《基於感測器系統的物體結構故障診斷方法研究》是依託北京師範大學，由別榮芳擔任項目負責人的面上項目。
基本介紹
- 中文名：基於感測器系統的物體結構故障診斷方法研究
- 依託單位：北京師範大學
- 項目負責人：別榮芳
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
結構健康是關係到行業安全的重要因素，複雜的建築或機械結構一旦出現缺陷、變形、斷裂等故障，必將導致巨大的損失。利用最先進的信息科學技術，特別是感測器技術，進行物體結構健康檢測是一項全新的科研課題，國外的研究也剛剛起步，而且主要集中在嵌入式專用感測器及感測器網路的設計和實現，基於感測器系統的結構故障診斷還是空白。本項目創新性地利用感測器系統進行土木結構和機械移動結構的健康診斷和分類方法研究，從而為早期修復和預防性維護決策提供整體解決方案。其中，研究非破壞性感測器的波形設計和數據的採集、融合及分析是本項目的核心任務。在此基礎上，為土木結構和機械移動結構的早期修復和預防性維護決策提供整體解決方案。鑒於不同複雜結構的特徵不同，本項目擬針對幾種不同的複雜結構，如建築物、橋樑和運輸機器分別設計系統原型，並評估效果。本項目擬進一步開發相關軟體原型，用於收集和分析數據，為實際診斷工具的研製提供支持。
結題摘要
隨著現代社會由於建築結構的損壞而出現的安全事故越來越多，結構健康監測與診斷受到越來越多的關注。然而，實際結構的多樣性和環境噪聲的複雜性，使得結構健康監測與診斷的準確性和簡便性難以得到保證。近年來物聯網、無線感測器設備的發展為結構健康監測與診斷提供了新的測量工具，信號處理、數據挖掘與人工智慧技術的發展又為實現更精確、更簡便的結構健康監測提供了理論支持。基於無線感測器網路的原始數據採集，本項目通過引入信號處理領域中最新的時頻分析算法，以及數據挖掘與人工智慧領域中經典的或最新的數據分類算法，實現了對結構健康問題的有效監測和診斷。具體貢獻列舉如下： 1. 設計了基於主成分分析-希爾伯特黃變換(PCA-HHT)的環境影響去除與健康診斷方案； 2. 設計了基於RealAdaBoost的結構健康診斷方案； 3. 設計了基於人工神經網路模型的結構健康診斷方案； 4. 設計了基於深度學習模型的結構健康診斷方案； 5. 研究了面向物聯網、無線感測器網路套用的若干方法論。 本項目採用Matlab力學結構工具包搭建了一個配置有無線感測器網路的三跨橋實驗環境，對所提各方案進行了模擬仿真與性能驗證，可得到如下結論：本項目所提出的各種結構健康診斷方案均具有96%以上的準確率和對環境干擾的魯棒性。這對於結構健康監測與診斷技術的理論創新、工程實現與推廣套用具有一定參考價值。
