基于模式识别的结构健康监测异常数据诊断

作     者：高珂 翁顺 陈志丹 朱宏平 夏勇 GAO Ke;WENG Shun;CHEN Zhidan;ZHU Hongping;XIA Yong

作者机构：华中科技大学土木与水利学院湖北武汉430074 华中科技大学控制结构湖北省重点实验室湖北武汉430074 国家数字建造技术创新中心湖北武汉430074 香港理工大学土木与环境工程系中国香港999077 

出 版 物：《建筑结构学报》 (Journal of Building Structures)

年 卷 期：2024年第45卷第3期

页      面：113-122页

核心收录：

学科分类：08[工学] 081402[工学-结构工程] 081304[工学-建筑技术科学] 0813[工学-建筑学] 0814[工学-土木工程] 

基　　金：国家重点研发计划(2021YFF0501001,2023YFC3805700) 国家自然科学基金项目(52308315) 华中科技大学交叉研究支持计划(2023JCYJ014) 中国博士后科学基金(2023M731206) 

主　　题：结构健康监测 异常数据检测 模式识别神经网络 特征提取 极坐标化AUCs曲线 

摘      要：实际结构监测中不可避免出现异常数据,干扰结构的安全评估并引起误判。针对实际监测中多类型异常数据检测效率低和检测结果不准确的问题,提出一种基于特征提取和模式识别神经网络(PRNN)的多类型异常数据识别方法。针对不同类型异常数据的特点建立特征指标集合,通过特征提取将冗长原始样本转化为简短特征向量,显著提高了数据处理和异常检测的效率;进一步引入极坐标化AUCs曲线对多种异常的识别效果进行精确描述,提高了特征指标选取和网络参数调节的优化效率。建立武汉长江航运中心(335 m)健康监测系统,采用该超高层建筑的监测数据对所提方法的精度和效率予以验征。结果表明,基于特征提取和PRNN的多类型异常数据识别方法对6种数据异常的识别准确率达到99.7%,且运算时长仅为深度学习方法的数十分之一。