CN1297108C - 基于多主体协作的分布式结构健康监测系统 - Google Patents
基于多主体协作的分布式结构健康监测系统 Download PDFInfo
- Publication number
- CN1297108C CN1297108C CNB2004100656676A CN200410065667A CN1297108C CN 1297108 C CN1297108 C CN 1297108C CN B2004100656676 A CNB2004100656676 A CN B2004100656676A CN 200410065667 A CN200410065667 A CN 200410065667A CN 1297108 C CN1297108 C CN 1297108C
- Authority
- CN
- China
- Prior art keywords
- main body
- output
- network
- monitoring
- input
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 6
- 230000036541 health Effects 0.000 abstract description 30
- 238000000034 method Methods 0.000 abstract description 15
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 239000012141 concentrate Substances 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 18
- 239000003795 chemical substances by application Substances 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 239000002131 composite material Substances 0.000 description 6
- 230000010365 information processing Effects 0.000 description 5
- 230000035882 stress Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 235000019687 Lamb Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004643 material aging Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000010445 mica Substances 0.000 description 1
- 229910052618 mica group Inorganic materials 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 229920013657 polymer matrix composite Polymers 0.000 description 1
- 239000011160 polymer matrix composite Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002463 transducing effect Effects 0.000 description 1
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
一种基于多主体协作的分布式结构健康监测系统属工程结构健康监测技术,该系统将传统结构健康监测系统中所有的功能组成模块都转换成能作用于自身和环境,并可与其他智能主体通信的智能主体,这些主体包括传感主体、信号处理主体、评估主体、融合主体、管理主体及用户接口主体6大类;这些主体通过一个两层的结构体系实现分布式结构健康监测系统,包括中央管理融合层和局部监测网络层,分布式结构健康监测系统通过这些主体之间的协作实现结构应力、应变、损伤、载荷的监测和结构状态的评估。该系统将原来由中央处理器实现的串行处理、集中决策的结构健康监测系统,变为一种并行的分布式系统,将大大提高系统功能、可靠性和灵活性,同时提高运行速度、减少引线、降低功耗及信息传输量,有效实现对大型工程结构中的健康监测和状态评估。
Description
技术领域:
本发明基于多主体协作的分布式结构健康监测系统,属工程结构健康监测技术。
背景技术:
工程结构的健康监测技术近年来一直是一个研究的热点方向。在航空航天领域,复合材料由于轻质、高强度、高模量,可提高飞机结构的效率,降低飞机结构重量系数,在飞机上的应用越来越多。目前国际上最先进的第四代战机F22,树脂基复合材料的用量已达到飞机结构重量的24%。总体而言,层合复合材料在减轻结构重量,提高承载能力和隐身等方面性能卓著,然而它在损伤、失效等方面的表现却是机理复杂,现象多样,判别困难。目前,在复合材料损伤的无损检测手段中,还不具备实时在线大面积监测的功能,且大多数设备复杂,成本高,费工费时,从而限制了复合材料的应用范围。在土木工程领域,重大工程结构,诸如跨江跨海的超大跨桥梁,用于大型体育赛事的超大跨空间结构,代表现代城市象征的超高层建筑,开发江河能源的大型水利工程,用于海洋油气资源开发的大型海洋平台结构以及核电站建筑等,它们的使用期长达几十年、甚至上百年,环境侵蚀、材料老化和荷载的长期效应、疲劳效应与突变效应等灾害因素的耦合作用将不可避免地导致结构和系统的损伤积累和抗力衰减,从而抵抗自然灾害、甚至正常环境作用的能力下降,极端情况下引发灾难性的突发事故。上述这些问题都迫切需要结构健康监测技术来加以解决。结构健康监测是采用智能材料结构的新概念,利用集成在结构中的先进传感/驱动元件网络,在线实时地获取与结构健康状况相关的信息(如应力、应变、温度等),结合先进的信息处理方法和复合材料力学建模方法,提取特征参数,识别结构的状态,包括损伤,从而实现结构健康自诊断,以保证结构的安全和降低维修费用。
目前在美国军方和政府部门的多项研究计划中都采用了复合材料结构健康监测技术。例如,在USAF的资助下,针对F-18、F-22、JSF和X-33等飞行器,已进行了结构健康监测技术的应用基础研究。美国诺斯罗普-格鲁门公司利用压电传感器及光纤传感器,监测具有隔段的F-18机翼结构的损伤及应变;将光纤传感系统安装在F-18机翼蒙皮上,实时在线监测机翼上的压力分布和结构的损伤,并验证智能蒙皮的概念。洛克希德-马丁公司将Bragg光栅光纤传感网络用于X-33箱体结构件的应力和温度的准分布监测。此外,DALTA II火箭的复合材料火箭发动机箱采用了基于光纤传感器网络的结构健康监测系统,欧洲联合研制的Eurofight 2000新型战机亦采用了先进的结构健康监测技术。美国八十年代中后期就开始在多座桥梁上布设监测传感器,监测环境荷载、结构振动和局部应力状态,用以验证设计假定、监视施工质量和实时评定服役安全状态,例如,佛罗里达州的SunshineSkyway Bridge桥上安装了500多个传感器。美国仅1995年,就投资1.44亿美元,在90座大坝配备了安全监测设备。香港青马大桥安装了500个加速度传感器、粘贴了大量的应变片和一套GPS系统,用以长期监测桥梁的服役安全性。以上研究都表明结构健康监测技术是目前国际研究的重点之一,具有明显的工程应用的潜力。
结构健康监测技术的研究已经历了20多年的发展,虽然在多个领域取得了不少进展,但要真正将该技术实用化,还必须解决智能结构的大范围集成问题。目前针对智能材料结构的研究,基本都在尺寸较小的试件上,在实验室进行。研究中所采用的器件数量大都较少,需要决策的目标相对简单,所需信号信息处理的运算量不大,需要传输的信息也较少,一些管理和协调的功能基本还不需要。作为一种原理性研究,这些方法是可行的。但如果针对实际工程应用对象,智能结构技术在应用时的情况就要复杂、困难得多。由于所要监测的结构不再是很小的试验件,因此所需的结构传感器件的数目、所需决策对象的复杂性都将大大增加,随之所带来的是结构健康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、传输的信息量、系统各部分之间的管理、协调需求及监测网络所需消耗的能量等的急剧增加。这些问题如不能加以解决,结构健康监测技术就不可能真正得到较好的应用。
发明内容:
针对大型工程结构的健康监测问题,本发明提出并研制一种基于多主体协作的并行分布式健康监测系统以替代目前广泛研究的串行系统结构,以降低信息传输要求,提供系统运行速度,融合多种传感器信息及结构状态评估结果,实现对结构的大面积在线监测功能。
分布式结构健康监测系统中,传感器网络中包含有不同种类、数目较多的传感器。对于每个传感器而言,它具有自身特定的功能,如监测应力、应变、温度、压力、损伤等多种结构参数,每个传感器所获得的信息是不完整的,每个传感器的局部信号信息处理功能是有限的,不同传感器之间的工作及数据传输需要进行协调、管理,而实际工程结构往往都是大型结构,其健康监测实际上也是一个复杂的应用对象,目前的各种结构健康监测方法都具有各自的局限性。智能协作技术(Multi-agent System)近年来被认为是实现分布式系统的一项关键技术。智能主体协作技术的重要性不仅在于该技术可使分布式系统的所有资源得以高效、充分地加以应用,而且在于该技术提供了一个管理和组织平台以构建大型、复杂、鲁棒的分布式信息处理系统。在智能协作系统中,不同的信息子系统或信息源被转换成不同的智能主体,虽然每个智能主体所获得的信息是不完整的、不精确的或信息处理能力有限,但每个主体由于具有关于系统整体组织结构的知识或关于其他主体的资源、技能、组织职能、目标等知识,因而,智能主体具有自主性和社会性,能够互相作用,高效、透明地使用系统所有资源,相互协同并解决由单一主体无法解决的困难问题。
在本发明中,采用多主体协作技术同结构健康监测技术结合以实现分布式结构健康监测系统。同以往的健康监测系统不同,该系统中所有的各功能组成都被转换成智能主体形式,所谓智能主体(Agent)是指能作用于自身和环境,并可与其他智能体通信的,具体计算能力的一个软件或硬件的实体。本发明通过将传统结构健康监测系统中的各个功能模块通过软硬件转换,实现以下6种主体,分别为:
a.传感主体:负责对特定结构参数进行监测,这些参数包括:结构的应力、应变、位移、压力、温度、湿度、声发射等。
b.信号处理主体:负责对传感主体所获得的监测信号进行信号处理、提取表征结构状态的特征参数。
c.评估主体:负责依据设定的健康监测决策方法对信号处理主体所提取的结构状态特征参数进行健康评估。
d.融合主体:负责对采用不同决策方法所获得的各种评估结果进行数据融合,以给出综合的结构状态评估结果。
e.管理主体:负责管理传感器网络协同工作,如监测过程同步、数据传输时序安排、冲突消解等。
f.用户接口主体:负责接受用户指令,并显示系统监测和评估结果及工作状态。
基于多主体协作的健康监测系统正是基于上述多个主体的协作进行工作的,其体系结构采用两层结构,第一层为中央管理融合层,第二层为局部监测网络层。
所述的第一层的中央管理融合层包括用户接口主体、中央管理主体和中央融合主体,其中用户接口主体与中央管理主体双向连接,中央融合主体的输出连于用户接口主体;所述的第二层的局部监测网络层包括1到20个局部监测网络,这1到20个局部监测网络分别与中央管理主体的输入和中央融合主体的输入双向连接;所述第二层的局部监测网络层的每个局部监测网络包括与监测对象相连的4到10个传感主体、2到3种不同的信号处理主体、2到3种结构状态评估主体以及系统数据库、局部融合主体、局部监测网络输出和局部管理主体;所述的4到10个传感主体的输出各自分别连于所述的2到3种不同的信号处理主体的输入端;而各信号处理主体的输出端分别连于所述的2到3种结构状态评估主体的输入端;而各结构状态评估主体的输出分别双向连于系统数据库输入端和局部融合主体输入端,系统数据库的输出端与局部融合主体的输入端相连;所述的局部融合主体的输出与局部监测网络输出双向相连;所述的局部管理主体的输出分别与每个传感主体的输入双向相连;该局部管理主体输出还分别与局部融合主体的输入和局部监测网络输出双向相连。
附图说明:
图1是基于多主体协作的分布式结构健康监测系统组成框图。
图2是中央管理主体计算机程序流程图。
图3是局部监测网络计算机程序流程图。
具体实施方式:
图1是本发明的系统结构组成框图,包括第一层的中央管理融合层和第二层的局部监测网络层,所述的第一层的中央管理融合层包括用户接口主体与中央管理主体双向连接。第二层的局部监测网络层的1到20个局部监测网络分别与中央管理主体和中央融合主体的输入双向连接,中央融合主体的输出连于用户接口主体;所述第二层的局部监测网络层的每个局部监测网络包括与监测对象相连的4到10个传感主体的输出各自分别连于2到3种不同的信号处理主体的输入端,各信号处理主体的输出端分别连于2到3种结构状态评估主体的输入端,各结构状态评估主体的输出分别双向连于与局部融合主体相连的系统数据库及双向连于该网络的局部融合主体,局部融合主体还与局部监测网络的输出相连,局部管理主体分别与每个传感主体,局部融合主体及局部监测网络双向相连。
在本发明中,传感主体一共有3种,采用传感器敏感元件结合带有微处理器的无线智能传感平台加以实现,敏感元件的传感功能可以使传感主体实现特定的监测功能,无线通讯能力可使传感主体同其他主体实现通讯,进而实现工作的协调。所带微处理器可使部分信号处理工作在传感主体内部实现,从而减少了信息的传输量并实现了信号信息的并行处理。本发明中,敏感元件采用光纤传感元件、压电传感元件及电阻应变元件3种。其中光纤及电阻应变元件用来监测结构的应变、载荷,压电用来监测结构的声发射信号、声一超声信号或Lamb波信号。无线传感平台采用美国加州大学Berkeley分校所研制的Mica无线传感平台,其射频频段为916.5MHZ。
系统中的其他主体都采用软件实现。信号处理主体有波形特征处理主体、傅立叶处理主体、小波处理主体、滤波及滑动平均处理主体、统计特征处理主体、结构模态参数处理主体6种,分别分析传感信号的波形特征、频谱特征、时频特征、统计特征,模态特征或进行信号的滤波或平滑处理。评估主体有人工神经网络评估主体、结构力学模型参数评估主体、结构模态参数评估主体及模式识别评估主体4种。中央融合主体及局部融合主体都采用黑板结合加权平均的融合方法。所谓黑板融合方法的基本思想是:多个评估方法协同评估一个对象,黑板是一个共享的问题求解工作空间。每个评估方法之间相互独立,但它们都能共享黑板中的数据。当评估对象和监测分析数据记录到黑板上时,评估开始,每个方法都可以通过黑板寻找利用其他评估方法的进展求解自身评估结果的机会,当所获得的信息使得本方法评估得以进展或使本评估结果的可靠性和准确性得以提高时,就将这一评估进展记录在黑板上。新增加的信息有助于其他评估方法改进评估结果,最终获得一个最准确可靠的评估结果。在采用黑板进行融合以后,如果不同的评估方法的评估结果仍有不同,则可以进一步采用加权平均的方法最终获得一个评估结果。
图2是中央管理主体计算机程序流程图,负责整个系统的管理工作,图3是局部监测网络计算机程序流程图,负责基本监测网络内各主体的管理工作。
Claims (1)
1.一种基于多主体协作的分布式并行结构健康监测系统,其特征在于包括第一层的中央管理融合层和第二层的局部监测网络层,所述的第一层的中央管理融合层包括用户接口主体、中央管理主体和中央融合主体,其中用户接口主体与中央管理主体双向连接,中央融合主体的输出连于用户接口主体;所述的第二层的局部监测网络层包括1到20个局部监测网络,这1到20个局部监测网络分别与中央管理主体的输入和中央融合主体的输入双向连接;所述第二层的局部监测网络层的每个局部监测网络包括与监测对象相连的4到10个传感主体、2到3种不同的信号处理主体、2到3种结构状态评估主体以及系统数据库、局部融合主体、局部监测网络输出和局部管理主体:所述的4到10个传感主体的输出各自分别连于所述的2到3种不同的信号处理主体的输入端:而各信号处理主体的输出端分别连于所述的2到3种结构状态评估主体的输入端;而各结构状态评估主体的输出分别双向连于系统数据库输入端和局部融合主体输入端;系统数据库的输出端与局部融合主体的输入端相连;所述的局部融合主体的输出与局部监测网络输出双向相连;所述的局部管理主体的输出分别与每个传感主体的输入双向相连;该局部管理主体输出还分别与局部融合主体的输入和局部监测网络输出双向相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100656676A CN1297108C (zh) | 2004-11-11 | 2004-11-11 | 基于多主体协作的分布式结构健康监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2004100656676A CN1297108C (zh) | 2004-11-11 | 2004-11-11 | 基于多主体协作的分布式结构健康监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1614948A CN1614948A (zh) | 2005-05-11 |
CN1297108C true CN1297108C (zh) | 2007-01-24 |
Family
ID=34764747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100656676A Active CN1297108C (zh) | 2004-11-11 | 2004-11-11 | 基于多主体协作的分布式结构健康监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1297108C (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100441153C (zh) * | 2006-12-31 | 2008-12-10 | 南京航空航天大学 | 多通道集成压电扫查结构健康监测系统 |
CN101221104B (zh) * | 2007-10-16 | 2010-08-11 | 吴智深 | 基于分布式应变动态测试的结构健康监测方法 |
CN101793590B (zh) * | 2010-02-10 | 2011-11-16 | 南京航空航天大学 | 基于黑板协作的结构冲击损伤诊断方法 |
CN102447741A (zh) * | 2011-11-23 | 2012-05-09 | 南京航空航天大学 | 机群级飞机结构phm系统 |
CN104062446B (zh) * | 2014-06-16 | 2016-03-09 | 中国飞机强度研究所 | 一种飞机结构健康监测集成系统及方法 |
CN106644299B (zh) * | 2016-09-08 | 2019-11-26 | 大连理工大学 | 一种飞艇气囊气密性在线监测系统及方法 |
CN106998226B (zh) * | 2017-03-22 | 2019-04-19 | 信阳师范学院 | 光纤光栅传感器网络智能健康监测自修复系统及方法 |
CN110441482A (zh) * | 2019-08-29 | 2019-11-12 | 淮阴师范学院 | 一种大型复杂结构损伤诊断系统的通信模型 |
CN110736980B (zh) * | 2019-11-04 | 2021-09-21 | 广东博智林机器人有限公司 | 一种爬架状态信息的监测方法、装置及系统 |
CN110987388B (zh) * | 2019-11-27 | 2021-06-22 | 南京航空航天大学 | 一种基于缺口疲劳强度的等效机械加工缺口的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3383955B2 (ja) * | 1991-11-02 | 2003-03-10 | ウエストランド・ヘリコプターズ・リミテッド | 振動低減兼調子監視装置 |
-
2004
- 2004-11-11 CN CNB2004100656676A patent/CN1297108C/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3383955B2 (ja) * | 1991-11-02 | 2003-03-10 | ウエストランド・ヘリコプターズ・リミテッド | 振動低減兼調子監視装置 |
Also Published As
Publication number | Publication date |
---|---|
CN1614948A (zh) | 2005-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Vibration-based assessment of delaminations in FRP composite plates | |
Cooper et al. | Static load estimation using artificial neural network: Application on a wing rib | |
Guo et al. | Structural health monitoring by using a sparse coding-based deep learning algorithm with wireless sensor networks | |
Adams et al. | A nonlinear dynamical systems framework for structural diagnosis and prognosis | |
CN1297108C (zh) | 基于多主体协作的分布式结构健康监测系统 | |
Zhou et al. | Novel methodology for identifying the weight of moving vehicles on bridges using structural response pattern extraction and deep learning algorithms | |
Singh et al. | System identification-enhanced visualization tool for infrastructure monitoring and maintenance | |
CN105956218A (zh) | 基于非均匀温度响应监测值的钢桥有限元模型修正方法 | |
CN112632692B (zh) | 基于积木式试验的数字孪生模型确认和可信度评估方法 | |
CN111721450B (zh) | 一种冲击定位识别装置及方法 | |
Elgamal et al. | Health monitoring framework for bridges and civil infrastructure | |
Wu et al. | Development of sensor placement optimization tool and application to large-span cable-stayed bridge | |
Sahin et al. | Vibration-based damage identification in beam-like composite laminates by using artificial neural networks | |
Ma et al. | Optimization on the intellectual monitoring system for structures based on acoustic emission and data mining | |
Zhang et al. | Structural damage detection using convolutional neural networks based on modal strain energy and population of structures | |
Martins et al. | Detecting damage in a UAV composite wing spar using distributed fiber optic strain sensors | |
Moorthy et al. | Identification of delamination severity in a tapered FRP composite plate | |
Wang | Vibration analysis of cracked composite bending-torsion beams for damage diagnosis | |
Tao et al. | An anthropomorphic fuzzy model for the time-spatial assessment of sandstone seepage damage | |
Jiang et al. | Combination of wavelet transform and extreme learning machine for detecting damages in composite plates | |
Pillai et al. | Monitoring Structural Health Using Digital Twin | |
Mueller et al. | An integrated health management system for real-time impact monitoring and prediction of impact-induced damage on composite structures | |
Zhao et al. | A conditional generative model for end-to-end stress field prediction of composite bolted joints | |
Zhu et al. | Structural damage identification considering uncertainties in nonuniform measurement conditions based on convolution neural networks | |
Zhong-Ji et al. | The overview of the health monitoring management system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |