基于LMD方法的桥梁变形监测数据特征提取及损伤预警研究

The key points of bridge dynamic characteristic analysis, real-time warning and safety assessment are bridge deformation data feature extraction accuracy, early warning index and damage warning model's sensitivity and reliability. The new algorithm of LMD and RVM is introduced in the project, and a new method of feature extraction and damage warning of bridge GPS monitoring data is proposed. In theory, the core problems of LMD and RVM are improved, and a new algorithm of LMD and RVM is constructed. In application, the problem of denoising and reconstructing of GPS data based on LMD is studied, and the accuracy of data and the rate of sampling are improved. The new feature parameters are defined, and the dynamic characteristics of bridge damage state are described from multiple angles. Based on RVM, the method of eliminating the environmental impact of feature parameters is established, and the feature parameters are corrected to improve the accuracy and sensitivity of feature extraction and early warning indicators. The multi class feature parameters are used as early warning indicators, and the bridge damage early warning model and the result uncertainty analysis method based on RVM are constructed. Because early warning indicators respond to damage status from various dynamic characteristics of bridges, we can effectively improve the sensitivity, reliability and robustness of early warning methods. The above new method is applied to bridge health monitoring system, which can greatly improve the data analysis ability of the system and evaluate the effect of bridge health state, and provide a strong guarantee for bridge disaster reduction and disaster prevention.

桥梁变形数据特征提取精度、预警指标及损伤预警模型的灵敏性与可靠性是桥梁动力特性分析、实时预警及安全评估的关键所在。项目引入LMD、RVM新算法，提出桥梁GPS监测数据特征提取及损伤预警新方法。理论上，对LMD、RVM核心问题进行改进，构建LMD、RVM新算法。应用上，研究基于LMD的GPS数据去噪、重构问题，提升数据精度及采样率；定义新的特征参数，从多角度描述桥梁损伤状态变化动力特性，并基于RVM建立特征参数环境影响剔除方法，修正特征参数，有效提高特征提取及预警指标精度及灵敏性；以多类修正的特征参数作为预警指标，基于RVM构建多特征参数的桥梁损伤预警模型及结果不确定分析方法。由于预警指标从多种桥梁动力特性角度对损伤状态做出预警响应，可有效提高预警方法的敏感性、可靠性及鲁棒性。将以上新方法用于桥梁健康监测系统，可大力提高系统的数据分析能力及桥梁健康状态评估效果，为桥梁减灾防灾提供有力的保障。

变形特征提取、动力特性参数估计和损伤状态识别是桥梁动力特性分析、实时预警及安全评估的关键所在。变形监测数据受到多种复杂因素的影响，有效剔除数据中的噪声是保证后续数据分析结果可靠性的基础。项目引入了局域均值分解（LMD）、变分模态分解（VMD）、小波分析和相关向量机（RVM）等算法，建立了变形数据去噪、变形特征提取、动力特性参数估计和损伤状态识别等新方法，提高数据分析的精度。项目具体研究内容和成果主要包括：（1）基于LMD、VMD及其改进算法建立了变形数据去噪新方法，并利用桥梁、大坝和模拟数据验证了新方法具有较好的去噪效果；利用小波分析及相关算法、机器学习算法等建立了GPS多路径误差、对流层延迟等误差改正新模型，利用实测数据验证了新模型能有效提高变形数据的质量。（2）利用VMD及其改进算法建立了建筑物变形特征提取和动力特性参数估计新方法，挖掘隐含的变形信息及规律，为建筑物损伤预警提供可靠的指标参数；以某大型桥梁为例，从GPS变形数据中有效提取到桥梁受温度变化、多路径效应及其他环境影响引起的变形特征信息，同时有效估计了桥梁的固有频率和阻尼比参数等动力特性参数。（3）基于VMD算法和变形监测数据估计了建筑物的固有频率及其相关参数、能量谱特征、能量熵等参数，并分析了参数与建筑物损伤状态之间的关系；以测试平台Benchmark模型（钢结构框架）为例，利用钢结构框架在不同损伤位置和状态程度下的加速度数据，验证了以上参数与工程结构损伤状态之间的关系，为建筑物损伤预测与预警提供可靠的指标参数。（4）利用RVM建立了基于固有频率变化率、正则化固有频率变化率、能量谱等参数的结构损伤位置和损伤程度的估计模型；利用多种模拟数据验证了新模型能较好地估计结构损伤状态（位置和程度），可进行建筑物损伤预警。项目研究成果达到了预期目标，能为建立可靠的桥梁健康监测系统提供较好的理论与技术参考。