【52监测网讯】第184期 桥梁结构健康监测数据现代处理与分析方法
 52监测网专家报告分享-第184期 《桥梁结构健康监测数据现代处理与分析方法》 单德山 西南交通大学桥梁工程系 内容介绍 桥梁结构健康监测面临的挑战 ◎ 在实际桥梁结构上安装健康监测系统的案例也越来越多； ◎ 近年来，传感和数据采集的长足进步为健康监测提供了硬件；系统识别和损伤识别理论和方法给健康监测提供了软件； ◎ 面临最大的问题是：将试验室或小型结构上成功的健康监测应用于实际的大型桥梁结构中；
• 诠释结构行为 -动力、静力、动静力（与荷载相关）； -各种各样的方法（一般来说FEM/BEM）; • 利用测试数据 -验证/标定结构模型； -理解实际结构行为与设计/模拟结构行为的区别； • 将测试数据转化为物理意义明确的结构参数/状态； • 建模（物理模型和非物理模型）依赖于 -加载类型、测试、损伤识别方法； -结果的准确性； • 复杂或精细模型不一定能获得理想结果； • 荷载相互作用和边界条件影响非常大； • 结构识别与损伤识别面临最大困难是测试和结构的不确定性；
数据预处理 数据来源
数据预处理-质量评判 ◎ 人工检视：耗费大量人力资源；数据质量与波形对应关系不强；数据质量检视结果可信度较低； ◎ 统计方法：快速、高效；假设数据分布规律、假设往往过于简单；难以处理分布规律复杂的数据； ◎ 大数据分析方法：快速、高效、可视化；基于数据自身分布规律进行评判；具有较强的探索能力和自适应能力；
数据预处理-线性平稳检验
数据预处理-数据清洗
信号分解、重构与降噪 ◎ 线性滤波方法：带通、低通、带阻等系列滤波器；不能针对噪声分量进行处理；对数据有损伤； ◎ 分解重构方法：小波分解、经验模态分解、经验小波分解、变分模态分解；提取结构响应信号、实现对噪声的分离；模态混叠问题、运算效率偏低； ◎ 非线性、非平稳信号降噪：实测信号特点；针对噪声与异常值点；对数据无损伤、运算效率高；
信号分解、重构与降噪-AEMD
信号分解、重构与降噪-AVMD
桥梁结构模态参数识别 ◎ 频域方法：算法简单、可靠；单次处理、单列信号；抗噪性不强、不能识别密集模态； ◎ 时域方法：算法相对简单；可处理多列输入、多列输出；抗噪性强、可识别密集模态； ◎ 时频域方法：算法复杂；单次处理、单列信号；抗噪性强、不能识别密集模态； ◎ 自动识别：稳定图；聚类识别稳定轴；是否剔除虚假模态；
模态参数自动识别
有限元模型修正
损伤识别 ◎ 人工巡检：可操作性强；耗费大量人力、物力；无法检测隐蔽性损伤； ◎ 指标法：算法相对简单；需人为参与；抗噪性较差、识别结果变异性大； ◎ 模式识别：算法复杂；基于机器学习理论；抗噪性强、识别结果包含概率分布信息； ◎ 深度学习：特征自提取；不同网络组合应用；训练样本； 深度学习理论用于桥梁损伤识别
深度学习识别效果对比
软件编制
《桥梁结构健康监测数据现代处理与分析方法》 单德山 西南交通大学桥梁工程系 注：本内容仅供个人研学交流，版权归原作者所有 |
2019-12-05
2021-07-07
2021-06-29
2021-09-06
2021-09-07
Powered by Discuz! X3.2@ 2001-2013 Comsenz Inc. 京ICP备16000992号-2 
京公网安备 11010802022300号
请发表评论