结构健康监测数据压缩采样与重构的群稀疏优化算法

发布时间：2018-10-17 16:35

【摘要】：随着结构健康监测系统在桥梁等大型结构上的应用,一方面数据采集、存储和传输成本的消耗逐渐引起人们的关注;另一方面,由于各种因素的影响,结构健康监测数据常常存在错误数据。压缩感知理论的提出,为结构健康监测数据压缩采集和数据重构提供了新的思路。传统的压缩感知数据重构算法只是针对单个测量信号,基于其在频率域上的稀疏性对压缩采样数据进行重构。但在实际健康监测系统中,同一结构上的多个传感器测量数据之间具有时空相关性,在频域具有相似的稀疏性,也即群稀疏特性,为提高结构健康监测压缩采样数据的重构精度,实现错误监测数据的重构,本文提出基于群稀疏优化算法的压缩感知数据重构方法。主要研究内容包括:提出基于群稀疏优化算法的压缩感知数据重构方法。由于同一结构多传感器监测数据具有时空相关性,也即结构振动响应多传感器数据在频域具有相似的稀疏性(称为群稀疏性)。充分利用此特性,研究在压缩采样数据重构过程中引入了群稀疏约束(最小化(?)_(p,q)范数约束,其中,p=2,q=1),提高数据的重构精度。并根据广义拉格朗日乘子方法,建立迭代求解算法。研究提出的群稀疏优化算法对实际桥梁无线传感压缩采样数据的重构效果。采用无线传感器采集厦门海沧大桥振动数据,模拟数据压缩采样过程,分别采用群稀疏优化算法和传统稀疏优化算法对压缩采样数据进行重构,并对重构结果进行分析,对比研究群稀疏优化算法的重构精度。对重构数据进行模态参数识别,研究重构误差对模态参数识别结果的影响。提出基于群稀疏优化的结构健康监测错误数据重构的方法。首先对大量实际桥梁健康监测温度、湿度、加速度、应变、GPS位移数据进行统计分析,研究数据异常模式。在此基础上,考虑监测数据的群相关性和错误数据的非一致性,采用提出的群稀疏优化的方法进行错误数据重构,首先对实际桥梁完好监测数据进行模拟,模拟三种数据错误类型:随机跳点、小段连续数据异常和两种异常类型的综合。然后用群稀疏优化算法对三种模拟的异常数据进行恢复,并对恢复结果与原数据进行对比,验证方法有效性。
[Abstract]:......
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU317
，

本文编号：2277282