一种基于无线传感器的钢桥结构健康检测方法技术

本发明专利技术涉及一种基于无线传感器的钢桥结构健康检测方法，首先，设计了三维霍尔传感器阵列检测钢箱梁三维金属磁记忆信号；其次，为克服三维金属磁记忆信号易受噪声干扰问题，设计了自适应滤波器减少信号的电磁干扰、机械振动以及各种随机噪声的干扰；最后结合极限学习机算法，实现对钢箱梁疲劳应力的定量估计，提高了钢箱梁疲劳应力检测精度、稳定性和鲁棒性。性。性。

【技术实现步骤摘要】
一种基于无线传感器的钢桥结构健康检测方法


[0001]本专利技术涉及疲劳应力检测领域，特别设计一种基于无线传感器的钢桥结构健康检测方法。

技术介绍

[0002]随着钢箱梁桥设计理论技术的发展与钢材产量的增加，钢箱梁桥得到进一步的发展与应用。但随着已建钢箱梁桥服役年限的增长，其运营安全与维护问题日益突出。据美国土木工程师学会(ASCE)统计，80％至90％钢结构的破坏与疲劳损伤有关。在钢箱梁桥运营阶段，疲劳开裂是最严重、最复杂的病害类型之一，直接威胁结构受力安全，还可能导致渗漏等次生病害，因此钢箱梁的前期检测与维护就显得尤为重要。
[0003]钢箱梁产生疲劳伤损前，在钢箱梁的伤损部位会产生应力集中区。尤其是钢箱梁应力集中区在不断承受压力的过程中，该部位会不断地汇集应力能，最终导致疲劳伤损的出现。当给钢箱梁施加应力时，材料的晶体组织将会出现位错、滑移现象，在弹性应力的作用下将会产生磁致伸缩性质的应变，这时磁畴产生位移改变自发磁化的取向分布，可通过金属磁记忆方法检测钢箱梁周围的磁场来反映钢箱梁的应力变化。

技术实现思路

[0004]为了解决上述存在问题。本专利技术提供一种基于无线传感器的钢桥结构健康检测方法，解决钢箱梁疲劳应力估计问题。为达此目的：
[0005]本专利技术提供一种基于无线传感器的钢桥结构健康检测方法，具体步骤如下：
[0006]步骤1：为准确检测钢箱梁周围磁场信号，使用三维排列的霍尔传感器检测钢箱梁的三维金属磁记忆信号；
[0007]步骤2：为减少噪声对钢箱梁应力测量的影响，使用自适应滤波消除钢箱梁三维金属磁记忆信号的电磁干扰、机械振动以及各种随机噪声干扰；
[0008]步骤3：提取经过自适应滤波后三维金属磁记忆信号的时域、频域和时频域特征；
[0009]步骤4：把提取的三维金属磁记忆信号特征作为输入向量、所对应的钢箱疲劳压力作为输出向量，送入极限学习机模型中，训练极限学习机模型；
[0010]步骤5：检测待测钢箱梁疲劳应力的三维金属磁记忆信号，经过步骤2和步骤3后，将提取的特征输入到训练完成的极限学习机模型中，输出待测钢箱梁疲劳应力预测值；
[0011]步骤6：将训练获得的极限学习机模型嵌入传感器及其采集系统中，并实际应用。
[0012]作为本专利技术进一步改进，所述步骤1中三维排列的霍尔传感器如下：
[0013]实际中，磁场的分布是三维的，为了获得更加完善的磁场信息，在实际检测过程中将霍尔传感器敏感面沿钢箱梁表面的X，Y和Z轴方向排列，检测钢箱梁三维金属磁记忆信号。
[0014]作为本专利技术进一步改进，所述步骤2中自适应滤波消除三维金属磁记忆信号噪声如下：
[0015]钢箱梁的金属磁记忆信号是在地磁场的激励下产生的，因而信号十分微弱，能够反映钢箱梁应力的金属磁记忆信号容易受到各种噪声影响；自适应滤波算法可根据自身信号的特点，自适应的调整滤波器参数，有着能自我学习和自我追踪的能力；自适应滤波消除三维金属磁记忆信号的电磁干扰、机械振动以及各种随机噪声的干扰步骤如下：
[0016]步骤2.1：设置两组霍尔传感器探头，一组霍尔传感器检测包含噪声的钢箱梁金属磁记忆信号d
j
，一组霍尔传感器检测该信号的背景噪声x
j
；
[0017]步骤2.2：将信号d
j
送到自适应滤波器的原始输入端，将信号x
j
送入自适应滤波器的参考输入端；
[0018]步骤2.3：经过N阶FIR滤波器后得到滤波后的钢箱梁金属磁记忆信号y
i
[0019][0020]其中，W＝[w1,w2,...,w
N
]T
是权值向量，X
j
＝[x
1j
,x
2j
,...,x
Nj
]T
是输入信号，误差信号是
[0021]e
j
＝d
j
‑
y
j
＝d
j
‑
W
T
ꢀꢀ
(2)
[0022]自适应滤波器采用均方误差最小原则，则均方误差为：
[0023][0024]令则：
[0025][0026]式4中，R
dx
是d
j
和X
j
的互相关矩阵，R
xx
是输入信号的自相关矩阵，可用梯度下降法求均方误差最小值，则的梯度是：
[0027][0028]W
j+1
＝W
j
+2μe
j
X
j
ꢀꢀ
(6)
[0029]式6是权值迭代公式，式中μ是收敛因子且当μ越大时，收敛越快。
[0030]作为本专利技术进一步改进，所述步骤3中提取信号的时域、频域和时频域特征如下：
[0031]为了进一步提取与钢箱梁疲劳应力相关的金属磁记忆信号特征，本专利技术提取了钢箱梁三维金属磁记忆信号的时域、频域和时频域特征；其中钢箱梁三维金属磁记忆信号时域特征有：峰值、面积、峰峰值、峰峰距离、偏度、峰度、微分后的峰峰值、微分后的峰峰距离；钢箱梁三维金属磁记忆信号频域特征有：现代功率谱；钢箱梁三维金属磁记忆信号频域特征有：小波包系数。
[0032]作为本专利技术进一步改进，所述步骤4中训练极限学习机模型如下：
[0033]极限学习机模型是一种简单高效的前馈神经网络模型，极限学习机各参数与输入向量和输出向量的关系式为：
[0034][0035]式中，x＝[x1,x2,...,x
n
]是钢箱梁三维金属磁记忆信号特征组成的输入向量矩阵，z＝[z1,z2,...,z
m
]是钢箱梁疲劳应力实际值组成的输出向量矩阵，c
j
是网络隐含层偏
置，w
j
是网络隐含层权值，a
i
是网络输入层权值，σ是sigmoid激活函数；
[0036]假设n维三维金属磁记忆信号特征输入向量对应的实际疲劳应力值为y，训练极限学习机模型网络的目的是尽可能的使z与y相同，由此可得网络的损失函数如下：
[0037][0038]在训练极限学习机模型时，网络会随机初始化输入层权值a
i
和隐含层偏置b
j
参数，并通过简单的迭代得到隐含层权值w
j
使损失函数E达到最小，最终完成极限学习机模型的训练，获得训练完成的极限学习机模型。
[0039]本专利技术一种基于无线传感器的钢桥结构健康检测方法，有益效果在于：
[0040]1.本专利技术使用金属磁记忆方法检测钢箱梁疲劳压力，金属磁记忆可检测钢箱梁内部形成的应力集中区，进一步结合神经网络可求出钢箱梁疲劳应力的具体数值；
[0041]2.使用LMS自适应滤波算法有效地去除了钢箱梁三维金属磁记忆信号噪声，减小了电磁干扰、机械本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无线传感器的钢桥结构健康检测方法，具体步骤如下，其特征在于,步骤1：为准确检测钢箱梁周围磁场信号，使用三维排列的霍尔传感器检测钢箱梁的三维金属磁记忆信号；步骤2：为减少噪声对钢箱梁应力测量的影响，使用自适应滤波消除钢箱梁三维金属磁记忆信号的电磁干扰、机械振动以及各种随机噪声干扰；步骤3：提取经过自适应滤波后三维金属磁记忆信号的时域、频域和时频域特征；步骤4：把提取的三维金属磁记忆信号特征作为输入向量、所对应的钢箱疲劳压力作为输出向量，送入极限学习机模型中，训练极限学习机模型；步骤5：检测待测钢箱梁疲劳应力的三维金属磁记忆信号，经过步骤2和步骤3后，将提取的特征输入到训练完成的极限学习机模型中，输出待测钢箱梁疲劳应力预测值；步骤6：将训练获得的极限学习机模型嵌入传感器及其采集系统中，并实际应用。2.根据权利要求1一种基于无线传感器的钢桥结构健康检测方法，其特征在于：步骤1中三维排列的霍尔传感器如下：实际中，磁场的分布是三维的，为了获得更加完善的磁场信息，在实际检测过程中将霍尔传感器敏感面沿钢箱梁表面的X，Y和Z轴方向排列，检测钢箱梁三维金属磁记忆信号。3.根据权利要求1一种基于无线传感器的钢桥结构健康检测方法，其特征在于：步骤2中自适应滤波消除三维金属磁记忆信号噪声如下：钢箱梁的金属磁记忆信号是在地磁场的激励下产生的，因而信号十分微弱，能够反映钢箱梁应力的金属磁记忆信号容易受到各种噪声影响；自适应滤波算法可根据自身信号的特点，自适应的调整滤波器参数，有着能自我学习和自我追踪的能力；自适应滤波消除三维金属磁记忆信号的电磁干扰、机械振动以及各种随机噪声的干扰步骤如下：步骤2.1：设置两组霍尔传感器探头，一组霍尔传感器检测包含噪声的钢箱梁金属磁记忆信号d
j
，一组霍尔传感器检测该信号的背景噪声x
j
；步骤2.2：将信号d
j
送到自适应滤波器的原始输入端，将信号x
j
送入自适应滤波器的参考输入端；步骤2.3：经过N阶FIR滤波器后得到滤波后的钢箱梁金属磁记忆信号y
i
其中，W＝[w1,w2,
…
,w
N
]
T
是权值向量，X
j
＝[x
1j
,x
2j
,
…
,x
Nj
]
T
是输入信号，误差信号是e
j...

【专利技术属性】
技术研发人员：江剑，郭飞飞，江燕燕，王玉涛，贾礼安，
申请(专利权)人：南京华剑兵科工程技术有限公司，
类型：发明
国别省市：