基于光纤传感的自升式平台桩腿结构健康监测系统

专利主权项内容

1.基于光纤传感的自升式平台桩腿结构健康监测系统，其特征在于，该系统包括以下模块：数据采集模块，用于采集多维监测数据和应力数据；匹配分量模块，用于对任意监测数据和应力数据分别进行分解获得监测数据和应力数据的若干IMF分量，构建二分图，将监测数据和应力数据的IMF分量作为二分图的节点，获取任意节点对应IMF分量的语谱图以及语谱图中的边缘线，根据语谱图中边缘线之间的距离以及边缘线之间数据点的斜率差异获取二分图中节点之间边的边权值，根据边的边权值大小获得在监测数据下节点对应的IMF分量在应力数据中的匹配分量；预测模型模块，用于利用匹配分量对应语谱图中边缘线的端点，对匹配分量进行划分获得若干个分段分量，获取分段分量之间的累积距离矩阵，根据任意语谱图中任意时间点下所有数据点的能量值获得对应时间点下的能量分布曲线，根据语谱图中边缘线上相邻时间点下数据点在能量分布曲线中的斜率差异，获得数据点的分布特征，利用数据点的分布特征对分段分量之间的累积距离矩阵进行调节获得新累积距离矩阵，利用新累计距离矩阵对分段分量之间的数据点进行匹配获得匹配数据点，根据匹配数据点对应时间点之间的差异构建应力数据的ARIMA预测模型；结构监测模块，用于利用应力数据的ARIMA预测模型进行自升式平台状态结构健康监测；所述对任意监测数据和应力数据进行分解获得监测数据和应力数据的若干IMF分量，构建二分图，将监测数据和应力数据的IMF分量作为二分图的节点，包括的具体方法为：首先，将多维监测数据中的任意一个监测数据记为目标数据，利用EMD分解算法对目标数据和应力数据分别进行分解，获得目标数据和应力数据分别对应的若干IMF分量，将目标数据的IMF分量记为第一分量；将应力数据的IMF分量记为第二分量；然后，构建二分图，将目标数据的每个第一分量作为二分图的一个左节点，将应力数据的每个第二分量作为二分图的一个右节点，将二分图中的左节点和右节点统称为节点；所述获取任意节点对应IMF分量的语谱图以及语谱图中的边缘线，根据语谱图中边缘线之间的距离以及边缘线之间数据点的斜率差异获取二分图中节点之间的边权值，根据边权值获得匹配分量，包括的具体方法为：将二分图中的任意左节点和右节点进行组合获得若干匹配组合，在二分图中每一个匹配组合对应一个边；获取二分图中任意节点对应IMF分量的语谱图，语谱图中一个数据点在水平轴上对应一个时间点，在垂直轴上对应一个频率值，数据点的亮度表示数据点的能量值；预设梯度阈值，梯度阈值T在区间/>内从小到大迭代且迭代步长为/>，结合梯度阈值/>并利用Sobel算子对任意匹配组合中两个节点对应语谱图进行边缘检测，获得语谱图中对应梯度阈值下的若干边缘线，其中/>、/>和/>均为预设的超参数；对于任意语谱图在任意梯度阈值下的若干个边缘线中，获取任意两个边缘线的端点，将一个边缘线的任意端点与另一个边缘线的任意端点之间的欧氏距离记为两个边缘线之间的距离因子，将两个边缘线之间的最小距离因子记为两个边缘线之间的距离参数；根据距离参数以及边缘线之间数据点的斜率差异获得边缘线之间的基准度；根据基准度的大小将语谱图中的边缘线进行连接获得合边缘线，利用梯度阈值对匹配关系中两个节点对应的两个语谱图中合边缘线之间的距离进行加权，获得两个语谱图对应节点在二分图中对应边的边权值；结合二分图中左节点和右节点之间对应边的边权值，利用KM算法获取二分图中左节点和右节点之间的匹配关系，在存在匹配关系的两个节点所对应的两个IMF分量中，将一个IMF分量称为另一个IMF分量的匹配分量；所述根据距离参数以及边缘线之间数据点的斜率差异获得边缘线之间的基准度，包括的具体方法为：获取任意两个边缘线之间的基准度，具体计算方法为：其中，表示边缘线/>和边缘线/>之间的基准度；/>表示边缘线/>和边缘线/>之间的距离参数；/>表示边缘线/>中所有相邻两个数据点之间斜率的均值；/>表示边缘线/>中所有相邻两个数据点之间斜率的均值；/>表示以自然常数为底数的指数函数；/>表示绝对值符号；所述根据基准度的大小将语谱图中的边缘线进行连接获得合边缘线，利用梯度阈值对匹配关系中两个节点对应的两个语谱图中合边缘线之间的距离进行加权，获得两个语谱图对应节点在二分图中对应边的边权值，包括的具体方法为：当两个边缘线之间的基准度大于等于预设的基准度阈值时，将两个边缘线最近的两个端点进行连接获得新边缘线，获取新边缘线与语谱图像中其他边缘线之间的基准度，以此类推，直至边缘线之间的基准度小于基准度阈值时，停止连接，将语谱图中最终得到的任意边缘线记为合边缘线；对于任意匹配关系中两个节点分别对应的两个语谱图在同一梯度阈值下得到的合边缘线，将所述两个语谱图的任意一个语谱图记为第一语谱图，将另一个语谱图记为第二语谱图，将第一语谱图中的合边缘线记为第一合边缘线，将第二语谱图中的合边缘线记为第二合边缘线，利用DTW算法获取第一语谱图中任意第一合边缘线与第二语谱图中所有第二合边缘线之间的DTW距离最小值，记为第一语谱图中第一合边缘线的相似参数，利用相似参数的获取方法获取所有合边缘线的相似参数；将任意语谱图中所有合边缘线的平均相似参数的倒数记为语谱图的综合相似参数；任意匹配关系中两个节点分别对应的两个语谱图在同一梯度阈值下，将两个语谱图的综合相似参数的均值记为所述两个语谱图在对应梯度阈值下的阈值相似参数；将记为梯度阈值的权值参数，其中/>表示所有梯度阈值中的最小值，/>表示梯度阈值；将任意梯度阈值下的阈值相似参数与对应梯度阈值的权值参数之间的乘积，记为对应两个语谱图在的加权阈值相似参数，将两个语谱图在所有梯度阈值下的加权阈值相似参数的均值记为两个语谱图的最终相似参数，将最终相似参数作为两个语谱图对应节点在二分图中对应边的边权值；所述利用匹配分量对应语谱图中边缘线的端点，对匹配分量进行划分获得若干个分段分量，获取分段分量之间的累积距离矩阵，包括的具体方法为：首先，对于任意两个匹配分量，获取匹配分量对应语谱图在最小梯度阈值下的边缘线，将任意两个边缘线形成的组合记为对比边缘组合，利用DTW算法获取对比边缘组合中边缘线之间的DTW距离，将DTW距离最小时对应的对比边缘组合记为目标边缘组合，将目标边缘组合中的边缘线记为目标边缘线，将目标边缘线的端点在语谱图中对应的时间点记为匹配分量的标记时刻；然后，利用标记时刻将对应的匹配分量进行划分，获得若干个时间段下匹配分量的分段数据，记为分段分量，将两个匹配分量的相同时间段下对应的分段分量形成的组合记为分段分量组合，利用DTW算法获取分段分量组合中两个分段分量之间的累积距离矩阵；所述根据任意语谱图中任意时间点下所有数据点的能量值获得对应时间点下的能量分布曲线，根据语谱图中边缘线上相邻时间点下数据点在能量分布曲线中的斜率差异，获得数据点的分布特征，包括的具体方法为：将语谱图中能量值不为0的数据点记为能量点，将语谱图中任意一个时间点下所有能量点对应能量值形成的曲线记为能量分布曲线；获取任意分段分量的语谱图在任意梯度阈值下频率值最大的数据点对应的边缘线记为频率边缘线，将频率边缘线中的所有数据点记为目标数据点，获取每个目标数据点在对应能量分布曲线中的斜率值记为目标数据点的能量斜率，将语谱图中第个时间点下的目标数据点与第/>个时间点下的目标数据点之间能量斜率的比值记为第/>个时间点下的目标数据点的斜率比参数；获取目标数据点的分布特征，具体计算方法为：其中，表示第/>个时间点下的目标数据点的分布特征；/>表示第/>个时间点下的目标数据点所属边缘线中所有目标数据点的数量；/>表示第/>个时间点下的目标数据点所属边缘线中第/>个目标数据点的序数；/>表示第/>个时间点下的目标数据点在所属边缘线中的序数；/>表示第/>个时间点下的目标数据点所属边缘线中第/>个时间点下的目标数据点的斜率比参数；/>表示绝对值符号；利用目标数据点的分布特征的获取方法，获取分段分量组合中两个分段分量分别在每个时间点下对应数据点的分布特征；所述利用数据点的分布特征对分段分量之间的累积距离矩阵进行调节获得新累积距离矩阵，包括的具体方法为：分段分量组合的两个分段分量之间的累积距离矩阵中，第行与一个分段分量中的第/>个时间点下的数据点对应，第/>列与另一个分段分量中的第/>个时间点下的数据点对应，将记为累积距离矩阵中第/>行、第/>列对应元素的距离权重，其中/>表示第/>个数据点的分布特征，/>表示第/>个数据点的分布特征，/>表示绝对值符号，/>表示以自然常数为底数的指数函数，将累积距离矩阵中每个元素与对应的距离权重相乘，获得新累积距离矩阵。