CN107462180A - 基于光纤光栅和智能涂层传感器的告警系统的实现方法 - Google Patents

基于光纤光栅和智能涂层传感器的告警系统的实现方法 Download PDF

Info

Publication number
CN107462180A
CN107462180A CN201710550761.8A CN201710550761A CN107462180A CN 107462180 A CN107462180 A CN 107462180A CN 201710550761 A CN201710550761 A CN 201710550761A CN 107462180 A CN107462180 A CN 107462180A
Authority
CN
China
Prior art keywords
sensor
smart coat
fiber grating
data
fiber
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
Application number
CN201710550761.8A
Other languages
English (en)
Other versions
CN107462180B (zh
Inventor
张卫方
任飞飞
魏巍
李英武
张萌
梁小贝
金博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201710550761.8A priority Critical patent/CN107462180B/zh
Publication of CN107462180A publication Critical patent/CN107462180A/zh
Application granted granted Critical
Publication of CN107462180B publication Critical patent/CN107462180B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G01B11/18—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge using photoelastic elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
    • G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
    • G01B7/18—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge using change in resistance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/041—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明提供一种基于光纤光栅和智能涂层的告警系统的实现方法，步骤如下：一，搭建结构健康监测硬件平台，对传感器数据进行采集；二，搭建健康监测软件平台；三，创建时钟以用来控制光纤光栅传感器和智能涂层传感器的数据采集；四，将硬件平台作为客户端，软件平台作为服务器端，通过网络通信协议进行连接；五，对光纤光栅和智能涂层传感器数据进行归一化处理；六，对归一化处理后的光纤光栅和智能涂层传感器数据，确定权重α和β；七，将得到的告警指标值ξ在软件平台中对当前结构各位置的告警情况进行显示；本发明实现了基于光纤光栅和智能涂层传感器的告警系统，具备对结构进行告警的功能，适用于对精度要求高的结构的告警。

Description

基于光纤光栅和智能涂层传感器的告警系统的实现方法
技术领域
本发明提供一种基于光纤光栅和智能涂层的告警系统的实现方法，能够对光纤光栅和智能涂层传感器的信号进行采集、传输、处理，并在此基础上对两种传感器的数据进行融合，通过对融合后的数据分析实现对结构的告警,属于结构健康监测技术领域。
背景技术
随着各领域对产品、设备可靠性的重视，结构健康监测的发展极为迅速。在结构健康监测系统中，需要在结构出现裂纹时进行告警，但现有技术多基于单一的智能涂层传感器，智能涂层传感器可实现对结构的监测，目前已在多个领域进行了使用，但其虚警率较高的问题限制了它的推广应用。而光纤光栅传感器可对关键部位进行实时的区域应力应变与损伤监测，并且具有质量轻，抗腐蚀性和抗干扰性好，可实现单根光纤上的多点监测，监测精度高等优点。基于以上现状和问题，本发明通过光纤光栅与智能涂层传感器对结构进行综合监测，以充分发挥各自优势，对复杂结构损伤进行有效告警，提出一种基于光纤光栅和智能涂层传感器的告警系统的实现方法。
发明内容
(一)本发明的目的是：
本发明的目的是实现基于光纤光栅和智能涂层传感器的告警系统，能够对光纤光栅和智能涂层传感器的信号进行采集、传输、处理，在此基础上通过数据融合，实现对结构的告警。
(二)其具体技术方案如下：
本发明一种基于光纤光栅和智能涂层的告警系统的实现方法，通过以下步骤来实现：
步骤一，搭建光纤光栅和智能涂层传感器的结构健康监测硬件平台，确定硬件平台所使用的开发板、编程语言和处理器，对传感器数据进行采集；
步骤二，搭建光纤光栅和智能涂层传感器的结构健康监测软件平台，基于微软C/C++编译器(即MicroSoft Visual C/C++，以下简称VC)和微软基础类库(即MicrosoftFoundation Classes，简称MFC)建立对话框工程；
步骤三，利用光纤光栅和智能涂层传感器的结构健康监测硬件平台对传感器的信号分类采集，创建时钟TIME_F和TIME_T，时钟TIME_F用来控制光纤光栅传感器的数据采集，时钟TIME_T用来控制智能涂层传感器的数据采集；
步骤四，将硬件平台作为客户端，软件平台作为服务器端，通过网络通信协议(即TCP/IP协议)进行连接；在服务器和客户端建立连接之后，将光纤光栅传感器被测栅点的中心波长和智能涂层传感器电阻值信息传输到软件平台上；
步骤五，对光纤光栅和智能涂层传感器数据进行归一化处理：即将有量纲的传感器数据，经过变换，化为无量纲的数据，使其成为标量，从而将传感器数值的绝对值变成某种相对值关系，简化计算，缩小量值；
步骤六，将告警的指标设为ξ，光纤光栅传感器归一化后的数据设为X1，光纤光栅传感器的数据权重设为α，智能涂层传感器归一化后的数据设为X2，智能涂层传感器的数据权重设为β，则
ξ＝α·X1+β·X2
对归一化处理后的光纤光栅和智能涂层传感器数据，确定权重α和β，本发明中利用熵权-层次分析法确定权重，熵权-层次分析法将熵权和层次分析两种方法得到的指标权重通过改进的最小偏差法集成而得到的一组新的指标权重，相当于综合了主、客观指标权重，使所得到的权重更加有参考性和代表性；
步骤七，将光纤光栅和智能涂层传感器的数据和权重代入公式：
ξ＝α·X1+β·X2
得到告警指标值ξ，并对其进行划分成五个层次以确定告警的级别，其中一级告警为最严重的警告，表明裂纹有很大概率已经产生；五级为最轻微的告警，表面监测的结构状态健康。并在软件平台中对当前结构各位置的告警情况进行显示。
其中，在步骤一中所述的“搭建光纤光栅和智能涂层传感器的结构健康监测硬件平台，确定硬件平台所使用的开发板、编程语言和处理器，对传感器数据进行采集”，其作法如下：是指使用型号为XC7Z020-1CLG484I的集成开发板Miz702(南京米联电子)，该集成开发板采用基于现场可编程门阵列(即Field－Programmable Gate Array,以下简称FPGA)和ARM(即Acorn RISC Machine)处理器相结合的平台，并采用版本为“Vivado 2015.4”的开发软件进行开发；具体作法为：在计算机上安装Vivado软件，使用verilog语言，新建名为“FAC”的工程，利用FPGA和ARM结合的硬件平台和采集芯片AD9244，对传感器的信号进行采集。
其中，在步骤二中所述的“搭建光纤光栅和智能涂层传感器的结构健康监测软件平台，基于微软C/C++编译器6.0版本(即VC++6.0)和微软基础类库Microsoft FoundationClasses(简称MFC)建立对话框工程”；其作法如下：在计算机上安装VC++6.0，新建名为“FAC”的工程，使用MFC设计开发软件平台。
其中，在步骤三中所述的“利用光纤光栅和智能涂层传感器的结构健康监测硬件平台对传感器的信号分类采集，创建时钟TIME_F和TIME_T，时钟TIME_F用来控制光纤光栅传感器的数据采集，时钟TIME_T用来控制智能涂层传感器的数据采集”，其作法如下：利用设置的时钟TIME_F和TIME_T，每隔一定时间(时钟周期)对光纤光栅和智能涂层传感器的数据，利用采集芯片AD9244重复采集，使两种传感器数据的采集相互独立。
其中，在步骤四中所述的“将光纤光栅传感器被测栅点的中心波长和智能涂层传感器电阻值信息传输到软件平台上”，是指硬件平台作为客户端，软件平台作为服务器端，在开启服务器之后创建端口(即Socket),与客服端连接成功之后，将处理好的关于被测栅点的中心波长和智能涂层传感器电阻值信息，通过TCP/IP协议网络通信，传输到软件平台上；其作法如下：软件平台开启服务器，在开启服务器之后创建Socket，与硬件平台进行连接，若连接失败则重新开启服务器，若连接成功，硬件平台发送关于被测栅点的中心波长和智能涂层传感器电阻值信息，同时软件平台进行接收。
其中，在步骤五中所述的“对光纤光栅和智能涂层传感器数据进行归一化处理：即将有量纲的传感器数据，经过变换，化为无量纲的数据，使其成为标量，从而将传感器数值的绝对值变成某种相对值关系，简化计算，缩小量值”，其作法如下：在软件平台上将接收的关于被测栅点的中心波长和智能涂层传感器电阻值信息的每个数据xi，及所有数据的最大值xmax，采用以下方法进行归一化处理：
其中Xi为每个数据归一化处理后的值，N为数据总数，xmax为所有数据的最大值。
其中，步骤六中所述的“熵权-层次分析法”，是将熵权法(按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量；如果指标的信息熵越小，该指标提供的信息量越大，在综合评价中所起作用理当越大，权重就应该越高)和层次分析法(将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法)通过改进的最小偏差法集成而得到的确定权重的新的方法。
通过以上步骤，实现了基于光纤光栅和智能涂层传感器的告警系统，具备对结构进行告警的功能，告警系统结合两种传感器，相比于单一的传感器精度更高，结果更加准确，适用于对精度要求高的结构的告警。
(三)本发明的优点在于：
基于光纤光栅和智能涂层传感器的告警系统，解决了单一的智能涂层传感器虚警率较高的问题，并且利用光纤光栅传感器质量轻、抗腐蚀性、抗干扰性好、监测精度高等优点，充分发挥了两种传感器的优势，检测的数据更加的准确。在此基础上利用熵权-层次分析法计算两种传感器数据的权重，综合了主、客观评价方法，使所得到的权重更有参考性和代表性，算法的精度更高。该告警系统适用于对精度要求高的结构的告警。
附图说明
图1本发明所述方法流程图。
图中序号、符号、代号说明如下：
图1中：“TIME_F”为时钟用来控制光纤光栅传感器的数据采集频率；“I”为一级告警级别；“II”为二级告警级别；“III”为三级告警级别；“IV”为为四级告警级别；“V”为五级告警级别。
具体实施方式
本发明一种基于光纤光栅和智能涂层传感器的告警系统的实现方法，见图1所示，其具体步骤如下：
步骤一，搭建光纤光栅和智能涂层传感器的结构健康监测硬件平台，确定硬件平台使用的开发板、编程语言和处理器。本发明使用型号为XC7Z020-1CLG484I的集成开发板Miz702(南京米联电子)，该集成开发板采用FPGA和ARM处理器相结合的平台，并采用版本为“Vivado2015.4”的开发软件进行开发；
步骤二，搭建光纤光栅和智能涂层传感器的结构健康监测软件平台，确定编程语言，本发明使用微软C/C++编译器6.0版本(即VC++6.0)进行程序的编写，在此基础上搭建编程环境，利用MFC编程环境，建立对话框工程；
步骤三，利用光纤光栅和智能涂层传感器的结构健康监测硬件平台对传感器的信号分类采集，创建时钟TIME_F和TIME_T，时钟TIME_F用来控制光纤光栅传感器的数据采集，时钟TIME_T用来控制智能涂层传感器的数据采集，即每隔一定时间(时钟周期)对相应的传感器数据重复采集，两种传感器数据的采集相互独立，互不干扰。
步骤四，将硬件平台作为客户端，软件平台作为服务器端，在开启服务器之后创建Socket，与客服端进行连接，若连接失败则重新开启服务器，若连接成功，则对关于被测栅点的中心波长和智能涂层传感器电阻值信息进行接收；
步骤五，对光纤光栅和智能涂层传感器数据的归一化处理：即将有量纲的传感器数据，经过变换，化为无量纲的数据，使其成为标量，使传感器数值的绝对值变成某种相对值关系，简化计算，缩小量值。
在软件平台上将接收的关于被测栅点的中心波长和智能涂层传感器电阻值信息的每个数据xi，及所有数据的最大值xmax，采用以下方法进行归一化处理：
其中Xi为每个数据归一化处理后的值，N为数据总数，xmax为所有数据的最大值。
步骤六，将告警的指标设为ξ，光纤光栅传感器的数据设为X1，光纤光栅传感器的数据权重设为α，智能涂层传感器的数据设为X2，智能涂层传感器的数据权重设为β，则
ξ＝α·X1+β·X2
对归一化处理后的光纤光栅和智能涂层传感器数据，确定权重α和β，本发明中利用熵权-层次分析法确定权重，熵权-层次分析法将熵权和层次分析两种方法得到的指标权重通过改进的最小偏差法集成而得到的一组新的指标权重，相当于综合了主、客观指标权重，使所得到的权重更加有参考性和代表性。
1.基于信息熵权法的指标体系评价模型
将矩阵进行归一化处理，计算公式如下：
指标j的输出信息熵定义为：
其中，k＝1/lnn
第j个评价指标的熵权定义为：
2.基于层次分析法的指标体系评价模型
层次分析法的实质是对复杂问题进行分解，将分解出的指标依据支配关系组合成有序的递阶型层次结构，一般包括目标层、准则层和方案层，再经有关专家对同一支配指标下的所有指标进行两两比较。随着判断矩阵A阶数的增多，矩阵的一致性有所降低，定义CI衡量矩阵的一致性程度：
λmax为矩阵A的最大特征值,n为指标的总数引入一致性比率指标CR：
RI为CI的样本均值
当CR＜0.1时，认为判断矩阵A具有可接受的一致性，反之需要对其修正。
将矩阵A的每一列归一化得到矩阵A1，将A1的每一列取平均值即得权重W
3、熵权-层次分析法
记第j种评价方法对第i个评价对象的评价结果为yij用加权合成的思想，得到模型：
记由方法A得到m个被评价对象的评价值为：
由方法B得到m个被评价对象的评价值记为：
将得到的两组被评价对象的评价值看成是m维空间的两个向量，则问题转化为找到一个向量(li)m*l使其到(gi)m*l和(hi)m*l的距离最小，距离的计算采用m维空间的欧氏距离。构造模型如下：
通过解上述非线性规划，得到αi的值，即为集成后的指标权重。
由得到被评价对象的集成评价值。li越大，表明第i个被评价对象越优。
经熵权-层次分析法得到光纤光栅数据和智能涂层传感器数据的权重α＝0.7653，β＝0.2347。
步骤七，将光纤光栅和智能涂层传感器的数据和权重代入公式ξ＝α*X1+β*X2，得到告警指标值ξ，对其划分成5个层次以确定告警的级别，并在软件平台中进行显示。当0≤ξ＜0.2时，为I级告警，软件显示为红色；0.2≤ξ＜0.4时，为II级告警，软件显示为橙色；0.4≤ξ＜0.6时，为III级告警，软件显示为黄色；0.6≤ξ＜0.8时，为IV级告警，软件显示为蓝色；0.8≤ξ＜1时，为V级告警，软件显示为绿色。当出现I级和II告警后，硬件平台发出蜂鸣器的响声进行报警。
其中，在步骤五中所述的“xi”为数据值；“xmax”为所有数据的最大值；“Xi”为每个数据归一化处理后的值；“N”为数据总数。
其中，在步骤六中所述的“H(xj)”为指标j的输出信息熵；“dj”为第j个评价指标的熵权；“A”为判断矩阵；“CI”为矩阵的一致性；“λmax”为矩阵A的最大特征值；n为指标的总数；“CR”为一致性比率指标；“RI”为平均随机一致性指标；“A1”为将矩阵A的每一列归一化得到矩阵；“W”为A1的每一列的平均值；“j”为评价方法的标号；“i”为评价对象的标号；“yij”为第j种评价方法对第i个评价对象的评价结果；“λj”为第j种评价方法种在评价方法集成中的相对权重；为第i个评价对象的集成评价结果；“f”为评价方法的集成模型；“m”评价对象的总数；“gi”为由方法A得到m个被评价对象的评价值；“hi”为由方法B得到m个被评价对象的评价值。

Claims (7)

1.一种基于光纤光栅和智能涂层的告警系统的实现方法，其特征在于：通过以下步骤来实现：
步骤一，搭建光纤光栅和智能涂层传感器的结构健康监测硬件平台，确定硬件平台所使用的开发板、编程语言和处理器，对传感器数据进行采集；
步骤二，搭建光纤光栅和智能涂层传感器的结构健康监测软件平台，基于微软C/C++编译器即VC和微软基础类库即MFC建立对话框工程；
步骤三，利用光纤光栅和智能涂层传感器的结构健康监测硬件平台对传感器的信号分类采集，创建时钟TIME_F和TIME_T，时钟TIME_F用来控制光纤光栅传感器的数据采集，时钟TIME_T用来控制智能涂层传感器的数据采集；
步骤四，将硬件平台作为客户端，软件平台作为服务器端，通过网络通信协议即TCP/IP协议进行连接；在服务器和客户端建立连接之后，将光纤光栅传感器被测栅点的中心波长和智能涂层传感器电阻值信息传输到软件平台上；
步骤五，对光纤光栅和智能涂层传感器数据进行归一化处理：即将有量纲的传感器数据，经过变换，化为无量纲的数据，使其成为标量，从而将传感器数值的绝对值变成某种相对值关系，简化计算，缩小量值；
步骤六，将告警的指标设为ξ，光纤光栅传感器归一化后的数据设为X1，光纤光栅传感器的数据权重设为α，智能涂层传感器归一化后的数据设为X2，智能涂层传感器的数据权重设为β，则
ξ＝α·X1+β·X2
对归一化处理后的光纤光栅和智能涂层传感器数据，确定权重α和β，本发明中利用熵权-层次分析法确定权重，熵权-层次分析法将熵权和层次分析两种方法得到的指标权重通过改进的最小偏差法集成而得到的一组新的指标权重，相当于综合了主、客观指标权重，使所得到的权重更加有参考性和代表性；
步骤七，将光纤光栅和智能涂层传感器的数据和权重代入公式：
ξ＝α·X1+β·X2
得到告警指标值ξ，并对其进行划分成五个层次以确定告警的级别，其中一级告警为最严重的警告，表明裂纹有很大概率已经产生；五级为最轻微的告警，表面监测的结构状态健康，并在软件平台中对当前结构各位置的告警情况进行显示；
通过以上步骤，实现了基于光纤光栅和智能涂层传感器的告警系统，具备对结构进行告警的功能，告警系统结合两种传感器，相比于单一的传感器精度更高，结果更加准确，适用于对精度要求高的结构的告警。
2.根据权利要求1所述的一种基于光纤光栅和智能涂层的告警系统的实现方法，其特征在于：
在步骤一中所述的“搭建光纤光栅和智能涂层传感器的结构健康监测硬件平台，确定硬件平台所使用的开发板、编程语言和处理器，对传感器数据进行采集”，其作法如下：是指使用型号为XC7Z020-1CLG484I的集成开发板Miz702，该集成开发板采用基于现场可编程门阵列即FPGA和ARM处理器相结合的平台，并采用版本为“Vivado2015.4”的开发软件进行开发；具体作法为：在计算机上安装Vivado软件，使用verilog语言，新建名为“FAC”的工程，利用FPGA和ARM结合的硬件平台和采集芯片AD9244，对传感器的信号进行采集。
3.根据权利要求1所述的一种基于光纤光栅和智能涂层的告警系统的实现方法，其特征在于：
在步骤二中所述的“搭建光纤光栅和智能涂层传感器的结构健康监测软件平台，基于微软C/C++编译器6.0版本(即VC++6.0)和微软基础类库Microsoft Foundation Classes(简称MFC)建立对话框工程”；其作法如下：在计算机上安装VC++6.0，新建名为“FAC”的工程，使用MFC设计开发软件平台。
4.根据权利要求1所述的一种基于光纤光栅和智能涂层的告警系统的实现方法，其特征在于：
在步骤三中所述的“利用光纤光栅和智能涂层传感器的结构健康监测硬件平台对传感器的信号分类采集，创建时钟TIME_F和TIME_T，时钟TIME_F用来控制光纤光栅传感器的数据采集，时钟TIME_T用来控制智能涂层传感器的数据采集”；其作法如下：利用设置的时钟TIME_F和TIME_T，每隔一预定时间即时钟周期对光纤光栅和智能涂层传感器的数据，利用采集芯片AD9244重复采集，使两种传感器数据的采集相互独立。
5.根据权利要求1所述的一种基于光纤光栅和智能涂层的告警系统的实现方法，其特征在于：
在步骤四中所述的“将光纤光栅传感器被测栅点的中心波长和智能涂层传感器电阻值信息传输到软件平台上”，是指硬件平台作为客户端，软件平台作为服务器端，在开启服务器之后创建端口(即Socket),与客服端连接成功之后，将处理好的关于被测栅点的中心波长和智能涂层传感器电阻值信息，通过TCP/IP协议网络通信，传输到软件平台上；其作法如下：软件平台开启服务器，在开启服务器之后创建Socket，与硬件平台进行连接，若连接失败则重新开启服务器，若连接成功，硬件平台发送关于被测栅点的中心波长和智能涂层传感器电阻值信息，同时软件平台进行接收。
6.根据权利要求1所述的一种基于光纤光栅和智能涂层的告警系统的实现方法，其特征在于：
在步骤五中所述的“对光纤光栅和智能涂层传感器数据进行归一化处理：即将有量纲的传感器数据，经过变换，化为无量纲的数据，使其成为标量，从而将传感器数值的绝对值变成某种相对值关系，简化计算，缩小量值”，其作法如下：在软件平台上将接收的关于被测栅点的中心波长和智能涂层传感器电阻值信息的每个数据xi，及所有数据的最大值xmax，采用以下方法进行归一化处理：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>x</mi> <mi>i</mi> </msub> <msub> <mi>x</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mfrac> </mrow> </mtd> <mtd> <mrow> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>&amp;le;</mo> <mn>1</mn> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mo>&amp;le;</mo> <mi>N</mi> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
其中Xi为每个数据归一化处理后的值，N为数据总数，xmax为所有数据的最大值。
7.根据权利要求1所述的一种基于光纤光栅和智能涂层的告警系统的实现方法，其特征在于：
在步骤六中所述的“熵权-层次分析法”，是将熵权法即按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量；如果指标的信息熵越小，该指标提供的信息量越大，在综合评价中所起作用理当越大，权重就应该越高和层次分析法即将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法,通过改进的最小偏差法集成而得到的确定权重的新的方法。
CN201710550761.8A 2017-07-07 2017-07-07 基于光纤光栅和智能涂层传感器的告警系统的实现方法 Expired - Fee Related CN107462180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710550761.8A CN107462180B (zh) 2017-07-07 2017-07-07 基于光纤光栅和智能涂层传感器的告警系统的实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710550761.8A CN107462180B (zh) 2017-07-07 2017-07-07 基于光纤光栅和智能涂层传感器的告警系统的实现方法

Publications (2)

Publication Number Publication Date
CN107462180A true CN107462180A (zh) 2017-12-12
CN107462180B CN107462180B (zh) 2019-05-03

Family

ID=60546614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710550761.8A Expired - Fee Related CN107462180B (zh) 2017-07-07 2017-07-07 基于光纤光栅和智能涂层传感器的告警系统的实现方法

Country Status (1)

Country Link
CN (1) CN107462180B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107588788A (zh) * 2017-08-29 2018-01-16 北京航空航天大学 基于熵权‑层次分析的光纤和智能涂层数据融合实现方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1124112A2 (en) * 2000-02-10 2001-08-16 NTT Advanced Technology Corporation Optical fiber sensor
US20020041968A1 (en) * 2000-10-05 2002-04-11 Nissan Motor Co., Ltd. Infrared transmitting film and infrared-sensor cover using same
CN105954294A (zh) * 2016-05-13 2016-09-21 北京航空航天大学 基于传感器的裂纹实时监测系统及其监测方法
CN107271085A (zh) * 2017-06-26 2017-10-20 北京航空航天大学 一种基于光纤光栅传感器的应力测量仪实现方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1124112A2 (en) * 2000-02-10 2001-08-16 NTT Advanced Technology Corporation Optical fiber sensor
US20020041968A1 (en) * 2000-10-05 2002-04-11 Nissan Motor Co., Ltd. Infrared transmitting film and infrared-sensor cover using same
CN105954294A (zh) * 2016-05-13 2016-09-21 北京航空航天大学 基于传感器的裂纹实时监测系统及其监测方法
CN107271085A (zh) * 2017-06-26 2017-10-20 北京航空航天大学 一种基于光纤光栅传感器的应力测量仪实现方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107588788A (zh) * 2017-08-29 2018-01-16 北京航空航天大学 基于熵权‑层次分析的光纤和智能涂层数据融合实现方法

Also Published As

Publication number Publication date
CN107462180B (zh) 2019-05-03

Similar Documents

Publication Publication Date Title
CN113837477B (zh) 数据双驱动的台风灾害下电网故障预测方法、装置和设备
CN103245881B (zh) 一种基于潮流分布特征的配电网故障分析方法及装置
CN107886161A (zh) 一种提高复杂信息系统效能的全局敏感性分析方法
CN103840988A (zh) 一种基于rbf神经网络的网络流量测量方法
Su et al. Research on SVR water quality prediction model based on improved sparrow search algorithm
CN109033513A (zh) 电力变压器故障诊断方法与电力变压器故障诊断装置
CN107257351A (zh) 一种基于灰色lof流量异常检测系统及其检测方法
CN110231447A (zh) 水质异常检测的方法、装置及终端设备
CN115022187B (zh) 一种电-气综合能源系统态势感知方法与装置
CN112668526A (zh) 基于深度学习和压电主动传感的螺栓群松动定位监测方法
CN111612241A (zh) 智能船舶路径规划功能实现性的综合评价方法
CN107590975B (zh) 基于光纤、智能涂层和压电传感器的告警系统的实现方法
Lasocha et al. Deep neural network application: Higgs boson CP state mixing angle in H→ τ τ decay and at the LHC
CN108459997A (zh) 基于深度学习和神经网络的高偏态数据价值概率预测方法
CN107462180B (zh) 基于光纤光栅和智能涂层传感器的告警系统的实现方法
Guan et al. Application of a novel PNN evaluation algorithm to a greenhouse monitoring system
CN102207474B (zh) 一种基于xrf光谱仪合金牌号鉴定的智能方法
CN110704789B (zh) 一种依托“城市超脑”计算平台的人口动态测算方法和系统
Glaz et al. Approximations and inequalities for moving sums
CN116112379B (zh) 一种数据中心多维业务共享设备的有向链路动态预测方法
CN115754199B (zh) 基于隶属度函数和主成分分析的水质检测方法
CN116432839A (zh) 基于bp神经网络的回填料成本预测方法、装置及设备
Ba et al. Comprehensive Evaluation Method for Traffic Flow Data Quality Based on Grey Correlation Analysis and Particle Swarm Optimization
CN107588788A (zh) 基于熵权‑层次分析的光纤和智能涂层数据融合实现方法
CN112816122B (zh) 基于深度学习和压电主动传感的螺栓松紧程度监测方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190503

CF01 Termination of patent right due to non-payment of annual fee