专利名称：拟人记忆的结构健康监测智能数据处理方法及其模块的制作方法
技术领域：
本发明涉及一种海量结构健康监测数据处理技术，尤其涉及一种拟人记忆的结构健康监 测智能数据处理方法及其模块。
背景技术：
结构健康监测(Structural Health Monitoring,简称SHM)已广泛应用于航空航天飞行器、 海陆舰船车辆等复杂移动设备以及大型桥梁、宏大建筑等重大土木工程，其任务是依托大量 挠度、应变、位移、温度等传感器，实时感测并评估结构健康状态参量。SHM系统大多数是 无人值守系统，在长期工作过程中必然会产生海量监测数据，如何有效控制监测数据的规模 并保证SHM系统的实时响应能力是一个重要的工程问题。对目前大多数结构健康监测系统 而言，存在以下急待解决的问题
1) 如何应对变化的自然环境。工程结构所处的自然环境包括温度、湿度、风向等多种因 素，尽管可以通过传感器去感测环境数据并剔除其影响效应，但环境的复杂性以及随季节变 化的特性使得很难找到一种通用的技术去适应不同的系统需求；
2) 如何适应结构自身的退化。工程结构从使用的第一天起就处于一个渐变的功能退化过 程。制造技术的不同、组织结构的差异、所处自然环境以及应用条件的迥异增加了建立结构 退化精确模型的难度。此外，SHM系统中监测设备自身也处于一个逐歩老化的过程，这种测 量环节的影响因素同样增加了结构监测的难度。
3) 如何识别来自SHM系统内部的干扰。SHM系统内部的千扰例如电源的波动有时会影 响传感器传导出结构故障的误警信号，如果干扰信号的幅频特性和正常的测量信号接近，信 号辨识的难度将大大增加。
4) 如何管理庞大的测量数据。长期无人值守的SHM系统会产生大量监测数据，目前技 术手段通常采用降低采样步频，例如每隔十分钟再连续采样两分钟以节省存储开销。但在几 分钟的采样间隙，有可能会发生诸如地震等强外界激励导致结构状态的突变，对结构突变状 态的及时感测也是SHM系统理应承担的重要任务。另一种方法是采用数据压縮技术，例如 FFT变换，小波变换等。但上述数学算法本身的时耗将延长监测系统的响应时间，大量具有 相关耦合性的结构监测数，也将增加算法的复杂度。如何实时感测结构突变信息并合理控制 测量数据容量，构成一个较难协调的时空矛盾。
综上所述，现有的SHM系统存在着这样或那样的问题，而其在应用中的重要性又不言 而喻，这就需要提出一种新的手段来解决上述实际工程中的难点。 发明内容本发明提出了一种拟人记忆的结构健康监测智能数据处理方法，它包括在一个监测周 期内，对监测数据按时域区间进行分段过滤、监测、评估和告警；删除冗余信息，保留有价 值信息。
其中，冗余信息包括结构状态正常信息、系统瞬间干扰信号；有价值信息包括数据 波动异常的结构状态信息；
单个监测周期按时域区间顺次划分为瞬时记忆区、短时记忆区、长时记忆区；瞬时 记忆区滤除结构状态正常信息，短时记忆区滤除系统瞬间干扰信号并对结构安全状态进行 实时评估及报警，长时记忆区储存数据波动异常的结构状态信息的历史信息，并根据历史 信息对系统结构状态稳定值进行演化分析；三个记忆区顺次对监测数据进行循环处理。 (一)瞬时记忆区对数据的处理方法，包括
1) 采集装置采集到的结构状态信息送瞬时记忆区，在瞬时记忆区的时域宽度内 如结构状态信息的当前数据波动在安全域值内，则该结构状态信息作为冗余信息被迅速 删除；如结构状态信息的当前数据波动超越安全域值，则将该结构状态信息作为有价值 信息送短时记忆区处理；
2) 接收长时记忆区传来的有价值信息和结构状态初始值的更新值根据结构状态初 始值的更新值对所有记忆区的结构状态初始值进行更新；对长时记忆区传来的有价值信 息，将其与采集装置新采集到的结构状态信息一起同时作步骤1)的处理。
步骤l)的具体处理过程如下如果在时间区间[CJ中，b(/》-_y,_目。,卜《始终成立，则y,作为冗余信息删除；如
果|兀(。-X—,。,^《，记录X'计数器_/ = _/ + 1， &^2+1，继续监测； [2]时间区间0,，/J结束时，将记录到的y,送短时记忆区处理；
其中，乂^)是采集到的结构状态信息乂的当前数据波动，。是时间序号，《是信号的 安全域值，y,，，,是结构状态初始值；J'、 /均为自然数；J'初始值为O;
&是短时记忆区的记忆相对强度，此处令&初始值为0，并根据.、=^2+1进行累加，累
加的最终结果作为短时记忆区工作时的初始值； .
瞬时记忆区的时域宽度A7^为A :， =/m ;
式中，6是瞬时记忆区在时间轴上的起始时间，,m是时间轴上瞬时记忆区和短时记忆区 的交界处时间;附为自然数，它是采样时间点的计数值；此处l^y《W; A是瞬时记忆区的记忆保持度下限，根据系统需求设定，且1>4>0;S,是瞬时记忆区的记忆相对强度，其初始值根据系统需求设定，其取值上限Si,为
lmax — ln不
(二) 短时记忆区对数据的处理方法，包括在短时记忆区时域宽度内，对从瞬时记 忆区送来的有价值信息进行监视如有价值信息的当前数据波动超越安全域值，则发出 安全告警；如有价值信息的当前数据波动在安全域值范围内，但有恶化的趋势，则将该 有价值信息送长时记忆区处理；如有价值信息的当前数据波动在安全域值范围内，且趋 于正常，则将该有价值信息作为冗余信息删除。
具体处理过程如下
1) 如果在时间区间[。g中，|x a) - J, 。，,| <《始终成立，则少,作为冗余信息删除；
2) 如果I乂(g) —y,—麵。,|^《，记录乂，计数器7 = _/ + 1， s3=s3+l，继续观察；如果 y,(。2乂(^,)或者j;,(。)S;;,(^,)，即数据单调增长，则立即发出告警信号；
....../7 + g力、g均为正整数；A为瞬时记忆区结束时y'的数值，A+g为短时记忆
区结束时/的数值；
3) 时间区间[^，g结束时，将记录到的:v,送长时记忆区处理。
其中，&是长时记忆区的记忆相对强度，此处令&的初始值为0，并根据^=^+1进行
累加，累加的最终结果作为长时记忆区工作时的初始值。
短时记忆区的时域宽度Ar丽为A7^ =《-/m =-^.ln^ ;
式中，An是时间轴上瞬时记忆区和短时记忆区的交界处时间；^是时间轴上短时记忆区 和长时记忆区的交界处时间；n、 m均为自然数且都为采样时间点的计数值，此处附<^、"；
^为短时记忆区的记忆保持度下限，根据系统需求设定，且1>义2>0;
&是短时记忆区的记忆相对强度，此处&的初始值由瞬时记忆区的计算结果确定，其取 值上限S2,为
2max— ln/^
(三) 长时记忆区对数据的处理方法，包括在长时记忆区时域宽度内，对从短时记 忆区送来的有价值信息进行监视和记录，将当前监测周期内得到的有价值信息送下一监测 周期处理；保存短时记忆区送来的所有有价值信息，定期对长期记录到的有价值信息进 行演化分析，得到结构状态初始值的更新值，将结构状态初始值的更新值送下一监测周期处具体处理过程如下
1) 记录从短时记忆区传来的所有有价值信息，并在长时记忆区时域宽度内对有价值信息 进行监测；
2) 将当前监测周期内，通过短时记忆区筛选出的有价值信息送下一监测周期处理；
3) 对长期记录到的有价值信息，进行趋势演化分析；并将结构正常退化后的新结构状态 稳定值作为结构状态初始值的更新值送入下一监测周期；
长时记忆区的时域宽度AT，为Ar潔=,2 _" = -& ln/l3;
式中^是时间轴上短时记忆区和长时记忆区的交界处时间，r2是长时记忆区时域宽度的 结束时间，"为自然数；此处"<_/;
^为长时记忆区的记忆保持度下限，根据系统需求设定，且〗>/13>0;
&是长时记忆区的记忆相对强度，此处&的初始值由短时记忆区的计算结果确定，其取 值上限S加ax为<formula>formula see original document page 9</formula>
本发明还提出了一种基于拟人记忆的结构健康监测智能数据处理方法的模块，它包括-
瞬时记忆模块、短时记忆模块、长时记忆模块，信号采集装置的输出端通过三个开关分 别与三个记忆模块的输入端通信连接；瞬时记忆模块的输入端和输出端分别与长时记忆
模块的输出端和短时记忆模块的输入端通信连接，短时记忆模块的输出端与长时记忆模 块的输入端通信连接；各个记忆模块内记录有预设的初始值。
所述的三个开关，KK K2、 K3分别对应瞬,记忆模块、短时记忆模块、长时记忆
模块；三个开关采用三个布尔全局条件变量设置，在三个连续的时间区间[,,,/ ,]、 [/ ,,/ ]、 K，。上[",^J区间内Kl闭合，K2、 K3断开；[^，g区间内K2闭合，Kl 、 K3断幵； 区间内K3闭合，Kl、 K2断开。
本发明的有益技术效果是
1) 结构状态信息经瞬时记忆区快速识别后进入短时记忆区，在短时记忆区中进行结构状 态的实时评估，在线给出结构是否处于安全状态的评估结论；
2) 外部瞬间干扰信号经瞬时记忆区判别为异常信号后进入短时记忆区，进一步观察后辨 识为干扰信号，从而实现对系统瞬间干扰的过滤；
3) 瞬时记忆区将过滤大量冗余的结构状态正常信息，只关注并记录结构状态异常信息并 传入短时记忆区进一步监测，从而显著降低系统的存储开销；
4) 长时记忆区记录了结构初始状态和退化状态的关键参数，提供了进行结构状态演化分 析的有效数据源；5)短时记忆区的时域宽度由瞬时记忆区的监测信号特点决定，长时记忆区的时域宽度由 短时记忆区的监测信号特点决定，记忆模型具有对信号的自适应能力，能实现SHM系统对 外界环境、结构退化监测信号的自动适应。
图l， HermannEbbinghaus提出的反映人类记忆特点的遗忘公式对应的曲线图； 图2，本发明方法的时域构造图； 图3，本发明的模块结构示意图4，实验系统原理图； 图5，采集到的原始数据图； 图6，存在外加干扰时瞬时记忆区的记忆数据； 图7，与图6的记忆数据相对应的短时记忆区记忆数据； 图8，结构发生位移时瞬时记忆区的记忆数据； 图9,与图8的记忆数据相对应的短时记忆区记忆数据； 图10，与图8的记忆数据相对应的长时记忆区记忆数据； 图ll，本发明方法存储量与现有技术存储量比较直方图。
具体实施例方式
记忆是人脑对过去经验的反映，诸如过去感知过的事物、思考过的问题、体验过的 情绪与情感、做过的动作等，都可能保存于头脑中。它包括识记、保持、再认与重现四 个过程，从记忆保持的时间角度来看可分为瞬时记忆、短时记忆、长时记忆瞬时记 忆能对发生的事件保持大约200-5 00毫秒的记忆能力，其中一些信息将转入短时记忆，在没
有重复刺激的前提下，短时记忆对事件的记忆时间将保持几秒至1分钟，而长时记忆则能长 期存储大量的信息，其记忆保持力有时是人的一生。
另一方面，早在1885年，Hermann Ebbinghaus提出一个反映人类记忆特点的遗忘公式:
该式中及是记忆的保持度，s是记忆相对强度W是时间，该公式相应的遗忘曲线见图1。 显然，人类自身的记忆系统是十分强大的，究其原因，其中很重要的一点就是我们善于
遗忘，遗忘那些不重要的或是我们不关注的信息，如果没有"遗忘"的存在，我们的大脑也必
然会因记忆过多过杂而出现工作效率低下的情况。
能否将人类记忆习惯中的优点应用于海量信息的处理呢，发明人经过潜心研究，提出了
一种拟人记忆的结构健康监测智能数据处理方法，在时间域上构建拟人记忆模型，该模型包
含三个连续的记忆区域(其时域构造图见图2):瞬时记忆区(sensoiy memory area,简称
SSM)、短时记忆区(short-term memory area,简称STM)、长时记忆区(long-term area,简称LTM)，瞬时记忆区进行信号量的实时捕捉；短时记忆区进行状态参量的实时评估；长时 记忆区进行数据演化分析。
三个记忆区的数学表达式如下
瞬时记忆区i = e
"-"
短时记忆区及=e
长时记忆区i = es3
其中，R是记忆保持度(最大值为l，用百分比表示为100%)。 S,、 S2、 S;分别是瞬时 记忆区、短时记忆区、长时记忆区的记忆相对强度，A、 &、 A分别是瞬时记忆区、短时记 忆区、长时记忆区的记忆保持度下限，通常设定1>^>^>^3>0; /,是瞬时记忆区在时间轴
上的起始时间，L是瞬时记忆区和短时记忆区的交界处时间，"是短时记忆区和长时记忆区
的交界处时间；f是当前记忆保持时间；
瞬时记忆区的时域宽度A7;sw =/m -A ，ln^ ，短时记忆区的时域宽度
△K = ^ — ^ = —& 1n^ '长时记忆区的时域宽度ATI = G -, = —& ln/l3 。
S,的初始值根据系统需求(主要考虑采样频率、数据变化快慢等因素)设定，S,的大小 由瞬时记忆区捕捉到的结构状态信息的异常数据的出现频率决定(即某一结构状态信息在瞬 时记忆区时域区间内，它的实时数据中出现异常数据的次数较多，则S,就较大)，^的大小 由短时记忆区监测的结构状态信息的异常数据的出现频率决定(与S,大小的变化关系相似)。
参见图3，图中三个记忆区分别对应三个记忆模块，K,、 K2、 K,是被测信号(采集到 的结构状态信息)到三个记忆区的通道开关，同一时刻只有一个开关闭合，即被测信号和三 个记忆区之一唯一连接。拟人记忆模型编程实现时将三个开关设计为三个布尔型全局条件变 量，为l时表示条件成立，即开关闭合，为O时表示条件不成立，即开关断开。K,闭合时被 测信号进入瞬时记忆区，K2闭合时被测信号进入短时记忆区，K,闭合时被测信号进入长时 记忆区。首先设定S,、 A，将其作为初始值输入瞬时记忆区决定瞬时记忆区时域宽度。此后， 瞬时记忆区对被测信号进行实时捕捉，将大量结构状态正常信息作为冗余信息忽略过滤(删 除)，而关注数据波动异常的结构状态信息(有价值信息)并统计其异常数据出现的频率 次数，将该次数作为短时记忆区的记忆相对强度S,， S,和设定的短时记忆区的记忆保持度下 限^决定了短时记忆区的时域宽度；短时记忆区在既定时域宽度内，继续对被测信号进行监 测并实时对结构状态作出评估，同时统计异常数据出现的频率次数，将该次数作为长时记忆 区的记忆相对强度S3， S3和设定的长时记忆区的记忆保持度下限/l3决定了长时记忆区的时域宽度；长时记忆区在既定时域宽度内，继续对被测信号进行监测并永久记忆监测数据，利用 积累的经瞬时记忆区和短时记忆区筛选出的有用的结构状态可进行结构状态的演化分析。长 时记忆区的工作时间完毕则瞬时记忆区重新开放，开始新一轮记忆处理工作。
其具体流程如下
瞬时记忆区处理过程
1) 接收采集装置采集到的结构状态信息，接收长时记忆区传来的有价值信息和结 构状态初始值的更新值根据结构状态初始值的更新值对所有记忆区的结构状态初始值进行 更新；对长时记忆区传来的有价值信息，将其与采集装置新采集到的结构状态信息一起 同时作下述处理。
2) 如果在时间区间h，c]中，X— 。，,|<《始终成立，则乂作为冗余信息删除；
如果k(。 —J,—。。，,—《，记录J,，计数器_/"' + 1， S2=S2+1，继续监测；
3) 时间区间[^、]结束时，将记录到的X送短时记忆区处理； 短时记忆区处理过程如下-
1) 如果在时间区间[。"中，k(。) - J, w| <《始终成立，则乂作为冗余信息删除；
2) 如果卜,(。)—X幽。,^《，记录乂，计数器7' = / + 1， 4=^+1，继续观察；如果 y,(G)0,仏—,)或者y,(。)",(y)，即数据单调增长，则立即发出告警信号；
_/ = / ,/2 + 1,......A + g力、g均为正整数；/ 为瞬时记忆区结束时y'的数值，/ +g为短时记忆
区结束时y的数值；
3) 时间区间[U"]结束时，将记录到的乂送长时记忆区处理。 长时记忆区处理过程如下-
1) 记录从短时记忆区传来的所有有价值信息，并在长时记忆区时域宽度内对有价值信息 进行监测；
2) 将当前监测周期内，通过短时记忆区筛选出的有价值信息送下一监测周期处理；
3) 对长期记录到的有价值信息，进行趋势演化分析；并将结构正常退化后的新结构状态 稳定值作为结构状态初始值的更新值送入下一监测周期；
长时记忆区时域区间结束后，进入下一监测周期，如此循环。 上述三个记忆区的处理过程可概括如下
瞬时记忆区1)采集装置采集到的结构状态信息送瞬时记忆区，在瞬时记忆区的 时域宽度内如结构状态信息的当前数据波动在安全域值内，则该结构状态信息作为冗 余信息被迅速删除；如结构状态信息的当前数据波动超越安全域值，则将该结构状态信息作为有价值信息送短时记忆区处理；2)接收长时记忆区传来的有价值信息和结构状 态初始值的更新值根据结构状态初始值的更新值对所有记忆区的结构状态初始值进行更 新；对长时记忆区传来的有价值信息，将其与采集装置新采集到的结构状态信息一起同 时作步骤1)的处理。
短时记忆区在短时记忆区时域宽度内，对从瞬时记忆区送来的有价值信息进行监 视-如有价值信息的当前数据波动超越安全域值，则发出安全告警；如有价值信息的当 前数据波动在安全域值范围内，但有恶化的趋势，则将该有价值信息送长时记忆区处理； 如有价值信息的当前数据波动在安全域值范围内，且趋于正常，则将该有价值信息作为 冗余信息删除。
长时记忆区在长时记忆区时域宽度内，对从短时记忆区送来的有价值信息进行监 视和记录，将当前监测周期内得到的有价值信息送下一监测周期处理；保存短时记忆区送 来的所有有价值信息，定期对长期记录到的有价值信息进行演化分析，得到结构状态初 始值的更新值，将结构状态初始值的更新值送下一监测周期处理。
本发明的基本思路即模拟人类的记忆习惯，结构状态信息经传感器采集和预处理后进入 瞬时记忆区如在安全(正常)域值内，该信息在瞬时记忆区被迅速遗忘，如超出安全域值 则将监测信号传入短时记忆区进一步观察。短时记忆区利用时间区间[^，U (几秒至几分钟， 决定其大小的因素如前所述)继续观察结构状态的变化若结构状态信息的数据波动仍会不 时地超越安全域值但又无明显恶化迹象，则将波动状态传入长时记忆区存储；若超越了安全 域值并单调增长(即有明显恶化迹象)则迅速发出状态报警；若状态信息在观察期中始终保 持常态(在安全域值范围内)则将其遗忘。长时记忆区是一个大容量的存储区域，里面信息 经久保存，经过一定的信息积累后，对保存的信息进行演化分析，预测出结构状态的进一步 的发展(变化或稳定)趋势，其稳定度以一段较长的时间区域内结构状态值始终在域值范围 内波动来计算。
下面结合实例来分析本发明在实际工程中的具体应用。
实施例1:
一个斜拉桥的索塔形变测量实验系统，其原理图参见图4，该实验利用激光光点位移法 来测量结构变形。具体方法是将激光器固定在被测结构上，激光光束投影在接收屏上形成 一个圆形光点。在接收屏上方的一个CCD相机将模拟视频信号传送到计算机中图像采集卡。 计算机根据采集到的图像数据可计算出激光光点在接收屏的位置。如果被测结构发生了位移 形变，则由前后采集的图象数据变化量并根据物像比例关系可计算出位移值。
以下引用的实验数据摘取自大量实验中的一个时间片段，获取的数据源是像素位置数据， 图像尺寸是704x576像素。在30分钟内，分别模拟了一个干扰过程和一个结构形变过程。首先，使用常规方法以10Hz采样频率记录每一个测量数据。数据采集软件中，由于采样时间 也被实时记录，因此测量数据包含了信号值及采样时间。图像中激光光点的位置数据见图5。
将图5中原始数据代入本发明的方法进行处理，处理过程如下 (1)定义结构状态的初始参数以确定结构评估安全标准(建立结构安全标准是一个复杂 的工程问题，但在SHM应用中可以将该问题进行工程简化)。例如，在工程结构刚投入使 用时，通过外部仪器或人工检测可确定其初始状态值，将该值和SHM系统获取的状态监测 值相比较，如果具有一致性(允许测量误差存在)且符合工程结构工作的理论估计值，则认 为SHM系统获取的状态监测值为状态正常值。基于该状态正常值，进一歩结合工程监测要 求确定信号波动的幅度上下限，由此建立简化的结构评估安全标准。本例中通过常规实验获 取的结构初始位置信息为乂—W = 215，乂 。w(>0 = 199 。
(2)结构状态信息经传感器采集和预处理后首先送入瞬时记忆区(时域长度几秒钟)处 理-如在安全域值内，该信息在瞬时记忆区被迅速遗忘，如超出安全域值则将监测信号传入 短时记忆区进一步观察。
设^ =0.8,^-18，初始安全域值《=15，则A7^w^秒，结合步骤1)中的结构状态初
始值J^y。,，经计算，大量在安全域值《=15范围内的测量数据在瞬时记忆区作为冗余数据 被遗忘掉，从而极大降低了存储开销。当时间到达图5所示的18时44分2秒左右时，外部 --个小晃动作为干扰信号施加到激光器上。在从18时44分5秒开始的新的一轮A7;.w时间片
段内，瞬时记忆区迅速捕捉到结构状态的变化数据(实际并不是结构发生了形变，而是观察 结构形变的激光器发生了晃动)。图6记录了外加干扰情况下瞬时记忆区记忆住的超出结构安 全域值的异常监测值。
(3)短时记忆区利用时间区间[、,《](几秒至几分钟)继续观察结构状态的变化。若结
构状态信息的数据波动仍会不时超越安全域值但又无明显恶化迹象，则将波动状态传入长时
记忆区存储；若超越了安全域值并单调增长(即有明显恶化迹象)则迅速发出状态报警；若
状态信息在观察期中始终保持常态(在安全域值范围内)则将其遗忘。
基于图6数据，设4=0.5，可算出厶7;,&/=-^.111/}2=7，即短时记忆区时间宽度应为7 秒。图7是短时记忆区记忆的监测数据。
图7数据显示了在短时记忆区的时间宽度A7;w二7秒内，被测信号已返回正常的域值范 围而没有异常值出现，此时计算出&=0。根据短时记忆区的工作法则认为刚才发生的是瞬间 干扰，信号不必再进入长时记忆区。
上述过程表明在某些应用领域，瞬时记忆区和短时记忆区可结合起来作为一个滤波器去 辨识海量监测数据中的干扰信号。
实施例2:
本例展示了另一种情况(与实施例l模型相同)，即在19时09分41秒左右，被测结构发生了一定位移(将被测结构的位置移动了一下，模拟其位移形变)。瞬时记忆区迅速捕捉并 记忆结构状态变化，数据如图8所示。
由图8记忆数据可计算得到一-17，被测信号应进入短时记忆区STM进一歩观察。设 ^ = 0.5 ，可算出<formula>formula see original document page 15</formula>，即短时记忆区时间宽度应为12秒。图9是短时记忆 区记忆的监测数据。
由图9数据所示结构状态上下波动，则需要将波动状态传入长时记忆区进一歩观察， 计算得到^=25，本例取^-0.3，可算出厶7^=-53七/13=30，长时记忆区记忆的数据见图10。
图IO数据经演化分析后，可获取结构形变后新的稳定状态值如下 <formula>formula see original document page 15</formula>
该值就作为新的正常状态基准值输入拟人记忆模型。
采用本发明的方法后，在本例中SHM系统的数据存储量仅为传统SHM数据存储模式的 4.5%左右，对降低长期无人值守SHM系统的数据存储压力起到了显著作用。使用本发明拟 人记忆模型后数据存储量和原始数据存储量的比较直方图见图11。
权利要求
1、一种拟人记忆的结构健康监测智能数据处理方法，其特征在于在一个监测周期内，对监测数据按时域区间进行分段过滤、监测、评估和告警。
2、 根据权利要求1所述的拟人记忆的结构健康监测智能数据处理方法，其特征在于单 个监测周期按时域区间顺次划分为瞬时记忆区、短时记忆区、长时记忆区；瞬时记忆区 滤除结构状态正常信息，短时记忆区滤除系统瞬间干扰信号并对结构安全状态进行实时评估 及报警，长时记忆区储存数据波动异常的结构状态信息的历史信息，并根据历史信息对 系统结构状态稳定值进行演化分析；三个记忆区顺次对监测数据进行循环处理。
3、 根据权利要求2所述的拟人记忆的结构健康监测智能数据处理方法，其特征在于瞬 时记忆区对数据的处理方法，包括1) 采集装置釆集到的结构状态信息送瞬时记忆区，在瞬时记忆区的时域宽度内 如结构状态信息的当前数据波动在安全域值内，则该结构状态信息作为冗余信息被迅速 删除；如结构状态信息的当前数据波动超越安全域值，则将该结构状态信息作为有价值 信息送短时记忆区处理；同时，2) 接收长时记忆区传来的有价值信息和结构状态初始值的更新值根据结构状态初 始值的更新值对所有记忆区的结构状态初始值进行更新；对长时记忆区传来的有价值信 息，将其与采集装置新采集到的结构状态信息一起同时作歩骤1)的处理。
4、 根据权利要求3所述的拟人记忆的结构健康监测智能数据处理方法，其特征在于瞬时记忆区处理方法的步骤l)处理过程如下[l]如果在时间区间[f,人]中，l少,(/》-乂 。，,|<《始终成立，则乂作为冗余信息删除；如果ly,(。)-X 记录乂，计数器J'"' + 1， &=s2+l，继续监测；[2]时间区间h,Q]结束时，将记录到的y,送短时记忆区处理；其中，乂(/,)是采集到的结构状态信息乂的当前数据波动，r,是时间序号，《是信号的 安全域值，X— 。
。,是结构状态初始值；_/、 /均为自然数；J'初始值为0;&是短时记忆区的记忆相对强度，此处令&初始值为0，并根据^=^+1进行累加，累加的最终结果作为短时记忆区工作时的初始值；瞬时记忆区的时域宽度Ar，为Arssw =/m .ln^ ;式中，fi是瞬时记忆区在时间轴上的起始时间，fm是时间轴上瞬时记忆区和短时记忆区 的交界处时间；附为自然数，它是采样时间点的计数值；此处1S/Sw;斗是瞬时记忆区的记忆保持度下限，根据系统需求设定，且i〉；i,〉o;S是瞬时记忆区的记忆相对强度，其初始值根据系统需求设定，其取值上限S,n^为<formula>formula see original document page 3</formula>
5、 根据权利要求2所述的拟人记忆的结构健康监测智能数据处理方法，其特征在于短 时记忆区对数据的处理方法，包括在短时记忆区时域宽度内，对从瞬时记忆区送来的 有价值信息进行监视如有价值信息的当前数据波动超越安全域值，则发出安全告警； 如有价值信息的当前数据波动在安全域值范围内，但有恶化的趋势，则将该有价值信息 送长时记忆区处理；如有价值信息的当前数据波动在安全域值范围内，且趋于正常，则 将该有价值信息作为冗余信息删除。
6、 根据权利要求5所述的拟人记忆的结构健康监测智能数据处理方法，其特征在于 短时记忆区处理过程如下1) 如果在时间区间<formula>formula see original document page 3</formula>始终成立，则X作为冗余信息删除；2) 如果<formula>formula see original document page 3</formula>记录y,，计数器7 = _/ + 1， 4=^+1，继续观察；如果 X(。^少,(^)或者X(。)^W。一,)，即数据单调增长，则立即发出告警信号；<formula>formula see original document page 3</formula>均为正整数；/J为瞬时记忆区结束时y的数值，/7+g为短时记忆区结束时J'的数值；3) 时间区间<formula>formula see original document page 3</formula>结束时，将记录到的乂送长时记忆区处理。其中，X(。)是瞬时记忆区送来的结构状态信息^的当前数据波动，。是时间序号，《 是信号的安全域值，X—"，。,是结构状态初始值；,/均为自然数；&是长时记忆区的记忆相对强度，此处令&的初始值为0，并根据^=&+1迸行累加，累加的最终结果作为长时记忆区工作时的初始值。短时记忆区的时域宽度A7;^为A7;加<formula>formula see original document page 3</formula>式中，^是时间轴上瞬时记忆区和短时记忆区的交界处时间；^是时间轴上短时记忆区 和长时记忆区的交界处时间；w、 w均为自然数且都为采样时间点的计数值，此处<formula>formula see original document page 3</formula>^为短时记忆区的记忆保持度下限，根据系统需求设定，且1>义2>0;S是短时记忆区的记忆相对强度，此处S的初始值由瞬时记忆区的计算结果确定，其取 值上限S2max为<formula>formula see original document page 4</formula>
7、 根据权利要求2所述的拟人记忆的结构健康监测智能数据处理方法，其特征在于 长时记忆区对数据的处理方法，包括在长时记忆区时域宽度内，对从短时记忆区送来的 有价值信息进行监视和记录，将当前监测周期内得到的有价值信息送下一监测周期处理； 保存短时记忆区送来的所有有价值信息，定期对长期记录到的有价值信息进行演化分 析，得到结构状态初始值的更新值，将结构状态初始值的更新值送下一监测周期处理。
8、 根据权利要求7所述的拟人记忆的结构健康监测智能数据处理方法，其特征在于-长时记忆区处理过程如下1) 记录从短时记忆区传来的所有有价值信息，并在长时记忆区时域宽度内对有价值信息 进行监测；2) 将当前监测周期内，通过短时记忆区筛选出的有价值信息送下一监测周期处理；3) 对长期记录到的有价值信息，进行趋势演化分析；并将结构正常退化后的新结构状态 稳定值作为结构状态初始值的更新值送入下一监测周期；长时记忆区的时域宽度A7^M为△&， =r2 - " = -^ 'lnzl3 ;式中/ 是时间轴上短时记忆区和长时记忆区的交界处时间，/2是长时记忆区时域宽度的 结束时间，W为自然数；此处《<,,^为长时记忆区的记忆保持度下限，根据系统需求设定，且1>人>0;&是长时记忆区的记忆相对强度，此处&的初始值由短时记忆区的计算结果确定，其取 值上限S3max为3max——~14其中，乂(/,)是短时记忆区送来的结构状态信息的当前数据波动，/,是时间序号，《.是信号的安全域值，X 是结构状态初始值；/、 f均为自然数。
9、 一种基于拟人记忆的结构健康监测智能数据处理方法的模块，其特征在于它包括 瞬时记忆模块、短时记忆模块、长时记忆模块，信号采集装置的输出端通过三个开关分 别与三个记忆模块的输入端通信连接；瞬时记忆模块的输入端和输出端分别与长时记忆 模块的输出端和短时记忆模块的输入端通信连接，短时记忆模块的输出端与长时记忆模 块的输入端通信连接；各个记忆模块内记录有预设的初始值。
10、 根据权利要求9所述的基于拟人记忆的结构健康监测智能数据处理方法的模块， 其特征在于所述的三个开关，Kl、 K2、 K3分别对应瞬时记忆模块、短时记忆模块、长时记忆模块；三个开关采用三个布尔全局条件变量设置，在三个连续的时间区间 MJ、 ["]、 K，G]上[A人]区间内Kl闭合，K2、 K3断开；区间内K2闭合， Kl、 K3断开；[L，G]区间内K3闭合，Kl、 K2断开。
全文摘要
本发明公开了一种拟人记忆的结构健康监测智能数据处理方法，其特征在于在一个监测周期内，对监测数据按时域区间进行分段筛选、监测、评估和告警；本发明还公开了基于上述方法的模块；本发明的有益技术效果是可对结构状态安全进行实时监控和报警，滤除系统瞬间干扰，监测周期的时间长度在时间上自适应，极大的缓解了系统的数据储存压力。
文档编号G05B23/02GK101526819SQ20091010322
公开日2009年9月9日 申请日期2009年2月23日 优先权日2009年2月23日
发明者任春华, 永 朱, 伟 郑, 陈伟民 申请人:重庆大学