基于概率主成分分析的结构健康监测数据修复方法研究

马 帜， 罗尧治， 万华平， YUN C B， 沈雁彬， 俞 峰

(浙江大学 建筑工程学院，杭州 310058)

鉴于大型结构的重要性以及发生结构破坏事故的严重性，越来越多的大型结构安装了结构健康监测系统[1-4]。结构健康监测是指利用现代传感和通讯技术，实时监测结构服役阶段(甚至施工阶段)的结构响应和环境变量，运用合理有效的信号处理方法从监测数据中提取能够反映结构健康状态的特征量，进而对结构的服役状况、承载力等进行评估，为结构的运维管理提供科学依据[5-6]。基于健康监测数据对结构状态的评估结果的准确性依赖于大量且高质量的监测数据。在长期监测过程中，由于监测设备故障、供能中断、数据传输故障等诸多因素存在，监测数据缺失情况不可避免。因此，有必要对缺失数据进行修复，为结构健康状态评估的提供完整和可靠的数据。

缺失数据修复已成为结构健康监测领域的重要研究课题，研究较为广泛。数据修复方法包括压缩传感方法[7]、神经网络方法[8-9]、多元线性回归方法[10]、贝叶斯多任务学习方法[11]等。其中压缩传感方法通过对原始数据构造随机采样矩阵，根据采样数据修复原始缺失数据，不需要额外的参考数据。但是该方法要求待修复数据在某些正交基上具有稀疏特征，对于稀疏性较弱的数据的修复效果较差，例如日常环境荷载作用下的结构应力响应监测数据。其余数据修复方法则通过建立缺失数据与参考数据间的相关关系，利用参考数据对缺失数据进行修复，例如采用荷载输入数据或未缺失数据对缺失数据进行修复。……