CN106998226A - 光纤光栅传感器网络智能健康监测自修复系统及方法 - Google Patents
光纤光栅传感器网络智能健康监测自修复系统及方法 Download PDFInfo
- Publication number
- CN106998226A CN106998226A CN201710172847.1A CN201710172847A CN106998226A CN 106998226 A CN106998226 A CN 106998226A CN 201710172847 A CN201710172847 A CN 201710172847A CN 106998226 A CN106998226 A CN 106998226A
- Authority
- CN
- China
- Prior art keywords
- main body
- optical fiber
- decision
- fiber
- grating sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/03—Arrangements for fault recovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
- H04B10/073—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems using an out-of-service signal
- H04B10/0731—Testing or characterisation of optical devices, e.g. amplifiers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optical Communication System (AREA)
- Optical Fibers, Optical Fiber Cores, And Optical Fiber Bundles (AREA)
Abstract
本发明公开了一种光纤光栅传感器网络智能健康监测自修复系统及方法,属于工程结构健康监测技术领域。针对大型工程结构中光纤光栅传感器智能健康监测系统的可靠性问题,采用多主体协作和决策技术,将常规分布式光纤光栅智能健康监测系统中信息采集、提取及分析评估等功能,转化为能够感知自身与环境,并可与其它主体通信与相互协作的智能主体,通过主体间的相互协作,以受损区域附近存活的光纤光栅传感器为基础,对失效传感器进行功能补偿,从而在不更换被监测对象中光纤光栅传感器网络的前提下使整个智能健康监测系统恢复正常工作,实现光纤光栅传感器网络局部失效的功能补偿,最终以较高的精度和可靠性实现被监测对象健康状态的智能评估。
Description
技术领域
本发明涉及一种光纤光栅智能健康监测自修复系统及方法,属于工程结构健康监测技术领域。
背景技术
光纤光栅传感器作为一种新型传感器,相对于传统的传感器具有传感一体化、重量轻、体积小、直径细、柔韧性好、灵敏度高、分辨率高、抗电磁干扰、本质安全、易于埋入结构中、易于构建分布式或准分布式网络等独特优点,已成为国内外智能健康监测系统中研究和应用领域最重要的传感器类型之一,在桥梁隧道、航空航天器、大型水坝、巨型船舶、海上石油平台,电力系统等大型、复杂工程结构中得到了广泛的应用。
在智能健康监测系统中,为了充分发挥光纤光栅传感器传、感一体化的优点,光纤光栅传感器通常以混联拓扑结构组成分布式或准分布式传感网络。在混联拓扑结构中,如果某个串联支路的某段传输或传感光纤发生断裂,则其后面的所有传感器信号均得不到正常传输,从而使光纤光栅传感器网络出现局部失效,进而影响整个监测系统性能。根据美国“智能维护系统中心”的研究报告显示,对于一个监测系统,由于传感器网络自身的故障而产生的错误报警率达到40%以上。在智能健康监测系统中,光纤光栅传感器网络通常埋置或粘贴于被监测对象中,如要修复或更换失效传感器,不仅会造成较大经济损失,甚至会影响被监测对象本身力学性能。因此,需要探索如何在不修复或更换失效传感器网络的前提下尽可能对监测系统进行补偿、修复,使监测系统性能损失降到最低,从而提高整个监测系统的可靠性。
目前各国学者对光纤光栅智能健康监测系统的自修复性能进行了研究,主要方法分为两类。
第一类是对监测系统的前端光纤光栅传感器网络进行修复,即在传统光纤光栅传感器网络中引入光开关、光纤放大器、波长插分复用器等辅助器件,通过光路的切换为失效的光纤光栅传感器重新寻找传输路径,使失效传感器对整个网络的影响降至最低,进而使监测系统的性能损失降至最低。如英国阿斯顿大学的Andrew M.Gillooly等人在串行和并行结构光纤光栅传感器网络基础上,提出了一种耦合链阵列的光纤光栅网络拓扑结构,此种设计提高了传统光纤光栅传感器网络的可靠性。台湾国立交通大学Peng-Chun Peng等人通过在网络中引入光纤放大器、光开关及中央节点提出了星形-环形-总线结构的光纤光栅传感器网络拓扑结构,此种拓扑结构提高了网络的生存能力。台湾国立交通大学Kai-MingFeng通过在光纤光栅传感器网络中引入2x2的光开关,提出了3-D环形网络拓扑结构,当网络中某个传输或传感节点断裂时,通过光开关的切换实现传感器网络的自修复功能。这类方法在网络中引入较多的光开关,不仅增加了整个监测系统的成本,而且引入光开关的同时带来一定的光损,如果光损过大,可能导致传感器采集到的信号无法得到解调。
第二类是直接对监测系统功能进行修复,即利用监测系统中仍完好的传感器,通过人工智能算法对网络中失效传感器功能进行补偿。如山东大学王正方采用支持向量回归机建立相应的非线性函数关系模型,对桥隧工程安全监测系统中光纤光栅传感器的缺失数据进行修补,从软件角度提高了智能监测系统的可靠性。信阳师范学院张晓丽以航空结构健康监测系统中的静态载荷和动态载荷为研究对象,采用支持向量回归机模型重构技术对光纤光栅传感器网络局部失效数据进行修复,提高了监测系统的可靠性。这种方法不需要增加光开关等辅助器件,具有较大的优势。但目前的人工智能算法修复研究主要面向小型光纤传感器网络,研究中所采用的传感器件数量相对较少,所需辨识和评估的结构参量单一,各分系统之间的管理和协调功能要求较为简单,因此仅适用于作为一种原理性和功能验证性研究。
考虑到实际的工程结构,由于具有大型化、结构形式复杂及材料属性多样等特点,且工作环境往往处于高速、高/低温及酸碱腐蚀等复杂极端恶劣环境,此时智能健康监测系统在实际工程综合应用时所面对的情况就变得尤为复杂和困难,尤其是结构复杂化、大型化,将使得智能健康监测系统中所需要的传感器件数量、决策对象的复杂程度大大增加,随之带来的是监测网络的复杂程度、用于信号信息处理的运算量、需要通信传输的信息、系统各部分间的管理、协调需求及监测网络所需能耗急剧增加,这导致采用传统集中处理方法将无法在极短时间内对获取信号做出准确评估和正确决策,并极大降低监测系统的实时诊断、实时控制和自适应能力。因此,针对光纤光栅智能健康监测系统,在修复方法上还有很大的研究发展空间,依然存在诸多问题需要解决。
发明内容
本发明所要解决的技术问题是:针对以上大型工程结构中光纤光栅传感器智能健康监测系统的可靠性问题,提出一种光纤光栅传感器网络智能健康监测自修复系统及方法,采用多主体协作和决策技术,以受损区域附近存活的光纤光栅传感器为基础,对失效传感器进行功能补偿,从而在不更换被监测对象中光纤光栅传感器网络的前提下使整个智能健康监测系统恢复正常工作,进而提高整个监测系统的性能和可靠性。
本发明为解决上述技术问题,采用以下技术方案:
本发明首先提出一种基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复系统,包括:
若干光纤感知功能主体,用于将主体内的光纤光栅传感器采集的数据输入预先训练好的评估模型,对被监测对象的健康状态进行评估,然后将评估结果及其置信概率发送至系统协作决策主体;以及,根据自主学习系统协作决策主体反馈的协作决策信息,对评估模型进行修正,利用修正后的评估模型对被监测对象的健康状态进行再次评估,并将再次评估的结果及其置信概率发送至系统协作决策主体;
系统协作决策主体,用于接收各光纤感知功能主体发送的关于被监测对象健康状态的评估结果,结合置信概率对其进行推理分析,判断各光纤感知功能主体是否需要进行协作;当需要协作时,确定各光纤感知功能主体的协作计划,整理协作信息并发送至各光纤感知功能主体;在各光纤感知功能主体执行协作计划后,对各光纤感知功能主体执行的结果再次进行推理分析,决定是否继续发送协作请求;如此循环直至各光纤感知功能主体对被监测对象的健康状态评估结果达到最优。
作为进一步的优化方案,本发明的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复系统,光纤感知功能主体包括:
光纤光栅传感器网络,用于依据被监测参量对主体内的光纤光栅传感器数据进行采集;
智能评估单元,用于采用将光纤光栅传感器采集的数据输入预先训练好的评估模型,对本主体内被监测对象的健康状态进行评估,生成评估结果及其置信概率;
模型修正单元,用于根据系统协作决策主体反馈的协作信息对本主体中的评估模型进行修正;
通讯单元,用于将本主体内被监测对象的健康状态评估结果及其置信概率发送至系统协作决策主体,同时接收系统协作决策主体发送的协作信息。
作为进一步的优化方案,本发明的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复系统,系统协作决策主体包括:
比较单元,用于将各光纤感知功能主体对被监测对象的评估结果的置信概率与预设置信概率进行比较,当有光纤感知功能主体对被监测对象的评估结果的置信概率小于预设置信概率时,则触发协作决策单元;否则,触发评估结果生成单元;
协作决策单元,用于采纳置信概率不低于预设置信概率的光纤感知功能主体的评估结果,并依据其置信概率分配权重,然后对被采纳的评估结果进行加权平均,将加权平均后的评估结果作为初步评估结果,将该初步评估结果以及协作请求作为协作信息发送给评估结果的置信概率小于预设置信概率的各光纤感知功能主体;
评估结果生成单元,用于对各光纤感知功能主体的评估结果依据置信概率重新分配权重,然后对各评估结果进行加权平均,并将加权平均后的评估结果作为最终评估结果。
作为进一步的优化方案,本发明的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复系统,光纤感知功能主体还包括:
光纤光栅传感器网络状态感知单元,用于依据同类光纤光栅传感器在状态完好和失效时的光谱特性,对主体内的失效传感器进行诊断。
本发明还提出一种基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,包括以下步骤:
步骤(1)、各光纤感知功能主体根据其自身的光纤光栅传感器网络建立健康状态初始智能评估模型;
步骤(2)、各光纤感知功能主体依据被监测参量对主体内的光纤光栅传感器数据进行采集;
步骤(3)、各光纤感知功能主体将光纤光栅传感器采集的数据输入初始智能评估模型,对本主体内被监测对象的健康状态进行评估,得到被监测对象的健康状态评估结果及其置信概率,然后发送至系统协作决策主体;
步骤(4)、系统协作决策主体将各光纤感知功能主体对被监测对象的评估结果的置信概率与预设置信概率进行比较,如果某个或某些光纤感知功能主体对被监测对象的评估结果的置信概率小于预设置信概率,则需要进行协作决策,具体执行以下步骤:
A1、系统协作决策主体弃用置信概率小于预设置信概率的该光纤感知功能主体的评估结果,采纳其余光纤感知功能主体的评估结果并依据其置信概率分配权重,然后对被采纳的评估结果进行加权平均,并将加权平均后的评估结果作为初步评估结果,将该初步评估结果以及协作请求作为协作信息发送给评估结果的置信概率小于预设置信概率的各光纤感知功能主体;
A2、对于评估结果被弃用的光纤感知功能主体,当收到协作请求后,将当前初步评估结果作为新增样本对自身的评估模型进行重新训练,修正评估模型,并用修正后的评估模型对被监测对象的健康状态进行重新评估,然后将评估结果及其置信概率再次传输至系统协作决策主体;
A3、系统协作决策主体将该再次收到的评估结果的置信概率与预设置信概率进行比较:
如果该评估结果的置信概率仍小于预设置信概率,则返回步骤A2,重新训练修正评估模型;
如果该评估结果的置信概率大于或等于预设置信概率,则采纳该光纤感知功能主体的评估结果,并对于各光纤感知功能主体的评估结果依据更新后的置信概率重新分配权重,然后对各评估结果进行加权平均,并将加权平均后的评估结果作为最终评估结果。
进一步的,本发明的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,在步骤A3中,如果超过预设的次数,被弃用的光纤感知功能主体评估结果的置信概率仍小于所预设的置信概率,则系统协作决策主体终止协作决策过程,并将上一次加权平均后的评估结果作为最终评估结果。
进一步的,本发明的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,步骤(1)建立健康状态初始智能评估模型包括以下步骤:
首先,对监测对象进行监测结果已知的模拟实验,同时各光纤感知功能主体采用本主体内光纤光栅传感器采集试验数据,将试验数据和已知的监测结果共同构成初始训练数据;
然后,利用初始训练数据对支持向量学习机进行训练,得到用于评估被监测对象健康状态的支持向量机初始模型,即健康状态初始智能评估模型。
进一步的,本发明的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,健康状态评估结果是指采用支持向量学习机解算出的被监测对象的外部载荷位置参数,其置信概率是采用支持向量学习机解算外部载荷位置参数时得到的。
进一步的,本发明的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,所述预设次数为3次。
进一步的,本发明的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,步骤(3)中还包括,各光纤感知功能主体依据同类光纤光栅传感器在状态完好和失效时的光谱特性,对主体内的失效传感器进行诊断,并将诊断结果发送至系统协作决策主体。
本发明采用以上技术方案,与现有技术相比,具有以下技术效果:
本发明所采用的多主体技术主要思想是多个主体通过相互作用,可以较容易地实现一个大型的、动态变化的系统,多个主体之间具有一定的冗余性,可以相互协作并解决由单一主体无法解决的困难问题,具有很强的鲁棒性和可靠性。在多主体光纤光栅智能健康监测系统中,以往每个光纤感知功能主体只能通过所属传感器得到关于被监测对象的部分信息,当光纤感知功能主体内的传感器网络完好时,仅仅依靠单个主体获得对象的效率比较低,当光纤感知功能主体内部分传感器断裂失效时,有失效传感器信号的光纤感知功能主体获得被监测对象健康状况的效率比较低甚至无法获得。本发明依据各个光纤感知功能主体之间的冗余性,采用协作决策机制联合其它主体共同对光纤感知功能主体内失效传感器信号进行功能补偿、修复,尽可能降低失效传感器导致的性能损失,提高系统的可靠性。
本发明构建一种基于多主体协作和决策技术的光纤光栅智能健康监测系统自修复模型,该模型由光纤感知功能主体/系统协作决策主体自下而上依次构建,所构建的光纤感知功能主体能够自主感知光纤光栅传感器的健康状态,并能依据感知到的传感器健康状态及系统协作决策主体反馈的信息自主修正被监测对象健康状态的评估模型,系统协作决策主体能够自主规划光纤感知功能主体之间的协作决策工作,并能依据不同网络状态重新确定协作决策模型,使协作决策工作适应不同光纤光栅传感器网络状态的变化,以提升整个光纤光栅智能健康监测自修复系统的自主学习能力。
附图说明
图1是本发明的多主体光纤光栅传感器网络智能健康监测自修复系统示意图。
图2是本发明的光纤感知功能主体的工作流程图。
图3是本发明的系统协作决策主体的工作流程图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本发明将常规分布式光纤光栅智能健康监测系统中信息采集、提取和分析评估等全部功能,转换为担负相应不同任务,并具备通信与相互协作功能的智能主体;构建由光纤感知功能主体/系统协作决策主体自下而上依次构成的两层结构光纤光栅智能健康监测自修复系统模型。
如图1 所示,是本发明所构建的多主体光纤光栅传感器网络智能健康监测自修复系统示意图。在图中,首先将整个系统分解为多个易于实现的子系统,并将其转换为相应的智能主体。包括:负责数据采集与处理、对光纤光栅传感器网络的失效情况和被监测对象的健康状态做出智能评估的光纤感知功能主体;负责对各光纤感知功能主体进行协作和决策,并能从中进行学习的系统协作决策主体。
其中,每个光纤感知功能主体主要由光纤光栅传感器网络、光纤光栅传感器网络状态感知单元、智能评估单元、模型修正单元、通讯单元等组成,通过感知光纤光栅传感器的状态参量,包括应变、温度、位移,对光纤光栅传感器自身健康状况进行诊断,能够自主接受并完成任务,将主体内的光纤光栅传感器采集的数据输入预先训练好的评估模型,对被监测对象的健康状态进行评估;并且能利用系统协作决策主体反馈的信息对本主体中被监测对象健康状态评估模型进行修正,以提升本主体的评估性能。
系统协作决策主体具有系统协作决策的能力,能够规划光纤感知功能主体之间的协作决策工作,并能根据光纤感知功能主体内光纤光栅传感网络状态感知感受到的不同网络状态重新确定协作决策策略,不断使自己的协作决策工作适应光纤光栅传感器网络状态的变化,以提升整个光纤光栅智能健康监测系统的自主学习能力。
如图2所示,是光纤感知功能主体的工作流程图,具体实施过程为:
首先,依据被监测参量对主体内的光纤光栅传感器数据进行采集。
其次,依据同类光纤光栅传感器在状态完好和失效时的光谱特性,对主体内的失效传感器进行诊断;(具体实现方法可参考文献1:“温度影响光纤光栅传感器性能蜕化机理及实验研究”,《中国激光》,周丽,梁大开等人,2012, 39(4):117-122。文献2:“光纤Bragg光栅传感系统性能蜕化的研究”,《光电子·激光》,张娅玲,陈伟民等人,2009(10):32-36)。
然后,各光纤感知功能主体将光纤光栅传感器采集的数据输入初始智能评估模型,对本主体内被监测对象的健康状态进行评估,得到被监测对象的健康状态评估结果及其置信概率,然后将诊断结果和评估结果及其置信概率发送至系统协作决策主体。
最后,系统协作决策主体向各光纤感知功能主体发送协作请求,各光纤感知功能主体接收到协作请求后,对本主体内被监测对象的健康状态评估结果进行再次评估(评估的具体实现方法可参考文献3:“Smart Structure and System的 SVR modelreconstruction for the reliability of FBG sensor network based on the CFRPimpact monitoring”,Xiaoli Zhang,Dakai Liang,《Smart Structures & Systems》,2014, 14(2):145-158;以及文献4:“A soft self-repairing for FBG sensor networkin SHM system based on PSO-SVR model reconstruction”,Xiaoli Zhang, Peng Wang,《Optics Communications》, 2015, 343:38-46),并依据对被监测对象健康状态评估结果的置信概率决定是否对本主体内的评估模型进行修正,再次将本主体内被监测对象的健康状态评估结果发送至系统协作决策主体,如此循环直至各光纤感知功能主体对被监测对象的健康状态评估结果达到最优。
其中,初始智能评估模型是预先训练好的,具体方法是:首先,对监测对象进行监测结果已知的模拟实验,同时各光纤感知功能主体采用本主体内光纤光栅传感器采集试验数据,将试验数据和已知的监测结果共同构成初始训练数据;然后,利用初始训练数据对支持向量学习机进行训练,得到用于评估被监测对象健康状态的支持向量机初始模型,即健康状态初始智能评估模型。
进一步的,健康状态评估结果是指采用支持向量学习机解算出的被监测对象的外部载荷位置参数,其置信概率是采用支持向量学习机解算外部载荷位置参数时得到的。
如图3所示,是系统协作决策主体的工作流程图,具体实施过程为:系统协作决策主体首先接收各光纤感知功能主体发送的关于传感器网络及被监测对象健康状态的监测结果,如果系统协作决策主体接收到某个或某些光纤感知功能主体对被监测对象的评估结果小于所设置的置信概率,则弃用该光纤感知功能主体的评估结果,然后依据置信概率对其余光纤感知功能主体的评估结果分配权重,进行加权平均,并将当前结果作为初步评估结果。如果第一次评估中有某些光纤感知功能主体的评估结果被弃用,则将当前初步评估结果作为新增样本对弃用评估结果的光纤感知功能主体的评估模型进行重新训练,修正评估模型,并用修正后的评估模型对被监测对象的健康状态进行重新评估,同时将结果传输至系统协作决策主体,如果本次评估结果的置信概率大于所设置的置信概率,则系统协作决策主体采纳本主体的评估结果,重新依据置信概率对所有光纤感知功能主体的评估结果分配权重,进行加权平均,并将当前结果作为第二次评估结果,如此循环直至各光纤感知功能主体对被监测对象的健康状态评估结果达到最优,协作过程结束。
进一步的,如果被弃用的光纤感知功能主体评估结果的置信概率超过一定次数(可依据被监测对象设置)仍小于所设置的置信概率,则系统协作决策主体终止协作决策过程,并将上一次结果作为最终评估结果。
以下是本发明的一个监测飞机机翼盒段外部载荷位置试验件实施例:
飞机机翼盒段试验件由框架和上、下盖板组成。下盖板由复合材料板和6根复合材料加强筋条构成,筋条通过胶粘贴在复合材料板表面,复合材料板与筋条所用的材料均为T300-3K/5405碳纤维/双马来酰亚胺复合材料,上盖板为铝合金板,其面积为1800mm*1000mm。下盖板内表面沿长度方向采用6根型材铆接加固,宽度方向与5块铝合金材料的肋板铆接。在飞机机翼盒段上共粘贴48根光纤布拉格光栅(具体参数为:栅区10mm,反射率90%,带宽≤0.3nm,SMF-28光纤,耦合器采用FC/APC,每个通道上连接的光纤布拉格光栅中心波长不相同)传感器用于对飞机机翼盒段外部载荷位置进行监测,每8根光纤布拉格光栅作为一个传感单元,分为6个传感单元。每个光纤感知功能主体包括一个传感单元、光纤布拉格光栅解调仪(解调仪选用SI425型解调仪,该解调仪具有高功率快扫描功能,4个光纤通道上可连接多达512根光纤布拉格光栅传感器,适用于光纤布拉格光栅静态或动态信号的监测)和MATLAB语言实现的程序。
每个光纤感知功能主体通过光纤光栅解调仪采集所属传感单元反馈的数据,并将数据输入MATLAB语言实现的支持向量回归机程序,最终解算出该光纤感知功能主体监测到的外部载荷位置参数。对每个光纤感知功能主体,本实施例所属传感单元中发生故障的光纤布拉格光栅不允许超过3个,共计93种工作模式。对于每种工作模式,采用离线训练方式获得对应的支持向量回归机模型,每个光纤感知功能主体根据所属传感器单元当前的工作状态,自动调用相应支持向量回归机模型,实现单个光纤感知功能主体自动模型修正。
本实施例中共计有6个光纤感知功能主体,每个光纤感知功能主体自主解算外部载荷位置参数,并将各自结果上传至系统协作决策主体。系统协作决策主体采用MATLAB语言实现。系统协作决策主体进行协作决策的依据有两个:一个是每个主体采用支持向量回归机解算外部载荷位置参数时的置信概率,一个是每个主体采用支持向量回归机解算外部载荷位置参数。
预先设置置信概率的阈值为75%,具体协作决策策略如下:
1.如果某个主体采用支持向量回归机解算外部载荷位置参数时的置信概率大于75%,则该主体的识别结果可以采用,否则弃用。
2.对所有采用的识别结果按照解算外部载荷位置参数时的置信概率分配权重,进行加权平均。如果第一步中有主体识别结果被弃用,则当前结果作为初步识别结果;否则作为最终识别结果,并终止协作决策过程。
3.如果第一步中有主体的识别结果被弃用,则将当前初步识别结果作为新增样本对弃用识别结果的主体支持向量回归机模型进行重新训练,更新支持向量回归机模型。并采用新的模型对当前外部载荷位置参数重新进行解算,并将结果反馈至协作决策主体,重新执行第一步。
4.对于识别结果被弃用主体的模型重复训练次数不超过3次,如果超过3次且采用支持向量回归机解算外部载荷位置参数时的置信概率仍小于75%,则终止协作决策过程,并将初步识别结果作为最终识别结果。
例如:某次对外部载荷位置(140,160),各个主体的识别结果分别如下:
主体1:识别位置(152.34,147.66),置信概率96%;
主体2:识别位置(164.85,184.74),置信概率80%;
主体3:识别位置(117.78,182.26),置信概率82%;
主体4:识别位置(155.42,144.68),置信概率91%;
主体5:识别位置(184.45,115.55),置信概率69%;
主体6:识别位置(122.22,177.78),置信概率88%;
主体5识别结果不能采用,对剩余5个主体识别结果进行加权平均。
主体1权值:W1=0.96/(0.96+0.80+0.82+0.91+0.88)=0.22;
主体2权值:W2=0.80/(0.96+0.80+0.82+0.91+0.88)=0.18;
主体3权值:W3=0.82/(0.96+0.80+0.82+0.91+0.88)=0.19;
主体4权值:W4=0.91/(0.96+0.80+0.82+0.91+0.88)=0.21;
主体6权值:W6=0.88/(0.96+0.80+0.82+0.91+0.88)=0.20;
初步识别结果为:
W1(152.34,147.66)+ W2(164.85,184.74)+ W3(117.78,182.26)+ W4(155.42,144.68)+ W6(122.22,177.78)=(142.65,164.31)。
用该结果重新对主体5支持向量回归机模型进行训练,重新对当前外部载荷位置进行识别结果为:主体5:识别位置(119.7,139.7),置信概率86%;
重新对6个主体识别结果进行加权平均:
主体1权值:W1=0.96/(0.96+0.80+0.82+0.91+0.86+0.88)=0.18;
主体2权值:W2=0.80/(0.96+0.80+0.82+0.91+0.86+0.88)=0.15;
主体3权值:W3=0.82/(0.96+0.80+0.82+0.91+0.86+0.88)=0.16;
主体4权值:W4=0.91/(0.96+0.80+0.82+0.91+0.86+0.88)=0.17;
主体5权值:W4=0.86/(0.96+0.80+0.82+0.91+0.86+0.88)=0.17;
主体6权值:W6=0.88/(0.96+0.80+0.82+0.91+0.86+0.88)=0.17;
最终识别结果为:
W1(152.34,147.66)+ W2(164.85,184.74)+ W3(117.78,182.26)+ W4(155.42,144.68)+ W5(119.7,139.7)+ W6(122.22,177.78)=(138.54,162.02)。
上述实施例中建立健康状态初始智能评估模型采用支持向量机算法,本领域技术人员根据实际选择,也可以采用人工神经网络算法,或者灰色系统等智能算法来实现。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复系统,其特征在于,包括:
若干光纤感知功能主体,用于将主体内的光纤光栅传感器采集的数据输入预先训练好的评估模型,对被监测对象的健康状态进行评估,然后将评估结果及其置信概率发送至系统协作决策主体;以及,根据自主学习系统协作决策主体反馈的协作决策信息,对评估模型进行修正,利用修正后的评估模型对被监测对象的健康状态进行再次评估,并将再次评估的结果及其置信概率发送至系统协作决策主体;
系统协作决策主体,用于接收各光纤感知功能主体发送的关于被监测对象健康状态的评估结果,结合置信概率对其进行推理分析,判断各光纤感知功能主体是否需要进行协作;当需要协作时,确定各光纤感知功能主体的协作计划,整理协作信息并发送至各光纤感知功能主体;在各光纤感知功能主体执行协作计划后,对各光纤感知功能主体执行的结果再次进行推理分析,决定是否继续发送协作请求;如此循环直至各光纤感知功能主体对被监测对象的健康状态评估结果达到最优。
2.根据权利要求1所述的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复系统,其特征在于,光纤感知功能主体包括:
光纤光栅传感器网络,用于依据被监测参量对主体内的光纤光栅传感器数据进行采集;
智能评估单元,用于采用将光纤光栅传感器采集的数据输入预先训练好的评估模型,对本主体内被监测对象的健康状态进行评估,生成评估结果及其置信概率;
模型修正单元,用于根据系统协作决策主体反馈的协作信息对本主体中的评估模型进行修正;
通讯单元,用于将本主体内被监测对象的健康状态评估结果及其置信概率发送至系统协作决策主体,同时接收系统协作决策主体发送的协作信息。
3.根据权利要求1所述的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复系统,其特征在于,系统协作决策主体包括:
比较单元,用于将各光纤感知功能主体对被监测对象的评估结果的置信概率与预设置信概率进行比较,当有光纤感知功能主体对被监测对象的评估结果的置信概率小于预设置信概率时,则触发协作决策单元;否则,触发评估结果生成单元;
协作决策单元,用于采纳置信概率不低于预设置信概率的光纤感知功能主体的评估结果,并依据其置信概率分配权重,然后对被采纳的评估结果进行加权平均,将加权平均后的评估结果作为初步评估结果,将该初步评估结果以及协作请求作为协作信息发送给评估结果的置信概率小于预设置信概率的各光纤感知功能主体;
评估结果生成单元,用于对各光纤感知功能主体的评估结果依据置信概率重新分配权重,然后对各评估结果进行加权平均,并将加权平均后的评估结果作为最终评估结果。
4.根据权利要求2所述的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复系统,其特征在于,光纤感知功能主体还包括:
光纤光栅传感器网络状态感知单元,用于依据同类光纤光栅传感器在状态完好和失效时的光谱特性,对主体内的失效传感器进行诊断。
5.一种基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,其特征在于,包括以下步骤:
步骤(1)、各光纤感知功能主体根据其自身的光纤光栅传感器网络建立健康状态初始智能评估模型;
步骤(2)、各光纤感知功能主体依据被监测参量对主体内的光纤光栅传感器数据进行采集;
步骤(3)、各光纤感知功能主体将光纤光栅传感器采集的数据输入初始智能评估模型,对本主体内被监测对象的健康状态进行评估,得到被监测对象的健康状态评估结果及其置信概率,然后发送至系统协作决策主体;
步骤(4)、系统协作决策主体将各光纤感知功能主体对被监测对象的评估结果的置信概率与预设置信概率进行比较,如果某个或某些光纤感知功能主体对被监测对象的评估结果的置信概率小于预设置信概率,则需要进行协作决策,具体执行以下步骤:
A1、系统协作决策主体弃用置信概率小于预设置信概率的该光纤感知功能主体的评估结果,采纳其余光纤感知功能主体的评估结果并依据其置信概率分配权重,然后对被采纳的评估结果进行加权平均,并将加权平均后的评估结果作为初步评估结果,将该初步评估结果以及协作请求作为协作信息发送给评估结果的置信概率小于预设置信概率的各光纤感知功能主体;
A2、对于评估结果被弃用的光纤感知功能主体,当收到协作请求后,将当前初步评估结果作为新增样本对自身的评估模型进行重新训练,修正评估模型,并用修正后的评估模型对被监测对象的健康状态进行重新评估,然后将评估结果及其置信概率再次传输至系统协作决策主体;
A3、系统协作决策主体将该再次收到的评估结果的置信概率与预设置信概率进行比较:
如果该评估结果的置信概率仍小于预设置信概率,则返回步骤A2,重新训练修正评估模型;
如果该评估结果的置信概率大于或等于预设置信概率,则采纳该光纤感知功能主体的评估结果,并对于各光纤感知功能主体的评估结果依据更新后的置信概率重新分配权重,然后对各评估结果进行加权平均,并将加权平均后的评估结果作为最终评估结果。
6.根据权利要求5所述的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,其特征在于,在步骤A3中,如果超过预设的次数,被弃用的光纤感知功能主体评估结果的置信概率仍小于所预设的置信概率,则系统协作决策主体终止协作决策过程,并将上一次加权平均后的评估结果作为最终评估结果。
7.根据权利要求5所述的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,其特征在于,步骤(1)建立健康状态初始智能评估模型包括以下步骤:
首先,对监测对象进行监测结果已知的模拟实验,同时各光纤感知功能主体采用本主体内光纤光栅传感器采集试验数据,将试验数据和已知的监测结果共同构成初始训练数据;
然后,利用初始训练数据对支持向量学习机进行训练,得到用于评估被监测对象健康状态的支持向量机初始模型,即健康状态初始智能评估模型。
8.根据权利要求7所述的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,其特征在于,健康状态评估结果是指采用支持向量学习机解算出的被监测对象的外部载荷位置参数,其置信概率是采用支持向量学习机解算外部载荷位置参数时得到的。
9.根据权利要求5所述的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,其特征在于,所述预设次数为3次。
10.根据权利要求5所述的基于多主体协作和决策技术的光纤光栅传感器网络智能健康监测自修复方法,其特征在于,步骤(3)中还包括,各光纤感知功能主体依据同类光纤光栅传感器在状态完好和失效时的光谱特性,对主体内的失效传感器进行诊断,并将诊断结果发送至系统协作决策主体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710172847.1A CN106998226B (zh) | 2017-03-22 | 2017-03-22 | 光纤光栅传感器网络智能健康监测自修复系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710172847.1A CN106998226B (zh) | 2017-03-22 | 2017-03-22 | 光纤光栅传感器网络智能健康监测自修复系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106998226A true CN106998226A (zh) | 2017-08-01 |
CN106998226B CN106998226B (zh) | 2019-04-19 |
Family
ID=59431097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710172847.1A Active CN106998226B (zh) | 2017-03-22 | 2017-03-22 | 光纤光栅传感器网络智能健康监测自修复系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106998226B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590975A (zh) * | 2017-09-08 | 2018-01-16 | 北京航空航天大学 | 基于光纤、智能涂层和压电传感器的告警系统的实现方法 |
CN109631790A (zh) * | 2019-01-09 | 2019-04-16 | 中国科学院新疆天文台 | 一种天线副反射面支撑腿变形在线测量装置及测量方法 |
CN110348536A (zh) * | 2019-07-18 | 2019-10-18 | 广州大学 | 数据智能预测方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1614948A (zh) * | 2004-11-11 | 2005-05-11 | 南京航空航天大学 | 基于多主体协作的分布式结构健康监测系统 |
CN101478433A (zh) * | 2009-01-16 | 2009-07-08 | 哈尔滨工程大学 | 基于多主体随机决策过程的分布式系统自愈调控方法 |
CN101476879A (zh) * | 2009-01-23 | 2009-07-08 | 南京航空航天大学 | 一种光纤分布式传感器网络自修复系统及自修复方法 |
-
2017
- 2017-03-22 CN CN201710172847.1A patent/CN106998226B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1614948A (zh) * | 2004-11-11 | 2005-05-11 | 南京航空航天大学 | 基于多主体协作的分布式结构健康监测系统 |
CN101478433A (zh) * | 2009-01-16 | 2009-07-08 | 哈尔滨工程大学 | 基于多主体随机决策过程的分布式系统自愈调控方法 |
CN101476879A (zh) * | 2009-01-23 | 2009-07-08 | 南京航空航天大学 | 一种光纤分布式传感器网络自修复系统及自修复方法 |
Non-Patent Citations (2)
Title |
---|
孟静: "基于多主体协作的光纤结构监测系统及胶层固化研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张晓丽等: "基于多主体协作技术的光纤Bragg光栅传感器网络自修复实现", 《激光与光电子学进展》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590975A (zh) * | 2017-09-08 | 2018-01-16 | 北京航空航天大学 | 基于光纤、智能涂层和压电传感器的告警系统的实现方法 |
CN109631790A (zh) * | 2019-01-09 | 2019-04-16 | 中国科学院新疆天文台 | 一种天线副反射面支撑腿变形在线测量装置及测量方法 |
CN109631790B (zh) * | 2019-01-09 | 2020-11-13 | 中国科学院新疆天文台 | 一种天线副反射面支撑腿变形在线测量装置及测量方法 |
CN110348536A (zh) * | 2019-07-18 | 2019-10-18 | 广州大学 | 数据智能预测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106998226B (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106998226A (zh) | 光纤光栅传感器网络智能健康监测自修复系统及方法 | |
US11346200B2 (en) | Method and system for guaranteeing safety of offshore oil well control equipment | |
CN102637019B (zh) | 一种工业生产过程智能集成故障诊断方法及装置 | |
CN202735788U (zh) | 风力发电机组运行状态远程监测及故障诊断系统 | |
CN102981104B (zh) | 海底电缆在线监测方法 | |
KR102073323B1 (ko) | 인공지능 기반의 구조물 건전성 관리 시스템 | |
CN114005278B (zh) | 一种高速公路基础设施群智能监测与预警系统及方法 | |
CN109242147A (zh) | 基于Bp神经网络的信号融合风机状态预测方法 | |
CN108764601A (zh) | 一种基于计算机视觉和深度学习技术的结构健康监测异常数据诊断方法 | |
CN110296124B (zh) | 基于专家系统的远程故障诊断系统及方法 | |
CN109407518B (zh) | 家庭服务机器人运行状态自主认知方法及系统 | |
CN113255188B (zh) | 一种基于事故树的桥梁安全预警方法及系统 | |
US9969507B2 (en) | Method for performing diagnostics of a structure subject to loads and system for implementing said method | |
CN109902948A (zh) | 一种基于大数据的输电线路监测系统及方法 | |
CN102255764A (zh) | 传输网故障诊断方法及装置 | |
CN109559025A (zh) | 一种桥梁检监测一体化健康状况评估体系及其使用方法 | |
CN102980782A (zh) | 桥梁和重大基础设施结构安全监测及预警的异构传感器网络与方法 | |
CN102801767A (zh) | 单机级飞机结构phm系统及实现方法 | |
CN116228186A (zh) | 基于人因工程的船舶机舱智能运维系统 | |
CN115164884B (zh) | 一种无人机飞行状态在线监测系统 | |
CN105157753A (zh) | 一种无线远程监控土木工程建筑监测系统 | |
CN114002597A (zh) | 基于gru网络定子电流分析的电机故障诊断方法与系统 | |
CN101476879B (zh) | 一种光纤分布式传感器网络自修复系统及自修复方法 | |
CN109677457A (zh) | 一种光纤传感道岔转辙机状态监测装置和方法 | |
CN116873690B (zh) | 电梯安全监控数据处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |