结构健康监测动力响应数据压缩采样与重构方法研究

作为"智慧地球"计划中"物联网"的核心技术"结构健康监测"是多个领域的热点与前沿研究方向。结构健康监测系统运行积累了海量的动力响应数据，带来了数据"灾难"；而无线传感网络技术也需要存储和传输尽可能少的数据。因此，数据压缩方法是结构健康监测领域的重要研究课题。传统的数据压缩遵循采样定理，首先采集完整的数据，然后再进行压缩，这种方法的效率较低。近年来，应用数学领域在压缩采样理论上的突破性进展，为结构健康监测动力响应数据压缩开辟了崭新的途径。本项目充分利用数学领域的相关进展，突破采样定理的限制，研究结构健康监测动力响应数据的压缩采样方法，即采集的数据既是被压缩的数据。首先研究结构动力响应数据稀疏分解的GA与MP混合算法，以及动力响应数据压缩采样和 Bayesian压缩采样方法；然后，分析压缩采样的数据重构解压误差及其对结构模态参数和损伤识别精度的影响；最后，研究在实际桥梁健康监测系统中的应用。

本项目在国内外土木工程结构健康监测领域首先开展了数据压缩采样的研究，研究了数据稀疏分解的正交匹配追踪（OMP）算法，获得信号的稀疏表示；由于结构振动响应信号具有稀疏性，因此研究了结构动力响应数据的压缩采样；研究了结构健康监测声发射数据压缩采样的OMP算法；为增加无线传感器数据传输的鲁棒性，提出了基于压缩采样技术的结构健康监测无线传感器网络数据丢失的恢复方法，并将算法嵌入到美国UIUC大学B.F. Spencer教授研制的Imote2无线传感器里。考虑测量噪声，提出了Bayesian压缩采样方法。并进一步将压缩采样方法扩展用于具有稀疏解的系统识别反问题，提出了基于压缩采样理论与子结构灵敏度分析的结构损伤识别方法。研究成果采用山东滨州黄河公路大桥、哈尔滨松浦大桥以及国家游泳中心等现场监测数据进行了验证，取得好的结果。项目研究成果可用于结构健康监测的数据压缩，无线传感器和传感网络的数据鲁棒传输，具有稀疏解的系统识别问题。为土木工程结构健康监测数据分析与处理的发展提供了新的思路，具有重要的理论意义和实际价值。