基于时间序列聚类融合的水工结构运行状态监测系统的制作方法

本发明涉及水利水电工程中的结构运行状态监测技术领域，具体涉及一种基于时间序列聚类融合的水工结构运行状态监测系统。

背景技术：

水工结构在服役过程中，容易出现不同程度的异常问题，甚至影响整个水利枢纽的安全运行。鉴于水工结构所处环境复杂多变，不同运行状态的表现形式也不相同，单一监测量不能达到全面分析结构安全性的目的。因此，为全面评价水工建筑物的运行状态，需要在结构不同部位和不同观测项目上布置大量测点。目前对大坝等水工建筑物的监测大多使用“点”式传感器监测形式，在长期或不间断连续监测过程中，造成监测信息大容量、多元化，传统的监测信息处理方式难以满足速度和容量方面的要求。因此，亟需一种新的信息处理手段，综合利用不同测点的监测信息，对结构进行综合评估，从而全面系统地监测结构运行状态，为结构整体安全评价及防灾减灾奠定基础。

技术实现要素：

针对现有技术中存在的缺陷和问题，本发明提供一种基于时间序列聚类融合的水工结构运行状态监测系统，该监测系统具有形式简单、施工方便、工程造价低的特点；工作人员面对大量积累的监测数据，通过计算机信息处理模块，快速得到结构运行状态，以便有针对性地对结构加以防护。

本发明解决其技术问题所采用的方案是：一种基于时间序列聚类融合的水工结构运行状态监测系统，其特征在于：包括数据采集模块、聚类分析模块、多通道加权多尺度排列熵分析模块以及熵值分析与运行状态监测模块，所述数据采集模块为安装于被测结构不同部位的传感器，通过传感器得到被测结构不同部位的监测信号；监测信号进入聚类分析模块，所述聚类分析模块将不同项目观测数据分类；所述多通道加权多尺度排列熵分析模块分别对同一类多通道数据、不同类的监测数据进行分析，利用所述多通道加权多尺度排列熵程序，将多通道数据、不同类的监测数据分别进行融和，并通过所述熵值分析与运行状态监测模块绘制融合后熵值监测曲线图。

进一步的，所述聚类分析模块将不同项目观测数据分类的方法为：聚类分析模块利用聚类程序将采集到的数据形成数据集，通过欧式距离公式计算数据之间的距离，并把距离转化为矩阵形式，再通过最短距离准则对被测结构不同部位的观测信号划分类别。

进一步的，所述多通道加权多尺度排列熵分析模块对同一类多通道数据进行分析的方法为：利用多通道加权多尺度排列熵程序，通过多测点数据在总体所占的比重分配权重；

由公式(1)计算可得权重，依据权重将多通道数据进行融和，由公式(2)和公式(3)定义多测点多权重的多尺度排列熵，并绘制熵值曲线图。

进一步的，所述多通道加权多尺度排列熵分析模块对不同类的监测数据进行分析的方法为：通过多通道加权多尺度排列熵方法，得到多条融合后的熵值运行监测曲线。

本发明的有益效果：本发明的基于时间序列聚类融合的水工结构运行状态监测系统，适用于于当结构监测指标较多，监测数据大量积累的情况，直接通过结构不同观测项目的实测信号，通过相应的分析模块采集并监测数据量，达到对水工结构运行状态全面监测的目的，确保监测数据的时效性和准确性，工作人员面对大量积累的监测数据，通过计算机信息处理模块，快速得到结构运行状态，用以辅助决策，让决策者及时掌握结构运行状态，以便有针对性地对结构加以防护。该监测系统无需特殊的监测设备，具有形式简单、施工方便、工程造价低，便于运行管理的特点，从而节约大量的物力、人力、财力和时间。

该技术集结构不同指标观测项目的信号与聚类分析及多通道加权多尺度排列熵智能监测系统于一体，适用于水利水电工程结构运行状态监测技术领域。当监测指标对应的数据大量积累时，将海量数据简化并综合利用，达到全面系统利用监测信号的目的，通过排列熵值变化曲线反映结构的运行状态，可实现综合利用海量数据对水工结构运行状态的系统监测。

附图说明

图1为本发明的系统监测的流程图。

图2为本发明的单测点与多测点融合后的排列熵值曲线图。

图3为本发明的不同时间坝前水位曲线图。

图4为本发明坝体内部沉降熵值曲线图。

图5为本发明面板应力熵值曲线图。

图6为本发明面板挠度熵值曲线图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

实施例1：一种基于时间序列聚类融合的水工结构运行状态监测系统，采用该时间序列聚类融合的水工结构运行状态监测系统时，需对被测结构重点部位合理优化布置测点。如面板堆石坝，评价面板堆石坝的结构性能时，常用的指标为：坝体内部与外部变形、渗流量、应力应变、面板扰度等；而混凝土坝需监测的主要项目有：变形、应力、渗流量、扬压力和伸缩缝等。

以监测量较多的面板堆石坝为例，在坝体表面布置26个变形监测点，分别布置于面板表面、下游坝坡表面、下游坡面观测房；坝体内部变形监测，选择最大坝高断面，布置引张线式水平位移计和电测水管式沉降仪，在坝顶下游设置了2根电磁沉降测斜管；坝体内部应力监测选择两个典型监测断面，布置8支土压力计(垂直应力)；面板周边缝监测布置三向测缝计共11组，板间垂直缝监测布置6条测线，面板顶部与坝顶防浪墙的水平接缝监测布设1条测线；面板挠度监测选择3个典型主控监测断面，共布置27支测倾计；面板脱空变形监测选择2个主控监测断面，共设置10支大量程位移计；面板混凝土应力应变、钢筋应力及温度监测，设置3个监测断面，沿不同高程相应设置三向应变计组。在长期或不间断连续监测过程中，为保证监测数据的准确性，需在仪器表面涂抹防水材料并进行定期检查。

将信号线通过电缆连接到信号采集设备，再接到计算机上，对面板堆石坝的运行状态进行监测。通过传感器采集到的各种监测数据，通过聚类分析模块，将不同项目观测数据分类；对同一类多通道数据，采用多通道加权多尺度排列熵方法，对多通道监测量进行信息融合，简化监测量，得到一条融合数据，并绘制出熵值运行监测曲线；对不同类监测量，即可通过多通道加权多尺度排列熵信息融合模块，得到多条融合后的熵值运行监测曲线。

由图2所示：某面板堆石坝坝体内部沉降不同测点与融合后的熵值曲线图，图中显示：融合后信号熵值曲线在单测点熵值曲线中间且变化趋势基本一致，信号融合是对多测点信号的综合处理，是将多个同类型传感器的振动响应信号，按参与权重融合为一个更加全面、准确反映结构特性的信号。因此，多测点融合后的熵值曲线可代替多条单测点的熵值曲线，不仅可以综合利用大量数据，而且融合后的信号能够更全面的反映结构的整体特征。由图3和图4可知，通过聚类分析将坝体内部沉降的信号分为三类，类三熵值曲线的波动与类一与类二相比，类三波动较大，说明类三优势频率更明显，能量更集中。它们的熵值均随水位降低表现规律性的变化，当水位下降幅度较大时，熵值曲线也发生明显的趋势变化，当水位基本保持不变时，熵值曲线也比较平稳。因此，坝前水位影响坝体内部沉降。由图5和图6可知，面板应力和挠度也随水位降低呈现规律性变化。

同理，对于其他水工建筑物，如重力坝、拱坝、水闸等结构，依据常规的监测测点布置方法，对大量监测信息进行聚类模块分析后，对每一类监测信息进行多通道加权多尺度排列熵分析模块，简化得出多条不同类熵值运行监测曲线，只需对这些融合后的熵值变化曲线进行监测，即可全面监测结构运行状态。