数据融合在大型结构损伤识别中的应用研究

扫码查看

原文链接

NETL

中文摘要：由于对大型结构进行损伤识别的参数正趋于多元化，如何从大量冗余的参数中快速准确的识别出结构的损伤状况，具有十分重要的研究意义。本文采用一种基于数据级、特征级和决策级相结合的三级数据融合方法，并将其应用到大型结构的损伤识别中。所做的主要工作如下: 首先，分别从数据级融合、特征级融合以及决策级融合三个层次对数据融合进行了深入分析，并采用相对应的融合算法用于大型结构的损伤识别。数据级融合采用一致性融合算法对传感器采集的数据进行处理，提高数据的准确性。特征级融合采用神经网络对频率和位移进行处理，得到结构的初步损伤位置与损伤程度。由于BP神经网络收敛速度慢、容易陷入局部最优以及大型结构损伤识别对实时性和准确性的要求，采用遗传算法对BP网络的权值和阈值进行全局寻优并对遗传算法进行了改进，采用了一种自适应协同进化遗传算法。在决策级采用D-S证据理论将初步损伤识别结果再次融合，以得到更为准确的识别结果。其次，对实验室一座混凝土结构设计了基于无线传感器网络的数据采集系统，终端节点与协调器节点均采用TI公司的高性能低功耗CC2530芯片，并完成位移和加速度传感器的选型。系统软件分为上位机和下位机两部分，上位机利用LabVIEW软件完成，包括结构数据的显示、存储和回放等功能的实现。下位机在IAR集成开发环境下进行，实现数据的采集、处理以及传输等。通过数据级融合算法降低节点数据传输量从而节约了节点的功耗并且提高数据采集的准确性。最后，通过实验仿真验证本文提出的数据融合方法能够实现对结构损伤情况的快速准确的识别，并进一步引入噪声干扰，从而验证了该方法具有很强的抗干扰能力。

作者：

孙诗裕

展开 >

关键词：

建筑结构损伤识别数据融合遗传算法 D-S证据理论

授予学位：

硕士

学科专业：

控制科学与工程；控制理论与控制工程

导师：

俞阿龙

学位年度：

2016

学位授予单位：

南京工业大学

语种：

中文

中图分类号：