[发明专利]一种Spark云计算平台下的结构物理参数辨识方法

说明书

本发明涉及一种Spark云计算平台下的结构物理参数辨识方法，包括以下步骤：步骤S1：建立结构的数值模型；步骤S2：利用多个加速度传感器对结构的振动信息进行采集，获取结构层间的加速度数据；步骤S3：在结构质量已知情况下，对刚度和阻尼进行编码，利用Spark作为分布式计算执行引擎，利用弹性分布式数据集RDD，实现Spark云计算平台下改进并行化多粒子群协同优化算法的并行处理；步骤S4：根据结构实测和数值模型预测的加速度响应计算适应度函数，求解所述改进并行化多粒子群协同优化算法。本发明能够快速的计算出结构物理参数，能很好解决海量数据下的结构物理参数辨识。

技术领域

本发明涉及一种Spark云计算平台下的结构物理参数辨识方法。

背景技术

随着经济的发展和科技的进步，许多大型工程如超大桥梁、超高层建筑、海洋平台结构等得以兴建，他们在长期服役的过程中，环境侵蚀、材料老化和荷载的长期效应、疲劳与突变等灾害因素的藕合作用将不可避免地发生损伤积累必然导致结构物理参数如刚度、质量、阻尼发生改变，从而在极端情况下引发灾难性的突发事故。因此对大型工程结构进行结构健康监测和结构损伤识别具有极其重要的意义。结构健康监测系统和损伤检测是目前保证大型结构安全运行的主要措施。然而，随着大型复杂结构安装的传感器数量越来越多，结构健康系统产生的监测数据随着时间推移趋于海量化，传统的结构分析计算方法遇到了很大的困难：首先大型复杂结构的结构健康监测系统在长期、连续的监测中，采集的数据量十分巨大；其次由于监测手段的日趋丰富,监测数据的种类越发多样化；另外,系统对数据处理的速度要求也不断提高,再加上结构健康监测系统本身的缺陷比如测量精度低、系统可靠性差等问题,使得如何能够快速、有效的分析数据成为目前结构健康监测中最重要的研究课题之一。而云计算的出现，恰好为解决这一课题提供了新的思路和方法。

云计算是一种按需取用计算资源的模式，这种模式提供可用的、便捷的、按需的网络访问和可配置的计算资源共享池，只需进行少量的管理工作，就可以快速获得大量计算资源。云计算平台主要包括Hadoop、Apache Spark等技术。其中Hadoop云计算技术从2003年发展至今，它的MapReduce编程模型得到广泛推广。但MapReduce计算过程的数据存储依赖本地磁盘和分布式文件系统(HDFS)，面对诸如多粒子群(PSO)等智能优化算法的迭代运算时，磁盘存取将占用大量时间开销，大幅降低算法整体执行效率。2009年由加州大学伯克利分校的AMPLab实验室最初开发了ApacheSpark，它是一个围绕速度、易用性和复杂分析构建的大数据处理框架，并于2010年成为Apache的开源项目之一，可用来构建大型的、低延迟的大数据分析系统。Apache Spark克服了MapReduce在迭代式计算的不足，能够很好地解决MapReduce不易解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种Spark云计算平台下的结构物理参数辨识方法，能够快速的计算出结构物理参数，能很好解决海量数据下的结构物理参数辨识。

为实现上述目的，本发明采用如下技术方案：

一种Spark云计算平台下的结构物理参数辨识方法，其特征在于，包括以下步骤：

步骤S1：建立结构的数值模型；

步骤S2：利用多个加速度传感器对结构的振动信息进行采集，获取结构层间的加速度数据；

步骤S3：在结构质量已知情况下，对刚度和阻尼进行编码，利用Spark作为分布式计算执行引擎，利用弹性分布式数据集RDD，实现Spark云计算平台下改进并行化多粒子群协同优化算法的并行处理；

步骤S4：根据结构实测和数值模型预测的加速度响应计算适应度函数，求解所述改进并行化多粒子群协同优化算法。

进一步的，所述步骤S3包含以下具体步骤：