基于传感器系统的物体结构故障诊断方法研究

结构健康是关系到行业安全的重要因素，复杂的建筑或机械结构一旦出现缺陷、变形、断裂等故障，必将导致巨大的损失。利用最先进的信息科学技术，特别是传感器技术，进行物体结构健康检测是一项全新的科研课题，国外的研究也刚刚起步，而且主要集中在嵌入式专用传感器及传感器网络的设计和实现，基于传感器系统的结构故障诊断还是空白。本项目创新性地利用传感器系统进行土木结构和机械移动结构的健康诊断和分类方法研究，从而为早期修复和预防性维护决策提供整体解决方案。其中，研究非破坏性传感器的波形设计和数据的采集、融合及分析是本项目的核心任务。在此基础上，为土木结构和机械移动结构的早期修复和预防性维护决策提供整体解决方案。鉴于不同复杂结构的特征不同，本项目拟针对几种不同的复杂结构，如建筑物、桥梁和运输机器分别设计系统原型，并评估效果。本项目拟进一步开发相关软件原型，用于收集和分析数据，为实际诊断工具的研制提供支持。

随着现代社会由于建筑结构的损坏而出现的安全事故越来越多，结构健康监测与诊断受到越来越多的关注。然而，实际结构的多样性和环境噪声的复杂性，使得结构健康监测与诊断的准确性和简便性难以得到保证。近年来物联网、无线传感器设备的发展为结构健康监测与诊断提供了新的测量工具，信号处理、数据挖掘与人工智能技术的发展又为实现更精确、更简便的结构健康监测提供了理论支持。基于无线传感器网络的原始数据采集，本项目通过引入信号处理领域中最新的时频分析算法，以及数据挖掘与人工智能领域中经典的或最新的数据分类算法，实现了对结构健康问题的有效监测和诊断。具体贡献列举如下：.1. 设计了基于主成分分析-希尔伯特黄变换(PCA-HHT)的环境影响去除与健康诊断方案；.2. 设计了基于RealAdaBoost的结构健康诊断方案；.3. 设计了基于人工神经网络模型的结构健康诊断方案；.4. 设计了基于深度学习模型的结构健康诊断方案；.5. 研究了面向物联网、无线传感器网络应用的若干方法论。.本项目采用Matlab力学结构工具包搭建了一个配置有无线传感器网络的三跨桥实验环境，对所提各方案进行了模拟仿真与性能验证，可得到如下结论：本项目所提出的各种结构健康诊断方案均具有96%以上的准确率和对环境干扰的鲁棒性。这对于结构健康监测与诊断技术的理论创新、工程实现与推广应用具有一定参考价值。