一种基于桥梁结构健康监测的响应阈值设置方法

摘要: 本发明涉及桥梁健康监测,更具体的说是涉及一种基于桥梁结构健康监测的响应阈值设置方法。背景技术:1、为了确保桥梁结构的服役安全,对新建桥梁和既有桥梁的健康监测是一...
一种基于桥梁结构健康监测的响应阈值设置方法

本发明涉及桥梁健康监测,更具体的说是涉及一种基于桥梁结构健康监测的响应阈值设置方法。

背景技术:

1、为了确保桥梁结构的服役安全,对新建桥梁和既有桥梁的健康监测是一项重大课题。桥梁结构健康监测的基本原理是:在桥梁结构的关键点位布置各种响应传感器,比如位移传感器、应变传感器、转角传感器,索力传感器等,通过这些传感器不停地采集桥梁结构运营期间的各种响应数据,将所采集的这些响应数据与预先设置的阈值进行比较,超出阈值时即对桥梁进行报警,以预防事故的发生。因此,阈值设置是桥梁结构健康监测系统正常工作的关键环节。阈值设置必须合理可靠,如果阈值设置过小,则健康监测系统频繁报警,但桥梁却并未出现危险状况;如果阈值设置过大,则桥梁出现危险损伤时却并不能触发报警,导致整个健康监测系统失效,并可能造成安全事故。

2、目前,响应阈值设置通常可以采用两种方法。第一种是利用传感器一年期间所采集的响应数据根据原则来设置,阈值上限取,阈值下限取,其中为该传感器一年所采集的响应数据的均值,为该传感器一年所采集的响应数据的标准差。这种阈值设置方法通常可以保证约99.73%的响应数据落入阈值区间内,剩余0.27%的响应数据(双侧各0.135%)超出范围,因概率极低,通常被判定为异常值而触发报警。第二种是利用和该桥梁结构相匹配的有限元模型(即已进行过模型修正,与真实结构匹配),计算结构在各种正常使用极限状态下的响应数据,把所得的与各传感器对应的响应数据的最大值和最小值分别作为响应阈值的上限和下限。工程实践中,第一种方法所得的响应阈值通常小于第二种方法所得的响应阈值,因此,通常可以将这两种方法所得的响应阈值分为两级阈值,分别对应两种报警级别来使用。

3、然而,工程实践中,经常出现上述两种响应阈值设置方法都无法实施的场景,这些场景常见于以下几个方面:第一,个别传感器因设备故障,缺失了很多响应数据;第二,有限元模型与真实结构总是存在一定差异的,根据有限元模型计算所得的某些传感器的响应数据是完全失真的;第三,由于健康监测的需要而新增的响应传感器,只采集了几分钟或者几个小时的数据,对这些新增响应传感器的阈值设置也有待解决。有鉴于此,本发明根据多年的工程实践经验,提出一种基于桥梁结构健康监测的响应阈值设置方法,针对现有响应阈值设置方法所不能处理的场景,能够科学合理且快速地设置响应阈值,以便对桥梁的危险病害及时报警。本发明的实施例以位移响应阈值为例来阐述说明所提方法,但对其它类型的响应阈值(比如应变、索力、转角等)也可以推广使用。

4、因此,提出一种基于桥梁结构健康监测的响应阈值设置方法,来解决现有技术存在的困难,是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此,本发明提供了一种基于桥梁结构健康监测的响应阈值设置方法,用于解决现有技术中存在的技术问题。

2、为了实现上述目的,本发明提供如下技术方案:

3、一种基于桥梁结构健康监测的响应阈值设置方法,包括以下步骤:

4、s1、将桥梁结构上的所有响应传感器分为已设置阈值传感器和未设置阈值传感器;

5、s2、对每一个未设置阈值传感器,提取在预设短时间段内的响应数据列向量,同时提取每个已设置阈值传感器在相同时间段内的响应数据列向量;

6、s3、计算每个已设置阈值传感器的响应数据列向量与未设置阈值传感器的响应数据列向量之间的相关性指数;

7、s4、选择相关性指数最大的已设置阈值传感器作为参考传感器,记录响应数据列向量及已设置的阈值上限和下限;

8、s5、构建bp神经网络,以参考传感器的响应数据列向量作为输入,以未设置阈值传感器的响应数据列向量作为输出,对bp神经网络进行训练;

9、s6、将参考传感器的阈值上限和下限输入训练好的bp神经网络,得到对应的输出值,作为未设置阈值传感器的阈值上限和阈值下限。

10、可选的,s1中已设置阈值传感器为一年采集数据完整且有限元模型计算值可靠的传感器。

11、可选的,s3中计算每个已设置阈值传感器的响应数据列向量与未设置阈值传感器的响应数据列向量之间的相关性指数的具体内容为:

12、对所有已设置阈值传感器所采集的数据列向量,即,依次计算各个列向量与第个未设置阈值传感器所采集的数据列向量之间的相关性指数,计算公式如下:

13、

14、

15、

16、

17、

18、

19、其中,为第

i个已设置阈值传感器所采集的数据的平均值,为第

i个已设置阈值传感器所采集的第

n个数据,为所采集的数据的总数目,为第

j个未设置阈值传感器所采集的数据的平均值,为第

j个未设置阈值传感器所采集的第

n个数据,为第

i个已设置阈值传感器所采集的数据的标准差,为第

i个已设置阈值传感器所采集的第

z个数据,为第

j个未设置阈值传感器所采集的数据的标准差,为第

j个未设置阈值传感器所采集的第

z个数据,为向量与向量之间的协方差,为向量与向量之间的相关性指数。

20、可选的,s4中最大相关性指数对应的已设置阈值传感器,数据列向量与未设置阈值传感器的数据列向量具有最高的相关性。

21、可选的,s5中的bp神经网络为三层结构,输入层和输出层神经元数目均为1,隐含层的神经元数目取为正整数,训练次数为1000次。

22、可选的,bp神经网络通过数值计算软件的工具箱构建并训练,数值计算软件为matlab,通过matlab工具箱中的newff命令构建bp神经网络,通过train命令完成bp神经网络的训练。

23、经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于桥梁结构健康监测的响应阈值设置方法,其有益效果为:

24、针对现有响应阈值设置方法所不能处理的场景,能够科学合理且快速地设置响应阈值,以便对桥梁的危险病害及时报警。

1.一种基于桥梁结构健康监测的响应阈值设置方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于桥梁结构健康监测的响应阈值设置方法,其特征在于,s1中已设置阈值传感器为一年采集数据完整且有限元模型计算值可靠的传感器。

3.根据权利要求1所述的一种基于桥梁结构健康监测的响应阈值设置方法,其特征在于,s3中计算每个已设置阈值传感器的响应数据列向量与未设置阈值传感器的响应数据列向量之间的相关性指数的具体内容为:

4.根据权利要求1所述的一种基于桥梁结构健康监测的响应阈值设置方法,其特征在于,s4中最大相关性指数对应的已设置阈值传感器,数据列向量与未设置阈值传感器的数据列向量具有最高的相关性。

5.根据权利要求1所述的一种基于桥梁结构健康监测的响应阈值设置方法,其特征在于,s5中的bp神经网络为三层结构,输入层和输出层神经元数目均为1,隐含层的神经元数目取为正整数,训练次数为1000次。

6.根据权利要求1所述的一种基于桥梁结构健康监测的响应阈值设置方法,其特征在于,bp神经网络通过数值计算软件的工具箱构建并训练,数值计算软件为matlab,通过matlab工具箱中的newff命令构建bp神经网络,通过train命令完成bp神经网络的训练。