[发明专利]一种动态非高斯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，提出了一种动态非高斯结构监测数据异常识别方法。首先，对监测数据定义过去和当前观测向量，并对其进行预白化；其次，对白化后的过去和当前观测向量建立统计相关模型，得到动态白化数据；接着，将动态白化数据划分为系统相关和系统无关部分，并对其进行独立分量分析建模；最后，分别定义两个统计量并确定其控制限，当统计量超过控制限时判断监测数据中存在异常。由于同时考虑了结构监测数据的非高斯性和动态特性，基于此定义的统计量可有效识别数据中的异常。

技术领域

本发明属于土木工程结构健康监测领域，提出了一种动态非高斯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。然而，由于结构的非线性和测量噪声的复杂性等因素，结构监测数据往往呈现非高斯性；此外，结构监测数据中也存在动态特性(即自相关性)。若能在结构监测数据建模过程中同时考虑非高斯性和动态特性，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动态非高斯结构监测数据建模方法，在此基础上定义两个统计量用于识别数据中的异常。其技术方案是：首先，对监测数据定义过去和当前观测向量，并对其进行预白化；其次，对白化后的过去和当前观测向量建立统计相关模型，得到动态白化数据；接着，将动态白化数据划分为系统相关和系统无关部分，并对其进行独立分量分析建模；最后，分别定义两个统计量并确定其控制限，当统计量超过控制限时判断监测数据中存在异常。

一种动态非高斯结构监测数据异常识别方法，步骤如下：

步骤一：结构监测数据预处理

(1)令表示正常结构监测数据中对应时刻t的样本，m为测量变量个数；定义过去观测向量x^p(t)＝[x^T(t-1),x^T(t-2),...,x^T(t-τ)]^T(注：τ为时延)和当前观测向量x^c(t)＝x(t)；

(2)令J^p和J^c分别表示x^p(t)和x^c(t)的白化矩阵，则白化后的x^p(t)和x^c(t)分别为：

步骤二：动态白化

(3)结构监测数据的动态建模即是建立和之间的统计相关模型：

式中：表示与的互协方差矩阵；和为奇异值分解的酉矩阵；为奇异值矩阵，包含的m个非零奇异值；

(4)定义在P上的投影为z(t)，则z(t)可通过下式求得：

式中：R＝P^TJ^p；

(5)由于z(t)的协方差矩阵是一个单位矩阵：