CN1614948A - 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
- CN1614948A CN1614948A CN 200410065667 CN200410065667A CN1614948A CN 1614948 A CN1614948 A CN 1614948A CN 200410065667 CN200410065667 CN 200410065667 CN 200410065667 A CN200410065667 A CN 200410065667A CN 1614948 A CN1614948 A CN 1614948A
- Authority
- CN
- China
- Prior art keywords
- main body
- network
- monitoring
- layer
- area monitoring
- 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
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。
中央管理融合层负责对整个结构给出健康监测评估结果,其主体包括接口主体、中央融合主体,中央管理主体和通讯主体,其中中央管理主体同下一层的各局部监测网络双向连接,负责协调各局部监测网络的工作及数据通讯。局部监测网络层的各局部监测结果输出是中央融合主体的输入,中央融合主体的输出输入至用户接口主体显示。用户接口主体也同中央管理主体双向连接,用来显示系统工作状态并将用户指令传递给中央管理主体实施。中央管理主体所管理的局部监测网络一般为1-20个。
局部监测网络用来监测结构不同部位的参数,或相同部位的不同参数并给出结构局部健康状态的评估结构。每个局部监测网络中传感主体的个数根据传感器的种类而有所不同,一般在4-10个之间。每组传感主体的输出同时输入到2-3种不同的信号处理主体中,经信号处理主体处理后,又分别输入到2-3种结构状态评估主体中,结构状态评估主体同系统数据库双向相连,系统数据库中保存有结构健康状态下的各种参数及预期或经验失效参数,可供结构评估主体使用,同时结构评估主体将典型评估结构及其数据放入数据库保存,以作为今后评估的参考。所有评估结果输入该网络局部融合主体进行融合,最终输出至上一层中央管理融合层。局部管理主体同局部监测网络中的所有主体双向连接,以协调所有主体的工作。
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-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。
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 true CN1614948A (zh) | 2005-05-11 |
CN1297108C 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) |
Cited By (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 |
CN101793590A (zh) * | 2010-02-10 | 2010-08-04 | 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 |
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 |
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 |
CN104062446A (zh) * | 2014-06-16 | 2014-09-24 | 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 |
CN106644299A (zh) * | 2016-09-08 | 2017-05-10 | 大连理工大学 | 一种飞艇气囊气密性在线监测系统及方法 |
CN106998226A (zh) * | 2017-03-22 | 2017-08-01 | 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 |
CN110736980A (zh) * | 2019-11-04 | 2020-01-31 | 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 |
CN110987388A (zh) * | 2019-11-27 | 2020-04-10 | 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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9123304D0 (en) * | 1991-11-02 | 1992-09-23 | Westland Helicopters | Integrated vibration reducing and health monitoring systems |
-
2004
- 2004-11-11 CN CNB2004100656676A patent/CN1297108C/zh active Active
Cited By (14)
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 |
CN101793590A (zh) * | 2010-02-10 | 2010-08-04 | 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 |
CN104062446A (zh) * | 2014-06-16 | 2014-09-24 | 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 |
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 |
CN106644299A (zh) * | 2016-09-08 | 2017-05-10 | 大连理工大学 | 一种飞艇气囊气密性在线监测系统及方法 |
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 |
CN106998226A (zh) * | 2017-03-22 | 2017-08-01 | 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 |
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 |
CN110736980A (zh) * | 2019-11-04 | 2020-01-31 | 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 |
CN110987388A (zh) * | 2019-11-27 | 2020-04-10 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN1297108C (zh) | 2007-01-24 |
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 | |
Silva et al. | Modeling bamboo as a functionally graded material: lessons for the analysis of affordable materials | |
Ai et al. | Detection of impact on aircraft composite structure using machine learning techniques | |
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 | |
Farhana et al. | A novel vibration based non-destructive testing for predicting glass fibre/matrix volume fraction in composites using a neural network model | |
Sierra-Pérez et al. | Damage detection methodology under variable load conditions based on strain field pattern recognition using FBGs, nonlinear principal component analysis, and clustering techniques | |
CN112417613A (zh) | 一种对风电机组叶片损伤类型的分析方法及系统 | |
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 | |
Montalvao | A modal-based contribution to damage location in laminated composite plates | |
Zhang et al. | Structural damage detection using convolutional neural networks based on modal strain energy and population of structures | |
Zhang et al. | Structural damage detection based on decision-level fusion with multi-vibration signals | |
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 | |
CN115391947A (zh) | 轨道交通车辆复合材料结构虚拟分析方法及系统 | |
Wang | Vibration analysis of cracked composite bending-torsion beams for damage diagnosis | |
CN107860420A (zh) | 一种基于多主体协作的大型复杂结构健康监测系统 | |
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 | |
Lei et al. | Fiber Bragg grating smart material and structural health monitoring system based on digital twin drive | |
Zhu et al. | Structural damage identification considering uncertainties in nonuniform measurement conditions based on convolution neural networks |
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 |