【技术实现步骤摘要】
本公开涉及传感器故障识别，具体涉及用于桥梁结构健康监测的传感器故障识别定位方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
2、桥梁结构健康监测（bridge system health monitoring，bshm）技术具有确保桥梁结构安全和耐久性的潜力，并在过去几十年中迅速发展。bshm的目标是通过传感器网络对桥梁状态进行定量、连续的监测，以实现桥梁结构的损伤识别，主要由传感器系统、数据采集与传输系统、数据处理与分析系统以及结果显示与报警系统，其中传感器系统是bshm的基础。此外，测量数据还可用于负载识别、响应重构和振动控制等方面。为了实现这些目标，现在许多在役桥梁都配备了传感器网络，不断测量桥梁的响应（如加速度）以及环境条件（如温度）。bshm的功能在很大程度上依赖于大量测量数据的准确性和有效性。随之带来问题是由于传感器和相关的传输硬件在恶劣的环境下运行，获取的监测数据中不可避免地包含各种故障，手动检查故障非常费时。然而，由于监测数据的故障相对复杂，检测过程很大程度上依赖于bshm工程师的经验，因此在处理大数据集时往往会遇到困难。因此，随着bshm数据的不断积累，迫切需要开发自动化的传感器故障检测的方法。
3、其中，基于模型的方法需要建立结构的数学模型，例如已知参数的动态方程，以实现传感器故障数据的检测。在理论建立或实验识别结构输入输出模型的前提下，通过计算模型预测的无故障数据与实测数据之间的残差，可以检测出有传感器故障的数据。然而，由于大型桥梁
4、总之，目前的方法并未对各种故障数据进行分类或者分类较少，适用性较差并且没有进一步对故障的发生区间定位，迫切需要一种新的方法。
技术实现思路
1、本公开为了解决上述问题，提出了用于桥梁结构健康监测的传感器故障识别定位方法及系统，通过对加速度传感器的故障进行分类，实现对bshm中加速度传感器的四种故障的识别以及漂移、偏置和增益故障的定位，提高传感器故障识别的鲁棒性以及准确率。
2、根据一些实施例，本公开采用如下技术方案：
3、用于桥梁结构健康监测的传感器故障识别定位方法，包括：
4、获取桥梁中原始加速度传感器的信号数据，并预处理生成一维时间序列数据；
5、将一维时间序列数据输入至1dfcn-net网络中，对加速度传感器故障进行识别，输出相应故障信号；针对获取的故障信号，进行故障信号归一化以及均值聚合处理，再利用卡尔曼滤波以及均值滤波消除噪声，通过故障信号一阶差分的最大值最小值，确定故障区间；
6、其中，故障信号的生成方式为：利用原始加速度传感器的信号数据，设计滑动窗口，在滑动窗口内的随机区间、位置，添加随机长度的故障，仿真生成故障信号。
7、根据一些实施例，本公开采用如下技术方案：
8、用于桥梁结构健康监测的传感器故障识别定位系统，包括：
9、数据获取模块，用于获取桥梁中原始加速度传感器的信号数据，并预处理生成一维时间序列数据；
10、故障识别模块，用于将一维时间序列数据输入至1dfcn-net网络中，对加速度传感器故障进行识别，输出相应故障信号；
11、故障定位模块，用于针对获取的故障信号，进行故障信号归一化以及均值聚合处理，再利用卡尔曼滤波以及均值滤波消除噪声，通过故障信号一阶差分的最大值最小值，确定故障区间；
12、其中，故障信号的生成方式为：利用原始加速度传感器的信号数据，设计滑动窗口，在滑动窗口内的随机区间、位置，添加随机长度的故障，仿真生成故障信号。
13、根据一些实施例，本公开采用如下技术方案：
14、一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的用于桥梁结构健康监测的传感器故障识别定位方法。
15、根据一些实施例，本公开采用如下技术方案：
16、一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的用于桥梁结构健康监测的传感器故障识别定位方法。
17、与现有技术相比，本公开的有益效果为：
18、本公开利用从桥梁结构中获取到的原始数据，通过仿真生成故障信号，可以构建多样性的故障场景，提高模型的鲁棒性。通过归一化和均值聚合数据预处理方法，确保故障信号的一致性和可比性，提高了后续处理的稳定性为后续的故障识别提供高质量输入，通过1dfcn-net（一维全连接卷积神经网络）识别传感器故障，提高了对复杂模式的捕捉能力，实现了对不同故障类型的鉴别能力，同时相比于利用图像检测故障，在高实时性以及低算法复杂度的具有明显优势。通过对故障信号的分析，能够定位故障发生的时间，为维护人员提供精确定位的故障信息。
本文档来自技高网...【技术保护点】
1.用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，包括：
2.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，所述1DFCN-Net网络由三层卷积层，一层全局平均池化层以及一层全连接层组成，网络的输入为12000×1的经过归一化以及均值聚合的一维时间序列数据，输出为某一种故障信号对应的标签。
3.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，对故障信号进行分类，添加随机长度的故障包括：漂移故障、完全故障、偏置故障以及增益故障。
4.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，利用Min-Max归一化以及均值聚合，对生成的故障信号数据预处理。
5.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，一阶差分为时间序列的某一刻数据。
6.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，滑动窗口设定为60s。
7.如权利要求1所述的用于桥梁结构健康监测的传感器故障
8.用于桥梁结构健康监测的传感器故障识别定位系统，其特征在于，包括：
9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的用于桥梁结构健康监测的传感器故障识别定位方法。
10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-7任一项所述的用于桥梁结构健康监测的传感器故障识别定位方法。
...【技术特征摘要】
1.用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，包括：
2.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，所述1dfcn-net网络由三层卷积层，一层全局平均池化层以及一层全连接层组成，网络的输入为12000×1的经过归一化以及均值聚合的一维时间序列数据，输出为某一种故障信号对应的标签。
3.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，对故障信号进行分类，添加随机长度的故障包括：漂移故障、完全故障、偏置故障以及增益故障。
4.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，利用min-max归一化以及均值聚合，对生成的故障信号数据预处理。
5.如权利要求1所述的用于桥梁结构健康监测的传感器故障识别定位方法，其特征在于，一阶差分为时间序列的某一刻数据。
6....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。