科研之友
微信
新浪微博
Facebook
分享链接
摘要
结合大数据和人工智能的桥梁结构健康监测技术能够克服传统人工检测方法劳动密集、主观性强、操作风险大、实时性差的固有缺陷，有助于提高桥梁监测和评估的准确性和时效性。但实际应用中桥梁结构健康监测系统，由于组成环节复杂和影响因素繁多，发生故障的潜在可能也越来越大。加之监测数据具有时滞、强耦合、参数时变等严重的非线性特征，造成传统基于残差分析的故障诊断方法难以实现异常信号的准确识别。采用一种基于数据关联度的数据异常识别方法来实现监测系统的自诊断。对多类桥梁监测的实测数据进行互相关函数与灰色关联度的比较分析，结果表明灰色关联度指标比传统相关性指标对时滞具有更强的鲁棒性。
- 单位
