[发明专利]一种隧道结构健康监测系统的全断面受力感知方法

说明书

本发明提出一种隧道结构健康监测系统的全断面受力感知方法，包括如下步骤：步骤一、在隧道中部署的监测断面，断面中存在周期性采样的传感器阵列，监测内容包括应力、应变、水压、温度、土压、渗压，利用传感器阵列检测和识别隧道结构的损伤和性态变化；步骤二、将断面受力特征融入进数据驱动方法；所述数据驱动方法是指将由部署在隧道结构健康监测系统采集到的传感器数据组织成信息，然后将相关信息进行整合和提炼，在数据的基础上经过训练和拟合形成回归模型。步骤三、在隧道结构健康监测系统上实现全断面受力感知，在传感器数据的基础上，使用全断面受力感知方法推演得到整个断面的受力状况，包括那些没有布设传感器的区域。

技术领域

本发明属于土木工程结构健康监测与机器学习技术交叉领域，是一种土木工程结构健康监测智能化技术。

背景技术

大型土木工程结构在服役期间会不可避免地老化而出现病症。这些病症严重影响了土木结构的正常运行，甚至对人身安全构成威胁。因此保证土木结构的稳定性对国家而言至关重要。在过去的几年中，结构健康监测已发展成为一种用于维持结构稳定性的通用技术。有效的监测数据为力学行为分析和进一步的性能预测提供了必要的基础。为了收集准确的监测数据，许多学者致力于新型传感器的研究和监测方案的优化。

然而，现有的技术条件无法对结构进行全面监控。当前大多数监测部分和监测点都是根据经验和半经验方法确定的。特别是对于复杂地下环境中的建筑，在没有监测点的位置可能会发生许多紧急情况。因此，利用优化的监测方案和有限的监测点对整个结构的力学行为进行分析具有重要意义。

由于结构力学行为分析对于保持结构稳定性有重要意义，许多研究者一直致力于使用经典理论力学进行研究。由于解法困难，近年来，逐渐被以有限元法，离散元法及其扩展方法为代表的数值模拟方法取代。通过将实际边界条件应用于已开发的模型，可以通过数值模拟结果反映结构的敏感和危险位置。但是，边界条件的变化对结构性能具有重大影响。在恶劣的环境下，结构易于遭受不可预测的紧急情况的干扰，这使得根据原始边界条件计算出的力学分析无效。急需一种能够适应复杂边界条件的先进方法。近年来，随着计算机科学的飞速发展，机器学习方法已广泛应用于日常生活中，包括交通规划，医学研究，金融领域等。从大量的数据中抽取结构变化特征已经成为当下研究的趋势。与上述领域的普及相比，机器学习在土木工程中的应用相对有限。

发明内容

本发明技术解决问题：针对隧道结构健康监测领域传感器布设位置依靠经验与半经验的方法、布设数量较少而导致的监测范围受限的问题。本发明提出一种将隧道监测断面受力特征与数据驱动方法结合的方法。该方法在现有监测数据的基础上，结合实际监测环境受力特性，运用机器学习方法，实现全断面受力感知，为后续隧道结构性态分析提供参考。

本发明将断面划分为有限区域，使用水土分算的方法分析断面受力特征，然后使用基于非负矩阵分解的方法，在现有监测数据的基础上融入断面受力特征，实现全断面的受力感知。

本发明的技术方案为：一种隧道结构健康监测系统的全断面受力感知方法，包括如下步骤：

步骤一、在隧道中部署的监测断面，断面中存在周期性采样的传感器阵列，监测内容包括应力、应变、水压、温度、土压、渗压，利用传感器阵列检测和识别隧道结构的损伤和性态变化；

步骤二、将断面受力特征融入进数据驱动方法；所述数据驱动方法是指将由部署在隧道结构健康监测系统采集到的传感器数据组织成信息，然后将相关信息进行整合和提炼，在数据的基础上经过训练和拟合形成回归模型；所述断面受力特征是指：采用水土分算的方法计算作用在断面上的载荷后分析得到的断面受力分布特征。

步骤三、在隧道结构健康监测系统上实现全断面受力感知，在传感器数据的基础上，使用全断面受力感知方法推演得到整个断面的受力状况，包括那些没有布设传感器的区域。

进一步的，所述步骤二将结构受力特征融入进数据驱动方法具体包括：