桥梁结构无线健康监测系统智能化方法研究

无线监测系统无须安装信号传输电缆，可在传感器之间、传感器和控制中心之间直接通讯，融合了多学科的最新成果，是结构健康监测的高端技术。本项目研究赋予了桥梁结构无线健康监测系统智能特性的理论和方法，提出联合时频域的结构模态参数识别方法，优化无线传感器的在线参数识别功能；提出了基于虚拟仪器的数据采集和软件融合方法，并独立开发了监测系统的核心软件，由它指挥、调用和驱动各子系统的运行和数据的交互与通讯，实现快速大容量的信息采集、传输和处理能力；研究了动态数据管理实用方法，建立网络型中心数据库，不仅实时存储全部监测信息，而且实现远程实时显示、查询和硬件设置；建立了实验室模型对集成系统进行综合实验，并与长期监测实际数据对比考核研究效果。本项目成果具有突出的多功能化-开放式的多重优势，系统紧凑，智能化程度高，对桥梁等大型土木工程结构有广泛的应用前景，并能发展成为健康监测技术的新生长点。 2100433B

无线监测系统无须安装信号传输电缆，可在传感器之间、传感器和控制中心之间直接通讯，融合了多学科的最新成果，是结构健康监测的高端技术。本项目研究赋予桥梁结构无线健康监测系统智能特性的理论和方法，提出联合时频域的结构模态参数识别方法，优化无线传感器的在线参数识别功能；提出基于虚拟仪器的数据采集和软件融合方法，以LabVIEW为监测系统的核心软件，由它指挥、调用和驱动各子系统的运行和数据的交互与通讯，实现快速大容量的信息采集、传输和处理能力；研究基于Internet的动态数据管理实用方法，建立网络型中心数据库，不仅实时存储全部监测信息，而且实现远程实时显示、查询和硬件设置；建立实验室模型对集成系统进行综合实验，并与长期监测实际数据对比考核研究效果。本项目成果具有突出的多功能化-开放式的多重优势，系统紧凑，智能化程度高，对桥梁等大型土木工程结构有广泛的应用前景，并能发展成为健康监测技术的新生长点。

2021年2月24日，交通运输部部长李小鹏主持召开部务会，传达学习中央有关精神，就做好全国“两会”期间部有关工作提出要求，研究加快建设交通强国有关工作，研究关于加强高素质船员队伍建设工作，审议《公路长大桥梁结构健康监测系统建设实施方案》。

随着大型桥梁结构健康监测系统的不断发展, 监测信息呈现数据量巨大、种类多，增长快等显著的“大数据”特征，传统的单一时序数据挖掘技术由于数据存储成本高、计算效率低、且不能有效分析多参数信息，已无法充分提取结构状态信息。本项目针对以上问题，主要研究大数据环境下桥梁结构健康监测数据分析和挖掘方法。主要研究内容包括：（1）针对结构健康监测系统采集到的数据很容易产生大量的数据缺失、异常问题，严重降低了数据集的质量，提出了一种基于优化训练的结构健康状态评估方法，实验结果证明优化后的训练集不仅减少了训练集中样本的数目，且有效提升了训练集的质量，从而提高桥梁结构健康状态分析准确性和效率；（2）通过研究结构健康监测信息大数据特征，利用符号化聚合近似时序模型将原始数据分段聚合并符号化表示，有效解决大数据环境下数据压缩问题，提供数据处理分析效率，经实验证明该方法可大大提高了结构健康状态分析效率，相较于原始数据，该方法不仅将处理时间从原来的数小时降低至数秒，且评估结果正确率得到大幅提升。相较于传统的基于时间序列分析的桥梁结构损伤识别框架，我们提出的框架更加高效、灵活，可更好地分析海量的桥梁结构健康监测时序数据，实时评估桥梁结构状态。（3）基于多元时序数据挖掘的多参数融合技术，通过处理多维数据，对整体结构健康状态进行全面有效分析评价，实验证明该方法能够对多维数据进行分析并具有较高的精准率，比其他传统方法有显著提升，从而提高在复杂因素耦合作用下结构健康状态分析和评估的准确性和可靠性。综上所述，本项目创新性地提出了基于大数据挖掘的桥梁结构健康状态评估理论与技术，并结合模型试验与实际工程应用进行了验证，其研究成果丰富桥梁结构健康状态分析与评估的理论和方法系统，对桥梁、地铁隧道等大型工程结构的养护、运营管理和灾难预警等具有重要应用价值。 2100433B

桥梁结构健康监测系统已在国内外大型桥梁中得到普遍应用，但由于桥梁结构频繁振动、高尘、高低温循环等恶劣环境易使传感器发生故障，引发传感器输出畸变数据。更重要地是，传感器由电子和光学元件组成，其使用寿命仅为几年或十几年，无法与设计寿命上百年的桥梁相匹配，传感器老化必然产生失真数据。所以失真数据现象是桥梁结构健康监测系统无法避免的问题。传感器故障所引起的失真数据可能掩盖结构的真实损伤信息，最终酿成灾难性事故。严重的漏报警、频繁的误报警，会使业界对桥梁结构健康监测的可靠性产生严重质疑，在很大程度上制约桥梁结构健康监测技术的发展和应用。因此，开展失真数据自诊断方法的基础性探索研究工作，具有明确的工程应用背景和理论学术意义。本项目的特色是通过在桥梁结构健康监测系统嵌入失真数据自诊断模块，在无需新增硬件设备以及改动原有软件配置的条件下，可实现大幅降低监测系统的漏/误报警率。项目的主要研究内容如下：（1）传感器故障引发失真数据规律研究；（2）监测系统中各种传感器的关联特性研究；（3）失真数据自诊断方法研究；（4）实桥验证试验研究。项目研究取得的主要成果如下：（1）建立五类典型传感器故障的数学模型；（2）提出了基于广义似然比的传感器故障识别方法；（3）提出了基于主元分析的多传感器故障识别方法；（4）提出了基于粒子滤波的传感器故障与结构损伤识别方法；（5）提出可考虑环境干扰的FS-LSTM深度学习传感器故障诊断方法；（6）提出基于TS-LSTM深度学习的传感器故障分类方法。通过本项目研究，在国内外学术刊物上发表了12篇论文，其中SCI/EI检索论文10篇；申请国家专利2项，获软件著作权1项；获重庆市自然科学三等奖一项；毕业博士生2名，硕士生6名。项目研究成果在重庆市菜园坝长江大桥、东水门长江大桥和千厮门嘉陵江大桥等桥梁的结构健康监测系统中得到了推广应用，有效降低了传感器故障引发失真数据对结构安全状态评估结果的影响。 2100433B