面向大型木构古建筑损坏预测及健康管理关键问题研究

Ancient buildings, which belongs to the exhaustive resources and has extremely high social and economic value, make an important part in the national historical and cultural heritages. However, during years of conservation, existing ancient buildings have currently suffered various degrees of damage even ruin due to artificial and natural destructions. In the traditional perservation methods, the emergency restoration scheme is widely used, i.e., restoration after damage. This method relies on the expertise experience too much which may lead to the loss of information in the cultural relics. It is contrary to the policy of protection prevailing, rescuing first, rational utilization and strenghtening management. Based on the large ancient timber buildings and using the Information fusion method, this project will construct the failure prediction and health management method. In this project, we will mainly focus on the following problems: ① Establishing the system for extracting the basic information of the object and optimizing the layout of the sensors, which include the scheme of monitoring, testing items and information acquisition under the background of multidisciplinary integration, and the feature extraction algorithm of certain or uncertain information; ② The fault prediction and health management, i.e., constructing the probability model of the feature driven nonlinear dynamic damage prediction and health assessment; ③ Building the regression model under propagation mechanism of the object damaged, and determining the way and the degree of the environmental factors damaging the object to obtain the best state of the environment; ④ Determining the optimal timing of repairing and the repairing strategy, i.e., detecting the critical point of repairing by combining the expert knowledge with the simulation experiments, and seting up the valued mapping function between the space of the repairing strategies and the set of the damage pattern space.

古建筑是一个国家历史文化遗产重要组成部分，属于不可再生资源，具有极高社会和经济价值。但在历经岁月沧桑保存过程中，由于人为和自然力破坏，都不同程度遭受损坏甚至毁灭。传统保护方式多采用抢救性即损坏后修复，且过分依靠专家经验，这将导致文物携带信息的丢失，违背"保护为主、抢救第一、合理利用、加强管理"的方针。本课题以大型木构古建筑为背景，以信息融合方法为手段，建立一套损坏预测及健康管理方法，重点研究：①对象基本信息获取体系搭建：多学科融合下监测、检测条目及获取方案确定；传感器优化布局；确定、不确定信息的特征提取算法；②对象损坏预测及健康管理：以特征为驱动的非线性动态损坏预测及健康评估概率模型建立；③对象损坏传播机制下回归模型的建立，确定环境因子损坏对象的方式及程度，得到最佳环境状态；④最佳维修时机及维修策略确定：结合专家知识及仿真实验，确定维修临界点；建立维修策略空间及与损坏模式空间集值映射函数。

传统的古建筑保护多采用抢救性方式，即损坏后维修，且过分依靠专家经验，难免造成文物建筑的另外一种损坏，更主要的是会导致文物携带信息的丢失，违背了预防为主的文物保护方针。木构古建筑的保护是我国古建筑维护和修缮过程中的重中之重。本项目旨在研究木构古建筑基础信息处理方法，实现古建筑健康状态特征才抽取，并给出有效的木构古建筑健康诊断和寿命预测方法。主要成果包括：.1）研究包含不确定信息情况下二维模糊图像特征抽取新方法。将木构古建筑变量的原始观测数据通过反映其特征的模糊隶属度函数转化成多个模糊特征，构造多维模糊特征向量，计算两两变量模糊特征向量之间的距离，并将其综合得到所有变量之间的模糊特征向量距离矩阵，利用递归分组算法学习隐形树模型。通过模糊隶属度来表示数据的多个特征，综合木构古建筑的空间位置信息建立概率学习框架，并利用隐形树结构模型高效推理的优势进行准确特征抽取。.2）开展了木构古建筑上所采集到的一维多变量信息特征抽取技术及在古建筑健康状态监控中的应用研究。包括ANN、ELM、PCA、PLS等的多变量信息特征抽取新方法：将随机投影与kc-PNN相结合实现非线性统计特征抽取。引入相对化变换的思想到全潜空间分解过程中，解决各传感器量纲不一致导致的特征抽取不精确问题，从而可以更好地对木构古建筑质量相关的异常进行监控和预测。并将ELM与基于相对化变换的全潜结构投影算法相结合，以得到更精确的古建筑质量预测结果。多级主元分析方法的研究旨在检测出系统异常的情况下对木构古建筑故障大小进行估计。.3）开展了基于微分特性的动态特征抽取技术及多模态问题研究。提出一种基于微分特性的稳定模态分级故障诊断方法，解决传感器精度下降或交流电源故障导致的故障信号过零点无法很好检测的问题。基于微分特征抽取技术的异常监测方法可以解决历次维修导致的结构变化所呈现的多模态监测问题。.4）建立的木构古建筑的寿命预测模型。采用附加动量项和改进学习速率相结合的方法对标准的BP 神经网络进行了改进，既解决了高度非线性的问题又保留BP算法的有点，对木构古建筑进行寿命预测。但该方法的预测模型是神经网络黑匣子内定义的，而且各传感器采集到的数据存在采样率不同和数据丢失的问题。基于此开展了基于缺失数据估计的非线性偏最小二乘算法及在古建筑中寿命预测中的应用研究。.共发表学术论文16篇，其中EI收录10篇，SCI收录1篇。