大型桥梁结构健康监测失真数据自诊断方法研究

桥梁结构健康监测系统已在国内外大型桥梁中得到普遍应用，但由于桥梁结构频繁振动、高尘、高低温循环等恶劣环境易使传感器发生故障，引发传感器输出畸变数据。更重要地是，传感器由电子和光学元件组成，其使用寿命仅为几年或十几年，无法与设计寿命上百年的桥梁相匹配，传感器老化必然产生失真数据。所以失真数据现象是桥梁结构健康监测系统无法避免的问题。传感器故障所引起的失真数据可能掩盖结构的真实损伤信息，最终酿成灾难性事故。严重的漏报警、频繁的误报警，会使业界对桥梁结构健康监测的可靠性产生严重质疑，在很大程度上制约桥梁结构健康监测技术的发展和应用。因此，开展失真数据自诊断方法的基础性探索研究工作，具有明确的工程应用背景和理论学术意义。本项目的特色是通过在桥梁结构健康监测系统嵌入失真数据自诊断模块，在无需新增硬件设备以及改动原有软件配置的条件下，可实现大幅降低监测系统的漏/误报警率。项目的主要研究内容如下：（1）传感器故障引发失真数据规律研究；（2）监测系统中各种传感器的关联特性研究；（3）失真数据自诊断方法研究；（4）实桥验证试验研究。项目研究取得的主要成果如下：（1）建立五类典型传感器故障的数学模型；（2）提出了基于广义似然比的传感器故障识别方法；（3）提出了基于主元分析的多传感器故障识别方法；（4）提出了基于粒子滤波的传感器故障与结构损伤识别方法；（5）提出可考虑环境干扰的FS-LSTM深度学习传感器故障诊断方法；（6）提出基于TS-LSTM深度学习的传感器故障分类方法。通过本项目研究，在国内外学术刊物上发表了12篇论文，其中SCI/EI检索论文10篇；申请国家专利2项，获软件著作权1项；获重庆市自然科学三等奖一项；毕业博士生2名，硕士生6名。项目研究成果在重庆市菜园坝长江大桥、东水门长江大桥和千厮门嘉陵江大桥等桥梁的结构健康监测系统中得到了推广应用，有效降低了传感器故障引发失真数据对结构安全状态评估结果的影响。 2100433B

大型桥梁结构健康监测是土木工程领域重要的研究前沿和工程应用方向。但由于传感器经常发生故障而引发监测数据失真，导致后续的结构安全评估产生误判，已严重制约桥梁结构健康监测的发展和应用。本项目针对传感器故障引发的数据失真问题，以连续刚构桥、斜拉桥为研究背景，选取常用的加速度、位移和应变传感器，在时间维度上，通过加速老化试验，研究传感器故障引发失真数据的统计规律和分类特征；在空间维度上，采用实桥监测数据，基于灰色关联分析原理研究不同类型、不同测点传感器的关联特性；在此基础上，采用敏感度分析、非线性预测手段分别在时间和空间维度提取特征指标，建立基于数据融合、贝叶斯原理的非线性失真数据自诊断方法。在无需附加任何新硬件设备的条件下，直接利用日常监测数据实现失真数据的识别、定位和分类。项目成果将丰富并创新失真数据自诊断理论和方法，为降低桥梁结构健康监测系统误/漏报警率、保障其正常运行奠定理论与技术基础。

风电机组所处环境复杂，工况非常恶劣，机组发生故障的概率大，这给大规模风力发电系统的安全可靠运行带来极大挑战。本项目以大型风力发电机组传动链故障为研究对象，研究风力发电机组风轮、传动链和电气部件常见故障的传播机理，确定风电机组故障特征提取方案，建立风力发电机组状态监测与故障诊断研究的分析理论体系；开发了一款振动监测数据采集器，通过光纤通讯方式上传至云服务台，在云服务台实现基于上传的实时数据进行风机故障在线诊断的功能；开发出一套具有商业应用前景和具备市场竞争力的风电机组状态监测系统。本项目研究无论在学术层面还是在工程层面都是一个前沿的、有价值的课题，对提高我国风电系统的理论研究与现场运行水平，实现风电技术自主化具有重大意义。

风力发电机组是风力发电系统的关键设备,长期运行在恶略的工作环境下，由于缺乏有效的故障诊断方法，多种常见故障无法提早预警，导致故障停机时间较长，造成巨大的经济损失。本项目通过分析风力发电机组的常见故障传播机理，从时间和空间多维度出发，从多个数据源中提取风力发电机组的故障特征；研究和建立表征风力发电机组常见故障的故障特征最小集；建立描述风力发电机组整体特性的故障分析模型；分析研究风力发电机组故障过程的动态特性，以及风力发电机组在各种运行模式下机械与电气等部件综合因素对风电机组故障特征量的影响；采用数据挖掘技术进行基于D-S证据理论的数据融合，以最少维数的故障特征量完全表征某一类常见故障，建立风电机组状态识别、故障预测、故障排除的完整解决方案。目标是建立风力发电机组状态监测与故障诊断研究的整体分析理论体系，为风力发电机组的状态监测与故障诊断的研究、设计、运行提供新的理论支持和分析手段。