[发明专利]一种结构健康监测系统时序监测数据异常诊断方法

说明书

本发明公开了一种结构健康监测系统时序监测数据异常诊断方法，包括以下步骤：1)以已知结构健康监测结果的基础设施为数据采集对象，通过加速度传感器获取m天的加速度数据；2)对数据集做随机函数平衡抽取之后获得平衡数据集，由平衡数据集的一阶导数导出增强型数据集；3)对数据集做基于等长分割的数据扩充处理；4)利用统计指标作为训练的输入特征；5)将总数据集分为训练样本子集和测试样本子集；6)将3600*f个维度的原始样本转化为等长分割的矩阵；7)建立时序监测数据异常诊断模型，根据训练得到的模型进行监测数据异常诊断。本发明通过数据增强使原始数据的规模扩大一倍，而且进一步揭示原始样本的特征，有利于提高诊断结果的准确性。

技术领域

本发明涉及结构健康监控技术，尤其涉及一种结构健康监测系统时序监测数据异常诊断方法。

背景技术

我国交通基础设施建设突飞猛进，取得了举世瞩目的成绩，基础设施在使用过程中结构部分会产生劣化和损伤，导致结构性能已经达不到设计要求；如果不严加管控与维护会造成严重的生命与财产损失及恶劣的社会影响；但是采用人力维护的成本过于昂贵。近年来，随着通信网络、信号处理、人工智能等技术的不断发展，加速了结构健康监测系统的实用化和应用研究，结构健康监测是通过对结构状况的监控与评估，为桥梁、隧道、大坝等土木结构在特殊气候、荷载条件下状况异常严重时发出预警信号，为被监测结构的维护维修和管理决策提供依据与指导。现在往往采用健康监测系统来对结构长期、连续、定期或实时的监测，并通过对监测信息的收集和分析处理，对结构的安全性进行评估以及对结构运营中出现的故障进行预警和报警。

人工智能技术与结构健康监控的结合可以更好地确保我们的基础设施安全可靠，同时也在民用基础设施中的广泛应用产生了大量数据。然而，土木结构的恶劣环境条件导致结构健康监控系统测量数据受到多种异常的影响。这些异常现象对损坏或事故的自动报警构成了重大障碍。因此，识别和消除由环境变化引起的数据异常是一个成功的预警系统的重要预处理步骤。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种结构健康监测系统时序监测数据异常诊断方法。

本发明解决其技术问题所采用的技术方案是：一种结构健康监测系统时序监测数据异常诊断方法，包括以下步骤：

1)以已知结构健康监测结果的基础设施为数据采集对象，通过加速度传感器获取m天的加速度数据；

设共有n个传感器，采样频率为f，获取数据集，每小时的时间序列信号的信号长度为3600*f，标记数据集的维数为24*m*n；

2)对数据集做随机函数平衡抽取之后获得平衡数据集，然后通过数据增强，由平衡数据集的一阶导数导出增强型数据集；平衡数据集和增强数据集构成总数据集；

3)对平衡数据集和增强数据集中的样本进行分段，对数据集做基于等长分割的数据扩充处理；

假设原始样本数据维度为N，通过将之等长分割为p个维度N/p的等长样本，并且固定等长样本与等长样本之间重叠维度为N/q，通过叠加等长样本将样本由N维转化为了(q-1)个N/p的序列；将每小时的时间序列信号表示为(q-1)*N/p的矩阵；

4)利用统计指标作为训练的输入特征，代替分段后的等长片段及其一阶导数序列；

5)将总数据集分为训练样本子集和测试样本子集，训练样本子集分为两部分，即培训样本和验证样本，测试样本子集作为测试样本；

6)根据步骤3)所提出的数据增强方法，将3600*f个维度的原始样本转化为等长分割的矩阵；每个矩阵的第一行由未分割的原始样本及其一阶导数组成，剩余行是一阶导数以及相同的一阶导数片段组成；

7)时序监测数据异常诊断模型建立；

根据两阶段识别不同模式的思想，通过深层cnn依次建立两个基于监督学习的模型；