首页 理论教育冻土区桥梁桩基监测数据预处理研究现状

冻土区桥梁桩基监测数据预处理研究现状

【摘要】:在桥梁桩基健康监测系统中,数据预处理过程往往是其中的核心部分,在整个桥梁结构健康监测系统中起着不可缺少的重要作用,是结构安全预警、损伤识别以及桥梁桩基的综合评估的前提。梁栋利用小波阈值法对桥梁监测数据进行了滤波,效果良好[70]。本书以桥梁预警系统的数据与处理为研究对象,应用神经规则提出了含数据分类和数据评估的数据预处理方法,并通过案例对该方法进行了验证。

桥梁桩基健康监测系统中,数据预处理过程往往是其中的核心部分,在整个桥梁结构健康监测系统中起着不可缺少的重要作用,是结构安全预警、损伤识别以及桥梁桩基的综合评估的前提。监测数据预处理通常都是健康监测中最难和最关键的部分,预处理的主要目的是保证数据的质量。而数据的正确性,是保障数据分析结果可靠的前提,数据分析就好像是人的思维,健康监测系统一旦丧失了思维分析能力,也就没有了任何存在的意义和价值。在提高数据质量的预处理技术上,国内外许多学者进行了研究,且取得了不错的成果。

(1)数据的可信度评估

初期的桥梁监测数据的可信度评估是通过传感器返回的状态进行数据可信度判定,这种方法已逐渐被取代。到了20世纪80年代,有人提出建立数据的历史趋势模型,根据此模型来预测数据出现的范围,超出范围内的数据判定为有问题的数据。李建[67]提出利用监测数据间相关性来判定数据的可信度。其思想是为同一截面的各类传感器建立相关模型,根据与其相关数据的变化情况进行数据的可信度判定。近年来,灰色关联理论开始应用在传感器状态诊断中[68]

(2)异常数据处理

异常数据处理的研究成果比较多,对于突变数据通过基于统计分析进行剔除,然后进行插补;对于超量程数据通过设定固定阈值进行剔除;多次重复的高精度数据的利用需要根据实际情况剔除;对于白噪声数据和受干扰的数据进行滤波处理,目前公认较好的方法是小波分析去噪。王雷、张瑞青等[69]提出了一种基于支持向量回归的异常数据检测方法,该方法通过回归估计值与真实值之间的残差来分析数据中的异常值。梁栋利用小波阈值法对桥梁监测数据进行了滤波,效果良好[70]。潘渊洋[71]提出一种基于DBSCAN(Density-BasedSpatial Clustering of application with noise)的异常检测方法,该方法根据相似性对数据聚类,使用DBSCAN算法提取特征集对数据进行异常检测。伊廷华[72]对于数据不服从正态分布的问题提出了利用累积分布函数的核密度估计计算出统计量,在GPS异常波动检验中构建基于统计量的方法对数据进行异常检验。

(3)数据插补技术

数据插补的成果主要分布在统计理论的插补、支持向量机插补、神经网络插补、时间自适应移动平均模型等。周海亮[73]利用拉格朗日插值法对挠度监测数据进行了插补和分析。基于神经网络和时间序列的混合模型对桥梁监测的缺失数据进行了插补,效果显著。符欲梅、朱芳针[74]对监测数据小样本、非线性、时序的特点提出了一种基于支持向量机的数据插补方法,实际应用效果良好。谷峪、于戈等[75]提出了基于动态概率路径事件模型的数据插补算法,全局效果显著。针对影响桥梁预警系统有效工作的数据获取问题,提出了融合神经规则数据分类和数据评估的预警系统数据预处理方法。通过训练集将人工完成数据处理过程中所用到的知识融入神经规则中,并应用神经规则剔除噪声数据。根据拟定的相似性指标对神经规则输出的数据进行分类、合并相似度较大的信息,以大幅度降低数据量应用曲率模态对各测点保留的信息进行剖分,并与桥梁结构各测点的标准曲率模态比较,提取与初始数据信息不一致的采样数据为预警系统的损伤识别提供依据。模拟分析表明该方法能够在大幅度降低预警系统数据量的基础上,保留结构状态发生变化的关键信息,具有一定的应用价值。健康监测系统的目标是能够有效预防突发性的安全事故,确保桥梁正常运营。而达到这一目标的关键是数据处理。本书以桥梁预警系统的数据与处理为研究对象,应用神经规则提出了含数据分类和数据评估的数据预处理方法,并通过案例对该方法进行了验证。提出的数据预处理方法能够有效获取表征桥梁即时状态的信息,从而为桥梁预警提供依据。