劉陽 桑永春 劉曉 楊蕓

摘 要：隨著實時、無線、智慧型在線監(jiān)測技術在土木工程領域應用的需求加大，監(jiān)測數(shù)據呈現(xiàn)海量級增長，不穩(wěn)定異常數(shù)據給決策的準確性帶來了巨大挑戰(zhàn)。對目前的一些異常數(shù)據方法進行了闡述。重點討論了結構健康監(jiān)測中異常數(shù)據產生的原因及修復策略。采用異常數(shù)據修復方法對體育館結構健康監(jiān)測實例進行分析和驗證，結果表明基于數(shù)據驅動方法對應力監(jiān)測數(shù)據進行修復是可行的，文中同時還探討了數(shù)據修復方法的應用前景。

關鍵詞：健康監(jiān)測；異常數(shù)據修復；應力監(jiān)測；土木工程

中圖分類號：TP39；TU311.3 文獻標識碼：A 文章編號：2095-1302（2018）09-00-03

0 引 言

隨著“智慧監(jiān)測”概念在土木工程建設領域的普及推廣和應用，長期、實時、無線和在線監(jiān)測技術成為當今健康監(jiān)測領域的發(fā)展潮流和趨勢。無線監(jiān)測傳感網絡系統(tǒng)作為物聯(lián)網重要的底層感知技術，是智慧監(jiān)測的實現(xiàn)基礎，而數(shù)據又是無線監(jiān)測傳感網絡系統(tǒng)的核心，因此對數(shù)據的管理而言至關重要。數(shù)據管理包含數(shù)據的采集、傳輸、存儲和分析等環(huán)節(jié)，數(shù)據的穩(wěn)定可靠性將制約監(jiān)測的有效性，同時也會影響后期的決策和評估。然而，在實際工程結構應用中往往存在數(shù)據干擾、數(shù)據丟失、異常震蕩以及異常中斷等問題，為大數(shù)據分析和科學決策帶來了挑戰(zhàn)。

目前，數(shù)據的修復、重構還原處理技術在信號處理、信息工程等領域均有應用。常見的方法包括回歸分析、插補、刪除、時間序列預測等。近年來，國內外學者基于一些有效方法實施了數(shù)據恢復分析。Eskelson等[1]討論了NN插補算法用于森林資源調查數(shù)據恢復分析的應用。趙昕等[2]基于相關性分析，建立了BP神經網絡模型，對缺失的數(shù)據進行恢復，得到了完整的應變監(jiān)測數(shù)據。黃宴委等[3]選擇與傳感器丟失數(shù)據格蘭杰因果關系大的變量作為極限學習機的輸入向量，實現(xiàn)丟失數(shù)據的恢復。符欲梅等[4]提出一種基于支持向量機的殘缺數(shù)據填補方法，在分析數(shù)據的自相關性基礎上，利用支持向量回歸機原理，選擇適當維數(shù)的樣本作為支持向量機的輸入向量，據此進行了殘缺數(shù)據的預測。鮑躍全等[5]提出了基于壓縮感知技術的數(shù)據丟失恢復的方法。Klis等[6]將主要節(jié)點的概念與壓縮傳感范式相結合，實現(xiàn)了大量數(shù)據信號的恢復。魏晶茹等[7]針對環(huán)境監(jiān)測數(shù)據異常和數(shù)據缺失等問題，提出了基于支持向量機的粒子群優(yōu)化數(shù)據異常檢測和缺失補全算法。宋曉虹等[8]針對多傳感器系統(tǒng)存在的數(shù)據易丟失、易受干擾和易失真等問題，在卡爾曼過濾的基礎上結合協(xié)同合作方式提出了一種協(xié)作數(shù)據重構算法。吳蔚沁等[9]采用KNN算法對公共建筑能耗異常數(shù)據進行數(shù)據修復。

本文針對健康監(jiān)測長期實時采集數(shù)據的異常修復問題進行闡述，給出了針對土木工程健康監(jiān)測的實用的數(shù)據修復及控制方法，對今后提供更加實用、更加有效的數(shù)據診斷識別與清洗修復技術的發(fā)展趨勢進行了分析。

1 異常監(jiān)測數(shù)據

1.1 產生原因

超高層建筑、大型體育設施等結構的服役環(huán)境比較復雜，特別是在實際結構健康監(jiān)測過程中，傳感器、連接線路、采集儀、中繼器、基站及移動終端等監(jiān)測設備容易受到風吹、雨淋、腐蝕等外界環(huán)境的影響，監(jiān)測設備本身的故障、節(jié)點能源供給不足、意外破壞等各種因素均有可能干擾監(jiān)測數(shù)據采集，此外對于超高、超大跨度結構監(jiān)測線路的鋪設比較長，這些因素的耦合效應可能會對采集的數(shù)據產生影響，在實際監(jiān)測過程中不可避免的會產生異常數(shù)據。異常數(shù)據主要來源于結構狀態(tài)的變化、現(xiàn)有監(jiān)測系統(tǒng)的不完善以及現(xiàn)場復雜測試環(huán)境引起的不可避免的監(jiān)測誤差，出現(xiàn)數(shù)據震蕩波動、數(shù)據丟失、噪聲污染或是在一定范圍內的值發(fā)散或不變的情況。土木工程健康監(jiān)測過程中，造成監(jiān)測數(shù)據異常的主要原因有如下三種：

（1）數(shù)據傳輸障礙，如傳輸線路中斷、網絡信號中斷等；

（2）能源供給，如電源突然中斷、電源線斷裂、太陽能發(fā)電供給不穩(wěn)定等；

（3）外界環(huán)境，如臺風、暴雨、雷暴、電磁干擾、人為破壞等。

1.2 類型特點

對于長期連續(xù)監(jiān)測過程中的監(jiān)測數(shù)據而言，監(jiān)測指標通常是處于ti-1和ti狀態(tài)的測定數(shù)值，處于實時監(jiān)測的對象指標均有一定的趨勢性變化規(guī)律。

常用的監(jiān)測指標主要包含位移、溫度、風壓、應力應變等值，如果外界條件比較穩(wěn)定，則該指標數(shù)據的變化速率也通常較為平穩(wěn)，如位移指標，一般在Δt范圍內變化速率處于穩(wěn)定狀態(tài)，斜率近似為直線。異常數(shù)據按照結構狀態(tài)的安全預警目標劃分，可分為危險性異常和非危險性異常，非危險性異常判斷的標準如下：

（1）在歷史數(shù)據集合中變化速率反常但沒有持續(xù)出現(xiàn)發(fā)散現(xiàn)象；

（2）在歷史數(shù)據集合中變化差異較大，但沒有超過報警值；

（3）在歷史數(shù)據集合中丟失。

對于異常數(shù)據，從數(shù)據特征分類則會出現(xiàn)以下幾種情況：

（1）數(shù)據在某一個時刻出現(xiàn)急劇值變化（與前一時刻數(shù)值比較或與歷史時刻數(shù)據整體比較），之后進入穩(wěn)定讀取狀態(tài)；

（2）數(shù)據在某一個時刻出現(xiàn)丟失，之后進入穩(wěn)定讀取狀態(tài)。

2 數(shù)據修復方法

目前的數(shù)據修復方法大致可以歸納為如下兩種情況：

（1）不依賴相似傳感器數(shù)據進行修復：通過該異常數(shù)據測點傳感器獲得已知數(shù)據，對異常數(shù)據區(qū)域進行插值，還原該區(qū)域的丟失數(shù)據，最后得到較完整的數(shù)據信息。假定y含有異常數(shù)據yt，通過利用yt之外的已知數(shù)據建立數(shù)據模型得到預測向量y*，進而預測y的完整數(shù)據實現(xiàn)對異常數(shù)據的修復。

（2）依賴相似傳感器數(shù)據進行修復：所謂相似傳感器數(shù)據是指同類型指標的不同測點傳感器監(jiān)測數(shù)據和不同類型測點傳感器測點監(jiān)測數(shù)據中相關性較好的監(jiān)測數(shù)據。如兩個測點數(shù)據為x，y，其中y含有異常數(shù)據，通過回歸分析得到x，y滿足一定的關系，進而通過x預測y的異常段，從而修復傳感器的異常數(shù)據。

對于第（1）種情況，優(yōu)點在于可不依賴大量的樣本數(shù)據進行比較，亦可用于缺少多個相關性指標的監(jiān)測數(shù)據或監(jiān)測點較少的情況，但僅適合力學模型比較明確，隨著時間變化特點比較穩(wěn)定的監(jiān)測指標。

對于第（2）種情況，優(yōu)點在于可基于預測模型來處理狀態(tài)變化比較顯著的物理指標，但難點在于需要構建不同物理指標之間的相關性，輸入與輸出預測模型的精度往往會影響預測的準確程度。本文采用BP神經網絡方法來進行異常數(shù)據修復。

3 監(jiān)測數(shù)據分析

根據以往監(jiān)測經驗發(fā)現(xiàn)，健康監(jiān)測系統(tǒng)的采樣數(shù)據具有如下特點：

（1）同一個測點區(qū)域的不同類型物理量之間存在相關性；

（2）同一類型物理量在不同測點采集得到的監(jiān)測數(shù)據具有相關性；

（3）同一類型物理量在同一區(qū)域的多個測點采集的監(jiān)測數(shù)據相關性較高。

采用皮爾遜相關系數(shù)對兩個變量進行相關性評價，如式（1）所示：

4 實例分析

4.1 基本概況

某體育場主體結構由混凝土看臺結構和屋蓋罩棚結構組成，兩者共同受力并形成整體?；炷量磁_結構通過變形縫劃分為東、西看臺兩個獨立的結構單元；屋蓋罩棚對應看臺結構變形縫，劃分為獨立的結構單元，并分別支承在看臺結構上，體育場南北長約250 m，東西長約268 m。屋蓋罩棚結構形式整體不對稱，結構主要由兩個外側抗壓環(huán)和一個內側環(huán)組成，徑向采用輪輻式的索桁架連接內外環(huán)。中央抗拉環(huán)由6根全封閉截面的拉索組成，內環(huán)中的預應力在放射狀分布的鋼索桁架上下弦桿產生拉力，鋼索桁架內的拉力傳遞到外環(huán)上產生外環(huán)壓力。在屋蓋結構的兩端點設置兩片支座剪力墻，在不封閉環(huán)索作用下，受到巨大的水平推力。結構形式新穎，跨度較大，施工過程復雜，屋蓋鋼結構空間定位難度大，結構施工過程中的主要受力構件與一些關鍵部位的內力等參數(shù)的變化情況以及結構運營期間的受力狀態(tài)是否與初始設計相符，是否仍處于容許范圍內，成為一個不可忽視的問題。因此要求本工程在施工階段和運營階段對鋼屋蓋關鍵構件的應力應變等進行監(jiān)測。圖1所示為應力和溫度監(jiān)測點布置圖。

4.2 數(shù)據分析

應力和溫度監(jiān)測采用集成式的振型式表面應變計，可以同時測讀應力和溫度兩個參數(shù)，對于不與應力測點相同位置的測點采用單獨設置溫度傳感器的方式實施。應力應變監(jiān)測擬采用JMZX-212表面智能數(shù)碼弦式應變計，如圖2所示，應力應變和溫度監(jiān)測點共96個，本文選取其中10個具有代表性的測點進行分析。在線實時監(jiān)測的數(shù)據采集為每隔10 min采集一次，文中選取連續(xù)兩天的數(shù)據進行分析。通過自動化在線監(jiān)測采集96個應力應變測點數(shù)據和溫度數(shù)據，選取其中10個測點數(shù)據進行分析。測點編號分別為：1，5，8，9，11，13，20，21，22，27。連續(xù)采樣數(shù)據時間間隔為10 min，本次分析取2017.12.5早上7：04至2017.12.6早上7：04時間段。

假定編號1測點的應變數(shù)據在91～111間存在數(shù)據丟失現(xiàn)象?；跈C器學習算法進行數(shù)據恢復。根據相關性分析確定測點8作為輸入向量數(shù)據訓練，如圖3所示。圖4及圖5所示為監(jiān)測數(shù)據修復情況。由圖分析可知，采用數(shù)據修復方法可實現(xiàn)對連續(xù)性監(jiān)測數(shù)據的修復，數(shù)據的整體趨勢較一致，修復結果較理想，可用于指導結構健康性能評估。

5 結 語

（1）結構健康監(jiān)測數(shù)據具有數(shù)據量大、代表性強等特征，通過分析異常數(shù)據的特性進行異常數(shù)據診斷修復完全可行，數(shù)據驅動技術能提供與真實數(shù)據接近的預測。

（2）數(shù)據驅動技術能利用數(shù)據自身的特征進行數(shù)據發(fā)展預測，對異常數(shù)據診斷修復提供了一種科學合理的解決方法。

（3）本文的分析以體育館結構的健康監(jiān)測為研究對象進行分析，但只選取一個時間段的樣本進行研究。在今后的研究中，可通過選取多個樣本、實時進行修復比較以判斷邊采集、邊修復的數(shù)據修復效果。

參考文獻

[1] ESKELSON B N I， TEMESGEN H， LEMAY V， et al. The roles of nearest neighbor methods in imputing missing data in forest inventory and monitoring databases[J]. Scandinavian journal of forest research， 2009，24（3）： 235-246.

[2] 趙昕，賈京，鄭毅敏.基于BP神經網絡的大跨高空連廊應變監(jiān)測數(shù)據恢復[J].建筑科學與工程學報，2009， 26（1）：101-106.

[3] 黃宴委，吳登國，李竣.基于極限學習機的結構健康監(jiān)測數(shù)據恢復[J].計算機工程， 2011， 37（16）：241-243.

[4] 符欲梅，朱芳，昝昕武.基于支持向量機的橋梁健康監(jiān)測系統(tǒng)殘缺數(shù)據填補[J].傳感技術學報，2012， 25（12）：1706-1710.

[5] 李惠，鮑躍全，李順龍，等.結構健康監(jiān)測數(shù)據科學與工程[J].工程力學， 2015， 32（8）： 1-7.

[6] KLIS R， CHATZI E N. Data recovery via hybrid sensor networks for vibration monitoring of civil structures[J]. International journal of sustainable materials and structural systems， 2015， 2（1-2）： 161-184.

[7] 魏晶茹，馬瑜，白冰，等.基于PSO-SVM算法的環(huán)境監(jiān)測數(shù)據異常檢測和缺失補全[J].環(huán)境監(jiān)測管理與技術， 2016， 28（4）：53-56.

[8] 宋曉虹，唐琎.基于卡爾曼過濾的多傳感器協(xié)作數(shù)據重構算法研究[J].計算機應用研究， 2016（1）：210-212.

[9] 吳蔚沁.基于機器學習算法的建筑能耗監(jiān)測數(shù)據異常識別及修復方法[J].建設科技， 2017（9）：60-62.