一种基于融合指标的建筑结构实时诊断方法及装置

摘要

本发明公开了一种基于融合指标的建筑结构实时诊断方法及装置，所述方法包括：根据预设诊断步长对获取的实时振动数据和健康振动数据进行截取，得到实时样本数据和健康样本数据；然后分别进行多种结构健康评估指标计算，得到建筑结构的实时性能参数指标和健康参数指标；在将实时性能参数指标和健康参数指标分别进行正则化和概率化处理之后，采用加权平均理论、或贝叶斯理论、或D‑S证据理论进行融合处理，得到实时融合指标和健康融合指标；将实时融合指标和健康融合指标进行对比，得到建筑结构的健康诊断信息和监测预警信息。本发明提供的技术方案，通过构建一个新的融合指标，克服现有技术中单一指标不能全面反映建筑结构健康状态的问题。

说明书

技术领域

本发明涉及大型建筑物结构安全监测技术领域，尤其是一种基于融合指标的建筑结构实时诊断方法及装置。

背景技术

当前，城市中大型建筑结构变得越来越复杂，向着多样化、多功能化发展。建筑结构的使用期限通常长达几十年乃至上百年，在其使用过程中，由于超常荷载、材料老化、构件缺陷、疲劳效应等因素的作用，结构将逐渐产生损伤累积，从而使结构的承载能力降低，抵抗自然灾害的能力下降。如遇地震、台风等灾难性荷载作用时，就可能遭受极为严重的破坏，给国家和人民的生命、财产带来巨大损失。因此，监测和诊断建筑结构的健康状况，及时发现结构损伤，对可能出现的灾害进行预测，评估服役结构的安全性、可靠性、耐久性和适用性具有非常重要的现实意义。

目前发展比较成熟、计算效率较高的评估指标有自振频率、主成分及小波包能量等，但是这几种不同的指标对不同的工况，即不同的建筑结构损伤情况有着不同的响应敏感程度，这种指标间的性能差异为建筑结构健康诊断带来了不小的困扰，寻求、构造一个能够全面、准确反映建筑结构健康状态的指标已然成为建筑结构健康诊断的重要诉求。

发明内容

为克服现有技术的缺点，本发明提供一种基于融合指标的建筑结构实时诊断方法及装置，构建一个新的融合指标用于评估建筑结构的健康状态，以解决上述背景技术中提到的不同指标间的性能差异的问题。

一种基于融合指标的建筑结构实时诊断方法，其特征在于，包括：

根据预设诊断步长对获取的实时振动数据进行截取，得到实时样本数据；并且，根据所述预设诊断步长对获取的健康振动数据进行截取，得到健康样本数据；

对所述实时样本数据和健康样本数据分别进行多种结构健康评估指标计算，得到建筑结构的实时性能参数指标和健康参数指标；

在将所述实时性能参数指标和健康参数指标分别进行正则化和概率化处理之后，采用加权平均理论、或贝叶斯理论、或D-S证据理论进行融合处理，得到实时融合指标和健康融合指标；

将所述实时融合指标和健康融合指标进行对比，得到建筑结构的健康诊断信息和监测预警信息。

一种基于融合指标的建筑结构实时诊断装置，应用在计算机设备或计算机可读存储介质之上，其特征在于，包括：

数据采集模块，用于根据预设诊断步长对获取的实时振动数据进行截取，得到实时样本数据；并且，根据所述预设诊断步长对获取的健康振动数据进行截取，得到健康样本数据；

多种结构健康评估指标计算模块，用于对所述实时样本数据和健康样本数据分别进行多种结构健康评估指标计算，得到建筑结构的实时性能参数指标和健康参数指标；

指标融合预处理及多指标融合计算模块，用于在将所述实时性能参数指标和健康参数指标分别进行正则化和概率化处理之后，采用加权平均理论、或贝叶斯理论、或D-S证据理论进行融合处理，得到实时融合指标和健康融合指标；

诊断输出模块，用于将所述实时融合指标和健康融合指标进行对比，得到建筑结构的健康诊断信息和监测预警信息。

本发明提供的基于融合指标的建筑结构实时诊断方法，首先，根据预设诊断步长对从监测终端获取的实时振动数据和健康振动数据进行截取，得到构建融合指标的输入数据：实时样本数据和健康样本数据；其次，对上述样本数据进行多种结构健康评估指标计算，得到包括自振频率、主成分、小波包能量及二次协方差在内的多个参数指标，并利用加权平均理论、贝叶斯理论、或D-S证据理论对参数指标进行融合处理，得到实时融合指标和健康融合指标；然后，将实时融合指标和健康融合指标进行对比，从而得到建筑结构的健康诊断信息和监测预警信息，以判断建筑结构是否存在安全隐患并便于通过预警信息达到实时监测的目的。

与现有通过单一指标(自振频率、主成分、小波包能量等)进行建筑结构安全判断的方案相比，本发明提供的基于融合指标的建筑结构实时诊断方法所构建的融合指标可以适应不同的工况，对不同建筑结构损伤情况均能响应敏感，克服单一指标间性能差异所带来的诊断结果不准确的问题，形成一个能全面、准确反映建筑结构健康状态的衡量指标。

本发明提供的基于融合指标的建筑结构实时诊断装置，用于实现上述方法并可应用在计算机设备或计算机可读存储介质上，便于部署在服务器、云服务器上。

附图说明

图1为本发明实施例中基于融合指标的建筑结构实时诊断方法的应用场景示意图；

图2为本发明实施例中基于融合指标的建筑结构实时诊断方法的流程图；

图3为本发明另一实施例中基于融合指标的建筑结构实时诊断方法的流程图；

图4为本发明实施例中基于融合指标的建筑结构实时诊断装置的框架图；

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

一种基于融合指标的建筑结构实时诊断方法，应用于如图1所示的应用场景中，其中，在建筑结构的楼层中部署有硬件设备三分向MEMS(Micro-Electro MechanicalSystems，微机电系统)加速度传感器，用于获取建筑结构的实施振动数据和健康振动数据；三分向MEMS加速度传感器通过5G/4G网络与远端云服务器通讯，本基于融合指标的建筑结构实时诊断方法应用在云服务器之上，并可通过B/S架构的管理软件为管理人员提供建筑结构的健康信息。

在一实施例中，提供一种基于融合指标的建筑结构实时诊断方法，其如图2所示的流程，包括如下步骤：

S1：根据预设诊断步长对获取的实时振动数据进行截取，得到实时样本数据；并且，根据预设诊断步长对获取的健康振动数据进行截取，得到健康样本数据。

其中，实时振动数据和健康振动数据均从MEMS加速度传感器中获取；实时振动数据是指实时的加速度数据，健康振动数据是指结构无损情况下的振动数据。预设诊断步长，可根据经验以及建筑结构的实际振动情况确定，例如为1分钟等。

S2：对实时样本数据和健康样本数据分别进行多种结构健康评估指标计算，得到建筑结构的实时性能参数指标和健康参数指标。

多种结构健康评估指标计算是指根据截取的振动数据(即实时样本数据和健康样本数据)计算出自振频率、主成分、小波包能量以及二次协方差等指标。

S3：在将实时性能参数指标和健康参数指标分别进行正则化和概率化处理之后，采用加权平均理论、或贝叶斯理论、或D-S证据理论进行融合处理，得到实时融合指标和健康融合指标。

正则化和概率化用于对实时性能参数指标和健康参数指标进行预处理；在预处理之后，可选择使用三种不同的指标融合技术，分别是加权平均理论、贝叶斯理论、D-S证据理论，对经过正则化以及概率化的所述自振频率、主成分、小波包能量以及二次协方差等指标进行融合，得到融合指标(实时融合指标和健康融合指标)。

S4：将实时融合指标和健康融合指标进行对比，得到建筑结构的健康诊断信息。

将实时振动数据得到的实时融合指标与健康振动数据得到的健康融合指标进行对比，得到建筑结构的健康诊断信息和监测预警信息。

具体地，获取建筑结构的健康诊断信息的处理流程如图3所示；实时性能参数指标和健康参数指标分别包括自振频率、主成分、小波包能量，以及二次协方差。

其中，对于自振频率，在对实时样本数据和健康样本数据分别进行多种结构健康评估指标计算的过程中，采用如下方式计算：

通过随机子空间法进行计算，假设输出通道数为l，其中参考通道数为r，则利用输出数据构建(2i)行×j列的Hankel矩阵H，并分解为“past”和“future”两部分：

其中过去(对应past)和将来(对应future)测量的结构响应数据矩阵分别是

得到Toeplitz矩阵后，通过奇异值分解、系统定阶过程，便能得到识别频率，即自振频率。

对于主成分，在对实时样本数据和健康样本数据分别进行多种结构健康评估指标计算的过程中，通过如下步骤计算获得：

假设对m个参数进行n次的观测，则能得到一个原始数据矩阵X：

(1)对原始数据标准化，采用如下标准差标准化的公式：

其中，

(2)根据如下公式计算相关矩阵R：

其中，标准化后的矩阵相关矩阵R为其协方差矩阵；

(3)对样本数据相关矩阵R作特征分解，得到前m阶的特征值λ

(4)求出每个特征值对应的特征向量就是相关系数a

即可求得各阶主成分，其中Y

对于小波包能量，在对实时样本数据和健康样本数据分别进行多种结构健康评估指标计算的过程中，通过如下方式计算获得：

采用Db6等小波函数，利用小波包分解技术将信号分解到独立的子频带内，计算各子频带的能量成分。小波包分解把时间序列S分解成低频信息a1和高频信息d1两部分。在分解中，低频a1中失去的信息由高频d1捕获。在下一层的分解中，又将a1分解成低频a2和高频d2两部分，依此类推，如下所示，

分解的每个片段包含有结构在不同频段的信息，根据下式计算各阶小波包能量E：

即得到各阶小波包能量，其中

对于二次协方差，在对实时样本数据和健康样本数据分别进行多种结构健康评估指标计算的过程中，通过如下公式计算获得：

T

其中，R

进一步地，对于采用加权平均理论进行融合处理，通过如下公式进行：

其中，D

进一步地，对于采用贝叶斯理论进行融合处理时，包括：

设多损伤工况集合为{A

其中，P(A

进一步地，对于采用采用D-S证据理论进行融合处理时，包括：

设多损伤工况集合为{A

其中，m

可以理解地，由步骤S2所计算得到的实时性能参数指标和健康参数指标(即自振频率、主成分、小波包能量以及二次协方差等指标)，以及由步骤S3、S4计算得到实时融合指标和健康融合指标，均可以用于评估建筑结构的健康状态，而融合指标可以弥补单一指标的缺陷。

在一实施例中，提供一种基于融合指标的建筑结构实时诊断装置，如图4所示，应用在计算机设备或计算机可读存储介质之上，并包括：

数据采集模块101，用于根据预设诊断步长对获取的实时振动数据进行截取，得到实时样本数据；并且，根据预设诊断步长对获取的健康振动数据进行截取，得到健康样本数据；

多种结构健康评估指标计算模块102，用于对实时样本数据和健康样本数据分别进行多种结构健康评估指标计算，得到建筑结构的实时性能参数指标和健康参数指标；

指标融合预处理及多指标融合计算模块103，用于在将实时性能参数指标和健康参数指标分别进行正则化和概率化处理之后，采用加权平均理论、或贝叶斯理论、或D-S证据理论进行融合处理，得到实时融合指标和健康融合指标；

诊断输出模块104，用于将实时融合指标和健康融合指标进行对比，得到建筑结构的健康诊断信息。

上述装置用于实现基于融合指标的建筑结构实时诊断方法，此处不再赘述。

进一步地，在一实施例中，提供一种基于融合指标的建筑结构实时诊断系统，包括云服务端和监测终端，两者之间通过5G/4G无线网络进行通讯，便于灵活部署监测终端，不受不同建筑结构的复杂环境限制。监测终端用于对建筑结构的不同楼层进行实时数据采集，即获取实时振动数据和健康振动数据；云服务端用于对监测终端所收集的数据进行处理并计算出该建筑结构的健康信息，即包括上述的基于融合指标的建筑结构实时诊断装置，并实现相应诊断方法；其中，监测终端包括MEMS加速度传感器、供电模块和无线传输模块，分别用于监测建筑结构的实时振动数据和健康振动数据、电源供电、以及向云服务端传输数据。

与现有监测建筑结构健康状况的技术方案相比，本基于融合指标的建筑结构实时诊断系统具有自动化程度高，实时性强，建筑结构健康诊断信息更加可靠的特点，可以灵活部署在复杂的建筑结构中，极大减少了检测的人力和财力成本，便于推广和拓展。

上是对本发明基于融合指标的建筑结构实时诊断方法及装置进行的阐述，用于帮助理解本发明；但本发明的实施方式并不受上述实施例的限制，任何未背离本发明原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。