[发明专利]一种基于三级数据融合的大型结构损伤识别方法

说明书

技术领域

本发明涉及一种传感器技术，具体是一种基于三级数据融合的大型结构损伤识别方法。

背景技术

交通运输枢纽的桥梁、城市象征的超高层建筑、市民生活休闲娱乐的大型体育中心、艺术中心等结构的健康安全与人民群众密切相关。然而由于这些结构体积庞大、结构复杂、使用年限长、占地面积广，如果不能有效地对其实施监测保护和健康诊断，将会产生许多不确定的因素。近些年来，这些土木结构在服役期间受到环境或人为因素的影响，破坏坍塌事故屡有发生，造成了严重的社会影响。

虽然世界各国很早就开始关注结构的损伤情况，但由于传统的损伤识别技术落后，很难全面的对结构的损伤状况进行识别。21世纪初，全球范围内的在役工程结构进入了修复期。由于重新建造桥梁、大坝等大型土木结构需要花费非常庞大的财政资金，因此，全世界各国都将旧的土木结构视为宝贵的财富，希望通过对其全方位的诊断评估并进行针对性的修复加固以延长其使用寿命，这将节约大量的人力物力。无线传感器网络技术具有十分良好的前景与重要的研究意义，对大型结构布设大量的无线传感器节点，节点之间通过ZigBee通讯协议进行数据传输，这样既整洁美观又节约了电缆的费用，但同时我们也该看到，大量传感器的布设同样也带来了另一个问题，如何从大量冗余数据中准确实现对结构损伤的识别，这就需要另一项技术也是本文的研究重点一数据融合技术。

发明内容

本发明的目的在于提供一种基于三级数据融合的大型结构损伤识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于三级数据融合的大型结构损伤识别方法，包含以下步骤:

A、采集待检测大型结构的位移和加速度信息并进行数据处理；

B、采用三级数据融合算法对步骤A中采集的信息进行融合；

C、对步骤B得出的结果进行识别，通过数值仿真得出检测结果。

作为本发明的进一步技术方案：所述三级数据融合算法包括数据级融合、特征级融合和决策级融合。

作为本发明的进一步技术方案：所述数据级融合采用一致性融合算法，首先将单个传感器采集得到的若干组数据剔除可疑数据，再用一致性融合算法进行融合处理，得到更为准确的数据。

作为本发明的进一步技术方案：所述特征级融合采用ACGA-BP神经网络作为模式识别器，分别以频率和位移作为输入参数，实现结构的初步识别。

作为本发明的进一步技术方案：所述决策级融合采用D-S证据理论，分析讨论了采用D-S证据理论对两种初步识别结果进行决策级融合相比较于将频率和位移混合作为神经网络输入参数进行损伤识别的优越性。

作为本发明的进一步技术方案：所述步骤A包括以下步骤：a、信息获取，根据研究对象的实际情况采用各种不同的传感器，并将传感器获取的信号经过A/D转化后传入计算机系统，b、数据预处理，使用滤波或野点剔除方法进行数据的预处理，c、特征提取，将传感器采集的信号进行特征提取，提取的特征是有明确物理意义的物理量或没有任何物理意义的统计量及其变形。

与现有技术相比，本发明的有益效果是：本发明设计一种三级融合策略共同完成对结构的损伤识别，首先使用一致性融合算法对单个传感器采集的信息进行数据级融合，提高数据采集的精度，降低节点的数据传输量;再使用ACGA-BP神经网络分别以静态测量数据的位移和动态测量数据的固有频率作为网络的输入参数进行初步损伤识别;最后利用D-S证据理论对基于静态测量数据的识别结果和基于动态测量数据的识别结果进行再次融合，使得最终识别结果更加准确。

附图说明

图1为融合策略结构图。

图2为数据融合结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-2，一种基于三级数据融合的大型结构损伤识别方法，包含以下步骤:

A、采集待检测大型结构的位移和加速度信息并进行数据处理；

B、采用三级数据融合算法对步骤A中采集的信息进行融合；

C、对步骤B得出的结果进行识别，通过数值仿真得出检测结果。

三级数据融合算法包括数据级融合、特征级融合和决策级融合。