[发明专利]基于改进自适应粒子滤波的传感器故障和结构损伤识别方法

说明书

本发明提出了一种基于改进自适应粒子滤波的传感器故障和结构损伤识别方法，包括以下步骤：S1，根据土木结构的物理特性、有限元模型或系统辨识的方法形成结构损伤识别模型和传感器故障诊断模型；S2，运用上述两个方程和改进自适应粒子滤波处理传感器收集的数据，得到结构参数与传感器参数；S3，直接通过参数得到传感器故障或结构损伤的具体情况。

技术领域

本发明涉及土木工程领域与计算机领域，是一种基于改进自适应粒子滤波的传感器故障和结构损伤识别方法。

背景技术

近年来，由于工程结构健康监测系统的快速发展，越来越多的大型土木结构中都会安装传感器，我们通过传感器测量的数据对结构的安全性、可靠性进行评估。通常来说，结构的使用寿命多达几十年甚至上百年，然而，传感器的使用寿命时间较短，仅数年。所以，在健康监测系统的运营过程中，将不可避免地存在传感器故障的情况，表1是几种常见的传感器故障模型，其中y_k,分别是第k个时间步的实际输出值和真实输出值，w_k是第k个时间步的测量噪声，a和b是传感器参数。

表1传感器故障模型

当传感器发生故障时，若我们仍然直接对其测量的信号进行分析，结构很可能被错判为损伤。因此，我们应同时对结构和传感器的健康状况进行评估，这也是故障诊断的目标之一。在健康监测领域中，参数识别这一技术被广泛用于评估结构损伤，结构刚度一般被视为结构损伤的指标。但在以前的工作中，几乎没人考虑过传感器故障给土木结构的损伤识别带来的影响。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于改进自适应粒子滤波的传感器故障和结构损伤识别方法。

为了实现本发明的上述目的，本发明提供了一种基于改进自适应粒子滤波的传感器故障和结构损伤识别方法，包括以下步骤：

S1，根据土木结构的物理特性、有限元模型或系统辨识的方法形成结构损伤识别模型和传感器故障诊断模型；

S2，运用上述两个方程和改进自适应粒子滤波处理传感器收集的数据，得到结构参数与传感器参数；

S3，直接通过结构参数与传感器参数得到传感器故障或结构损伤的具体情况。

优选的，所述S1包括以下步骤：

为识别土木结构的特定参数，结构参数m_k通常被增加到状态值x_k中以形成新状态向量z_k；

结构损伤识别模型则为

其中包括状态值x_k对应的过程噪声v_k和结构参数m_k对应的过程噪声θ_k，u_k是第k个时间步的输入值，y_k是第k个时间步的输出值，f(·)和h(·)分别是过程函数和观测函数。

在结构损伤识别模型中，传感器始终被认为是健康的，仅用该模型难以实现传感器故障诊断，因此，在状态向量x_k中加入第一传感器参数a和第二传感器参数b，首次提出了一种新的传感器模型，即传感器故障识别模型，其中a主要针对增益故障，b则考虑偏差故障和常数故障。

其中，a_k和b_k第k个时间步的传感器参数，θ_1(k)和θ_2(k)分别是第一传感器参数a_k和第二传感器参数b_k的过程噪声，第k+1个时间步的状态值为x_k+1、第一传感器参数为a_k+1和第二传感器参数b_k+1。