论文部分内容阅读
传感器是桥梁结构健康监测系统最前端的设备,传感器发生故障时,其返回的错误数据可能会使结构安全状态评估出现漏报或误报,影响最终的评估结果。因此,在进行安全状态评估前有必要检测和隔离潜在的传感器故障。论文基于多元统计分析的过程控制理论,建立了基于主元分析(PCA)的传感器故障诊断方法。提出累积贡献率法和权重统计量法对传统主元分析法的诊断效果进行改进。为了将主元分析应用于非线性、非高斯随机系统,建立了核主元分析(KPCA)方法。将改进的诊断方法应用于实际桥梁健康监测系统,提出分时段检验法,实现加速度传感器的故障诊断,为确保系统自身的正常运营提供一个有效手段。论文的主要研究内容和结果如下:(1)基于主元分析的原理,建立传感器故障诊断方法。针对传统贡献图法在故障定位时容易产生误判的不足,提出了累积残差贡献率法。通过三跨连续梁数值模拟算例分析,结果表明:主元分析法能够识别出传感器的4类典型故障,累积残差贡献率不但能更好地定位单传感器故障,两个传感器同时发生故障时也能准确定位。(2)针对PCA对传感器小故障识别不明显的弱点,提出加权统计量的方法。通过故障敏感因子量化PCA每个主元方向识别故障的敏感程度,并确定了加权故障检测统计量。结合贝叶斯推论与累积贡献率定位法,建立了权重主元分析(WPCA)法。数值模拟分析结果表明:WPCA成功检测并隔离了传感器的偏差故障和恒增益故障;相比于传统的PCA方法,WPCA故障检测能力显著提高,能识别更小幅度的故障。(3)针对非线性、非高斯随机系统的故障诊断,运用核函数理论,建立KPCA故障诊断方法。采用了一种新的贡献指标建立累积贡献率,将其应用于KPCA的传感器故障定位。建立了一个包含有多项式非线性、指数非线性、三角函数非线性、反函数非线性等几类常见非线性关系的七变量非线性随机系统进行数值分析,结果表明:KPCA方法在非线性、非高斯系统中拥有比PCA更好的故障诊断能力,能够及时识别并隔离出小幅度故障。(4)将基于PCA、WPCA、KPCA的三种故障诊断方法应用于东水门大桥健康监测系统中,实现了多传感器故障自诊断。针对一天之中不同时段工况的差异,提出分时段检验方法,最终诊断表明加速度传感器完好,这与人工定期检查的结果一致,初步验证了基于主元分析的传感器故障诊断方法在实际健康监测系统中的适用性。人为引入了偏差、恒增益与卡死故障,采用上述三种方法进行诊断,结果表明:三种诊断方法均能准确识别出故障并准确定位出桥梁的故障传感器,WPCA与KPCA方法都提高了传统PCA方法的故障检测效果。