一种用于大跨径桥梁支座的智能健康监测方法与流程
本发明涉及桥梁支座监测,更具体地说,本发明涉及一种用于大跨径桥梁支座的智能健康监测方法。
背景技术:
1、大跨径桥梁支座是设置在桥梁上部结构与下部结构之间的关键传力构件,其不仅用于传递竖向荷载,还需要适应梁体在温度变化、车辆荷载、风荷载、制动力、地震扰动以及长期服役退化作用下产生的水平位移、转角变化和局部振动。支座工作状态一旦发生异常,可能表现为位移受限、滑移滞涩、滑板磨损、局部承压异常、转动能力下降、长期偏位、异常振动或承载响应失真等问题,但这些问题在早期往往不会直接表现为肉眼可见的明显病害,传统人工巡查和单一阈值报警难以及时、准确地识别支座可靠性的真实变化。
2、现有桥梁结构健康监测系统虽然能够布设位移、倾角、加速度、应变、压力或温湿度等传感设备,但在实际应用中,不同传感设备的采集精度、采样频率、安装位置、环境适应性以及长期稳定性并不一致。传感器可能因供电异常、通信中断、零点漂移、长期恒值、量程越界、安装松动、环境干扰或局部损坏而输出不可信数据。如果直接将上述数据输入桥梁支座健康诊断模型,就会出现无法区分“支座真实异常”和“传感设备自身异常”的问题,进而造成误报、漏报或诊断结论前后矛盾。
3、由此,有必要提供一种用于大跨径桥梁支座的智能健康监测方法解决上述技术问题,为了解决上述问题,现提供一种技术方案。
技术实现思路
1、为了克服现有技术的上述缺陷,本发明提供一种用于大跨径桥梁支座的智能健康监测方法,用于现有桥梁支座健康监测中,传感器自身存在精度不一、漂移、故障等可靠性问题,导致无法区分支座真实异常与传感数据异常,易造成误报、漏报或诊断矛盾的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种用于大跨径桥梁支座的智能健康监测方法,包括以下步骤:
4、通过传感器监测网络实时监测获取桥梁支座的多类别构件数据,基于多类别构件数据构建滑动时间窗口,生成滑动时间窗口序列;
5、根据滑动时间窗口序列构建环境补偿模型进行环境补偿,得到剔除环境影响之后的去工况残差;
6、通过去工况残差构建静态权重下的多因素支座可靠性初诊模型,得到桥梁支座可靠性的初始诊断分布和证据冲突程度;
7、基于初始诊断分布设置异常触发条件,依据触发结果判别是否需要启动设备自诊断;
8、针对触发异常的多类别构件数据,构建传感器设备健康自诊断模型,输出传感器的设备健康系数,并区分传感器的设备故障状态;
9、基于设备健康系数以及设备故障状态构建动态权重模型,实时评估各传感器的动态贡献权重,形成动态权重集合;
10、利用动态贡献权重进行桥梁支座的二次可靠性推理,分析支座可靠性指数,二次判别桥梁支座状态。
11、作为本发明的进一步方案,通过去工况残差构建静态权重下的多因素支座可靠性初诊模型,得到桥梁支座可靠性的初始诊断分布和证据冲突程度,具体步骤如下:
12、静态权重下的多因素支座可靠性初诊模型包括参数证据生成层、静态可信度赋权层、底层d-s融合层、支座状态初判层以及冲突检测层;
13、参数证据生成层基于工况残差计算其对各桥梁支座状态的隶属度;静态可信度赋权层用于为传感器配置静态权重;底层d-s融合层对同一类型构件数据下多个传感器的证据进行融合;支座状态初判层将融合结果进行二次融合;冲突检测层输出证据冲突系数。
14、作为本发明的进一步方案,参数证据生成层基于工况残差计算其对各桥梁支座状态的隶属度,具体步骤如下:
15、静态权重下的多因素支座可靠性初诊模型的状态诊断识别框架为,其中,为一类状态,为二类状态,为三类状态,为四类状态;
16、基于各去工况残差计算其对各桥梁支座状态的隶属度:
17、;
18、式中:为第i个传感器针对第p类构件数据在时刻t对状态的隶属度,为第p类构件数据t时刻第i个传感器剔除环境影响之后的去工况残差,为第p类构件数据对应状态的残差中心值,为第p类构件数据对应状态的残差离散尺度,为状态类别索引,为第q种状态。
19、作为本发明的进一步方案,底层d-s融合层对同一类型构件数据下多个传感器的证据进行融合,具体步骤为:
20、将隶属度与静态权重结合,建立d-s证据理论中的基本概率分配函数,将连续监测的构件数据转换为状态证据,公式为:
21、;
22、;
23、式中:为第i个传感器第p类构件数据对于状态的基本概率分配值,即状态证据,为第i个传感器第p类构件数据对应的状态证据中,无法明确判断时分配给不确定集合的概率,为极小正数;
24、基于来自不同传感器同一类别的构件数据,采用d-s组合规则进行底层融合。
25、作为本发明的进一步方案,支座状态初判层再将融合结果进行二次融合,具体为:
26、通过分别获取各类别构件数据的状态证据,对桥梁支座状态进行融合,得到初始诊断分布,其中,为一类状态支持度,为二类状态支持度,为三类状态支持度,为四类状态支持度,为初始诊断分布结果的不确定程度。
27、作为本发明的进一步方案,针对触发异常的多类别构件数据,构建传感器设备健康自诊断模型,输出传感器的设备健康系数,并区分传感器的设备故障状态,具体步骤如下:
28、设备健康自诊断模型包括设备运行特征提取层、数据形态异常识别层、冗余一致性校验层、时序编码层和设备健康输出层。
29、作为本发明的进一步方案,设备健康自诊断模型的构建步骤具体如下:
30、基于多类别构件数据提取设备健康特征;包括数据缺失率、通信丢包率、长期卡滞特征、越界特征、突变特征、零点漂移特征、与冗余传感器之间的不一致程度、设备运行环境异常特征以及设备历史健康统计特征;
31、基于设备健康特征进行规则异常评分,并通过重构误差识别隐形异常,根据规则异常评分、重构误差以及与冗余传感器之间的不一致程度构建传感器设备健康自诊断模型;
32、建立故障状态集合,利用分类器输出各设备故障状态概率分布。
33、作为本发明的进一步方案,基于设备健康系数以及设备故障状态构建动态权重模型,实时评估各传感器的动态贡献权重,形成动态权重集合,具体步骤如下:
34、通过提取静态权重、设备健康系数以及证据冲突系数,并计算获取工况适配系数以及历史命中系数;
35、将静态权重、设备健康系数、证据冲突系数、工况适配系数以及历史命中系数输入至动态权重模型中,计算动态贡献权重。
36、作为本发明的进一步方案,利用动态贡献权重进行桥梁支座的二次可靠性推理,分析支座可靠性指数,二次判别桥梁支座状态,具体步骤如下:
37、通过提取动态贡献权重建立状态修正模型得到动态状态证据,计算公式为:
38、;
39、式中:为第个传感器t时刻对于状态的动态状态证据,为第个传感器t时刻的动态贡献权重,为第个传感器t时刻对于状态的状态证据;
40、通过分别获取各类别构件数据的底层融合结果,再次执行融合;
41、基于最终状态分布计算支座可靠性指数;
42、基于支座可靠性指数确定桥梁支座是否存在真实异常风险。
43、作为本发明的进一步方案,基于支座可靠性指数确定桥梁支座是否存在真实异常风险,具体为:
44、通过将支座可靠性指数与预设支座可靠性阈值进行对比,若支座可靠性指数小于预设支座可靠性阈值,此时显示桥梁支座异常,且设备自诊断结果显示主要传感器健康,判定桥梁支座存在真实异常风险;若支座可靠性指数大于等于预设支座可靠性阈值,此时二次推理结果由异常转为正常或不确定,且设备自诊断结果显示存在传感器故障,则判定异常由传感器设备引起。
45、本发明一种用于大跨径桥梁支座的智能健康监测方法的技术效果和优点:本发明通过环境补偿模型消除了温度变化、车辆荷载波动以及风荷载等外部因素对监测数据的干扰,使获得的去工况残差能够更加真实地反映支座结构状态,提高异常识别的准确性。采用静态权重与d-s证据理论相结合的初诊机制,实现多源异构监测数据的有效融合,能够综合利用位移、倾角、应力等多类别信息,提高支座状态评估的全面性和可靠性。通过引入设备健康自诊断模型,对传感器漂移、卡滞、通信异常、量程异常等故障进行主动识别,避免因传感器失效导致的误报和漏报问题。通过动态权重模型能够根据传感器健康状态、证据冲突程度及历史表现实时调整各传感器的贡献度,使可靠性推理过程更加符合实际运行工况。通过支座可靠性指数实现对真实结构异常与设备异常的有效区分,不仅提高了桥梁健康监测系统的可信度,而且能够减少不必要的人工巡检和维护成本,为大跨径桥梁的安全运行、状态评估及预测性养护提供有力的技术支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com