基于动态模型更新的桥梁结构健康状态监测方法及系统与流程
本发明涉及桥梁结构监测领域，特别是涉及基于动态模型更新的桥梁结构健康状态监测方法及系统。
背景技术：
大型桥梁是交通枢纽的重要环节之一，由于设计缺陷、超荷负载、材料老化和自然环境等因素，其结构在服役期间往往会受到损伤。因此，周期性检测桥梁结构健康状态，及时发现可能存在的损伤，具有很重要的现实意义。目前，大型桥梁结构健康检测采用有线传感器网络的方式，通过附加在结构主要部位的传感器信号，比如应力和应变信号，然后利用数理统计、模型参数识别等方法对结构的健康状态进行判断。这种方案，有线传感器网络由于线缆走线、维护和更换，采用此种技术的大型结构健康检测需要昂贵的部署费用。另外，现有的大型桥梁结构健康检测技术往往基于设计的有限元模型，因为设计模型与实际模型的不匹配，检测容易产生与实际不相符合的结果。除此之外，现有在大型桥梁部署的传感器往往不具备实时校准功能，当传感器所在的结构位置发生较大的偏差时，信号数据仍然以初始结构位置为基础，导致监测结果不准确，难以客观评价桥梁结构的监控状态。
总的来说，目前对桥梁结构健康状态的监测方案存在成本高、准确度低等问题，无法满足应用需求。
技术实现要素：
为了解决上述的技术问题，本发明的目的是提供基于动态模型更新的桥梁结构健康状态监测方法，本发明的另一目的是提供基于动态模型更新的桥梁结构健康状态监测系统。
本发明解决其技术问题所采用的技术方案是：
基于动态模型更新的桥梁结构健康状态监测方法，包括步骤：
获取基于分布式计算方法获得的桥梁结构的主体部位的传感数据；
基于获取的传感数据进行模态识别后，获得对应的模态参数；所述模态参数包括本征频率和对应阶数的振型；
根据获得的模态参数对基于贝叶斯原理构建的桥梁结构的基准模型方程进行更新，获得更新后的模型方程的误差值；
对该误差值进行分析判断，获得桥梁结构的健康监测状态。
进一步，还包括模型训练步骤，所述模型训练步骤包括：
采集桥梁结构主体部位的多组加速度数据；
采用模态识别方法，识别获得加速度数据对应的模态参数，并将获得的多组模态参数作为训练数据；
构建桥梁结构的模型方程后，基于贝叶斯原理，根据训练数据对模型方程的参数向量进行计算更新，进而更新模型的每个模型参数的概率分布；
分别根据每个模型参数的概率分布的峰值区域的平均值，对模型参数进行量化后，获得训练后的基准模型方程。
进一步，所述桥梁结构的模型方程为：
上式中，[m]表示质量矩阵，[c]表示阻尼矩阵，[k]表示刚度矩阵，ωi表示第i阶本征频率，
进一步，所述基于贝叶斯原理，根据训练数据对模型方程的参数向量进行计算更新，进而更新模型的每个模型参数的概率分布的步骤，其具体为：
基于贝叶斯原理，采用下式，根据训练数据对模型方程的参数向量进行基于马尔科夫链-蒙特卡洛方法的计算更新：
上式中，[d]包含本征频率ωi和振型
基于更新后的参数向量，更新模型方程的每个模型参数的概率分布。
进一步，还包括以下步骤：
将更新后的模型方程与预设的模型数据库进行比对后，获得桥梁结构中出现损伤的位置；
所述预设的模型数据库是通过采集和/或模拟桥梁结构在不同位置出现损伤时的加速度数据后，对桥梁结构的基准模型方程进行更新所获得的所有模型组成的数据库。
进一步，还包括以下步骤：
根据计算获得的健康监测数据，解析获得桥梁结构对应的伤害划分等级，进而根据该伤害划分等级自适应调整传感数据的采样频率。
进一步，还包括以下步骤：
定期采集桥梁结构主体部位的多组加速度数据，对基准模型方程进行更新训练。
本发明解决其技术问题所采用的另一技术方案是：
基于动态模型更新的桥梁结构健康状态监测系统，包括远程服务器以及设置在桥梁结构的主体部位的传感器模块，所述传感器模块包括中央传感器单元和多个无线传感器单元，所述无线传感器单元与中央传感器单元无线连接，所述中央传感器单元与远程服务器有线连接，所述远程服务器用于执行以下步骤：
获取基于分布式计算方法获得的桥梁结构的主体部位的传感数据；
基于获取的传感数据进行模态识别后，获得对应的模态参数；所述模态参数包括本征频率和对应阶数的振型；
根据获得的模态参数对基于贝叶斯原理构建的桥梁结构的基准模型方程进行更新，获得更新后的模型方程的误差值；
对该误差值进行分析判断，获得桥梁结构的健康监测状态。
进一步，所述中央传感器单元和无线传感器单元均包括控制器、gps模块、温度计、加速度器、陀螺仪、3d罗盘、无线收发器以及电源模块，所述控制器分别与无线收发器、加速度器和电源模块连接，所述gps模块、温度计、陀螺仪和3d罗盘均与加速度器连接。
进一步，所述基于分布式计算方法获得的桥梁结构的主体部位的传感数据，是通过以下方式获得的：
通过广播的方式，采用中央传感器单元向无线传感器单元周期性发射一段时间的模态参数；
无线传感器单元接收该模态参数后将其与各自存储的相同时间内的模态参数进行互功率谱密度运算，然后将运算结果回传至中央传感器单元；
中央传感器单元将接收的互功率谱密度与自身的功率谱密度作为传感数据发送到远程服务器。
本发明的有益效果是：本发明的基于动态模型更新的桥梁结构健康状态监测方法，包括步骤：获取基于分布式计算方法获得的桥梁结构的主体部位的传感数据；基于获取的传感数据进行模态识别后，获得对应的模态参数；所述模态参数包括本征频率和对应阶数的振型；根据获得的模态参数对基于贝叶斯原理构建的桥梁结构的基准模型方程进行更新，获得更新后的模型方程的误差值；对该误差值进行分析判断，获得桥梁结构的健康监测状态。本方法通过获取基于分布式计算方法获得的传感数据，根据该传感数据与基于贝叶斯原理构建的桥梁结构的基准模型方程进行比对后，可以更客观地获得桥梁结构的健康监测数据，准确度较高。
本发明的另一有益效果是：本发明的基于动态模型更新的桥梁结构健康状态监测系统，包括远程服务器以及设置在桥梁结构的主体部位的传感器模块，所述传感器模块包括中央传感器单元和多个无线传感器单元，所述无线传感器单元与中央传感器单元无线连接，所述中央传感器单元与远程服务器有线连接，所述远程服务器用于执行以下步骤：获取基于分布式计算方法获得的桥梁结构的主体部位的传感数据；基于获取的传感数据进行模态识别后，获得对应的模态参数；所述模态参数包括本征频率和对应阶数的振型；根据获得的模态参数对基于贝叶斯原理构建的桥梁结构的基准模型方程进行更新，获得更新后的模型方程的误差值；对该误差值进行分析判断，获得桥梁结构的健康监测状态。本系统通过构建中央传感器单元和多个无线传感器单元的分布式结构，然后获取基于分布式计算方法获得的传感数据，根据该传感数据与基于贝叶斯原理构建的桥梁结构的基准模型方程进行比对后，可以更客观地获得桥梁结构的健康监测数据，准确度较高。而且降低了系统的部署和维护费用，成本较低。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明的基于动态模型更新的桥梁结构健康状态监测方法的流程图；
图2是本发明的实施例二的原理示意图；
图3是本发明的实施例三的基于动态模型更新的桥梁结构健康状态监测系统的结构框图；
图4是本发明的实施例三的中央传感器单元和无线传感器单元的结构示意图。
具体实施方式
实施例一
参照图1，一种基于动态模型更新的桥梁结构健康状态监测方法，包括步骤：
获取基于分布式计算方法获得的桥梁结构的主体部位的传感数据；
基于获取的传感数据进行模态识别后，获得对应的模态参数；所述模态参数包括本征频率和对应阶数的振型；
根据获得的模态参数对基于贝叶斯原理构建的桥梁结构的基准模型方程进行更新，获得更新后的模型方程的误差值；
对该误差值进行分析判断，获得桥梁结构的健康监测状态。
进一步作为优选的实施方式，还包括模型训练步骤，所述模型训练步骤包括：
采集桥梁结构主体部位的多组加速度数据；
采用模态识别方法，识别获得加速度数据对应的模态参数，并将获得的多组模态参数作为训练数据；
构建桥梁结构的模型方程后，基于贝叶斯原理，根据训练数据对模型方程的参数向量进行计算更新，进而更新模型的每个模型参数的概率分布；
分别根据每个模型参数的概率分布的峰值区域的平均值，对模型参数进行量化后，获得训练后的基准模型方程。
进一步作为优选的实施方式，所述桥梁结构的模型方程为：
上式中，[m]表示质量矩阵，[c]表示阻尼矩阵，[k]表示刚度矩阵，ωi表示第i阶本征频率，
进一步作为优选的实施方式，所述基于贝叶斯原理，根据训练数据对模型方程的参数向量进行计算更新，进而更新模型的每个模型参数的概率分布的步骤，其具体为：
基于贝叶斯原理，采用下式，根据训练数据对模型方程的参数向量进行基于马尔科夫链-蒙特卡洛方法的计算更新：
上式中，{e}表示模型方程的参数向量，[d]包含本征频率ωi和振型
基于更新后的参数向量，更新模型方程的每个模型参数的概率分布。
进一步作为优选的实施方式，还包括以下步骤：
将更新后的模型方程与预设的模型数据库进行比对后，获得桥梁结构中出现损伤的位置；
所述预设的模型数据库是通过采集和/或模拟桥梁结构在不同位置出现损伤时的加速度数据后，对桥梁结构的基准模型方程进行更新所获得的所有模型组成的数据库。
进一步作为优选的实施方式，还包括以下步骤：
根据计算获得的健康监测数据，解析获得桥梁结构对应的伤害划分等级，进而根据该伤害划分等级自适应调整传感数据的采样频率。
采样频率根据伤害划分等级的具体划分情况进行设置，例如根据健康监测数据将伤害划分为四种等级，则采样频率对应划分为四种情况：200hz、600hz、800hz和1000hz，通过设定不同的采样频率，对损伤可能性大和伤害等级高的位置更频繁采样，实现进行更细致的分析。
进一步作为优选的实施方式，还包括以下步骤：
定期采集桥梁结构主体部位的多组加速度数据，对基准模型方程进行更新训练。
实施例二
本实施例是实施例一的具体的进一步细化，本实施例的原理如图2所示，图2中振动数据指加速度传感器采集的加速度数据。
基于动态模型更新的桥梁结构健康状态监测方法，包括步骤：
s0、模型训练步骤，所述模型训练步骤包括：
s01、采集桥梁结构主体部位的多组加速度数据；
s02、采用模态识别方法，识别获得加速度数据对应的模态参数，并将获得的多组模态参数作为训练数据；
s03、构建桥梁结构的模型方程后，基于贝叶斯原理，根据训练数据对模型方程的参数向量进行计算更新，进而更新模型的每个模型参数的概率分布；
具体的，构建所述桥梁结构的模型方程为：
上式中，[m]表示质量矩阵，[c]表示阻尼矩阵，[k]表示刚度矩阵，ωi表示第i阶本征频率，
构建模型方程后，基于贝叶斯原理，采用下式，根据训练数据对模型方程的参数向量进行基于马尔科夫链-蒙特卡洛方法的计算更新：
上式中，{e}表示模型方程的参数向量，[d]包含本征频率ωi和振型
基于更新后的参数向量，更新模型方程的每个模型参数的概率分布。
贝叶斯原理认为参数不是一个定值，而是一个在规定区间内的概率性分布，因此，本方法通过基于贝叶斯原理，对模型方程的参数向量{e}进行后验概率分布的迭代计算后，可以获得参数向量{e}的最新的概率分布区间，从而计算获得模型方程的模型参数[m]、[c]和[k]。最后根据计算每个模型参数的概率分布的峰值区域的平均值，对模型参数进行量化，获得每个模型参数的量化值，从而获得训练后的基准模型方程。基于贝叶斯原理的参数识别能够给予我们更客观的判断，获得更为准确的基准模型方程。
基于马尔科夫链-蒙特卡洛方法进行计算，可以解决更新过程中出现高维度积分计算量大的问题。
s04、分别根据每个模型参数的概率分布的峰值区域的平均值，对模型参数进行量化后，获得训练后的基准模型方程。
s1、获取基于分布式计算方法获得的桥梁结构的主体部位的传感数据；
s2、基于获取的传感数据进行模态识别后，获得对应的模态参数；所述模态参数包括本征频率和对应阶数的振型；本发明中，进行模态识别可以采用fdd(frequencydomaindecomposition，频域分解)、随机子空间等现有识别方法。
s3、根据获得的模态参数对基于贝叶斯原理构建的桥梁结构的基准模型方程进行更新，获得更新后的模型方程的误差值；具体的，是将模态识别获得的ωi、
s4、对该误差值进行分析判断，获得桥梁结构的健康监测状态；
s5、将更新后的模型方程与预设的模型数据库进行比对后，获得桥梁结构中出现损伤的位置；
所述预设的模型数据库是通过采集和/或模拟桥梁结构在不同位置出现损伤时的加速度数据后，对桥梁结构的基准模型方程进行更新所获得的所有模型组成的数据库。对加速度数据进行模态识别后，可以获得对应的模态参数，从而获得ωi和
s6、根据计算获得的健康监测数据，解析获得桥梁结构对应的伤害划分等级，进而根据该伤害划分等级自适应调整传感数据的采样频率。
采样频率根据伤害划分等级的具体划分情况进行设置，例如根据健康监测数据将伤害划分为四种等级，则采样频率对应划分为四种情况：200hz、600hz、800hz和1000hz，通过设定不同的采样频率，对损伤可能性大和伤害等级高的位置更频繁采样，实现进行更细致的分析。
s7、定期采集桥梁结构主体部位的多组加速度数据，对基准模型方程进行更新训练。步骤s7中对基准模型方程的更新训练方式与步骤s02～s04相同，这里不再赘述。这里定期更新是指按照设定的周期进行更新，例如一个月，每次更新，重新采集大量加速度数据，进行更新训练，获得基准方程的新的模型参数[m]、[c]和[k]。
步骤s5～s7的顺序可以根据用户的设置任意调整，不限于上述描述的方式。
步骤s1中基于分布式计算方法获得的桥梁结构的主体部位的传感数据，是通过以下方式获取的：
通过广播的方式，采用中央传感器单元向无线传感器单元周期性发射一段时间的模态参数；
无线传感器单元接收该模态参数后将其与各自存储的相同时间内的模态参数进行互功率谱密度运算，然后将运算结果回传至中央传感器单元；
中央传感器单元将接收的互功率谱密度与自身的功率谱密度作为传感数据发送到远程服务器。即这里的传感数据并不是加速度数据，而是对加速度数据进行处理后的数据。
中央传感器单元和无线传感器单元均设置在桥梁结构的主体部位上，用于采集桥梁结构的模态参数。
参照图3，本发明还提供了一种用于实现前述监测方法的基于动态模型更新的桥梁结构健康状态监测系统，包括远程服务器以及设置在桥梁结构的主体部位的传感器模块，所述传感器模块包括中央传感器单元和多个无线传感器单元，所述无线传感器单元与中央传感器单元无线连接，所述中央传感器单元与远程服务器有线连接。所述远程服务器用于执行以下步骤：
获取基于分布式计算方法获得的桥梁结构的主体部位的传感数据；
基于获取的传感数据进行模态识别后，获得对应的模态参数；所述模态参数包括本征频率和对应阶数的振型；
根据获得的模态参数对基于贝叶斯原理构建的桥梁结构的基准模型方程进行更新，获得更新后的模型方程的误差值；
对该误差值进行分析判断，获得桥梁结构的健康监测状态。
进一步作为优选的实施方式，参照图4，所述中央传感器单元和无线传感器单元均包括控制器、gps模块、温度计、加速度器、陀螺仪、3d罗盘、无线收发器以及电源模块，所述控制器分别与无线收发器、加速度器和电源模块连接，所述gps模块、温度计、陀螺仪和3d罗盘均与加速度器连接。
进一步作为优选的实施方式，所述基于分布式计算方法获得的桥梁结构的主体部位的传感数据，是通过以下方式获得的：
通过广播的方式，采用中央传感器单元向无线传感器单元周期性发射一段时间的模态参数；
无线传感器单元接收该模态参数后将其与各自存储的相同时间内的模态参数进行互功率谱密度运算，然后将运算结果回传至中央传感器单元；
中央传感器单元将接收的互功率谱密度与自身的功率谱密度作为传感数据发送到远程服务器。
图3中，cn表示中央传感器单元，si(i＝1，2，……n)表示第i个无线传感器单元，csdi(i＝1，2，……n)为第i个无线传感器单元与中央传感器单元的互功率谱密度。
分布式计算方法能够降低传输的数据量，降低中央传感器单元和无线传感器单元构成的传感器模块的能耗。
中央传感器单元和无线传感器单元均配置陀螺仪和3d罗盘对模态参数进行周期性位置校准，配置温度计对模态参数进行温度补偿，配置gprs模块为模态参数提供时间标签。
所述电源模块包括太阳能板、射频模块和压电式器件，所述太阳能板、射频模块和压电式器件均与控制器连接，用于为控制器提供电源，作为控制器日常运行的能量。
所述中央传感器单元和无线传感器单元之间通过各自的无线收发器进行无线连接，所述中央传感器单元与远程服务器有线连接，通过有线电缆进行供电。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
- 还没有人留言评论。精彩留言会获得点赞！