基于数据驱动的桥梁健康监测数据预处理

• 作 者: 胡怡然
• 发表日期: 2013年期
• 关键词: 桥梁健康监测 数据预处理 数据驱动

桥梁健康监测技术的发展伴随着传感器技术、通信技术、计算机技术的迅猛发展而日趋成熟，并形成了比较完善的体系。其中桥梁健康监测系统前端采集的海量数据是评估桥梁健康状况的前提和基础，然而在桥梁健康监测的理论研究中，研究方向更多的集中在传感器的最优布设，传感网络的架构设计以及桥梁结构安全评估的算法研究等，忽略了海量数据的预处理，很可能导致“垃圾进垃圾出”的诊断结果。因此桥梁健康监测数据预处理至关重要。本文的研究围绕桥梁健康监测数据预处理展开，重点包括数据除噪及数据故障诊断，综合小波分析、小波包分解和主元分析，建立了一个故障诊断模型，该模型包含三个算法，分别是改进的小波阈值除噪算法，基于小波包能量曲率差的故障检测算法和基于主元分析的故障诊断算法。三个算法的相互配合完成了桥梁健康监测的预处理工作。本文主要工作包括以下几个方面：第一，研究桥梁健康监测中数据预处理的重要性以及在数据预处理中所采用的方法，并对其进行纵向、横向对比，突出数据驱动方法的重要性。第二，探讨了所采用的基本理论，包括小波分析原理、小波包分析原理、小波包能量曲率计算原理、主元分析原理。第三，提出了一种改进的小波阈值除噪算法，并对该算法进行计算机仿真。该算法与本文的故障检测算法相互配合，既可以有效的去除噪声，还可以保留故障信息的奇异性。第四，设计了一种数据驱动的故障诊断模型，该模型结合本文提出的改进的小波阈值除噪算法，利用小波包能量曲率差和主元分析法相结合的算法，对海量数据进行故障检测并诊断故障发生的传感器以及相对故障程度。第五，对设计的模型进行了实地数据仿真实验，利用马桑溪大桥的挠度数据进行Matlab仿真。通过理论研究和仿真实验结果表明，本文提出的基于数据驱动的数据故障诊断模型具有较高的精度，为后期对故障信息进补偿或修复以及桥梁健康诊断等工作提供重要支撑。