文摘

非参数,数据驱动的方法监测岩土结构受到长期的环境变化进行了探讨。避免物理假设或过度简化的监控结构,提出了非参数监测方法提供了可靠的绩效信息尤其是传感器数据的收集是有限的。验证的非参数方法,字段使用全面挡土墙进行案例研究,已使用三个倾斜仪表监控三年了。使用非常有限的传感器数据,证明重要的绩效信息,如排水性能和传感器损坏,可能是分重要的日常,季节性和多年的环境变化。广泛的文献回顾最近发展岩土参数和非参数数据处理技术的应用。

1。介绍

恢复和改善城市基础设施被认为由国家工程院的十四大挑战工程(美国,1]),根据2009年的评估报告为美洲民用基础设施,美国基础设施的现状是“D”级(2]。老化民用基础设施包括桥梁、堤坝和大坝在美国呼吁采取紧急措施重点维护、修复、改造。岩土结构,与其他类型的民用基础设施相比,更容易受到自然和人为灾害。例如,在太平洋海岸滑坡,落基山脉,阿巴拉契亚山脉,夏威夷和波多黎各地区造成每年死亡人数的25到50和直接/间接经济损失每年高达30亿美元(3]。

结构健康监测(SHM)是一种新兴技术的评估结构条件下,危险,和风险,包括三个主要组件:传感仪器,数据通信和归档,数据分析和解释。随着今天强大的数字媒体和互联网,前两个组件的需求一直很容易填满在许多情况下,但仍然存在严重的技术挑战第三组件;如何处理大量的传感器数据获取关键信息为决策?研究团体被淹没的复杂和广泛的现场数据与各种因素有关的岩土性质的现象。在处理一些重要的挑战实地测量如下。(1)如何绩效信息(例如,排水系统的条件)是分引起的各种环境因素(例如,昼夜和季节温度变化)?(2)实地测量是昂贵的和技术上的困难,特别是当长期监测。如何执行可靠估计传感器数据在不牺牲精度不足?(3)广泛的建模工作需要在当前的结构健康监测实践岩土结构。一个人怎么能减少对岩土结构建模工作,不同的是谁的材料和结构特点?(4)一个人怎么能处理不可避免的和不可预知的传感器/仪器网络问题和损失的传感器数据的子集,在领域中经常遇到的数据收集?

论述了可靠的岩土工程结构监测方法受到长期环境变化非常有限的传感器测量。方法的目标是提供的信息的时候,在哪里,以及如何自信地现场工程师应部署监控网站对结构性能的潜在危险。应该足够健壮的方法处理不可避免的故障数据收集期间仪器设备。

本文的组织结构如下:一些定义和当前的监测实践的困境中讨论部分2。监测的传感和建模策略复杂岩土系统讨论了部分3。理解系统识别技术开发可靠的监测方法是很重要的。最近讨论了建模和系统辨识技术的发展:在部分参数的方法4在部分和非参数方法5。进行了一个案例研究演示如何监测方法由作者开发可以应用于现实的问题。全面的分析结果挡土墙长期环境变化部分中讨论6。

2。一些定义和当前的监测实践困境

逆分析和系统辨识技术是必要的工具来评估当前的民用基础设施系统的性能使用现场测量数据。可以表示系统的逆分析导致响应模型,由致病力,系统特征函数,系统响应如图1。致病力通常是外部力量(例如,土压力)和系统响应通常是产生的变形(如位移)。系统的特征函数决定了系统属性与线性或非线性系统的输入和输出之间的关系与土壤属性的空间和时间变化和高度可变的土壤条件。

当地球结构面临重大环境变化(例如,气温和降水量),系统识别变得更加复杂,因为系统响应反映了荷载和环境因素的联合效应。这就是传统的系统辨识参数方法变得难以实现。

非参数方法,另一方面,是不需要的数据驱动的识别技术先天的对目标系统的物理知识。因此,不依赖理想化和简化建模,相同的数据处理方法适用于不同的结构类型。也有利的非参数方法在处理结构恶化以来,非参数模型是更灵活的处理比参数的时变系统,与物理建模假设和不会有效,一旦目标结构损坏。

到目前为止,系统识别岩土结构主要是通过使用参数化方法。在岩土工程的长期监测系统中,然而,可能会有重大差异系统行为和相应的模型有两个原因。首先,土壤条件是高度可变的。尽管高保真模型加上复杂的土壤行为已经可用(例如,耦合thermo-hydro-mechanical模型),收集所有必要的传感器数据参数识别是非常昂贵的,它通常是不可行的。由于数据不足的模型,通常采用简单的模型,忽略了许多重要的环境因素。因此,由于简化参数估计变得不准确。第二,结构会随着时间的推移而退化。共同挑战在建模系统恶化,恶化可能导致不仅系统参数值的变化,而且监控系统转变成不同类型的非线性系统。此外,破坏系统的特征通常是未知的,所以系统不能参数化建模之前实际损害的发生。

现有的非参数方法的一个缺点是,物理解释识别结果并不像表面那么简单的参数化方法,其系统参数具有物理意义(例如,扬斯模量)。虽然一些非参数方法在岩土工程中得到应用,获得重要决策的绩效信息维护已经很少强调在这个类的方法。例如,非参数人工神经网络技术,将部分中描述5。3被雇佣为另一种方法使用土壤本构模型参数回归方法(例如,弹塑性模型),将部分中描述4.1,识别复杂的非线性应力-应变关系的土壤。当土壤强度退化,与参数方法,非参数方法可以检测土壤力学性能的变化,但它无法解释它是什么类型的物理变化的识别结果。为了克服上述困境在当前的监测实践,它是可取的两边的优点:建模灵活性的非参数方法和参数方法的物理解释。

3所示。传感和建模策略

减少高成本的传感器数据采集与高度的空间和时间变化对岩土结构,如何被测量的选择是一个关键问题。三个选项有可能在传感:诱发力,环境因素和系统响应图1。系统响应需要测量,因为其他两个不包含系统特性的信息;系统响应的最丰富的信息,整个系统包含所有组件的诱发力的影响,环境和系统特色功能。使用数据包含的信息系统的特点是特别重要的,当一个人处理结构恶化。

一个挑战,然而,在处理系统响应数据,通常很难解释原始传感器数据直接由于系统中组件的相互关联的影响。因此,某种需要解开纠结技术将数据分解成更容易管理和身体上可以理解的形式。

解释建模策略,图2总结了系统识别差异参数和非参数方法。

在非参数方法,只是(或输出)数据处理发现的数学关系嵌入数据。为了应对复杂的原始系统响应(或系统输出)数据,在建模之前解开纠结一些技术将被使用。一旦系统响应数据处理,额外的数据的致病力(或系统输入)和/或环境因素可以作为后验信息的物理解释。模型的建设,因此,监测方法不需要显式的系统输入之间的关系,环境和系统输出,通常不知道在岩土工程应用。

上面的传感和建模方法有几个重要的现有优势(参数)的方法,尤其是在监视应用程序。(1)简化问题可以避免尤其是当实际系统是复杂的,数据不足以来复杂的(参数)投入产出模型的建模过程是完全数据驱动的使用只是数据。(2)建模时间和精力可以显著减少通过使用相同的数据处理程序对不同结构类型自该方法并不局限于一个特定类型的结构(即。,该模型不是基于物理假设)。出于同样的原因,同样的程序可以用于不同的传感器类型。(3)该方法比传统的更有利的参数方法在处理结构恶化常与未知时变系统的特点。

4所示。检查参数的方法

在本节中,参数化方法的最新发展了提供参数建模的背景,评估和优化技术。

4.1。建模

两个参数对岩土工程系统的建模方法进行了讨论:thermo-hydro-mechanical土壤本构模型和耦合模型。

以下4.4.1。土本构模型

存在各种土壤本构模型。在弹性模型作为最简单的本构模型,应用下的应变假定为持续负载。因此,弹性应变是可逆的,如果删除负载应用,材料弹簧回到了未变形的条件。利用弹塑性模型,模型的复杂性增加了通过添加不可逆转的塑料品种的影响,假设和土壤保持弹性和塑性应变。因此,如果负载被移除,土壤保持永久塑性变形,而弹性应变恢复。因此,一个关键问题在描述材料的弹塑性模型中存在可塑性。塑料的一个分支的建模是基于理想塑性的概念(5]。一些例子包括特雷斯卡模型和•冯•米塞斯模型在粘性土壤,完美的可塑性Mohr-Coulomb模型,Drucker-Prager模型,Lade-Duncan模型、Matsuoka-Nakai模型和Hoek-Brown模型完美的可塑性的摩擦材料。

可塑性建模采用的另一个分支临界状态的概念。在这种建模方法,土壤具有三个主要参数:平均有效应力、剪切应力、土壤体积(或孔隙比)6]。最初的凸轮粘土模型和修改凸轮粘土模型属于这一类。原始凸轮粘土模型是由剑桥大学的研究人员作为第一临界状态模型,预测无限土变形没有压力或容积变化达到临界状态时软土(7]。修改后的凸轮粘土模型假定固体颗粒之间的空隙只有装满水(即。,完全饱和)。修改后的凸轮粘土模型制定基于塑性理论;土壤被加载时,饱和水是固体颗粒之间的孔隙,开除了,因此,严重的不可逆的塑性体积变化发生。一些限制的凸轮粘土模型中描述于(5]。一般描述土壤本构模型可以发现在玉5凌,et al。8)、脑出血和邵(9]。

4.1.2。耦合Thermo-Hydro-Mechanical (THM)模型

岩土系统受环境变化通常表现为复杂的耦合thermo-hydro-mechanical(THM)系统。岩土工程的研究人员已经开发出一种三卤甲烷的数量模型,包括(1)耦合模型对热、水分、空气和/或转让(10- - - - - -20.),(2)粒度级别的冷冻过程中的孔隙水soil-like多孔介质(21- - - - - -26),(3)冻胀现象在地球结构(27- - - - - -38]。

三卤甲烷模型表达的复杂耦合关系在变形部分饱和土壤热、湿迁移15]。冷冻过程之间的交互影响水、温度、土壤和压力;水迁移冻结领域,冻土可以包含解冻水冻结温度以下;水冻结成冰的影响应力状态(38]。制定通常涉及相互关联的pde的热弹性固体(t m)(应力/应变和温度场之间的相互作用通过热应力和扩张)和poroelasticity理论(氯)(可变形性之间的交互和多孔介质的渗透率字段)。质量守恒方程、能量和动量通常用胡克定律的弹性,在多孔介质流的达西定律,傅里叶热传导定律(39]。降水的影响,研究了土壤中水分含量由Troendle和罗伊斯(40),D 'Odorico et al。41伦巴],[42]。守恒方程的数值解,有限元法(FEM)通常采用(39,43]。

4.2。参数估计

对于参数模型,导致响应系统可以表示为 在哪里:观察到在时间步(或测量)系统输出的维数是,是总数量的观察点或数量的传感器现场测量;:估计系统输出基于雇佣geomaterial本构模型。在岩土工程中,有限元方法(FEM)是常用的本构方程的数值解,从而产生;:观察输出之间的残余和估计输出。剩余包括建模错误和测量误差,通常结合在一起,无特征的实地测量。在许多应用程序中,假设残余,在这是一个的协方差矩阵;:系统函数给定系统的参数向量。在最一般的情况下,随机、时变、非线性动态功能;:)系统参数向量估计;:已知系统的输入向量的记忆th秩序。对于静态系统,。

系统辨识的目的是找到“最好”的估计系统参数那最小化剩余。许多可用的最优估计算法是最好的估计,他们通常分为两种方法:参数估计方法和状态估计方法。的参数评估方法(也称为变分方法在某些岩土文献)描述了在这一节中,和状态评估方法(也称为顺序方法在某些岩土文献)将部分中描述4.3。

在参数估计,最总目标函数可以表示为 在哪里:观察目标函数(或测量)系统输出的信息;:目标函数对系统参数的先验信息;:积极的标量参数,调整之间的重要性(权重)观测信息和之前的信息;:测量误差的协方差矩阵的维度;:涉及系统参数先验信息误差的协方差矩阵的维度;:之前所知的系统参数。

三个参数估计方法通常用于岩土工程的应用:(1)最小二乘估计,最大似然估计(2),(3)贝叶斯估计。

4.2.1。准备最小二乘估计(LSE)

伦敦政治经济学院的目标函数对应的情况下调整标量参数在(2),测量误差的协方差矩阵在(3),是一个单位矩阵,从而导致 的条件使用之前,没有信息系统的参数在参数估计。的条件,所有观测值加权具有相同的意义。因此,伦敦证交所需要最少的信息之间的参数估计方法。

伦敦证交所方法将为岩土工程应用最广泛使用的方法。伦敦的一些示例应用程序的地质应用包括Gioda和麦尔的工作44),Cividini et al。45),Cividini et al。46时候,et al。47时候,et al。48时候,et al。49),Gioda和樱井50),Shoji et al。51),Shoji et al。52),Anandarajah和阿加瓦尔53),村上et al。54),贝克和伍德伯里55),而湘et al。56]。

4.2.2。最大似然估计(标定)

在标定方法中,使用测量的观测信息,根据其意义和测量数据加权(也就是,),但是没有先验信息用于参数估计系统参数(例如,)。因此,伦敦证交所可以被视为一种特殊情况的大中型企业。企业的目标函数 使用初速进行岩土工程的一些示例应用程序是莱德斯马et al。57],Honjo和Darmawan [58),莱德斯马et al。59),莱德斯马et al。60],一族et al。61年]。

4.2.3。传统的贝叶斯估计(是)和扩展贝叶斯估计(电子束曝光)

在系统参数估计方法,利用测量的观测信息和先验信息系统的参数,具有同样的意义这两个信息(例如,), 电子束曝光的目标函数比这更普遍的是,与标量nonunit积极调整参数作为 如果调整参数很小,之前的信息吗参数估计的贡献也不大,反之亦然。调整参数的最优值例如,可以确定使用交叉验证方法(62年),岭回归方法(63年],Akaike信息准则(AIC) [64年- - - - - -66年]。

一些传统的应用实例和电子束曝光在岩土工程包括Cividini et al。46),Gioda和樱井50时候,et al。67年),Honjo et al。64年),Honjo et al。65年),而湘et al。56]。

传统是和电子束曝光方法比其他更复杂的评估方法,而贝叶斯方法需要更大量的信息观察测量和系统参数的先验知识。因此,必要的信息的可用性应用贝叶斯方法是很重要的。

4.3。状态估计

在状态估计方法,系统可以被估计在每个时间步使用所谓的它的状态过滤器。因此,也称为状态估计方法序列估计方法。在众多类型的过滤器,卡尔曼算法基于过滤器是最广泛应用于岩土工程的应用,包括(1)线性卡尔曼滤波方法和(2)扩展卡尔曼滤波方法。一些应用实例的卡尔曼滤波方法对岩土工程应用给出了村上的作品,长谷川68年),金和李69年],郑et al。70年]。更一般的描述和细节关于卡尔曼滤波器可以在孟德尔(71年]。

4.3.1。线性卡尔曼滤波器

底层系统模型的线性卡尔曼滤波是基于的假设递归线性动态系统的离散时间域 在哪里在时间步:真正的内部状态从之前的状态,这是进化;:已知系统在时间步输入状态;:随机过程与零均值噪声,多元正态分布的;:线性状态转移矩阵,应用到先前的状态;:输入矩阵,应用于当前系统输入。

观察(或测量)的状态可以表示为系统输出 在哪里:观察系统输出;:观测矩阵,地图的真实状态空间的观察到的空间;:随机过程的观测噪声与零均值高斯白噪声。

使用这个潜在的系统模型,估计的状态误差协方差矩阵的估计状态可以确定 在哪里在时间步:更新状态鉴于观察包括时间步;:更新后的误差协方差矩阵;在时间步:预测状态鉴于观察包括时间步。 ;:预测误差协方差矩阵。 ;:测量残余;; :残协方差矩阵; ;:最优卡尔曼增益。。

所示的卡尔曼滤波器(11)是一种最优估计量最小均方误差 。

4.3.2。扩展卡尔曼滤波器(EKF)

的卡尔曼滤波器,底层的线性动态模型扩展非线性模型作为 在哪里和是非线性函数。而不是和在线性卡尔曼滤波方法,在补充,雅可比矩阵和使用。

总之,该系统的状态估计可以通过评估确定其状态在每一个时间步使用过滤器。使用卡尔曼滤波方法,可以将之前观测数据中的信息在状态估计。自底层系统模型的线性卡尔曼滤波器是一个线性动态系统方法,这种方法通常不适用于非线性岩土系统。扩展卡尔曼滤波方法可以用来识别这类非线性系统。

4.4。优化

一旦构造目标函数对未知系统参数如部分所示4.2使用标准的优化技术,解决方案过程发现的最优系统的参数值。许多优化算法开发并用于通用目的的优化在科学与工程的各个领域。一般优化算法的描述中可以找到Bertsekas [72年]。

在岩土工程应用中,优化过程的目的通常是通过寻找一组校准岩土模型最优模型参数的值。可以找到最优的模型参数值,使用各种优化算法通过最小化之间的残差测量数据(通常来自现场或实验室测试)和合成数据(通常从有限元分析获得数值解的岩土模型)。然而在许多岩土工程的应用,优化表面包含很多局部最小值,有时是凸由于材料行为的复杂性和温度的耦合影响,水分和负载。

优化算法用于岩土工程研究的一些例子包括牛顿法(73年),拟牛顿法(53),高斯牛顿法(56,73年),共轭梯度法(47),单纯形法(45,54),复杂的方法(74年),随机搜索方法(75年,76年),和最近的进化算法,如遗传算法(77年- - - - - -80年)和粒子群优化方法(81年]。

5。非参数方法的回顾

非参数方法也应用于不同的岩土工程问题。在本节中,非参数数据处理技术的最新发展岩土系统了。

5.1。时间序列分析

在时间序列分析中,分析了目标系统的动态响应可以用离散时间系统的级数展开模型输入和输出。一种被称为时间序列模型autoregressive-moving平均(ARMA)模型,可以为制定 在哪里:观察到在时间步(或测量)系统输入;:观察到在时间步(或测量)系统输出;:滑动平均(MA)的顺序;:自回归(AR)的顺序;:白色,外生的噪音。

利用ARMA模型,测量时间历史的特征可以确定系统的输入和输出的识别膨胀系数(的年代,)基于测量系统的输入和输出。可以确定最优系数值,使用各种优化算法作为讨论的部分4.2和4.4。时间序列分析方法的一般描述中可以找到盒子和詹金斯82年]。

时间序列分析方法的一些应用实例岩土系统包括格拉泽(83年],格拉泽和利兹[84年),格拉泽和百色85年),百色市et al。86年],格拉泽(87年]。在格拉泽和百色市(85年),技术系数所确定的时间序列映射到相关土壤物理性质,被认为是一个讨论参数方法在他们的论文中。

5.2。时频分析

5.2.1。经验模态分解和简要地变换

的经验模态分解(EMD)和简要地变换(HHT)方法非参数数据处理技术由黄et al。88年,89年和黄和Attoh-Okine90年]。使用这些技术的一个优点是在处理长期的自然过程,这通常观察到非线性和非平稳的。EMD和遗传性出血性毛细血管扩张症广泛应用于各个领域的科学与工程:气象学和大气物理学91年- - - - - -96年)、地震工程、结构健康监测(SHM),民事结构和控制(97年- - - - - -102年]。

任意时间序列,分析信号可以使用希尔伯特变换。让的希尔伯特变换 在哪里是柯西主值, 在哪里

在(15),需要注意的是,希尔伯特变换的卷积与,它强调的地方特性。此外,(17)提供了最好的地方的使用时间依赖的功能和。最后,瞬时频率被定义为 为了获得身体上有意义的瞬时频率(IMF),黄等。88年)提出一个复杂的原始时间序列的分解为多个所谓的固有模态函数代表振荡模式嵌入到原始信号,和瞬时频率分解首先确定。信号可以使用一系列的货币表示 在哪里是th固有模式函数,货币的数量,是剩余的。

国际货币基金组织定义的属性当地零意味着和相同数量的零交叉和极值在整个时间序列为国际货币基金组织(IMF)只有一个没有复杂的骑波振荡模式。Fourier-based信号处理方法的区别是,国际货币基金组织并不局限于单一的带状,可以非平稳。使用所谓的几个EMD算法开发筛选过程(104年,105年]。

遗传性出血性毛细血管扩张症是一种时频分析技术;加上EMD时频图可以为每个国际货币基金组织(IMF)获得可视化频率随时间变化的。遗传性出血性毛细血管扩张症是相似的小波变换(WT)作为非平稳数据处理技术,但遗传性出血性毛细血管扩张症并不限于底层基函数作为WT。

5.3。黑箱方法

识别复杂的技术性的困难之一(非线性)岩土系统是系统特征函数图1通常是事先未知的,所以不可能建立专属系统输入和输出之间的关系。识别系统时遇到的这种情况下往往是在野外条件下受到各种环境的影响,或系统演变成不同的类的后非线性预测未知的结构性破坏。黑箱方法时可以使用物理系统输入和输出之间的关系是未知的。

人工神经网络(ann)技术,受到生物神经网络,已被证明是一个强大的工具来开发模范自由表示的非线性系统。人工神经网络由一组相互连接的神经元形成输入层、隐藏层和输出层任意multiinput多输出(MIMO)系统图3。采用各种优化算法,输入-输出关系可以确定通过寻找最优值的人工神经元的权值和偏差。ANN方法的详细描述中可以找到Fausett [106年和格尼107年]。

安技术已经被用于广泛的岩土工程应用包括桩承载力、沉降的基础,土壤属性和行为特征,液化,网站描述,挡土墙结构、边坡稳定、隧道和地下开口(103年]。一些技术挑战ANN建模在岩土工程讨论了杰克沙et al。108年]。

5.4。只是模型

只是方法被定义为使用任何系统信息的方法在数据处理程序。的盲源分离(BSS)列为其中一种。BSS方法是一种多元的、非参数技术独立的未知系统输入(或“来源”),根据观察到的系统输出(或“响应”)没有(或很少)信息系统的输入或系统功能。BSS包括几个只是技术,如主成分分析(PCA)的统计不相关的多元系统输入,和独立分量分析(ICA)统计独立的多变量系统输入。PCA和ICA方法的一般描述中可以找到Hyvarinen et al。109年]。

的主成分分析(PCA)方法,也被称为适当的正交分解(POD)或Karhunen-Loeve变换,是一种多变量统计技术110年]。两个代数解决方案的主成分分析是常用的包括(1)协方差矩阵的特征向量分解和奇异值分解的方法(2)。第一个解决方案将在这一节中描述。对于一个观测数据集,在那里是一个向量与传感器相关联,代数解决方案的目标是找到正交矩阵的主要组件,在那里 这使协方差矩阵吗对角线。的协方差矩阵可以确定 这样 在哪里是一个对称矩阵,是矩阵的特征向量作为列,安排是对角矩阵的特征值。由其全球线性PCA是有限的,因为PCA删除观测数据之间的线性相关性和二阶统计只是敏感111年,112年]。

岩土工程的应用PCA包括戴和李113年],Komac [114年),奇葩et al。115年]。

6。案例研究:监测全面挡土墙受到长期的环境变化

为了演示部分中讨论的非参数方法的好处2全面,案例研究使用钢筋混凝土挡土墙高度为13.59米。因为长城是放置只有9.5米的距离高层住宅公寓,墙上的崩溃将导致灾难性的灾难。

回填土的特点是不知道,土壤的行为(例如,孔隙水压力或土壤温度)没有监控。钢筋混凝土的材料特性也未知,挡土墙的计划并没有可用的。挡土墙是监控三年有三个倾斜传感器位于上部,墙的中间,和更低的位置(13.14米、6.55米和1.68米从地面)。在同一位置的倾斜仪表,表面温度测量。因此,总共六个传感器(即。,three tilt gauges and three surface temperature sensors) were used and wired to a data logger, equipped with a digitizer and local storage device. The sensor readings were sampled at once every hour (1 sample/hr) for all channels. Consequently, due to the lack of information in terms of measurement types, temporal and spatial resolution of measurements, and information on the monitored structure, conventional parametric identification approaches could not be used in this study. Furthermore, although the wall surface temperature data were collected, only tilt data were used in this analysis to demonstrate that important performance-related information on the retaining wall can be obtained using response-only data without relying on additional data of the causative force and environment in the data processing procedures. As described in Section3,因为不是基于显式使用只是逆分析数据的系统输入输出的关系,不能准确地确定由于有限的信息结构特点和传感器测量,简化问题经常观察到传统参数方法是可以避免的。环境测量将后验信息用于反分析结果的物理解释,这通常不是简单的在其他非参数方法。如果这种方法是成功的,昂贵的数据收集的成本也可以降低(图4)。

挡土墙的倾斜时间历史测量图所示5。斜率是microradian,加号是坡向公寓。斜坡信号的三个地方是季节性和日变化影响:在夏季和冬季增加,减少,降低在天,增加在夜晚反映在日常的趋势(不清楚图由于规模所示)。在这段三年的监测时间内,墙上的行为是受到温度变化的影响除了雨和雪落,冻融的回填土,土壤结构相互作用,等等。

图5也显示,收集传感器数据部分不完整。较低的传感器失败的2006年一季度(大约一年后)。有“失踪”对所有传感器在第四季度数据,2006年,大约三个月由于仪器故障。这些不可避免的和不可预知的传感器和仪表长期实地测量中经常遇到的问题,并提出了非参数方法应该健壮的处理这些问题。因此,可用的图说明缺乏数据给定问题的复杂性,这是常见的,在许多岩土工程应用。

三个使用非参数数据处理技术:经验模态分解(EMD),简要地变换(HHT)单通道(或单变量)分析,和主成分分析(PCA)的多通道或多变量分析。的总结提出了非参数表提供的数据处理方法1。

简要描述EMD-HHT得到的部分5。2的分析过程,总结了EMD-HHT图6。由于岩土体系的复杂性,再加上长期的环境变异,原始传感器数据如图6通常太复杂解释的性能评估。因此,每日使用EMD基于其趋势分时期的一天的原始信号即使缺失的数据在第二年,三个月和一个示例结果如图6 (b)。斜率进行每日的趋势主要是受到的日常波动墙表面温度(即。,墙上倾向于公寓在日间和夜间期间向回填)。一旦每日趋势分,每日趋势得到的瞬时频率使用遗传性出血性毛细血管扩张症,时频块图所示6 (c)。

每天的时间历史趋势的一天,和相应的瞬时频率的基准频率每天一个如图6 (b)和6 (c)。偶尔振幅降低是历史观察的时间(例如,3/11,3/15,3/21,4/5到4/9)在图6 (b)在这些时期,相应的瞬时频率变得明显大于基准频率。每小时降水记录收集分别在最近的气象站在墙上绘制在图6 (d)。降水数据并不是用于我们的分析。有趣的是,瞬时频率的对比图6 (c)表明,瞬时频率的峰值同意降水事件,和频率降低回到基线(即频率。降水停止时,有一天)。

这些结果表明一个重要的非参数技术的优势与传统参数监视应用程序中的方法。没有先天的信息,监控的物理假设和简化结构,每日趋势可以从复杂的原始分斜坡信号。随着降水的发生,在斜坡信号(即正常模式。,系统响应图1)“干扰”是由于结构特性的变化与含水量的回填(即增加。,系统特征函数)。因此,进行日常的模式趋势也是扰动的振幅和频率。降雨停止后,原始边坡中的模式时间回到正常状态的历史工作排水系统,土壤流失过多的水,那么进行每日的行话的趋势。降雨停止后,如果进行分解信号的模式(即没有回到正常。瞬时频率图6 (c)没有回到基线频率),可以得出结论,排水系统不正常工作。一个关键区别使用原始和原始信号的信号处理太复杂的识别降水的效果,因为它是盖过了其他主导这些与成绩无关的影响,如温度,如图6(一);重要的drainage-related信息可以提取使用分信号如图6 (c)。

主成分分析(PCA)技术作为多传感器分析方法。

简短的描述提供了PCA的部分5。4。为了找到最佳的窗口大小,第一主成分分析的统计模式的形状,这与最大贡献的能量壁运动,计算。图7显示了特征向量的平均值与一个标准偏差(虚线阴影区域的不确定性。统计计算与不同窗口大小(即。,numbers of days) up to 60 days, and the window size of one-day duration includes 24 data points for the given sampling rate of 1 sample/hr. In the figures, since the expectation of the PCA mode shape begins statistically unbiased after 14 days (i.e., the mean and deviation values begin saturated), the window size of two week was selected for the PCA in this study.

图8显示了PCA模式形状误差的一个标准偏差()。在图中,墙的模式形状的斜坡被转换为使用已知的高度的位移传感器的位置。的和括号中相对应的特征值的平均值和标准偏差的每个模式规范化特征值之和的模式。虽然没有物理特性信息,数据8(一个)- - - - - -8 (c)说明了PCA模式形状同意第一,第二,第三悬臂的弯曲模式。PCA特征值表明,运动的第一个模式占主导地位:97.3%的整个运动能量的标准差为2.1%。这主要运动显然是由于显著的每日和季节性趋势如图5这可能主要是由于昼夜和季节温度变化。对结构健康监测的目的,这种占主导地位的低阶模式不太有趣的自条件评估是重要的信息性能相关,而不是环境相关。此外,结构性破坏通常是局部现象,这样更高的模式将会有一个更好的空间分辨率检测。

数据8(一个)- - - - - -8 (c)是使用数据在2005年创建的底部倾斜测量受损。的same PCA procedures were applied using the data after the tilt gauge was permanently damaged in year 2006 Q1, and the results are compared in Figures8 (d)- - - - - -8 (f)。后的第一个模式在图的损害8 (d)实现了类似于前一个图的伤害吗8(一个)除了偏差后的模式形状增加伤害。数据的比较8 (b)和8 (e)表明,过量的运动传感器底部损伤后意识到墙的悬臂式结构是不寻常的。第一个模式的平均贡献的总能量壁运动减少从97.3%(标准差为2.1%)82.3%(标准差为14.3%)和第二模式从2.3%上升14%(标准差为2.0%)(标准差为14.4%),而第三个模式的能量贡献和形状类似如图8 (c)和8 (f)。

图9显示的时间历史PCA特征值。在图中,时间的历史第一个模式是实线(黑)所示,虚线的第二模式(红色),第三个模式dash-dot线(蓝色)。模式1和2的实现特征值显著改变了从3月,2006年,同时在传感器底部受损。

基于单通道和多通道分析结果讨论部分6以下重要的事实可以得出结论,为广大岩土工程结构监测的应用。(我)从时间的历史数据6 (c)和9墙的异常行为发生时,可以确定。这些异常行为相关的性能结构,通常遮蔽的环境变异的重要影响。解开纠结技术,如EMD和PCA,允许过滤掉环境相关信息和关注绩效信息。(2)从较低的模式形状先生在数字8 (d)- - - - - -8 (f)(尤其是图8 (e)PCA或使用信息的上层EMD-HHT传感器位置如图6),异常行为的发生也可以确定。(3)使用统计数据(如误差)的特征值和特征向量的PCA模式如图8,检测异常行为的信心水平可以量化结合标准的统计假设检验或分类技术。应该注意的是,由于PCA模式统计不相关的独立分量分析(或统计独立),量化不确定性可以用三倍积分(三斜率测量)统计检验,不三重积分。例如,它是观察到不同模式之间的互相关值PCA特征值非常低(小于0.6404)总结如表2。这个属性是特别重要的,当使用大量的传感器。

7所示。摘要和结论

非参数方法的建模过程数据驱动的,而不是基于先天的监控的物理知识结构。因此,由作者开发的方法并不局限于一个特定类型的结构,但它可以适用于各种不同的岩土结构的监视应用程序。岩土结构的多样性的特点,非参数方法可以大大降低各种监控应用程序的建模工作,一直使用传统的技术障碍参数的方法。

重要的绩效信息(如排水或故障传感器的影响)可能获得的使用非常有限只是传感器数据(即。,three tilt time histories). The decomposition techniques used in this study could disentangle the response deformation data of the complex system subject to long-term environmental variations without the information of the causative force, environment or structural characteristics. For example, since the precipitation records were not used in the EMD-HHT, it was demonstrated that oversimplification problems could be avoided using the只是分析技术,不是基于独家的输入-输出关系。因此,本文中讨论的非参数方法可以提供重要的信息什么时候,在哪儿,如何自信地工程师应该部署网站潜在的性能危害监测结构的使用很少的信息量不牺牲精度的反分析。常见的实际问题的不可预知的传感器/仪器网络故障问题也可以有效地处理非参数方法。