[发明专利]多光纤光栅钢筋腐蚀传感器系统的数据处理方法

摘要

本发明公开了一种多光纤光栅钢筋腐蚀传感器系统的数据处理方法，包括波长数据预处理、异常数据的检验与剔除、一致性检验、基于Bayes估计的数据融合、数据融合值的模糊区间建立等过程。采用每个传感器组的多次读数，剔除异常数据，并采用多传感器数据融合，可提高传感器系统的可靠性和鲁棒性，扩展时间或空间上的观测范围，增强系统数据的可信度和精度，并增加信息的利用率。采用腐蚀率融合值的模糊区间，更能体现钢筋腐蚀不均匀的特点。

主权项

1.一种多光纤光栅钢筋腐蚀传感器系统的数据处理方法，其特征在于，包括以下步骤：(1)波长数据预处理钢筋腐蚀传感器和相应的补偿传感器构成一个传感器组，根据第j号补偿传感器h时间段的波长和初始时间段的波长计算补偿波长，接着对腐蚀传感器中心波长进行补偿计算，然后结合腐蚀传感器初始波长得到波长变化量，最后根据波长变化量与腐蚀率的定量关系计算h时间段的腐蚀率；波长变化量Δλ_i(h,j)及腐蚀率ρ_i(h,j)计算公式如下：ρ_i(h,j)＝f[Δλ_i(h,j)]  i＝1,2,…,m；j＝1,2,…,n              (2)式中，λ_i(h,j)为h时间段第j号钢筋腐蚀传感器的第i次中心波长的读数值，λ_B(h，j)为h时间段相应补偿传感器的读数，λ_B(h₀,j)为初始时间段相应补偿传感器的波长，为初始时间段第j号钢筋腐蚀传感器波长读数的平均值，ρ_i(h,j)为第j号传感器h时间段的钢筋腐蚀率，Δλ_i(h,j)为波长变化量，f(·)为波长变化量与钢筋腐蚀率的定量关系；(2)异常数据的检验与剔除对数据进行预处理，得到h时间段每组传感器的m个腐蚀率ρ_i(h,j)，然后用t检验准则对异常数据进行检验和剔除；①计算h时间段第j号钢筋腐蚀传感器ρ_i(h,j)的平均值②在m个腐蚀率值中找出与平均值相比误差最大的腐蚀率值ρ_k(h，j)作为可疑值，即③计算不包括可疑值ρ_k(h,j)在内的m‑1个腐蚀率值的平均值以及标准误差σ(h,j)*：④选定显著性水平α，计算t检验系数K(m,α)：其中t_α(m‑2)为显著水平为α，自由度为m‑2时的t分布临界值；⑤检验可疑值ρ_k(h,j)，当时，确定ρ_k(h,j)异常，将其剔除，然后对剩下的m‑1个采集值重复上述检验步骤；当上式不成立时，ρ_k(h,j)不能剔除，检验结束；(3)一致性检验假设n个传感器组在h时间段剔除异常数据后所求得的平均值分别为将这些平均值作为单个传感器组的监测数据，定义n个传感器组监测数据的范数N(j)为：将N(j)从小到大排列为N(1)，N(2),…，N(n‑1),N(n)，则N(n)和N(1)分别称为上极限值和下极限值，中位数为：相应的上、下四分位数F_u和F_v分别为区间[M,N(n)]与[N(1),M]的中位数，四分位数极差为：dF＝F_u‑F_v                        (11)若认为与中位数的距离大于γdF是为离异值，当|N(j)‑M|＞γdF(j＝1,2,…，n‑1,n)时N(j)是无效数据，相应的淘汰点为：Θ_v＝M‑γdF                       (12)Θ_u＝M+γdF                       (13)式中，γ为一致性检验常数，其大小视系统的测量误差要求而定，在区间[Θ_v,Θ_u]内传感器数据被认为是有效的一致传感器数据，将用于多传感器数据融合；(4)基于Bayes估计的数据融合对经过异常数据剔除和一致性检验的数据进行Bayes数据融合，得到相应的腐蚀率融合值μ_N，假设h时间段n个传感器的监测数据经一致性检验后得到一致数据集为：Bayes数据融合的基本公式如下：式中，μ_N为腐蚀率融合值；为经过一致性检验后的有效数据；为的方差；μ₀和分别为经过一致性检验后，有效传感器组的多次有效数据的均值和方差；(5)腐蚀率融合值的模糊区间建立根据模糊隶属函数及相应阈值确定腐蚀率融合值的模糊区间，公式如下：其中，为腐蚀率数据，ω为阀值，μ_N为腐蚀率融合值，为的方差。