础上生成结构非健康状态序列柱状图。

3.一种采用权利要求1或2所述的基于时间序列符号化的结构损伤识别系统的结构损伤识别方法，步骤如下：

步骤一：收集所述结构非健康状态序列柱状图并储存；

步骤二：获取所述当前待监测结构的实时加速度时程数据并处理生成所述实时状态序列柱状图；

步骤三：判断所述实时状态序列柱状图与所述结构非健康状态序列柱状图是否匹配，当判断结果为是时，表示所述当前待监测结构有损伤，当判断结果为否时，表示所述当前待监测结构为健康状态。

4.根据权利要求3所述的结构损伤识别方法，其特征在于：所述步骤一中，所述结构非健康状态序列柱状图通过如下步骤生成：

步骤a：在健康结构的关键疲劳构件上布设加速度传感器，采集健康结构的加速度时程数据；

步骤b：利用时间序列符号化处理程序对经步骤a获得的所述加速度时程数据进行分析，提取结构健康状态序列柱状图作为结构状态参数；

步骤c：基于所述步骤b生成的所述结构健康状态序列柱状图，通过反向选择算法在所述结构健康状态序列柱状图的基础上生成所述结构非健康状态序列柱状图，并储存于所述检测单元形成检测器集。

5.根据权利要求3或4所述的结构损伤识别方法，其特征在于：将所述加速度时程数据处理生成状态序列柱状图的步骤如下：

步骤1：建立所述加速度时程数据的正弦曲线；

步骤2：将所述加速度时程数据离散化，并将离散化的数据转换成二进制符号序列；

步骤3：将所述二进制符号序列按设定位数长度转换为二进制状态；

步骤4：将每个所述二进制状态转换为十进制状态，并形成十进制状态序列；

步骤5：统计所述十进制状态序列出现的频率生成所述状态序列柱状图。

6.根据权利要求5所述的结构损伤识别方法，其特征在于：所述步骤3中，所述设定位数长度大于等于2位。

Images