一种结构健康监测多应变传感器数据异常检测与修复方法

本发明属于数据安全，具体涉及一种结构健康监测多应变传感器数据异常检测与修复方法。

背景技术：

1、传感器是健康监测系统中采集信息的重要部件，通过对监测数据蕴含信息的评估，挖掘数据中的各种特征，对结构进行参数检测、状态监控和损伤诊断等，可以实时反映结构的运营情况，评估和预测结构安全水平及其变化规律，具有重要的理论意义和实际价值。

2、然而，由于外界不利环境和传感器自身的故障，传感器容易出现数据丢失、随机噪声、偏置、漂移等故障，此时传感器输出的信号会与真实信号产生偏差，如果以所测量的异常信号做后续的分析，会产生错误的结果，严重的甚至会造成工业事故。

技术实现思路

1、本发明的目的在于，提供一种结构健康监测多应变传感器数据异常检测与修复方法，解决结构健康监测多应变传感器异常数据的检测与修复问题。

2、本发明所采用的技术方案如下：

3、一种结构健康监测多应变传感器数据异常检测与修复方法，包括以下步骤：

4、获取多应变传感器监测数据，并依据时间窗口对其进行切片处理；

5、计算同一时间窗口内多应变传感器监测数据间的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数，构建该时间窗口的相关系数矩阵；

6、将连续时间窗口的相关系数矩阵进行组合，构建一组多维相关系数矩阵；

7、将每个时间窗口的相关系数矩阵转换为相关性特征图，由各应变传感器作为节点，由各应变传感器监测数据间的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数作为边；

8、将多维相关系数矩阵对应的相关性特征图输入至训练好的图卷积神经网络，实现各应变传感器监测数据的异常诊断；

9、若诊断出某一应变传感器的监测数据异常，则选取至少一个与该应变传感器监测数据相关性强且监测数据正常的应变传感器，将其监测数据与异常监测数据一起输入至训练好的极限学习机网络，得到异常监测数据的修复数据。

10、进一步的，计算相关系数之前，对所有应变传感器监测数据进行归一化处理。归一化包括：

11、

12、式中，为第i个应变传感器的原始时间序列数据，为第i个应变传感器的原始时间序列数据的均值，xi为第i个应变传感器的归一化时间序列数据。

13、进一步的，相关性特征图中，若某一边的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数均超出各自的预设相关系数阈值范围，则删除该边。

14、进一步的，根据皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数选取相关性强的应变传感器，或直接选取所有监测数据正常的应变传感器。

15、进一步的，采用三层图卷积神经网络，选择adam方法优化图卷积神经网络的训练过程。

16、一种结构健康监测多应变传感器数据异常检测与修复系统，该系统包括：

17、异常诊断模块，用于获取多应变传感器监测数据，并依据时间窗口对其进行切片处理；计算同一时间窗口内多应变传感器监测数据间的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数，构建该时间窗口的相关系数矩阵；将连续时间窗口的相关系数矩阵进行组合，构建一组多维相关系数矩阵；将每个时间窗口的相关系数矩阵转换为相关性特征图，由各应变传感器作为节点，由各应变传感器监测数据间的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数作为边；将多维相关系数矩阵对应的相关性特征图输入至训练好的图卷积神经网络，实现各应变传感器监测数据的异常诊断；

18、异常修复模块，用于若诊断出某一应变传感器的监测数据异常，则选取至少一个与该应变传感器监测数据相关性强且监测数据正常的应变传感器，将其监测数据与异常监测数据一起输入至训练好的极限学习机网络，得到异常监测数据的修复数据。

19、进一步的，相关性特征图中，若某一边的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数均超出各自的预设相关系数阈值范围，则删除该边。

20、进一步的，根据皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数选取相关性强的应变传感器，或直接选取所有监测数据正常的应变传感器。

21、一种计算机可读存储介质，存储有计算机程序，用于被处理器执行时，实现上述的结构健康监测多应变传感器数据异常检测与修复方法。

22、本发明与现有技术相比，具有以下优点及有益效果：

23、本发明在进行数据分析前，对多应变传感器的监测数据进行数据异常诊断与修复，消除监测数据中所含的系统误差和错误信息，得到监测数据中的有用信息，进而可以更好的描述结构、健康监测系统当前的状态。

技术特征：

1.一种结构健康监测多应变传感器数据异常检测与修复方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的结构健康监测多应变传感器数据异常检测与修复方法，其特征在于，计算相关系数之前，对所有应变传感器监测数据进行归一化处理。

3.根据权利要求2所述的结构健康监测多应变传感器数据异常检测与修复方法，其特征在于，归一化包括：

4.根据权利要求1所述的结构健康监测多应变传感器数据异常检测与修复方法，其特征在于，相关性特征图中，若某一边的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数均超出各自的预设相关系数阈值范围，则删除该边。

5.根据权利要求1所述的结构健康监测多应变传感器数据异常检测与修复方法，其特征在于，根据皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数选取相关性强的应变传感器，或直接选取所有监测数据正常的应变传感器。

6.根据权利要求1所述的结构健康监测多应变传感器数据异常检测与修复方法，其特征在于，采用三层图卷积神经网络，选择adam方法优化图卷积神经网络的训练过程。

7.一种结构健康监测多应变传感器数据异常检测与修复系统，其特征在于，该系统包括：

8.根据权利要求7所述的结构健康监测多应变传感器数据异常检测与修复系统，其特征在于，相关性特征图中，若某一边的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数均超出各自的预设相关系数阈值范围，则删除该边。

9.根据权利要求7所述的结构健康监测多应变传感器数据异常检测与修复系统，其特征在于，根据皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数选取相关性强的应变传感器，或直接选取所有监测数据正常的应变传感器。

10.一种计算机可读存储介质，其特征在于，存储有计算机程序，用于被处理器执行时，实现权利要求1至6中任意一项所述的结构健康监测多应变传感器数据异常检测与修复方法。

技术总结
本发明公开了一种结构健康监测多应变传感器数据异常检测与修复方法，该方法包括：获取多应变传感器监测数据，并依据时间窗口对其进行切片处理；计算同一时间窗口内多应变传感器监测数据间的皮尔逊相关系数、斯皮尔曼相关系数及肯德尔相关系数，构建该时间窗口的相关系数矩阵，生成相关性特征图，并输入至训练好的图卷积神经网络，实现各应变传感器监测数据的异常诊断；若诊断出某一应变传感器的监测数据异常，则选取至少一个与该应变传感器监测数据相关性强且监测数据正常的应变传感器，将其监测数据与异常监测数据一起输入至训练好的极限学习机网络，得到异常监测数据的修复数据。本发明能够实现多应变传感器监测数据的异常检测与修复。

技术研发人员：刘志平,刘慧,张鹏,于燕南
受保护的技术使用者：武汉理工大学
技术研发日：
技术公布日：2024/1/15