[发明专利]一种多测点多权重的信息融合算法

说明书

本发明涉及工程结构振动测试技术领域，具体涉及一种多测点多权重的信息融合算法，本发明利用熵值对系统动力学以及非线性数据突变的敏感性，合理地分配权值进行多个通道的信息融合，将多个测点的振测数据按对分析结果的重要性进行权值分配，在此基础上计算排列熵熵值，明显提高了水工结构状态监测、损伤诊断的准确性，以解决工程振动领域中多测点的加权信息融合问题。

技术领域

本发明涉及工程结构振动测试技术领域，具体涉及一种多测点多权重的信息融合算法，通过该算法对工程结构进行状态监测。

背景技术

我国诸多大型建筑物包括：水工建筑物、桥梁、隧洞等结构，存在的“重建轻修”的问题，单从其外观判断以上等大型建筑物的运行状态，已远不能满足评价要求。各因素导致的结构功能异常，必然引起结构振动信号发生改变，因此，振动测量是对结构运行状态进行监控和故障诊断的一种重要方式。

振动问题的研究内容主要是对振测数据的分析，而振测数据的有效融合是分析振动问题的关键，一定程度上决定着状态监测的有效性。在实际工程中，工程结构的各个部位之间存在一定的耦合作用，因此，不同测点之间并非相互独立、毫无关联。振测数据的数量决定了信号的丰富程度，多个测点的振测数据相对于单个测点更反映结构自身特性，但多个测点数据分析存在计算繁琐、耗时较多等弊端，如果不考虑多测点权重的信息融合问题，可能会导致特征信息的丢失，使得在进行结构状态的监测及判断中存在误判等问题，因此，多测点的加权信息融合是提高振动监测精度和简化工作的关键。

关于特征信息的融合，现有方法大多依赖于单个测点或者多个测点之间相互独立，对多个测点的振动数据进行单独分析，单个测点所包含的数据点太少且没有考虑到各个测点之间的关联度与权值分配问题，有关跨通道变异性的特征信息可能会丢失，多个测点振动数据不能按其权重进行特征信息的融合，导致多尺度排列熵会产生不准确的估计，结果可能会对结构的整体分析造成影响。目前对于相互关联的多个通道按其权值分配的信息融合并无明确的方法。

熵的概念一直是衡量非线性动力系统所产生的时间序列复杂性的重要指标。多尺度排列熵是Aziz等在排列熵的基础上提出的，多尺度的本质是对原始时间序列进行粗粒化处理，构造出多尺度时间序列，具有比排列熵更好的鲁棒性，可以灵敏的捕捉到信号在各个时间尺度下特征信息。由于其在检测非线性动力系统突变方面较为敏感，该方法是数据分析的热点方法之一。

发明内容

针对现有技术中存在的缺陷和问题，本发明提供一种多测点多权重的信息融合算法，利用熵值对系统动力学以及非线性数据突变的敏感性，寻求多测点多权重的信息融合方法来简化工作，以解决工程振动领域中多测点的加权信息融合问题。

本发明解决其技术问题所采用的方案是：一种多测点多权重的信息融合算法，包括如下步骤：

步骤1：在所测结构的关键位置，布设传感器装置，获取结构多测点的振测时间序列数据{X(i),i＝1,2.....N}；

步骤2：提取不同时间序列长度N的数据信息，并选取合适的尺度因子S(一般大于10),将振测数据进行粗粒化处理，得到粗粒化后的时间序列为：

其中s表示尺度因子；表示对取整；

步骤3：利用互信息法确定各粗粒化后数据的相空间重构参数τ，利用伪近临法确定各粗粒化后数据的相空间重构参数m，并对时间序列进行相空间重构；

步骤4：对时间序列加入权重，并计算加了权重之后的每一种符号序列出现的概率