[發明專利]一種基于三級數據融合的大型結構損傷識別方法

在審

• 申請號: 201710278069.4
• 申請日: 2017-04-25
• 公開（公告）號: CN107092934A
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 俞阿龍;戴金橋;孫詩語;孫紅兵
• 申請（專利權）人: 淮陰師范學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種傳感器技術，具體是一種基于三級數據融合的大型結構損傷識別方法。

背景技術

交通運輸樞紐的橋梁、城市象征的超高層建筑、市民生活休閑娛樂的大型體育中心、藝術中心等結構的健康安全與人民群眾密切相關。然而由于這些結構體積龐大、結構復雜、使用年限長、占地面積廣，如果不能有效地對其實施監測保護和健康診斷，將會產生許多不確定的因素。近些年來，這些土木結構在服役期間受到環境或人為因素的影響，破壞坍塌事故屢有發生，造成了嚴重的社會影響。

雖然世界各國很早就開始關注結構的損傷情況，但由于傳統的損傷識別技術落后，很難全面的對結構的損傷狀況進行識別。21世紀初，全球范圍內的在役工程結構進入了修復期。由于重新建造橋梁、大壩等大型土木結構需要花費非常龐大的財政資金，因此，全世界各國都將舊的土木結構視為寶貴的財富，希望通過對其全方位的診斷評估并進行針對性的修復加固以延長其使用壽命，這將節約大量的人力物力。無線傳感器網絡技術具有十分良好的前景與重要的研究意義，對大型結構布設大量的無線傳感器節點，節點之間通過ZigBee通訊協議進行數據傳輸，這樣既整潔美觀又節約了電纜的費用，但同時我們也該看到，大量傳感器的布設同樣也帶來了另一個問題，如何從大量冗余數據中準確實現對結構損傷的識別，這就需要另一項技術也是本文的研究重點一數據融合技術。

發明內容

本發明的目的在于提供一種基于三級數據融合的大型結構損傷識別方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：

一種基于三級數據融合的大型結構損傷識別方法，包含以下步驟:

A、采集待檢測大型結構的位移和加速度信息并進行數據處理；

B、采用三級數據融合算法對步驟A中采集的信息進行融合；

C、對步驟B得出的結果進行識別，通過數值仿真得出檢測結果。

作為本發明的進一步技術方案：所述三級數據融合算法包括數據級融合、特征級融合和決策級融合。

作為本發明的進一步技術方案：所述數據級融合采用一致性融合算法，首先將單個傳感器采集得到的若干組數據剔除可疑數據，再用一致性融合算法進行融合處理，得到更為準確的數據。

作為本發明的進一步技術方案：所述特征級融合采用ACGA-BP神經網絡作為模式識別器，分別以頻率和位移作為輸入參數，實現結構的初步識別。

作為本發明的進一步技術方案：所述決策級融合采用D-S證據理論，分析討論了采用D-S證據理論對兩種初步識別結果進行決策級融合相比較于將頻率和位移混合作為神經網絡輸入參數進行損傷識別的優越性。

作為本發明的進一步技術方案：所述步驟A包括以下步驟：a、信息獲取，根據研究對象的實際情況采用各種不同的傳感器，并將傳感器獲取的信號經過A/D轉化后傳入計算機系統，b、數據預處理，使用濾波或野點剔除方法進行數據的預處理，c、特征提取，將傳感器采集的信號進行特征提取，提取的特征是有明確物理意義的物理量或沒有任何物理意義的統計量及其變形。

與現有技術相比，本發明的有益效果是：本發明設計一種三級融合策略共同完成對結構的損傷識別，首先使用一致性融合算法對單個傳感器采集的信息進行數據級融合，提高數據采集的精度，降低節點的數據傳輸量;再使用ACGA-BP神經網絡分別以靜態測量數據的位移和動態測量數據的固有頻率作為網絡的輸入參數進行初步損傷識別;最后利用D-S證據理論對基于靜態測量數據的識別結果和基于動態測量數據的識別結果進行再次融合，使得最終識別結果更加準確。

附圖說明

圖1為融合策略結構圖。

圖2為數據融合結構圖。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

請參閱圖1-2，一種基于三級數據融合的大型結構損傷識別方法，包含以下步驟:

A、采集待檢測大型結構的位移和加速度信息并進行數據處理；

B、采用三級數據融合算法對步驟A中采集的信息進行融合；

C、對步驟B得出的結果進行識別，通過數值仿真得出檢測結果。

三級數據融合算法包括數據級融合、特征級融合和決策級融合。