内容发布更新时间 : 2024/11/15 11:24:34星期一 下面是文章的全部内容请认真阅读。

1数据的采集与处理 1.1数据的采集

施工监控中需对影响施工及控制精度的数据进行收集，主要包括环境参数和结构参数，前者又主要是指风速风向数据；后者主要指结构容重、弹模等数据。施工监控需进行收集的数据如表1-1所示。

表1-1收集的数据一览表 项目名称 环境参数 结构参数 数据名称 环境气象数据 结构重量数据 结构弹模数据 截面尺寸 焊缝允许宽度和焊缝收缩 数据内容 大气温度和风速风向 节段拼装完成后实际重量 结构实际弹模 实际截面尺寸 焊缝特性 备注 极端气象数据收集 施工数据积累 1.1.2数据采集方法

基于港珠澳大桥特殊的地理位置，采用远程数据采集系统，与传统的数据采集系统相比，具有不受地理环境、气候、时间的影响等优势。而借助无线传输手段的远程数据采集系统，更具有工程造价和人力资源成本低，传输数据不受地域的影响，可靠性高，免维护等优点。 远程无线数据采集系统的整体结构如图1-2所示。

1-2 远程无线数据采集系统组成结构图

1.2数据的处理与评估

在数据分析之前, 数据处理要能有效地从监测数据中寻找出异常值, 必须对监测数据进行可靠性检验, 剔除粗差的影响, 以保证监测数据的准确、可靠。我们拟采用的是最常用的μ检验法来判别系统误差; 用“3σ准则”剔除粗差; 采用了“五点二次中心平滑”法对观测数据进行平滑修正。同时, 在数据处理之后, 采用关联分析技术寻找某一测点的最佳关联点, (为保证系统评判的可靠性, 某一测点的关联点宜选用2 个以上)。我们选用3 个关联测点, 如果异常测值的关联测点有2 个以上发生异常, 且异常方向一致, 则认为测值异常是由结构变化引起, 否则, 认为异常是由监测系统异常引起。出现异常时, 经过判定, 自动提醒用户检查监测系统或者相应的结构(根据测点所在位置), 及时查明情况, 并采取一些必要的应急措施, 同时对测值做标注, 形成报表, 进行评估。

1.2.1系统误差的判别

判别原则: 异常值检验方法是建立在随机样本观测值遵从正态分布和小概率原理的基础之上的。根据观测值的正态分布特征性, 出现大偏差观测值的概率是很小的。当测值较少时, 在正常情况下, 根据小概率原理, 它们是不会出现的, 一旦出现则表明有异常值。依统计学原理: 偏差处于2 倍标准差或3 倍标准差范围内的数据为正常值, 之外的则判定为异常。事实上标准差σ多数情况下是求知的, 通常用样本值计算的标准差S 来替代。桥梁健康监测资料的数据量特别大, 一般都为大样本, 所以我们用μ检验。在分析中, 我们将所得的数据分成两组Y1 、Y2,并设Y12, Y2N1u1,?1??N2u2,??22?择统计量为:

U?'y1?y2ss?n1n22122 (1)

式中y1 、y2—两组样本的平均值: n1 、n2—两组样本的子样数:

S1 、 S2—两组样本的方差。若

U'?Ua (2)

2则存在系统误差。否则, 不存在系统误差。

1.2.2 粗差点的剔除

在观测次数充分多的前提下, 其测值的跳动特征描述如下式:

dj?2yj??yj?1?yj?1? (3)

式中yj(j=1,2,3,4,……,n- 1)是一系列观测值。

由n 个观测值y1,y2...yn可得n - 2 个d, 当n 足够大时, 可按“3σ准则”进行检验, 舍弃异常值。

首先, 计算机跳动统计子样的平均值d 和均方差σ:

d??n?1djj?2n?2n?1 (4)

???j?2(dj?d)2n?3 (5)

进一步计算出各个观测值跳动偏差的绝对值与均方的比 值: qj?dj?d? (6)

当qj>3, 认为此值异常。舍弃异常值后, 再作二次多项式五点中心移动平滑, 以实测值与平滑值之差作为跳动统计量, 再进行检验。

1.2.3观测数据修正

该系统采用的是“五点二次多项式中心移动平滑”即观测数据为:

y0,y1,......yi?2,yi?1,yi,yi?1,yi?2,......ym?2,ym?1,ym

yi?2?m?m?2?平滑修正值为:

Yi?1???yi?2?yi?2??12?yi?1?yi?1??17yi?? (7) 35?端点的平滑修正值为:

1?31y0?9y1?3y2?5y1?3y4? (8) 351Y1??9y0?13y1?12y2?6y1?5y4? (9)

351Ym?1???5ym?4?6ym?1?12ym?2?13ym?1?9ym? (10)

351Ym??3ym?4?5ym?1?3ym?2?9ym?1?31ym? ( 11)

35Y0?式中Y0 为第一点的平滑修正值; Y1 为第二点的平滑修正值; Ym?1为倒数第二点的平滑修正值; Ym 为倒数第一点的平滑修正值。

依次类推, 这组观测数据可全部进行平滑修正。

经过预处理后, 通过剔除含系统误差的异常值和粗差点, 并对余下的数据进行平滑处理, 去除了数据曲线中的毛刺数据,使得数据曲线能够较为真实地反映现场情况, 也为将来进行关联分析、模态分析、专家评估等系统提供可靠的基础数据。