申请/专利权人：沈阳大学

申请日：2022-03-24

公开（公告）日：2024-05-03

公开（公告）号：CN114638039B

主分类号：G06F30/13

分类号：G06F30/13;G06F30/23;G06F30/27;G06F17/16;G06F18/2135;G06F18/214;G06N3/088

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2024.04.23#专利申请权的转移;2022.07.05#实质审查的生效;2022.06.17#公开

摘要：本发明提供一种基于低秩矩阵恢复的结构健康监测特征数据解释方法，是为了解决基础设施结构健康监测系统提取的特征数据易受到时变的环境与运营因素以及数据丢失等影响，难以实现结构在线状态评估与早期损伤探测的问题而提出的，包括：确定算法控制参数并初始化时变特征矩阵，对时变特征矩阵进行数据增强与矩阵分离以提取稀疏与低秩指标，在训练阶段计算稀疏与低秩预警指标与阈值；在探测阶段进行结构状态的分类并两级预警，根据新读入的特征数据更新时变特征矩阵以执行下一次迭代。本发明将经数据预处理与特征提取得到的高维特征数据进一步规范化，以实现鲁棒、全历程、实时在线的状态监控与损伤探测，适用于各种基础设施结构长期健康监测。

主权项：1.一种基于低秩矩阵恢复的结构健康监测特征数据解释方法，其特征在于，通过无监督机器学习和统计模式识别技术实现，包括以下步骤：第一步：参数初始化根据结构当前运营状态、定期检测与健康监测历史，将已获取的特征数据集划分为训练阶段和探测阶段，训练阶段长度为kT，特征数据集中的特征数据的维度为m；确定迭代参数k，时变特征矩阵Mk：取训练阶段前n个m维特征数据，n＜＜kT，构成初始的时变特征矩阵Mn： 式中：fi,j为Mn中第j个特征数据的第i维元素，i＝1,2,…,m，j＝1,2,…,n；k≥n，当k＝n时，则Mk＝Mn；算法控制参数还包括：低秩矩阵补全正则化参数λ1、鲁棒主成分分析正则化参数λ2、指数加权滑动平均模型的平滑参数α和指数加权滑动平均模型的控制限宽度β；第二步：数据增强基于考虑噪声的低秩矩阵补全技术对可能包含缺失数据的时变特征矩阵Mk进行数据增强，以获得增强的时变特征矩阵Xk，将Mk中的缺失数据作为非数元素NaN，优化求解问题如下： 式中：||·||*代表矩阵的核范数，Ω代表矩阵中除非数元素之外其余元素的索引集，PΩ·为索引集Ω对应的矩阵元素，||·||1代表矩阵的l1范数；第三步：矩阵分离基于鲁棒主成分分析技术对增强的时变特征矩阵Xk进行分离，得到稀疏矩阵Sk和低秩矩阵Lk，优化求解问题如下： 储存Lk中的第2列至第n列，用于第七步的时变特征矩阵更新；第四步：稀疏与低秩指标提取计算稀疏矩阵Sk各维度的平均稀疏值 式中：si,j为稀疏矩阵Sk中第i行第j列的元素；计算基准期内的均值μi和标准差σi，对于模态特征，基准期长度选为2n，计算稀疏指标SIk： 通过奇异值分解计算稀疏矩阵Lk的奇异值，进一步得到Lk的核范数，计算低秩指标LIk：LIk＝||Lk||*6第五步：阈值计算当k＜kT，储存上一步获得的稀疏指标与低秩指标，执行第七步；当k＝kT，计算指数加权滑动平均模型的控制限，包括稀疏指标的单侧控制限： 以及低秩指标的双侧控制限： 式中：μSI和σSI分别为训练阶段稀疏指标的均值与标准差，μLI和σLI分别为低秩指标的均值与标准差；执行第七步；第六步：两级预警当k＞kT，计算稀疏预警指标与低秩预警指标 式中：和分别为上一循环迭代其迭代参数为k-1获得的稀疏预警指标与低秩预警指标；当k＝kT+1时，和分别为训练阶段稀疏指标与低秩指标的均值μSI和μLI；依据滑动加权平均控制图进行两级预警：若当前的稀疏预警指标同时低秩预警指标位于区间[LCLLI,UCLLI]内即，则表明被监控结构未发生本征变化损伤而处于正常运营的健康状态，执行下一步；反之，若与两者中任一条件不满足，则表明结构处于本征变化损伤状态，执行下一步；其中，若而则表明被监控结构出现较小的本征变化损伤，进行二级预警；若与两者均不满足，则表明被监控结构出现较大的本征变化损伤，进行一级预警；第七步：时变特征矩阵更新读入一个之前获取或通过在线监测实时获取的m维特征数据，若特征数据中为非数元素个数等于m，则忽略该特征数据，继续读入下一个m维特征数据，直至获取的特征数据中非数元素个数小于m；结合第三步得到的矩阵Lk中的第2列至第n列与新读入的特征数据，更新时变特征矩阵Mk： 式中：li,j为低秩矩阵Lk中第i行第j列的元素，fr,new为Mk中新读入的特征数据的第r维元素；更新迭代参数k令其值加1并依次可选地重复执行第二步至第六步。

全文数据：

权利要求：

百度查询： 沈阳大学 一种基于低秩矩阵恢复的结构健康监测特征数据解释方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD