专利名称：大型结构损伤状况实时识别的变时基监测技术的制作方法
(一)、所属领域本发明涉及的是一种针对大型土木水利工程结构对象，基于模型的大规模数据实时处理技术，具体地说是一种对大型结构损伤状况进行实时监测的方法。
(二)、背景技术大型结构损伤识别的重要性与市场需求与日俱增。目前大型结构的损伤识别主要有局部和整体两种技术。由于整体监测技术能够及早发现结构的隐患，使用方便，监测费用低廉，是未来健康监测的主要手段，具有很高的理论和实用价值。整体监测技术主要基于结构振动参数识别技术进行。基于振动的损伤监测目前有两大类技术频率域监测技术和时间域检测技术。频率域技术主要应用于小型(试验)结构，它一般要求测量结构的输入，因而不能对结构进行在线监测。时间域技术由于不需要结构的输入信号，能够实时在线进行，因而是大型(实际)结构损伤监测的主要技术手段。在时间域技术中，普遍应用的是从机械和航空领域转化过来的针对机械系统的无损伤系统识别方法，他们是(1)随机减量法；(2)ITD方法；(3)随机子空间法；(4)时间序列法；(5)基于短尺度(如小波分析法)的各种时序信号分析方法。这些方法共同特点是结构自由度数不是很高，输入信号平稳且为白噪声，测点要较求多。只有满足这些条件才能获得较好的识别效果，得到反映系统特征的动态参数。但对于大型结构，由于复杂度远高于机械或航空领域的系统，因而很难满足传统时间域方法的条件，直接使用这些技术不能在大型结构上取得准确的结构动态特征参数；另一方面，传统技术主要针对正常结构的动态参数识别，它们没有考虑结构发生损伤后对识别方法的反馈影响，因此识别的结构参数不能很好地跟踪和反映结构的劣变过程，具体表现为识别技术现场结果的重复性差，损伤定位难度大，噪声敏感程度高，经常导致损伤识别和定位的失败。为此，针对大型结构监测要求的日益高涨，急需一种能够实时在线识别结构动态特征参数同时又能跟踪结构损伤变化的监测技术。
(三)、发明内容本发明的目的在于提供一种能够为结构损伤模型修正过程提供准确的结构实时模态参数，准确预测结构在未知环境下的响应，为结构生命周期和状态进行准确控制和调整提供重要的工况实时参数，保证大型复杂结构在服役期内健康，为大型结构损伤状况实时识别的变时基监测技术。
本发明的目的是这样实现的它由数据采集系统、数据分析系统和后处理系统组成。数据采集系统包括测点的优化选择和多通道数据实时采集系统。测点选择系统包括首先进行结构有限元分析、组成结构模态信息矩阵、最大化结构信息矩阵得到测点候选集、然后计算结构测点分布的容许区间确定测点的分布范围、计算结构质量和刚度的特征值二阶灵敏度分布、最后根据冗余测点得到结构的最优测点。多通道数据实时采集系统包括首先将加速度传感器的信号连接至转接卡、经信号调理之后输入数据采集，再输入到主处理机。数据分析系统包括导入分析灵敏度、选择参考测点、确定导通值、提取测点自由振动信号、进行信号质量检查、如果满足则传输自由振动信息，如果不满足则返回重新确定导通值。变时基数据矩阵构造系统包括读入提取的自由振动信息、确定识别自由度数、确定虚拟扩展基准时间、计算平均动态信息、计算测点整体信息标准差、确定虚拟测点延长时间、形成数据矩阵、剔除虚假模态、计算特征参数、形成特征曲线。数据后处理系统包括大型结构损伤提取的表达技术、损伤识别与定位误差分析、大型结构损伤识别统计分析、结构状态预测、损伤预警与结构维修建议和大型结构设计现场动力特征积累与验证。本发明还可以包括在多通道数据实时采集系统中，先对加速度传感器的信号进行监测规模分类，对于测点数大于150的大型监测规模，采用一体化采集技术处理，上位机采集数据，下位机实时显示数据、监视传感器状态、存储采集数据，传输采集数据到主处理机，上下位机在一个机箱内，由双CPU和双硬盘在一个主板下驱动；对于测点数小于100的中等监测规模，采用单机采集系统技术处理，数据采集、显示、存储和传输都在一个工控机上进行。
本发明的优点在于(1)在线提取大型结构(如大型桥梁、坝体、钢塔、海工结构、船舰、发射塔、大型运输系统等)特征参数，反映并实时跟踪结构健康状态变化态势，确定结构损伤位置最大限度防止恶性事故发生；(2)由于大型结构理论计算的经验性、不稳定性，同时极端环境荷载的不可模拟性，理论计算往往隐含了可扩展的缺陷，大型结构的服役环境一旦满足了该缺陷发生的条件，将导致灾难性结果，因此大型复杂结构理论计算的修正技术是保证结构在假设环境下健康完成其工作使命不可或缺的关键技术。本发明能够为结构模型修正过程提供准确的结构实时模态参数，在统计和预测模型技术的支撑下，准确预测统计意义下结构在未知环境下的响应，为结构生命周期和状态进行准确控制和调整提供极为重要的实时工况参数，保证大型复杂结构在服役期内的健康。
图1是本发明的基本原理图；图2是数据采集系统的基本原理图；图3是测点选择系统的原理图；图4是数据实时采集系统的原理图；图5、6、7是数据分析系统的原理图；图8是后处理系统的原理图。
(五)、具体实施方案下面举例对本发明做更详细地描述大型结构损伤状况实时识别的变时基监测技术主要由三部分组成。
数据采集系统由两部分组成，即测点选择和多通道数据实时采集。其中测点选择系统包括先进行结构的有限元分析、组成结构的模态信息矩阵、最大化结构信息矩阵得到测点候选集、计算结构测点分布的容许区间确定测点的分布范围、计算结构质量和刚度的特征值二阶灵敏度分布、参考冗余测点得到结构的最优测点等过程；多通道数据实时采集系统包括加速度传感器的信号连接至转接卡，经信号调理卡和数据采集卡再输入到主处理机中。
多通道实时数采系统是变时基监测动态损伤的关键技术之一。对结构测点进行优化后，测点规模相对于大型复杂结构而言仍然有几十个至数百个，为了完成变时基监测技术的要求，数采系统采用并实施了如下的技术方案(1)对于大型监测规模(测点数大于150)，采用一体化采集技术。上位机采集数据，下位机实时显示数据，监视传感器状态，存储采集数据，传输采集数据到主处理机。上下位机在一个机箱内，由双CPU和双硬盘在一个主板下驱动，DRAM提供频率不低于266MHz。一体化大大简化了采集附属设备，加强了数采系统抵抗恶劣环境的能力。
(2)对于中等监测规模(测点数小于100)，由于结构的实际采样频率一般不高于1000Hz，采用单机采集系统技术。数据采集、显示、存储和传输都在一个工控机上进行。
(3)基于数据采集板(DAQ板)高速转接技术的同步采集方法。利用高速数据分频技术将数据信号连接至转接卡，将转接卡的信号传输给DAQ板，实现数据基于频率需求的同步采集，利用转接卡技术，可以实现硬件的变频设置，根据环境的变化，实时调整数采系统的采样频率。
(4)变频采样技术。由于环境的实时改变，传统单一的采样频率不但丢失大量有用信息而且造成数采系统大量浪费。为此变时基数采系统根据外部环境的变化，由设定的采样分布表，用软件自动实时调整每个通道的采样频率，确保结构信息的准确获取。
(5)针对大型采集规模，采用并完成了LabView实时模块结合C语言的数据采集软件系统。LabView的实时模块是一个独立的支持多CPU的实时操作系统，利用此平台能够高效完成数据采集的上位机任务，在专门的数采数据传输协议下，将数据可控地平稳地传输至下位机。另外，采用C语言编制了传感器状态监视程序和采样变频控制程序，并将程序烧制到EPROM中，嵌入到一体化采集系统，提供宿主程序实时调用，完成数据的监测、调频与DAQ板采集的同步协调。
(6)针对中等采集规模，采用LabWindows编制并完成了独立的采样系统。该系统同样包含传感器状态监视和变频C语言固化程序模块。
(7)以上所有硬件和软件特性适用于工控机和便携式计算机两种类型。
数据分析系统是大型结构损伤状态实时监测的核心。它的关键是形成监测结构特征的变时基数据矩阵，由数据矩阵计算结构的特征参数频率、阻尼和振型以及得到结构的动态特征曲线，修正结构有限元FEM模型。其技术内容可以分为以下几步(1)传入加速度信号。根据结构振型和应力分布状态，在最优选定测点上测量结构振动加速度时间序列，然后根据变时基对不同测点加速度信号的需求量，从下位机上用多线程技术传入采集的信号。
(2)自由振动信号提取。在结构服役过程中，选定一个测点为参考测点，根据参考测点时间序列方差确定随机减量的导通值，提取结构各个测点的自由振动信号。
(3)数据矩阵构造。该项技术关键是构造虚拟测点的时间序列。由于大型结构理论测点非常庞大，实际测量时不能全部测量所有测点，为了满足模态信息的完备性，需要对理论测点进行压缩和实际测点扩展两种技术。在对实际测点扩展时，一般的方法是把测量的振型按照模态正交性原则进行插值扩阶，如果扩展测点较多，会造成严重的模态病态方程，劣化系统的实时计算效果，因此变时基方法采用虚拟测点技术对小部分实际测点构造虚拟的时间序列，形成具有模态意义而实际并不存在的虚拟测点，从而扩大测点范围，在扩大的测点上进行小范围的插值扩阶，保证计算及其监测的实时性，因此变时基虚拟测点时间序列的构造方法是本专利中数据处理系统的核心技术，下面简要叙述变时基的主要过程。
我们引入变时基时间变量在由实际测点产生虚拟测点时，基于实际测点时间序列基础上增加的扩展时间。变时基主要任务是构造数据矩阵[z]， 它们形成如下方程 通过求解式(1)，得到结构的特征参数，及其动态特征曲线。[Z]， 是包含了实际测点和虚拟测点时间序列的信息矩阵。其构造过程如下(1)选定结构一个参考测点，计算该测点时间序列整体标准差WSD。
WSDi=(1/n-1)Σi=1n[(Hi)-E(Hi)]---(2)]]>式(2)中n为时间序列的长度；Hi为平均动态信息ADI，按照下式计算Hij=|mean(xi-xj)i+1≤j≤1≤i≤pp|---(3)]]>式(3)中p为实际测点数， xi、xj代表在选定的参考测点中选取的采样时间序列数据集合，选取的原则为xi={xi|Ai>std(Mni),1<i<p,n=length of sampling}--(4)]]>式(4)中，Ai为测点时间序列的幅值，Mni是第i个选择测点的时间序列集合，std表示标准差。即在测点时间序列中，大于测点幅值标准差的时间点信号被选出来，组成动态信息ADI，进而计算结构虚拟测点增加的扩展时间。
(2)模型修正与损伤定位。根据识别的结构动态参数，修正结构模型分析与结构实际识别参数不一致的结构区域，得到第一次修正的结构刚度系数分布和动态特征参数，并将第一次获得的参数作为参考标准，在结构服役整个过程中重复(1)～(3)步的结构修正计算，比较结构修正参数与标准参数，确定结构损伤位置。
后处理系统主要针对1对大型结构测点数目较多，修正的结构刚度和质量矩阵显示单元庞大，不易明显表达损伤信号；2损伤识别与定位误差分析；3大型结构损伤识别统计分析；4结构状态预测；5结构预警与维修建议功能，这五种目的而设计，主要的技术特点如下(1)变时基后处理系统主要采用修正矩阵三维信息表达方法直接直观表示损伤信息与结构节点的关系，同时应用矩阵投影技术将节点与损伤变化组合成一维状态，用二维表格和直线图形标出损伤位置，使结果简单明了。
(2)结构损伤定位误差用识别置信度和大损伤实际定位的虚警率表示，程序中设置了虚警率的检查值，当虚警率上升时，程序自动调整识别门槛和识别效率，保证识别精度。
(3)结构状态预测是根据结构识别的特征参数变化状况，对结构某区域刚度变化趋势用基于模型的图形表达出来。
(4)变时基大型结构损伤实时识别系统采用了基于专家系统的三层次维修方案，根据识别的损伤状况，自动提供维修建议和决策，如果识别的损伤高于第三级标志，将启动报警。其中报警有5个分级措施，最高级别的报警需要立即进行维修。变时基后处理系统将随着不同监测对象和用户的需求进行改变。
除了上面五个主要功能外，后处理系统有积累大型结构特征数据的功能，为设计进行事后验证。
权利要求
1.一种大型结构损伤状况实时识别的变时基监测技术，它由数据采集系统、数据分析系统和后处理系统组成，其特征是1.1数据采集系统包括测点的优化选择和多通道数据实时采集系统；1.1.1测点选择系统包括首先进行结构有限元分析、组成结构模态信息矩阵、最大化结构信息矩阵得到测点候选集、然后计算结构测点分布的容许区间确定测点的分布范围、计算结构质量和刚度的特征值二阶灵敏度分布、最后根据冗余测点得到结构的最优测点；1.1.2多通道数据实时采集系统包括首先将加速度传感器的信号连接至转接卡、经信号调理之后输入数据采集，再输入到主处理机；1.2数据分析系统包括导入分析灵敏度、选择参考测点、确定导通值、提取测点自由振动信号、进行信号质量检查、如果满足则传输自由振动信息，如果不满足则返回确定导通值过程，重新进行信号的提取；1.3变时基数据矩阵构造系统包括读入提取的自由振动信息、确定识别自由度数、确定虚拟扩展基准时间、计算平均动态信息、计算测点整体信息标准差、确定虚拟测点延长时间、形成数据矩阵、剔除虚假模态、计算特征参数、形成特征曲线；1.4数据后处理系统包括大型结构损伤提取的表达技术、损伤识别与定位误差分析、大型结构损伤识别统计分析、结构状态预测、损伤预警与结构维修建议和大型结构设计现场动力特征积累与验证。
2.根据权利要求1所述的大型结构损伤状况实时识别的变时基监测技术，其特征是在多通道数据实时采集系统中，先对加速度传感器的信号进行监测规模分类，对于测点数大于150的大型监测规模，采用一体化采集技术处理，上位机采集数据，下位机实时显示采集数据、监视传感器状态、存储采集数据并传输采集数据到主处理机；上下位机在一个机箱内，由双CPU和双硬盘在一个主板下驱动；对于测点数小于100的中等监测规模，采用单机采集系统技术处理，数据采集、显示、存储和传输都在一个工控机上进行。
全文摘要
本发明提供的是大型结构损伤状况实时识别的变时基监测技术。它包括数据采集、数据分析和后处理。数据采集包括测点选择和数据采集。数据分析由选择参考测点、确定导通值、提取测点自由振动信号、进行信号质量检查部分与读入由振动信息、确定识别自由度数、确定虚拟扩展基准时间、计算平均动态信息、计算测点整体信息标准差、虚拟测点延长时间、形成数据矩阵、剔除虚假模态、计算特征参数、形成特征曲线部分组成。后处理包括损伤表达、误差控制、状态预测、损伤统计分析和结构损伤预警及其维修建议。本发明能为损伤结构模型修正提供结构实时模态参数，为结构生命周期和状态进行控制和调整提供参数，保证结构在服役期内的健康。
文档编号G06F17/00GK1566907SQ0313249
公开日2005年1月19日 申请日期2003年7月9日 优先权日2003年7月9日
发明者何林, 欧进萍 申请人:何林, 欧进萍