[发明专利]一种考虑时-空相关性的结构监测数据异常识别方法

说明书

本发明属于土木工程结构健康监测领域，提出了一种考虑时‑空相关性的结构监测数据异常识别方法。首先，对监测数据定义当前和过去观测向量，并对它们进行预白化；其次，对白化后的当前和过去观测向量建立统计相关模型，以同时考虑监测数据中的时‑空相关性；接着，将模型划分为系统相关和系统无关两部分，并定义两个相应的统计量；最后，确定统计量的控制限，当统计量超过其控制限时可判断监测数据中存在异常。

技术领域

本发明属于土木工程结构健康监测领域，提出了一种考虑时-空相关性的结构监测数据异常识别方法。

背景技术

土木工程结构在长期荷载、环境侵蚀和疲劳效应等因素的共同作用下，其服役性能的退化不可避免。深入分析结构监测数据，可以及时发现结构的异常状态并提供准确的安全预警，对确保土木工程结构的安全运营具有重要的现实意义。目前，结构监测数据的异常识别主要通过统计方法实现，一般分为两大类：1)单变量控制图，如休哈特控制图、累积和控制图等，该类方法对每个测点的监测数据分别建立控制图，以识别监测数据中的异常；2)多变量统计分析，如主成分分析、独立分量分析等，该类方法利用多测点监测数据之间的相关性建立统计模型，并定义相应的统计量以识别监测数据中的异常。

由于结构变形的连续性，结构相邻测点的响应数据之间也具有一定的相关性(即互相关性或空间相关性)。实际工程应用中，能够考虑这种相关性的多变量统计分析方法更具优越性。此外，该类方法仅需定义1～2个统计量，即可判别监测数据中是否存在异常，这对包含众多传感器的结构健康监测系统而言，非常便捷。除了互相关性外，结构响应数据中也存在自相关性(即时间相关性)。若能在统计建模过程中同时考虑自相关性和互相关性(即时-空相关性)，则可提升多变量统计分析方法的异常识别能力，使其在工程应用中更具实用价值。

发明内容

本发明旨在提出一种同时考虑时-空相关性的统计建模方法，并在此基础上定义统计量以识别结构监测数据中的异常。其技术方案是：首先，对监测数据定义当前和过去观测向量，并对它们进行预白化；其次，对白化后的当前和过去观测向量建立统计相关模型，以同时考虑监测数据中的时-空相关性；接着，将模型划分为系统相关和系统无关两部分，并定义两个相应的统计量；最后，确定统计量的控制限，当统计量超过其控制限时可判断监测数据中存在异常。

一种考虑时-空相关性的结构监测数据异常识别方法，步骤如下：

步骤一：监测数据预处理

(1)对正常监测数据定义当前和过去观测向量：

y^c(t)＝y(t)

y^p(t)＝[y^T(t-1),y^T(t-2),...,y^T(t-l)]^T

式中：表示正常监测数据中对应时刻t的样本，m为测量变量的个数；y^c(t)和y^p(t)分别表示定义在时刻t的当前和过去观测向量；l表示时延；

(2)对当前观测向量y^c(t)和过去观测向量y^p(t)进行预白化：

式中：R^c和R^p分别表示y^c(t)和y^p(t)的白化矩阵；和分别表示白化后的当前观测向量和过去观测向量；

步骤二：时-空相关性建模

(3)对正常监测数据进行时-空相关性建模，即建立和之间的统计相关模型如下：