結構健康監(jiān)測異常數(shù)據(jù)修復應用研究

引 言

隨著“智慧監(jiān)測”概念在土木工程建設領域的普及推廣和應用，長期、實時、無線和在線監(jiān)測技術成為當今健康監(jiān)測領域的發(fā)展潮流和趨勢。無線監(jiān)測傳感網絡系統(tǒng)作為物聯(lián)網重要的底層感知技術，是智慧監(jiān)測的實現(xiàn)基礎，而數(shù)據(jù)又是無線監(jiān)測傳感網絡系統(tǒng)的核心，因此對數(shù)據(jù)的管理而言至關重要。數(shù)據(jù)管理包含數(shù)據(jù)的采集、傳輸、存儲和分析等環(huán)節(jié)數(shù)據(jù)的穩(wěn)定可靠性將制約監(jiān)測的有效性，同時也會影響后期的決策和評估。然而，在實際工程結構應用中往往存在數(shù)據(jù)干擾數(shù)據(jù)丟失、異常震蕩以及異常中斷等問題，為大數(shù)據(jù)分析和科學決策帶來了挑戰(zhàn)

目前，數(shù)據(jù)的修復、重構還原處理技術在信號處理、信息工程等領域均有應用。常見的方法包括回歸分析、插補刪除、時間序列預測等。近年來，國內外學者基于一些有效方法實施了數(shù)據(jù)恢復分析。Eskelson 等[1] 討論了 NN 插補算法用于森林資源調查數(shù)據(jù)恢復分析的應用。趙昕等 [2] 基于相關性分析，建立了 BP 神經網絡模型，對缺失的數(shù)據(jù)進行恢復得到了完整的應變監(jiān)測數(shù)據(jù)。黃宴委等 [3] 選擇與傳感器丟失數(shù)據(jù)格蘭杰因果關系大的變量作為極限學習機的輸入向量，實現(xiàn)丟失數(shù)據(jù)的恢復。符欲梅等 [4] 提出一種基于支持向量機的殘缺數(shù)據(jù)填補方法，在分析數(shù)據(jù)的自相關性基礎上，利用支持向量回歸機原理，選擇適當維數(shù)的樣本作為支持向量機的輸入向量，據(jù)此進行了殘缺數(shù)據(jù)的預測。鮑躍全等 [5] 提出了基于壓縮感知技術的數(shù)據(jù)丟失恢復的方法。Klis 等[6] 將主要節(jié)點的概念與壓縮傳感范式相結合，實現(xiàn)了大量數(shù)據(jù)信號的恢復。魏晶茹等 [7] 針對環(huán)境監(jiān)測數(shù)據(jù)異常和數(shù)據(jù)缺失等問題提出了基于支持向量機的粒子群優(yōu)化數(shù)據(jù)異常檢測和缺失補全算法。宋曉虹等 [8] 針對多傳感器系統(tǒng)存在的數(shù)據(jù)易丟失、易受干擾和易失真等問題，在卡爾曼過濾的基礎上結合協(xié)同合作方式提出了一種協(xié)作數(shù)據(jù)重構算法。吳蔚沁等 [9] 采用KNN 算法對公共建筑能耗異常數(shù)據(jù)進行數(shù)據(jù)修復

本文針對健康監(jiān)測長期實時采集數(shù)據(jù)的異常修復問題進行闡述，給出了針對土木工程健康監(jiān)測的實用的數(shù)據(jù)修復及控制方法，對今后提供更加實用、更加有效的數(shù)據(jù)診斷識別與清洗修復技術的發(fā)展趨勢進行了分析

1 異常監(jiān)測數(shù)據(jù)

1.1 產生原因

超高層建筑、大型體育設施等結構的服役環(huán)境比較復雜特別是在實際結構健康監(jiān)測過程中，傳感器、連接線路、采集儀、中繼器、基站及移動終端等監(jiān)測設備容易受到風吹、雨淋、腐蝕等外界環(huán)境的影響，監(jiān)測設備本身的故障、節(jié)點能源供給不足、意外破壞等各種因素均有可能干擾監(jiān)測數(shù)據(jù)采集此外對于超高、超大跨度結構監(jiān)測線路的鋪設比較長，這些因素的耦合效應可能會對采集的數(shù)據(jù)產生影響，在實際監(jiān)測過程中不可避免的會產生異常數(shù)據(jù)。異常數(shù)據(jù)主要來源于結構狀態(tài)的變化、現(xiàn)有監(jiān)測系統(tǒng)的不完善以及現(xiàn)場復雜測試環(huán)境引起的不可避免的監(jiān)測誤差，出現(xiàn)數(shù)據(jù)震蕩波動、數(shù)據(jù)丟失、噪聲污染或是在一定范圍內的值發(fā)散或不變的情況。土木工程健康監(jiān)測過程中，造成監(jiān)測數(shù)據(jù)異常的主要原因有如下三種

(1) 數(shù)據(jù)傳輸障礙，如傳輸線路中斷、網絡信號中斷等

(2) 能源供給，如電源突然中斷、電源線斷裂、太陽能發(fā)電供給不穩(wěn)定等

(3) 外界環(huán)境，如臺風、暴雨、雷暴、電磁干擾、人為破壞等

1.2 類型特點

對于長期連續(xù)監(jiān)測過程中的監(jiān)測數(shù)據(jù)而言，監(jiān)測指標通常是處于 和 狀態(tài)的測定數(shù)值，處于實時監(jiān)測的對象指標均有一定的趨勢性變化規(guī)律

常用的監(jiān)測指標主要包含位移、溫度、風壓、應力應變等值，如果外界條件比較穩(wěn)定，則該指標數(shù)據(jù)的變化速率也通常較為平穩(wěn)，如位移指標，一般在Δ范圍內變化速率處于穩(wěn)定狀態(tài)，斜率近似為直線。異常數(shù)據(jù)按照結構狀態(tài)的安全預警目標劃分，可分為危險性異常和非危險性異常，非危險性異常判斷的標準如下：

（1）在歷史數(shù)據(jù)集合中變化速率反常但沒有持續(xù)出現(xiàn)發(fā)散現(xiàn)象 ；

（2）在歷史數(shù)據(jù)集合中變化差異較大，但沒有超過報警值；

（3）在歷史數(shù)據(jù)集合中丟失。

對于異常數(shù)據(jù)，從數(shù)據(jù)特征分類則會出現(xiàn)以下幾種情況 ：

（1）數(shù)據(jù)在某一個時刻出現(xiàn)急劇值變化（與前一時刻數(shù)值比較或與歷史時刻數(shù)據(jù)整體比較），之后進入穩(wěn)定讀取狀態(tài)；

（2）數(shù)據(jù)在某一個時刻出現(xiàn)丟失，之后進入穩(wěn)定讀取狀態(tài)。

2 數(shù)據(jù)修復方法

目前的數(shù)據(jù)修復方法大致可以歸納為如下兩種情況

(1) 不依賴相似傳感器數(shù)據(jù)進行修復 ：通過該異常數(shù)據(jù)測點傳感器獲得已知數(shù)據(jù)，對異常數(shù)據(jù)區(qū)域進行插值，還原該區(qū)域的丟失數(shù)據(jù)，最后得到較完整的數(shù)據(jù)信息。假定 y含有異常數(shù)據(jù) y，通過利用 y之外的已知數(shù)據(jù)建立數(shù)據(jù)模型得到預測向量 y*，進而預測 y的完整數(shù)據(jù)實現(xiàn)對異常數(shù)據(jù)的修復

(2) 依賴相似傳感器數(shù)據(jù)進行修復 ：所謂相似傳感器數(shù)據(jù)是指同類型指標的不同測點傳感器監(jiān)測數(shù)據(jù)和不同類型測點傳感器測點監(jiān)測數(shù)據(jù)中相關性較好的監(jiān)測數(shù)據(jù)。如兩個測點數(shù)據(jù)為 y，其中 y含有異常數(shù)據(jù)，通過回歸分析得到 y滿足一定的關系，進而通過 預測 y的異常段，從而修復傳感器的異常數(shù)據(jù)

對于第（1）種情況，優(yōu)點在于可不依賴大量的樣本數(shù)據(jù)進行比較，亦可用于缺少多個相關性指標的監(jiān)測數(shù)據(jù)或監(jiān)測點較少的情況，但僅適合力學模型比較明確，隨著時間變化特點比較穩(wěn)定的監(jiān)測指標

對于第（2）種情況，優(yōu)點在于可基于預測模型來處理狀態(tài)變化比較顯著的物理指標，但難點在于需要構建不同物理指標之間的相關性，輸入與輸出預測模型的精度往往會影響預測的準確程度。本文采用 BP 神經網絡方法來進行異常數(shù)據(jù)修復

3 監(jiān)測數(shù)據(jù)分析

根據(jù)以往監(jiān)測經驗發(fā)現(xiàn)，健康監(jiān)測系統(tǒng)的采樣數(shù)據(jù)具有如下特點

  (1) 同一個測點區(qū)域的不同類型物理量之間存在相關性

（2）同一類型物理量在不同測點采集得到的監(jiān)測數(shù)據(jù)具有相關性 ；

（3）同一類型物理量在同一區(qū)域的多個測點采集的監(jiān)測數(shù)據(jù)相關性較高。

采用皮爾遜相關系數(shù)對兩個變量進行相關性評價，如式（1）所示 ：

4 實例分析

4.1 基本概況

某體育場主體結構由混凝土看臺結構和屋蓋罩棚結構組成，兩者共同受力并形成整體。混凝土看臺結構通過變形縫劃分為東、西看臺兩個獨立的結構單元 ；屋蓋罩棚對應看臺結構變形縫，劃分為獨立的結構單元，并分別支承在看臺結構上，體育場南北長約 250 m，東西長約 268 m。屋蓋罩棚結構形式整體不對稱，結構主要由兩個外側抗壓環(huán)和一個內側環(huán)組成，徑向采用輪輻式的索桁架連接內外環(huán)。中央抗拉環(huán)由 6 根全封閉截面的拉索組成，內環(huán)中的預應力在放射狀分布的鋼索桁架上下弦桿產生拉力，鋼索桁架內的拉力傳遞到外環(huán)上產生外環(huán)壓力。在屋蓋結構的兩端點設置兩片支座剪力墻，在不封閉環(huán)索作用下，受到巨大的水平推力。結構形式新穎，跨度較大，施工過程復雜，屋蓋鋼結構空間定位難度大結構施工過程中的主要受力構件與一些關鍵部位的內力等參數(shù)的變化情況以及結構運營期間的受力狀態(tài)是否與初始設計相符，是否仍處于容許范圍內，成為一個不可忽視的問題。因此要求本工程在施工階段和運營階段對鋼屋蓋關鍵構件的應力應變等進行監(jiān)測。圖 1 所示為應力和溫度監(jiān)測點布置圖

圖1 應力和溫度監(jiān)測點布置圖

4.2 數(shù)據(jù)分析

應力和溫度監(jiān)測采用集成式的振型式表面應變計，可以同時測讀應力和溫度兩個參數(shù)，對于不與應力測點相同位置的測點采用單獨設置溫度傳感器的方式實施。應力應變監(jiān)測擬采用 JMZX-212表面智能數(shù)碼弦式應變計，如圖 2所示，應力應變和溫度監(jiān)測點共 96個，本文選取其中 10個具有代表性的測點進行分析。在線實時監(jiān)測的數(shù)據(jù)采集為每隔 10min 采集一次，文中選取連續(xù)兩天的數(shù)據(jù)進行分析。通過自動化在線監(jiān)測采集 96個應力應變測點數(shù)據(jù)和溫度數(shù)據(jù)，選取其中10 個測點數(shù)據(jù)進行分析。測點編號分別為 ：1，5，8，9，1113，20，21，22，27。連續(xù)采樣數(shù)據(jù)時間間隔為10 min，本次分析取 2017.12.5 早上 7 ：04 至 2017.12.6 早上 7 ：04 時間段

假定編號 1 測點的應變數(shù)據(jù)在 91 ～111 間存在數(shù)據(jù)丟失現(xiàn)象。基于機器學習算法進行數(shù)據(jù)恢復。根據(jù)相關性分析確定測點 8 作為輸入向量數(shù)據(jù)訓練，如圖 3 所示。圖 4 及圖 5 所示為監(jiān)測數(shù)據(jù)修復情況。由圖分析可知，采用數(shù)據(jù)修復方法可實現(xiàn)對連續(xù)性監(jiān)測數(shù)據(jù)的修復，數(shù)據(jù)的整體趨勢較一致，修復結果較理想，可用于指導結構健康性能評估

5 結 語

（1）結構健康監(jiān)測數(shù)據(jù)具有數(shù)據(jù)量大、代表性強等特征，通過分析異常數(shù)據(jù)的特性進行異常數(shù)據(jù)診斷修復完全可行，數(shù)據(jù)驅動技術能提供與真實數(shù)據(jù)接近的預測。

（2）數(shù)據(jù)驅動技術能利用數(shù)據(jù)自身的特征進行數(shù)據(jù)發(fā)展預測，對異常數(shù)據(jù)診斷修復提供了一種科學合理的解決方法。

（3）本文的分析以體育館結構的健康監(jiān)測為研究對象進行分析，但只選取一個時間段的樣本進行研究。在今后的研究中，可通過選取多個樣本、實時進行修復比較以判斷邊采集、邊修復的數(shù)據(jù)修復效果。