CN108388543B - 一种基于关联分析法的结构状态监测和评估方法 - Google Patents

Abstract

本发明公开了一种基于关联分析法的结构状态监测和评估方法，包括根据结构的实际情况布置传感器测点、调试数据通路和采集传感器信号，并按程序框图进行数据处理。其主要机理是利用静态监测传感器对结构物的状态进行监测和评估，通过监测结构物的状态是否发生了变化，进而找到一个能够反映结构物物理状态的特征量，本发明不需要辨识出结构物的模态参数；通过理论推导和实际测量数据的分析比较，对传感器进行关联分析就能反映结构物的物理状态，从而大大提高了对结构物状态监测和评估的效率以及准确率。

Description

一种基于关联分析法的结构状态监测和评估方法

技术领域

本发明涉及结构健康监测技术领域，具体为一种基于关联分析法的结构状态监测和评估方法。

背景技术

随着国民经济的发展，我国基础建设步伐也不断加快，相应的结构安全问题也越来越受到人们的关注，结构物结构的安全性得到了普遍的重视。

按照相关规范，结构物安全的责任方需要定期组织专业人员对结构物进行检测并评定出结构物的安全等级，其检测方法主要是根据现场勘查的结果进行打分评定，这种做法很大程度上依赖评定者的主观因素。为了减小人的主观性，增加安全评估的准确性，目前在结构物检测中，有一些采用了现代光学、超声波、电磁等技术手段对结构物的力学性能和工作性能进行检测，但这些技术只能提供局部的检测和诊断信息，而不能提供整体和全面的结构健康检测和评估信息，并且这些检测方法很难能够做到在线的连续实时监测。

在诸多结构安全评估方法中，模态分析法是最为典型的一种方法，它是通过测量振动情况得出相应结构物的数学模型参数，具体做法是，利用某种特定形式的激励（如标准载荷或锤击的脉冲激励、随机载荷的白噪声激励等），迫使结构物产生振动；由于激励源是特定形式的，它的频谱值可以认为是已知的，这时只要检测结构物的振动输出响应，就可以辨识出结构物的传递函数，进而就能得到结构物的模态参数（模态质量、模态刚度、模态阻尼等）。因为模态参数是实际结构物的数学模型参数，它完全反映了实际结构物的物理状态，通过对模态参数的连续监测就能对结构物的安全状态进行评判。

由于得到了数学模型参数，模态分析法除了能够对结构物进行状态评估外，它还能对结构物的设计指标、施工质量等进行验证。事实上，检验结构物是否满足工程设计指标是提出模态分析法的初衷，而状态评估反而是附带的一个功能。

尽管模态分析法能够得到结构物的模态参数，但这一方法在工程实施时比较繁琐，一方面，它需要用到较繁杂的数学变换，不利于在线实时监测；另一方面，它对系统硬件要求相对较高（需要安装较多的加速度传感器或应变传感器才能相对准确的结果）。

发明内容

本发明的目的在于提供一种基于关联分析法的结构状态监测和评估方法，以解决上述背景技术中提出的现有监测系统计算繁琐、对硬件要求高的问题。

为实现上述目的，本发明提供如下技术方案：一种基于关联分析法的结构状态监测和评估方法，包括以下步骤：

S1：根据结构的实际情况布置传感器测点；

S2：调试数据通路；

S3：采集传感器信号，访问数据库，获取传感器数据；

S4：定义采样周期，数据处理窗口大小；

S5：根据窗内数据的均值、方差，判断数据是否过大或过小；

S6：对数据分别进行互相关分析和自相关分析，判断评估结构状态。

优选的，所述步骤S6中互相关分析方法包括：先融合各传感器的互相关性分析结果，并评判传感器本身的数据质量，再根据融合结果对结构状态进行评估。

优选的，所述步骤S6中自相关分析方法即用于评判传感器本身的数据质量。

优选的，所述方法依据的相关性准则为：取绝对值后，0-0.1为没有相关性；0.1-0.3为弱相关性；0.3-0.5为中等相关；0.5-1.0为强相关。

与现有技术相比，本发明的有益效果是：

基于关联分析法的结构状态监测和评估方法，主要是利用静态监测传感器对结构物的状态进行监测和评估，通过监测结构物的状态是否发生了变化，找到一个能够反映结构物物理状态的特征量，则不用辨识出结构物的模态参数；通过理论推导和实际测量数据的分析比较，对传感器进行关联分析就能反映结构物的物理状态，大大提高了对结构物状态监测和评估的效率以及准确率。

附图说明

图1为本发明数据处理原理框图。

图2为本发明桥梁结构跨间传感器典型布置结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

请参阅图1，本发明实施例中：一种基于关联分析法的结构状态监测和评估方法，依据的相关性准则为：取绝对值后，0-0.1为没有相关性；0.1-0.3为弱相关性；0.3-0.5为中等相关；0.5-1.0为强相关；具体包括以下步骤：

第一步：根据结构的实际情况布置传感器测点；

第二步：调试数据通路；

第三步：采集传感器信号，访问数据库，获取传感器数据；

第四步：定义采样周期，数据处理窗口大小；

第五步：根据窗内数据的均值、方差，判断数据是否过大或过小；

第六步：对数据分别进行互相关分析和自相关分析，判断评估结构状态；其中，互相关分析方法包括：先融合各传感器的互相关性分析结果，并评判传感器本身的数据质量，再根据融合结果对结构状态进行评估；自相关分析方法即用于评判传感器本身的数据质量。

实施例二：

请参阅图2，基于上述实施例一描述，本发明提供另一种实施方案：主要是利用如何静态监测传感器（如桥梁的应力和挠度传感器）对结构物的状态进行监测和评估；由于模态分析法的最终目标是得到结构的模态参数，而状态监测和评估则是监测结构物的状态是否发生了变化，如果找到一个能够反映结构物物理状态的特征量，则完全没有必要辨识出结构物的模态参数；通过理论推导和实际测量数据的分析比较，对传感器进行关联分析就能反映结构物的物理状态；

按照结构动力学理论，各传感器测量信号的功率谱密度矩阵

可以表示为：

式中：

为已知的输入激励源的频谱（白噪声激励为常数阵、脉冲激励为单位阵）；

为传递函数矩阵的频域表示（它是结构物的数学模型，模态参数可由它推算出来）；

为各传感器间的互相关矩阵，它是时间函数（即互相关矩阵的傅里叶变换即为功率谱密度）；由于

是已知的，由上式可知：互相关函数

和传递函数

是相对应的，即各传感器之间的关联性分析反映了结构物数学模型的变化情况，因此，可以把关联性作为反映结构物理状态的特征量，而不必进一步去求出相应的模态参数。

如图2所示的一个典型的桥梁结构跨间传感器布置关系，图中应变传感器用来监测梁的局部应变，而挠度传感器用来监测梁的整体位移；当载荷从梁面经过时，测试数据表明，这4个传感器有大体相似的波形，只是在相位有所不同，抛去相位因素，各传感器间的相关系数较大，如果相关系数变小或产生突变，则表明结构物的状态产生了变化；传感器的相关系数可以用下式融合在一起：

式中：各参数的下标即为图2中的传感器标号；相关矩阵

是对称矩阵，即有

成立（由于噪声影响，实际上两者会有所不同），由于这里只考虑传感器的互相关，因此需要减去单位矩阵

以去掉自相关系数（自相关因素另行考虑）；系数向量

用来将各相关系数融合起来，根据图2中的传感器布置关系，可以考虑采用距离关系来选择融合向量

，如将

取为：

，它表明算法对挠度传感器

和应变传感器

的关联性较为认可，而对它们与传感器

和

的关联认可程度较低（因为距离较远）；融合向量

可根据实际工程情况进行调整。

上述向量和矩阵需要进行归一化处理，即将向量和矩阵中的元素除以对应的向量和矩阵的范数即可。

上述处理结果

是一个界于0和1之间的标量时间函数，它的值反映了传感器之间的关联程度，若

长时间维持较小的值或产生突变，则需要对结构物的状态引起注意；

的阈值选取原则是：0—0.1不相关；0.1—0.3弱相关；0.3—0.5中等相关；0.5—1强相关。

除了上述互相关分析，还考虑了传感器数据的自相关因素，它的做法是：选取同一传感器相邻间隔两段数据，计算两者的相关系数，若相关系数较大，则表明该传感器工作正常；否则，就需要结合上述对应传感器的互相关计算结果，来判断传感器是否本身出现了问题；自相关分析只是分析传感器的自身数据质量的好坏，它不能反映结构物状态的变化情况。

综上所述：本发明提供的基于关联分析法的结构状态监测和评估方法，主要是利用静态监测传感器对结构物的状态进行监测和评估，通过监测结构物的状态是否发生了变化，找到一个能够反映结构物物理状态的特征量，则不用辨识出结构物的模态参数；通过理论推导和实际测量数据的分析比较，对传感器进行关联分析就能反映结构物的物理状态，大大提高了对结构物状态监测和评估的效率以及准确率。

以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于关联分析法的结构状态监测和评估方法，其特征在于，包括以下步骤：

S1：根据结构的实际情况布置传感器测点；

S2：调试数据通路；

S3：采集传感器信号，访问数据库，获取传感器数据；

S4：定义采样周期，数据处理窗口大小；

S5：根据窗内数据的均值、方差，判断数据是否过大或过小；

S6：对数据分别进行互相关分析和自相关分析，判断评估结构状态；所述步骤S6中互相关分析方法包括：先融合各传感器的互相关性分析结果，并评判传感器本身的数据质量，再根据融合结果对结构状态进行评估；融合各传感器的互相关性分析结果的步骤如下：先通过监测结构物的状态是否发生了变化，找到一个能够反映结构物物理状态的特征量，然后对获取的传感器数据进行分析，如果传感器间的相关系数变小或产生突变，则表明结构物的状态产生了变化；传感器的相关系数用下式融合在一起：

式中：相关矩阵

是对称矩阵，即有

成立，由于只考虑传感器的互相关，因此需要减去单位矩阵

以去掉自相关系数；系数向量

用来将各相关系数融合起来，上述向量和矩阵需要进行归一化处理，即将向量和矩阵中的元素除以对应的向量和矩阵的范数即可，

是一个界于0和1之间的标量时间函数，它的值反映了传感器之间的关联程度，若

长时间维持较小的值或产生突变，则需要对结构物的状态引起注意。

2.根据权利要求1所述的一种基于关联分析法的结构状态监测和评估方法，其特征在于，所述通过监测结构物的状态是否发生了变化，找到一个能够反映结构物物理状态的特征量的步骤是：通过理论推导和实际测量数据的分析比较，对传感器进行关联分析就能反映结构物的物理状态； 按照结构动力学理论，各传感器测量信号的功率谱密度矩阵

表示为：

式中：

为已知的输入激励源的频谱；

为传递函数矩阵的频域表示；

为各传感器间的互相关矩阵，它是时间函数；由于

是已知的，由上述

的计算公式可知：互相关函数

和传递函数

是相对应的，即各传感器之间的关联性分析反映了结构物数学模型的变化情况，把关联性作为反映结构物理状态的特征量。

3.如权利要求1所述的一种基于关联分析法的结构状态监测和评估方法，其特征在于，所述步骤S6中自相关分析方法是选取同一传感器相邻间隔两段数据，计算两者的相关系数，若相关系数较大，则表明该传感器工作正常；否则，就需要结合对应传感器的互相关计算结果，来判断传感器是否本身出现了问题。

4.如权利要求1至3中任一项所述的一种基于关联分析法的结构状态监测和评估方法，其特征在于， 所述

的阈值选取原则是：取绝对值后，0-0.1为没有相关性；0.1-0.3为弱相关性；0.3-0.5为中等相关；0.5-1.0为强相关。

Images