一种诊断结构健康监测系统中传感器状态的方法技术方案

本发明专利技术公开了一种诊断结构健康监测系统中传感器状态的方法，所述方法包括：获取在监测结构中布设的多个传感器在同一时间段内的原始输出信号；基于每个传感器的原始输出信号，提取反映每个传感器的运行状态的特征数据；基于每个传感器的特征数据，确定每个传感器的综合异常指数；根据已知的判据和每个传感器的综合异常指数，诊断每个传感器的异常状态；反映传感器的运行状态的所述特征数据，至少包括反映传感器所在的测点主要载荷的作用周期的频域主成分周期数据应用。本发明专利技术，可以简单有效易实现的方式实现传感器异常状态诊断的准确性。断的准确性。断的准确性。

【技术实现步骤摘要】
一种诊断结构健康监测系统中传感器状态的方法
[0001]本申请是申请号为202110272056.2、申请日为2021年3月12日、专利技术名称为《结构健康监测系统中光纤光栅传感器异常诊断方法》的分案申请。


[0002]本专利技术属于测量
，具体地说，涉及传感器技术，更具体地说，是涉及一种诊断结构健康监测系统中传感器状态的方法。

技术介绍

[0003]光纤光栅传感器(Fiber Grating Sensor)属于光纤传感器的一种，基于光纤光栅的传感过程是通过外界物理参量对光纤布拉格(Bragg)波长的调制来获取传感信息，是一种波长调制型光纤传感器。在大型空间结构健康监测系统中，光纤光栅应变传感器常被用于监测结构应力，用以实现对结构应力状态的实时评估。在索网结构(如大型体育场)、大型射电望远镜(如FAST500米口径球面射电望远镜)等结构中均有大量应用实例。在实际应用中，结构健康监测系统中所布设的光纤光栅传感器数量多，工作环境复杂，受外界干扰、外力破坏、自然老化、安装失效、线路故障等原因，容易发生故障，导致其测点数据的不可靠，进而影响健康监测系统的性能。因此，在结构健康监测系统中，必须对传感器的异常状态进行诊断，及时地对故障测点进行维护。
[0004]现有技术中，传统的光纤光栅传感器异常诊断，多是根据传感器输出信号阈值判别来实现，将输出偏差离估计值较大的测点进行剔除或插值修复。或通过人工观察的方式，逐个观察传感器的历史输出数据轨迹，并判别其状态是否良好，并配合人工现场巡查的方式对传感器状态进一步检查。还可以基于模式识别的方法，进行系统建模，对各种异常进行模拟，获得异常数据，从而训练算法，得到适用于异常诊断的模式识别方法。
[0005]结构健康监测系统中尤其是大型空间结构中所布设的光纤光栅传感器，通常数量较多，往往达到数百个，采样数据量大，采样周期为1s时，单个测点的数据每月可达250多万条，数据量庞大，分析困难。且在工作时，根据被测对象的工况需求，采集系统可能会不定时关闭，导致数据的不连续性。同时，受外界干扰较多时，会出现离群异常值。因此，单一的阈值跳变判别不足以准确判别传感器的工作状态是否正常。另一方面，人工观察虽然有较准确的判别结果，但针对数量较多的测点，其工作量过大，难以及时有效的完成。而基于模式识别的方法，需要大量的模拟实验及训练样本和先验知识，实现困难。

技术实现思路

[0006]本专利技术的目的是提供一种诊断结构健康监测系统中传感器状态的方法，基于对传感器输出信号的特征提取确定传感器综合异常指数，利用综合异常指数识别传感器的异常状态，以简单有效易实现的方式实现传感器异常状态诊断的准确性。
[0007]为实现上述专利技术目的，本专利技术采用下述技术方案予以实现：
[0008]一种诊断结构健康监测系统中传感器状态的方法，所述方法包括：
[0009]获取在监测结构中布设的多个传感器在同一时间段内的原始输出信号；
[0010]基于每个传感器的原始输出信号，提取反映每个传感器的运行状态的特征数据；
[0011]基于每个传感器的特征数据，确定每个传感器的综合异常指数；
[0012]根据已知的判据和每个传感器的综合异常指数，诊断每个传感器的异常状态；
[0013]反映传感器的运行状态的所述特征数据，至少包括反映传感器所在的测点主要载荷的作用周期的频域主成分周期数据；基于每个传感器的原始输出信号，提取该传感器的所述频域主成分周期数据，具体包括：
[0014]对传感器的所述原始输出信号执行压缩处理，获得数据量减少的压缩数据；
[0015]对所述压缩数据执行傅里叶变换，获得信号的频谱函数：式中l2为压缩数据的长度，x(a)为所述压缩数据中的数据值；
[0016]遍历所述频谱函数，寻找最大值max(X(k))，确定为频率主成分，并获取该最大值所对应的频率k
max
；
[0017]根据下述公式换算所述频率主成分对应的周期T，确定为所述频域主成分周期数据：
[0018]本申请的一些实施例中，反映传感器的运行状态的所述特征数据，还包括反映传感器信号输出波动强度的时域能量值数据；基于每个传感器的原始输出信号，提取该传感器的所述时域能量值数据，具体包括：
[0019]对传感器的所述原始输出信号执行压缩处理，获得数据量减少的压缩数据；
[0020]计算所述压缩数据的平均值
[0021]计算所述压缩数据去均值化的数据值x'(n)：n＝1,2,
…
,l1，l1为所述压缩数据的长度，x
*
(n)为所述压缩数据中的数据值；
[0022]根据时域能量值计算公式计算时域能量值数据E：
[0023]本申请的一些实施例中，反映传感器的运行状态的所述特征数据，还包括信号长度、信号标准差、信号幅值、信号方差、信号峰值指标中的一种或多种。
[0024]本申请的一些实施例中，对传感器的所述原始输出信号执行压缩处理，获得数据量减少的压缩数据，具体包括：
[0025]提取所述原始输出信号中的波长值数据；
[0026]按照设定采样周期采集所述波长值数据，获得采样后数据；
[0027]采用低通滤波器对所述采样后数据进行低通滤波，获得所述压缩数据。
[0028]本申请的一些实施例中，所述基于每个传感器的特征数据，确定每个传感器的综合异常指数，具体包括：
[0029]将每个传感器的所有特征数据作为矩阵的行，将所有传感器的同类型的特征数据作为矩阵的列，形成特征矩阵；
[0030]确定所述特征矩阵中每一列的一维特征聚合中心Y
i1
(center)；i1＝1,2,
…
,p；p为
所述特征数据的个数；
[0031]计算所述特征矩阵中每一列的特征标准差m为所有传感器的总数量，i2＝1,2,
…
,m，Y
i1
(i2)为第i1列第i2行的特征数据值，为第i1列所有特征数据值的平均值，Y
i1
为第i1个特征数据；
[0032]确定每个传感器的综合异常指数d(i2)：
[0033]本申请的一些实施例中，采用循环迭代搜寻最靠近聚合中心的点作为聚合中心点的方式确定所述特征矩阵中每一列的所述一维特征聚合中心Y
i1
(center)。
[0034]本申请的一些实施例中，所述根据已知的判据和每个传感器的综合异常指数，诊断每个传感器的异常状态，具体包括：
[0035]根据所有传感器的所述综合异常指数d(i2)确定异常指数均值根据所有传感器的所述综合异常指数d(i2)确定异常指数均值
[0036]若第i2个传感器的所述综合异常指数d(i2)满足：判定该第i2个传感器为故障状态；
[0037]若第i2个传感器的所述综合异常指数d(i2)满足：判定该第i2个传感器为异常状态；
[0038]若第i2个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种诊断结构健康监测系统中传感器状态的方法，其特征在于，所述方法包括：获取在监测结构中布设的多个传感器在同一时间段内的原始输出信号；基于每个传感器的原始输出信号，提取反映每个传感器的运行状态的特征数据；基于每个传感器的特征数据，确定每个传感器的综合异常指数；根据已知的判据和每个传感器的综合异常指数，诊断每个传感器的异常状态；反映传感器的运行状态的所述特征数据，至少包括反映传感器所在的测点主要载荷的作用周期的频域主成分周期数据；基于每个传感器的原始输出信号，提取该传感器的所述频域主成分周期数据，具体包括：对传感器的所述原始输出信号执行压缩处理，获得数据量减少的压缩数据；对所述压缩数据执行傅里叶变换，获得信号的频谱函数：式中l2为压缩数据的长度，x(a)为所述压缩数据中的数据值；遍历所述频谱函数，寻找最大值max(X(k))，确定为频率主成分，并获取该最大值所对应的频率k
max
；根据下述公式换算所述频率主成分对应的周期T，确定为所述频域主成分周期数据：2.根据权利要求1所述的诊断结构健康监测系统中传感器状态的方法，其特征在于，反映传感器的运行状态的所述特征数据，还包括反映传感器信号输出波动强度的时域能量值数据；基于每个传感器的原始输出信号，提取该传感器的所述时域能量值数据，具体包括：对传感器的所述原始输出信号执行压缩处理，获得数据量减少的压缩数据；计算所述压缩数据的平均值计算所述压缩数据去均值化的数据值x'(n)：n＝1,2,
…
,l1，l1为所述压缩数据的长度，x
*
(n)为所述压缩数据中的数据值；根据时域能量值计算公式计算时域能量值数据E：3.根据权利要求1所述的诊断结构健康监测系统中传感器状态的方法，其特征在于，反映传感器的运行状态的所述特征数据，还包括信号长度、信号标准差、信号幅值、信号方差、信号峰值指标中的一种或多种。4.根据权利要求1或2所述的诊断结构健康监测系统中传感器状态的方法，其特征在于，对传感器的所述原始输出信号执行压缩处理，获得数据量减少的压缩数据，具体包括：提取所述原始输出信号中的波长值数据；按照设定采样周期采集所述波长值数据，获得采样后数据；采用低通滤波器对所述采样后数据进行低通滤波，获得所述压缩数据。5.根据权利要求1至3中...

【专利技术属性】
技术研发人员：孙晓，李振伟，乔峰，高孟友，王栋，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：