CN109977996B - 基于时间序列聚类融合的水工结构运行状态监测系统 - Google Patents

基于时间序列聚类融合的水工结构运行状态监测系统 Download PDF

Info

Publication number
CN109977996B
CN109977996B CN201910110672.0A CN201910110672A CN109977996B CN 109977996 B CN109977996 B CN 109977996B CN 201910110672 A CN201910110672 A CN 201910110672A CN 109977996 B CN109977996 B CN 109977996B
Authority
CN
China
Prior art keywords
data
monitoring
entropy
analysis module
multichannel
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.)
Active
Application number
CN201910110672.0A
Other languages
English (en)
Other versions
CN109977996A (zh
Inventor
张建伟
华薇薇
张翌娜
李火坤
黄锦林
程梦然
赵瑜
侯鸽
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.)
North China University of Water Resources and Electric Power
Original Assignee
North China University of Water Resources and Electric Power
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 North China University of Water Resources and Electric Power filed Critical North China University of Water Resources and Electric Power
Priority to CN201910110672.0A priority Critical patent/CN109977996B/zh
Publication of CN109977996A publication Critical patent/CN109977996A/zh
Application granted granted Critical
Publication of CN109977996B publication Critical patent/CN109977996B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明涉及水利水电工程中的结构运行状态监测技术领域，具体涉及一种基于时间序列聚类融合的水工结构运行状态监测系统，在水工结构不同监测部位布置一定数量的传感器，并将信号线接入控制室内，通过分通过传感器设备采集到大量的监测数据，采用聚类方法对不同观测信息进行分类，然后利用多通道加权多尺度排列熵融合计算对不同类的监测信息进行融合，通过融合后熵值曲线的变化，进行结构运行状态的监测，能够快速得到结构运行状态，以便有针对性地对结构加以防护。

Description

基于时间序列聚类融合的水工结构运行状态监测系统
技术领域
本发明涉及水利水电工程中的结构运行状态监测技术领域，具体涉及一种基于时间序列聚类融合的水工结构运行状态监测系统。
背景技术
水工结构在服役过程中，容易出现不同程度的异常问题，甚至影响整个水利枢纽的安全运行。鉴于水工结构所处环境复杂多变，不同运行状态的表现形式也不相同，单一监测量不能达到全面分析结构安全性的目的。因此，为全面评价水工建筑物的运行状态，需要在结构不同部位和不同观测项目上布置大量测点。目前对大坝等水工建筑物的监测大多使用“点”式传感器监测形式，在长期或不间断连续监测过程中，造成监测信息大容量、多元化，传统的监测信息处理方式难以满足速度和容量方面的要求。因此，亟需一种新的信息处理手段，综合利用不同测点的监测信息，对结构进行综合评估，从而全面系统地监测结构运行状态，为结构整体安全评价及防灾减灾奠定基础。
发明内容
针对现有技术中存在的缺陷和问题，本发明提供一种基于时间序列聚类融合的水工结构运行状态监测系统，该监测系统具有形式简单、施工方便、工程造价低的特点；工作人员面对大量积累的监测数据，通过计算机信息处理模块，快速得到结构运行状态，以便有针对性地对结构加以防护。
本发明解决其技术问题所采用的方案是：一种基于时间序列聚类融合的水工结构运行状态监测系统，其特征在于：包括数据采集模块、聚类分析模块、多通道加权多尺度排列熵分析模块以及熵值分析与运行状态监测模块，所述数据采集模块为安装于被测结构不同部位的传感器，通过传感器得到被测结构不同部位的监测信号；监测信号进入聚类分析模块，所述聚类分析模块将不同项目观测数据分类；所述多通道加权多尺度排列熵分析模块分别对同一类多通道数据、不同类的监测数据进行分析，利用所述多通道加权多尺度排列熵程序，将多通道数据、不同类的监测数据分别进行融和，并通过所述熵值分析与运行状态监测模块绘制融合后熵值监测曲线图。
进一步的，所述聚类分析模块将不同项目观测数据分类的方法为：聚类分析模块利用聚类程序将采集到的数据形成数据集，通过欧式距离公式计算数据之间的距离，并把距离转化为矩阵形式，再通过最短距离准则对被测结构不同部位的观测信号划分类别。
进一步的，所述多通道加权多尺度排列熵分析模块对同一类多通道数据进行分析的方法为：利用多通道加权多尺度排列熵程序，通过多测点数据在总体所占的比重分配权重；
Figure GDA0002814767340000021
Figure GDA0002814767340000022
Figure GDA0002814767340000023
由公式(1)计算可得权重，依据权重将多通道数据进行融和，由公式(2)和公式(3)定义多测点多权重的多尺度排列熵，并绘制熵值曲线图。
进一步的，所述多通道加权多尺度排列熵分析模块对不同类的监测数据进行分析的方法为：通过多通道加权多尺度排列熵方法，得到多条融合后的熵值运行监测曲线。
本发明的有益效果：本发明的基于时间序列聚类融合的水工结构运行状态监测系统，适用于于当结构监测指标较多，监测数据大量积累的情况，直接通过结构不同观测项目的实测信号，通过相应的分析模块采集并监测数据量，达到对水工结构运行状态全面监测的目的，确保监测数据的时效性和准确性，工作人员面对大量积累的监测数据，通过计算机信息处理模块，快速得到结构运行状态，用以辅助决策，让决策者及时掌握结构运行状态，以便有针对性地对结构加以防护。该监测系统无需特殊的监测设备，具有形式简单、施工方便、工程造价低，便于运行管理的特点，从而节约大量的物力、人力、财力和时间。
该技术集结构不同指标观测项目的信号与聚类分析及多通道加权多尺度排列熵智能监测系统于一体，适用于水利水电工程结构运行状态监测技术领域。当监测指标对应的数据大量积累时，将海量数据简化并综合利用，达到全面系统利用监测信号的目的，通过排列熵值变化曲线反映结构的运行状态，可实现综合利用海量数据对水工结构运行状态的系统监测。
附图说明
图1为本发明的系统监测的流程图。
图2为本发明的单测点与多测点融合后的排列熵值曲线图。
图3为本发明的不同时间坝前水位曲线图。
图4为本发明坝体内部沉降熵值曲线图。
图5为本发明面板应力熵值曲线图。
图6为本发明面板挠度熵值曲线图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
实施例1：一种基于时间序列聚类融合的水工结构运行状态监测系统，采用该时间序列聚类融合的水工结构运行状态监测系统时，需对被测结构重点部位合理优化布置测点。如面板堆石坝，评价面板堆石坝的结构性能时，常用的指标为：坝体内部与外部变形、渗流量、应力应变、面板扰度等；而混凝土坝需监测的主要项目有：变形、应力、渗流量、扬压力和伸缩缝等。
以监测量较多的面板堆石坝为例，在坝体表面布置26个变形监测点，分别布置于面板表面、下游坝坡表面、下游坡面观测房；坝体内部变形监测，选择最大坝高断面，布置引张线式水平位移计和电测水管式沉降仪，在坝顶下游设置了2根电磁沉降测斜管；坝体内部应力监测选择两个典型监测断面，布置8支土压力计(垂直应力)；面板周边缝监测布置三向测缝计共11组，板间垂直缝监测布置6条测线，面板顶部与坝顶防浪墙的水平接缝监测布设1条测线；面板挠度监测选择3个典型主控监测断面，共布置27支测倾计；面板脱空变形监测选择2个主控监测断面，共设置10支大量程位移计；面板混凝土应力应变、钢筋应力及温度监测，设置3个监测断面，沿不同高程相应设置三向应变计组。在长期或不间断连续监测过程中，为保证监测数据的准确性，需在仪器表面涂抹防水材料并进行定期检查。
将信号线通过电缆连接到信号采集设备，再接到计算机上，对面板堆石坝的运行状态进行监测。通过传感器采集到的各种监测数据，通过聚类分析模块，将不同项目观测数据分类；对同一类多通道数据，采用多通道加权多尺度排列熵方法，对多通道监测量进行信息融合，简化监测量，得到一条融合数据，并绘制出熵值运行监测曲线；对不同类监测量，即可通过多通道加权多尺度排列熵信息融合模块，得到多条融合后的熵值运行监测曲线。
由图2所示：某面板堆石坝坝体内部沉降不同测点与融合后的熵值曲线图，图中显示：融合后信号熵值曲线在单测点熵值曲线中间且变化趋势基本一致，信号融合是对多测点信号的综合处理，是将多个同类型传感器的振动响应信号，按参与权重融合为一个更加全面、准确反映结构特性的信号。因此，多测点融合后的熵值曲线可代替多条单测点的熵值曲线，不仅可以综合利用大量数据，而且融合后的信号能够更全面的反映结构的整体特征。由图3和图4可知，通过聚类分析将坝体内部沉降的信号分为三类，类三熵值曲线的波动与类一与类二相比，类三波动较大，说明类三优势频率更明显，能量更集中。它们的熵值均随水位降低表现规律性的变化，当水位下降幅度较大时，熵值曲线也发生明显的趋势变化，当水位基本保持不变时，熵值曲线也比较平稳。因此，坝前水位影响坝体内部沉降。由图5和图6可知，面板应力和挠度也随水位降低呈现规律性变化。
同理，对于其他水工建筑物，如重力坝、拱坝、水闸等结构，依据常规的监测测点布置方法，对大量监测信息进行聚类模块分析后，对每一类监测信息进行多通道加权多尺度排列熵分析模块，简化得出多条不同类熵值运行监测曲线，只需对这些融合后的熵值变化曲线进行监测，即可全面监测结构运行状态。

Claims (4)

1.一种基于时间序列聚类融合的水工结构运行状态监测系统，其特征在于：包括数据采集模块、聚类分析模块、多通道加权多尺度排列熵分析模块以及熵值分析与运行状态监测模块，所述数据采集模块为安装于被测结构不同部位的传感器，通过传感器得到被测结构不同部位的监测信号；监测信号进入聚类分析模块，所述聚类分析模块将不同项目观测数据分类；所述多通道加权多尺度排列熵分析模块分别对同一类多通道数据、不同类的监测数据进行分析，利用所述多通道加权多尺度排列熵程序，将多通道数据、不同类的监测数据分别进行融和，并通过所述熵值分析与运行状态监测模块绘制融合后熵值监测曲线图。
2.根据权利要求1所述的基于时间序列聚类融合的水工结构运行状态监测系统，其特征在于：所述聚类分析模块将不同项目观测数据分类的方法为：聚类分析模块利用聚类程序将采集到的数据形成数据集，通过欧式距离公式计算数据之间的距离，并把距离转化为矩阵形式，再通过最短距离准则对被测结构不同部位的观测信号划分类别。
3.根据权利要求1所述的基于时间序列聚类融合的水工结构运行状态监测系统，其特征在于：所述多通道加权多尺度排列熵分析模块对同一类多通道数据进行分析的方法为：利用多通道加权多尺度排列熵程序，通过多测点数据在总体所占的比重分配权重；
Figure FDA0002814767330000011
Figure FDA0002814767330000012
Figure FDA0002814767330000013
由公式(1)计算可得权重，依据权重将多通道数据进行融和，由公式(2)和公式(3)定义多测点多权重的多尺度排列熵，并绘制熵值曲线图。
4.根据权利要求1所述的基于时间序列聚类融合的水工结构运行状态监测系统，其特征在于：所述多通道加权多尺度排列熵分析模块对不同类的监测数据进行分析的方法为：通过多通道加权多尺度排列熵方法，得到多条融合后的熵值运行监测曲线。
CN201910110672.0A 2019-02-12 2019-02-12 基于时间序列聚类融合的水工结构运行状态监测系统 Active CN109977996B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910110672.0A CN109977996B (zh) 2019-02-12 2019-02-12 基于时间序列聚类融合的水工结构运行状态监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910110672.0A CN109977996B (zh) 2019-02-12 2019-02-12 基于时间序列聚类融合的水工结构运行状态监测系统

Publications (2)

Publication Number Publication Date
CN109977996A CN109977996A (zh) 2019-07-05
CN109977996B true CN109977996B (zh) 2021-04-02

Family

ID=67076931

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910110672.0A Active CN109977996B (zh) 2019-02-12 2019-02-12 基于时间序列聚类融合的水工结构运行状态监测系统

Country Status (1)

Country Link
CN (1) CN109977996B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112033463B (zh) * 2020-09-02 2022-09-06 哈尔滨工程大学 一种核动力设备状态评估与预测一体化方法和系统
CN113408888A (zh) * 2021-06-16 2021-09-17 深圳粤兴水务科技有限公司 一种基于云平台的水工金属结构设备智能化监控系统
CN115357646B (zh) * 2022-10-17 2023-05-02 南昌工程学院 一种桥梁状态监测方法及系统
CN116186634B (zh) * 2023-04-26 2023-07-07 青岛新航农高科产业发展有限公司 一种建筑工程施工数据智能管理系统
CN116448062B (zh) * 2023-06-20 2023-09-12 中鲁检测技术(山东)有限公司 一种桥梁沉降变形检测方法、装置、计算机及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503660A (zh) * 2016-10-31 2017-03-15 天津大学 基于图像微结构频数分析的时间序列复杂度测算方法
WO2017142707A1 (en) * 2016-02-15 2017-08-24 General Electric Company Systems and methods for predicting an anomaly in a combustor
CN107101813A (zh) * 2017-04-26 2017-08-29 河北工业大学 一种基于振动信号的框架式断路器机械故障程度评估方法
EP3401600A1 (en) * 2017-05-11 2018-11-14 General Electric Company Systems and methods related to detecting flame blowout occurences in gas turbines
CN108982107A (zh) * 2018-07-26 2018-12-11 北京工业大学 一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法
CN108982106A (zh) * 2018-07-26 2018-12-11 安徽大学 一种快速检测复杂系统动力学突变的有效方法
CN109117450A (zh) * 2018-08-04 2019-01-01 华北水利水电大学 振测数据最佳分析长度的确定方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017142707A1 (en) * 2016-02-15 2017-08-24 General Electric Company Systems and methods for predicting an anomaly in a combustor
CN106503660A (zh) * 2016-10-31 2017-03-15 天津大学 基于图像微结构频数分析的时间序列复杂度测算方法
CN107101813A (zh) * 2017-04-26 2017-08-29 河北工业大学 一种基于振动信号的框架式断路器机械故障程度评估方法
EP3401600A1 (en) * 2017-05-11 2018-11-14 General Electric Company Systems and methods related to detecting flame blowout occurences in gas turbines
CN108982107A (zh) * 2018-07-26 2018-12-11 北京工业大学 一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法
CN108982106A (zh) * 2018-07-26 2018-12-11 安徽大学 一种快速检测复杂系统动力学突变的有效方法
CN109117450A (zh) * 2018-08-04 2019-01-01 华北水利水电大学 振测数据最佳分析长度的确定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于FVMD多尺度排列熵和GK模糊聚类的;陈东宁;《机械工程学报》;20180731;第54卷(第14期);全文 *
基于排列熵算法的弧形闸门振动状态监测;张翌娜 等;《水电能源科学》;20180731;第36卷(第7期);全文 *
排列熵算法在水工结构损伤诊断中的应用;张建伟 等;《振动、测试与诊断》;20180430;第38卷(第2期);全文 *

Also Published As

Publication number Publication date
CN109977996A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN109977996B (zh) 基于时间序列聚类融合的水工结构运行状态监测系统
CN103700221B (zh) 一种油气管道山洪灾害监测方法
CN104678954A (zh) 基于全生命周期的大坝安全智能监测与预警系统及其方法
CN106917420B (zh) 一种桩基冲刷监测装置
CN102852129A (zh) 路基长期大变形自动监测系统及其监测方法
CN101430194A (zh) 隧道周边表面位移实时监测装置
CN103700223B (zh) 一种油气管道山洪灾害监测系统
CN104848891A (zh) 一种混凝土坝与土石坝的连接结构的动态监测系统及监测方法
CN105714842A (zh) 沉井下沉预警方法和系统
CN103591982B (zh) 一种电力隧道结构问题的监测方法
CN103353280A (zh) 用于高速公路寿命监测的地下传感器网络及其部署方法
CN209355903U (zh) 堆石坝堆石体机械式沉降变形监测新系统
CN209619984U (zh) 铁路高陡岩质边坡微震监测系统
CN207147550U (zh) 一种新型的大坝安全监测自动化测控装置
CN104482876B (zh) 基于啁啾光纤光栅的混凝土磨蚀及空蚀深度实时监测系统
CN103868716B (zh) 空间坐标监测问题索载荷角位移递进式识别方法
CN203177924U (zh) 一种基于三光纤光栅结构的水位监测装置
CN205750453U (zh) 基于测点可控式多点位移计数据测量的远程实时监测系统
Ai et al. The use of shape accel array for deformation monitoring and parameter inversion of a 300 m ultrahigh rockfill dam
CN102864794B (zh) 利用压力差进行锚锭结构位移监测的方法
CN101012753A (zh) 渗流－应力耦合现场试验的卸荷方法
CN202904818U (zh) 一种油气管道山洪灾害监测系统
CN105954171B (zh) 一种堤坝渗流性状时空监控装置及监测方法
CN205317245U (zh) 一种长距离输水隧洞安全混合监测系统
CN103868742A (zh) 角位移应变监测问题索载荷递进式识别方法

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
CB03 Change of inventor or designer information

Inventor after: Zhang Jianwei

Inventor after: Hua Weiwei

Inventor after: Zhang Yina

Inventor after: Li Huokun

Inventor after: Huang Jinlin

Inventor after: Cheng Mengran

Inventor after: Zhao Yu

Inventor after: Hou Ge

Inventor before: Zhang Jianwei

Inventor before: Hua Weiwei

Inventor before: Zhang Yina

Inventor before: Cheng Mengran

Inventor before: Zhao Yu

Inventor before: Hou Ge

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant