擬人記憶的結構健康監測失效傳感器數據重現方法

2023-06-04 20:38:06 5

專利名稱：：擬人記憶的結構健康監測失效傳感器數據重現方法
技術領域：
：本發明涉及一種計算機數據處理技術，尤其涉及一種擬人記憶的結構健康監測失效傳感器數據重現方法。
背景技術：
：結構健康監測(StructuralHealthMonitoring,簡稱SHM)己廣泛應用於航空航天飛行器、海陸艦船車輛等複雜行動裝置以及大型橋梁、宏大建築等重大土木工程，其任務是依託大量撓度、應變、位移、溫度等傳感器，實時感測並評估結構健康狀態參量。長期工作的SHM系統必然會因為傳感器的老化而導致部分傳感器失效，對失效傳感器的及時發現及替換修復是SHM系統後期維護的主要工作之一。實際工程屮，硬體更換涉及安裝、調試等複雜工序。此外，某些SHM使用的傳感器，例如光纖傳感器在使用時已經預埋進結構內，傳感器失效後很難進行替換修復。目前一種思路是利用軟體方案做硬體修復，常見的是利用數據的空間關聯性bid相鄰位置的測點推算出失效傳感器的測量數據，具體方法可採用數據插值方法或數據融合技術。但上述方法需要了解結構細節並建立數學模型，在工程實施上具有一定困難。記憶是人腦對過去經驗的反映，諸如過去感知過的事物、思考過的問題、體驗過的情緒與情感、做過的動作等，都可能保存於頭腦中。它包括識記、保持、再認與重現四個過程。從記憶保持的時間角度來看可分為瞬時記憶、短時記憶、長時記憶。在記憶形成的歩驟中，可分為下列三種信息處理方式(人腦工作模型參見圖1):1)編碼:獲得信息並加以處理和組合；2)儲存:將組合整理過的信息做永久紀錄；3)檢索:將被儲存的信息取出，回應一勝暗示和事件。記憶檢索又可分為記憶識別和記憶回想。記憶回想模型由Raaijmakers和Shiffrin在研究聯想記憶模型(SAM)時提出，在此基礎上由Gill皿dandShiffrin提出記憶識別模型。在記憶檢索模型中，大腦記憶住的映像信息存儲在長時記憶區，而記憶線索在短時記憶區合成。每條記憶線索和映像信息建立有連接關係，每個連接關係標記有連接強度。記憶識別是將記憶線索引導的信息和長時記憶區中所有映像信息進行綜合比較，判別其為新信息還是舊信息。而記憶回想則是在長時記憶區記錄的所有映像信息中搜索一條特定信息(人腦的記憶檢索模型結構見圖2)。
發明內容本發明提出了一種擬人記憶的結構健康監測失效傳感器數據重現方法，該方法包括將傳感器採集到的多種結構狀態信息，按時序保存到長時記憶儲存區形成記憶映像，建立結構狀態信息與記憶映像的線索關係；根據線索關係對新結構狀態信息進行識別並作後續處理或者，根據線索關係對新結構狀態信息進行篩選以實現數據約簡，或者，根據線索關係找到新結構狀態信息對應的記憶映像，對新結構狀態信息中的缺失部分進行補償、重現。根據下式建立結構狀態信息與記憶映像的線索關係，式中，M為記憶映像的數量；N為記憶線索的數量；P」、&分別是第j種和第N種結構狀態信息所對應的記憶線索，也即第j種和第N種結構狀態信息的當前數據值，j為序數值，且y^，2…w;&是結構狀態信息的第k個記憶映像；SM是結構狀態信息的第M個記憶映像，也是最末位的記憶映像；&和^^中都包含了所有的原始記憶線索對應的歷史數據值，即相同時刻的^，A…i^對應的結構狀態信息保存在同一記憶映像中，k為序數值，且A二1，2…M;化，&,&…&J所組成的數據集合即為記憶映像庫，新加入的記憶映像記為;^是權重指數；i(屍,，&)是巧和&的連接強度；&[《]是記憶線索為巧的結構狀態信息保存在&中的歷史數據值；6'(屍,，&[^])是記憶線索巧與中保存的《.的歷史數據值的親緣度算式。本發明採用的S(^，&[/^)表達式如下式中，A是第j種結構狀態信息所對應的記憶線索，也即第j種結構狀態信息的當前數據值；是記憶線索為S.的結構狀態信息保存在&中的歷史數據值；對採集到的新結構狀態信息進行識別的方法，包括定義新結構狀態信息為多種結構狀態信息的當前數據值(如應變、爪力、撓度、振動、溫度等)；將各種結構狀態信息的當前數據值A，代入結構狀態信息與記憶映像的線索關係表達式F(A,P2…PJ:若F(^,A…i^)^e，則將該新結構狀態信息識別為"舊狀態"，即該新狀態信息己經存在於記憶映像庫中；若F(^,^…&)〈0，則將該新結構狀態信息識別為"新狀態"，需要將該新結構狀態信息添加進記憶映像庫中，形成;其中，F(A，^…i^)為結構狀態信息與記憶映像信息的線索關係表達式；^為既定域值。對新結構狀態信息進行篩選以實現數據約簡的方法為若某一新結構狀態信息被識別為"舊狀態"，則將該新結構狀態信息刪除。對新結構狀態信息中的缺失部分進行補償、重現的方法為若某一新結構狀態信息中的部分結構狀態信息的當前數據值因傳感器失效無法得到，而另一部分結構狀態信息的當前數據值被識別為"舊狀態"，則根據可識別的結構狀態信息所對應的記憶線索，從記憶映像庫中尋找最大相似匹配的記憶映像，根據找到的最大相似匹配的記憶映像對因傳感器失效無法得到的數據值進行補償、重現，同吋，對找到的最大相似匹配的記憶映像所對應的巧和&連接強度累加一微小增量，使搜索被多次訪問的記憶映像的時間越來越短。補償、重現的方法可總結為如下步驟1)若缺失的當前數據值所對應的記憶線索為A，則忽略公式F(^,屍2…A卜;2n:,"i中的s(A,&[^i)項後計算其結果；T為序數值，且l《J^iV;若F(C2…滿足，屍2…A)2^，即，新結構狀態信息中除A外的其餘記憶線索所對應的當前數據值已保存在記憶庫中，則判斷該新結構狀態信息中的缺失數據具有可重現性；2)在缺失數據具有可重現性的前提下，利用記憶回想相似度算式査找記憶庫中的最大相似匹配的記憶映像，並將査找到的記憶映像中的與記憶線索A對應的&[^]賦予給當前數據值缺失的記憶線索^，從而實現對缺失數據的補償、重現；記憶回想相似度算式如下1s(屍,，&[p,])其中，&是結構狀態信息的第|^個記憶映像；《.是第j種結構狀態信息所對應的記憶線索；j為序數值，且j'-l，2…W，N為記憶線索的數量；『,是權重指數；&[^]是記憶線索為《,的結構狀態信息保存在&中的歷史數據值；k為序數值，且&=1，2—似，M為記憶映像的數量；査找最大相似匹配記憶映像的方法為若缺失的當前數據值所對應的記憶線索為A.，T為序數值，且i^r《iv，則忽略公式乂=1中的S(A項，根據公式計算所有的formulaseeoriginaldocumentpage8取最小J(S,A…i^S》值(最小JW,屍2…i^&,)值對應的記憶映像即為最大相似匹配記憶映像)；定義査找到的記憶映像的對應序數為K，則査找到的記憶映像為Sdi^,將&[屍,]賦予給當前數據值缺失的記憶線索&;其中，^&,&[A])是記憶線索&與中保存的&的歷史數據值的親緣度算式；是記憶線索為P,的結構狀態信息保存在&中的歷史數據值；1SXSM^是結構狀態信息的第q個記憶映像，&中包含了記憶線索P,所對應的歷史數據值；《二l，2…A/;對巧和&連接強度累加一微小增量的方法為通過記憶線索S,屍2…&進行查找，某--記憶映像&被成功識別為最大相似匹配的記憶映像，則對該記憶映像和對應的記憶線索S，P2…&所對應的連接強度累加一微小增量V，艮口其中，iy是第j種結構狀態信息所對應的記憶線索，也即第j種結構狀態信息的當前數據值，j為序數值，且y、l，2…W;&是結構狀態信息的第k個記憶映像；=1，2…M，M為記憶映像數量。本發明的有益技術效果1)通過結構狀態記憶識別功能將結構狀態監測信息標識為"舊狀態"或"新狀態"，根據系統需要可摒棄大量標識為"舊狀態"的信息，從而實現結構健康監測的數據約簡；2)當長期工作的傳感器失效時，通過結構狀態記憶回想功能從記憶庫中恢復失效傳感器的監測數據，從而節省了後期系統維護成本。圖1、人腦記憶工作模型；圖2、人腦記憶檢索模型；圖3、本發明構造的記憶線索關係模型；圖4、本發明記憶重現流程；圖5、應變監測實驗平臺系統組成實物照片；圖6、應變監測實驗平臺；圖7、應變橋電路原理圖圖8、應變橋安裝示意圖9、熟悉度計算結果；圖10、新記憶映像數據存儲圖11、失效傳感器數據重現圖12、記憶映像數據被訪問機率分布具體實施方式發明人提出了一種擬人記憶的結構健康監測失效傳感器數據重現方法，此方法是模擬人類記憶模式，針對SHM系統後期維護中出現的傳感器失效問題，當某維或少數幾維數據缺失時模型根據記憶住的數據規律進行信息重現，給出正確的評估結論，從而避免因傳感器自身故障導致的監測系統誤判斷，同時降低SHM系統後期維護成本。該方法核心在於將傳感器採集到的多種結構狀態信息，按時序保存到長時記憶儲存區形成記憶映像，建立結構狀態信息與記憶映像的線索關係；根據線索關係對新結構狀態信息進行識別並作後續處理或者，根據線索關係對新結構狀態信息進行篩選以實現數據約簡，或者，根據線索關係找到新結構狀態信息對應的記憶映像，對新結構狀態信息中的缺失部分進行補償、重現。採用該方法的系統可分為兩個工作階段前期學習階段，後期運行階段；參見圖3，系統處於前期學習階段時針對某一結構物，將傳感器採集到的不同種類的結構狀態信息順次標記為S，^…i^，i^就稱為第N種結構狀態信息的記憶線索，的數值即為傳感器採集到的當前數據；在T,時刻，將採集到的《，A…A數據記錄在記憶映像S巾，將T2時刻採集到的A,《…i;數據記錄在記憶映像&中，如此方式，將後續的相同時刻的《,屍2數據記錄在順序編號的記憶映像&中，在記憶映像數量形成適度規模後，即可認為記憶映像庫(記憶庫)基本形成；值得指出的是，記憶庫形成後並不是一塵不變的，運行過程中還可能需要添加新的記憶映像。後期運行階段結構經長時間使用後，有的傳感器由於疲勞壽命到期，或其它原因損毀，導致部分傳感器已經無法採集數據了，這時，採集到的表徵結構健康狀態的《，g…&數據就有一部分缺失，而在大多數傳感器還能正常工作的情況下，我們可以根據lH常工作的傳感器採集到的數據，查找記憶庫中與此部分正常數據相似的記憶映像，根據記憶映像屮對應缺失數據的歷史數據對缺失數據進行重現，為結構健康狀態的評價提供依據。數據重現只是本發明應用的一個方面，本發明的另一個應用方面是，根據新採集到的^,g…^數據，查找記憶庫中是否保存有相似度滿足要求的類似記憶映像，如果有則刪除新採集到的《,A數據，實現系統數據的約簡。前面對木發明的概要闡述中，涉及到的幾個關鍵問題是如何建立結構狀態信息與記憶映像的線索關係、如何查找(識別)記憶庫中與正常數據相似的記憶映像、如何判斷記憶映像與新數據的相似度；下面就以上3個問題進一歩進行說明。(一)記憶識別法則GillundG和ShiffrinRM提出了一個比較簡單的人腦記憶熟悉度算式屍w，屍,.a卜I:]X,及(屍,該算式通過引入連接強度i(^.，&;>指標在記憶線索和記憶映像間建立了具有強度量化的映射關係，為分析人腦記憶功能提供了數學模型基礎。借鑑該技術思想並結合結構健康監測的特點，本發明在前式中引入親緣度計算函數，提出如下記憶識別熟悉度算式-W《，WJ、i，2W^1丄'，，，)式中，M為記憶映像的數量；N為記憶線索的數量；P,、^分別是第j種和第N種結構狀態信息所對應的記憶線索，也即第j種和第N種結構狀態信息的當前數據值，j為序數值，且J、1，2…W;^是結構狀態信息的第k個記憶映像；^,是結構狀態信息的第M個記憶映像，也是最末位的記憶映像；&和&中都包含r所有的原始記憶線索對應的歷史數據值，即相同時刻的^,戶2…^對應的結構狀態信息保存在同一記憶映像中，k為序數值，且A:=1，2…M:…^J所組成的數據集合即為記憶映像庫，新加入的記憶映像記為『,是反映記憶線索A.對記憶映像&重要性的權重指數；W々&)是P,和&的連接強度；是記憶線索為巧的結構狀態信息保存在&中的歷史數據值；S(戶/&[屍;])是記憶線索屍,與&[。中保存的《的歷史數據值的親緣度算式，可根據SIIM應用系統的需求構造；本發明採用的SCP&[巧])表達式如下式中，5是第j種結構狀態信息所對應的記憶線索，也即第j種結構狀態信息的當前數據值；&[《]是記憶線索為巧的結構狀態信息保存在&中的歷史數據值；對既定域值^，記憶識別法則如下1)如果F(《,屍2…&)》e，數據處理模型向系統提示該記憶線索代表的結構狀態是一個"舊狀態"，已經存在於記憶映像庫中；2)如果F(《,A…A)<S，數據處理模型向系統提示該記憶線索代表的結構狀態是一個"新狀態"，需要添加進記憶映像庫中，產生記憶映像S^，，S^,即為在學習階段結束後運行過程中新添加的記憶映像(與前文相照應)。上述記憶識別過程使傳感器採集數據得到有效管理，大量冗餘數據被識別為"舊狀態"剔除，進入長時記憶區的是記憶映像信息的精簡集。(二)記憶回想法則對結構狀態被識別為"舊狀態"的記憶線索《,屍2—4，如果要在記憶映像庫中尋找其相似的記錄，該過程即記憶回想。考慮到記憶回想實質上是一個尋找最大相似匹配項的過程，本發明提出如下記憶回想相似度算式-其中，&是結構狀態信息的第]^個記憶映像；巧是第j種結構狀態信息所對應的記憶線索；j為序數值，且j、l，2…W，N為記憶線索的數量；『,是權重指數；&[^]是記憶線索為/^.的結構狀態信息保存在&中的歷史數據值；k為序數值，且A^1，2…M，M為記憶映像的數量；査找最大相似匹配記憶映像的方法為若缺失的—當前數據值所對應的記憶線索為^，T為序數值，且1S7^W，貝IJformulaseeoriginaldocumentpage11屮的5XA,&[AD項，根據公式計算所有的JW，A…&I&)，《"，2…M，取最小J("，A…i^&)值；定義査找到的記憶映像的對應序數為K，則査找到的記憶映像為&[A]，將&[/^賦予給當前數據值缺失的記憶線索P,;其中，5'(A,&[^])是記憶線索&與&]中保存的&的歷史數據值的親緣度算式；是記憶線索為&的結構狀態信息保存在&中的歷史數據值；1S《《M^是結構狀態信息的第q個記憶映像，^中包含了記憶線索屍,所對應的歷史數據值；人腦記憶理論認為重複學習會增強記憶，與此相映的，本發明通過增進s和&的連接強度/(巧，&)值來模擬該記憶特性通過一次成功的結構狀態記憶回想，找到最大相似匹配的記憶映像&和記憶線索^,屍2…&相匹配，則設置其中，iy是第j種結構狀態信息所對應的記憶線索，也即第j種結構狀態信息的當前數據值，j為序數值，且formulaseeoriginaldocumentpage11&是結構狀態信息的第k個記憶映像；4=1，2…M，M為記憶映像數量。公式formulaseeoriginaldocumentpage11的含義為在一個長時監測過程屮，如果某個記憶映像的數據被頻繁地回憶(回想)，該記憶映像和記憶線索之間的連接強度將被增強，這意味著這個記憶映像在下一次記憶回想過程中有更多的機率被優先回想到，也即縮減搜索時間。根據概率理論，&被優先回想的機會概率可通過下式計算公式中，算式n:w屍y，&)"0反映&和"，屍2之間的連接強度綜合效應。rx二i(《,&,'的值越人，記憶映像數據&越有可能被優先訪問回想到。(三)失效傳感器數據重現記憶識別法則提供了失效傳感器數據可重現性的判據，即經記憶識別判定為"舊狀態"的結構狀態具備數據的W重現性，可進一步通過記憶回想法則實現數據重現。將上述兩個法則結合應用於失效傳感器的數據重現過程如圖4所示。其方法如下若某一新結構狀態信息中的部分結構狀態信息的當前數據值因傳感器失效無法得到，而另一部分結構狀態信息的當前數據值被識別為"舊狀態"，則根據可識別的結構狀態信息所對應的記憶線索，從記憶映像庫中尋找最大相似匹配的記憶映像，根據找到的最大相似匹配的記憶映像對因傳感器失效無法得到的數據值進行補償、重現。具體做法是1)若缺失的當前數據值所對應的記憶線索為A,則忽略公式f(i^…屍w卜l:n::^'，)二中的s(A,&[i^)項後計算其結果;t為序數值，且i《rsw;若f(s,g…滿足…A)2e，艮卩，新結構狀態信息中除A外的其餘記憶線索所對應的當前數據值已保存在記憶庫中，則判斷該新結構狀態信息中的缺失數據具有可重現性；2)在缺失數據具有可重現性的前提下，利用記憶回想相似度算式查找記憶庫中的最大相似匹配的記憶映像，並將査找到的記憶映像中的與記憶線索^對應的&l屍,j賦予給當前數據值缺失的記憶線索A，從而實現對缺失數據的補償、重現；下面結合實施例進一步闡述本發明的方法。實施例個簡支梁應變監測實驗平臺，實驗系統如圖5所示；實驗平臺主體由1200mm跨徑的微曲鋼板及扭矩施力裝置組成，微曲鋼板上等距分布六組基於金屬箔電阻應變片的應變測量全橋電路，從左至右編號序列為6，4，2，1，3，5。通過將人工施加的扭矩轉化為壓力並作用於微曲鋼板中心，引起鋼板結構應變，見圖6所不。應變片全橋電路感測各監測位置的應變並經數據採集裝置上傳到上位機作數據處理。數據採集裝置採用NT公司CRIO9237及嵌入式控制器CRIO-9014，負責採集並處理得到應變值。經乙太網接口上傳到工控機進行數據分析處理。每個應變橋是典型的惠更斯全橋電路，電路原理及安裝圖見圖7、8所示。和記憶模型相對應，NICRIO-9237的功能類似瞬時記憶，結構應變狀態被全橋應變計採集轉換為電信號，CRIO-9237作為瞬時記憶存儲區採集該信號並傳給控制器CRIO-9014。此後，控制器CRIO-9014作為記憶模型中的短時記憶區將電信號轉化處理為應變數據並將不同位置的數據組合為記憶線索。工控機作為記憶模型中的長時記憶區將有用信息永久保存並開展結構狀態數據重現等處理工作。結構狀態數據重現實驗分為兩部分結構狀態記憶識別和結構狀態記憶回想。通過轉動扭矩手柄模擬結構的退化過程。由於簡支梁是具有柔性的鋼材，因此扭矩手柄lHl轉時，簡支梁會恢復到它的初始狀態。這種特性使整個實驗具有可重複性。我們首先給結構記憶輸入先驗知識，然後再開展結構狀態記憶識別和記憶回想過程。(1)結構狀態記憶識別實驗首先，通過一個學習過程獲取基本的記憶數據。扭矩手柄被順時針依次旋轉180度，如此7次。一個序列的六組應變數據被存儲進工控機的長時記憶區，見表l所示。tableseeoriginaldocumentpage13表l本實驗將親緣度算式S(巧，定義如下如果S則設置S(S，&[^])=10_6此外，所有i(,&)的初始值都設為0.1,fe=l，2'-Af;『,(j、l，2…W)都設為1。將記憶線索的模擬數據輸入記憶映像《,，《2,...&並代入公式F(《,/>2..v)=f;nv,"(C，以確定熟悉度域值p，得到如下記憶映像序列:'，臺丄丄戶，.，=[150161305030]*(-l扁0e-006)《2=[2730147262330]*(-1.0000e-006)《3=[2741147302325]*(-l細0c-006)《4=[2741166402538]*(-l扁0e-006)=[27411661502640]*(-l細0c-006)=[27411661505740]*(-1.0000e-006)=[27411661505718]*(-l扁0e-006)=[26421641515820]*(-l扁0e-006)將表l中的記憶映像&中的記憶線索和上述記憶映像中的記憶線索相比較&和&完全不一樣，^有一個線索元素和&一樣，5,3有兩個線索元素和&一樣，S,4,S,5,S,6,5,7以此類推。5,8的每個線索元素都和&接近。熟悉度的計算結果見圖9，如圖所示，記憶線索和記憶映像間的熟悉度被分為了不同的等級，這表明對某個特定系統而由—，可通過定義一個域值0來區分熟悉度等級。本實驗設置域值^=20。此後將扭矩手柄從0度旋轉到180>S，這表明該應變狀態是一個曾經發生過的"舊狀態"；當扭矩手柄被轉到180x9度時，記憶映像中的線索數據為[4710326825111838]*(-1.0000e-006)，^(^,屍2..-/^)=0.0059<^，數據重現模型由此識別出該應變狀態是一個"新狀態"，應該存儲進長時記憶區中。新的記憶映像數據存儲見圖10所示。(2)結構狀態記憶回想實驗被識別為"舊狀態"的記憶線索可通過結構狀態記憶回想在記憶映像存儲數據中尋找其匹配數據。例如，對記憶線索數據為[23321481294312]*(-1.0000e-006)，應用，相似度計算結果J(S,屍2…i^l&)呵7.97631.62620.18800.87101.37511.72961.99182.3833]。由於min(J(C.^I&))^0.1880，因此回想到的記憶映像&的序號為3。該記憶線索數據和準確的記憶映像數據&=[24301471304413]*(-1.0000e-006)相近似。這表明結構狀態記憶回想模型可用作幹擾抑制過濾，即使獲取的監測數據有一定噪聲，通過記憶回想過程可以消除噪聲影響。(3)結構狀態失效傳感器數據重現實驗利用結構狀態的記憶識別和記憶回想功能可實現結構監測失效傳感器的數據恢復。例如，當拔掉圖6中應變計4和1的測試插頭，將扭矩手柄轉到約180x9位置，獲取的記憶線索數據為[46X268X11938]*(-1.0000e-006)。設/>2=戶4=0，由公式i^,屍2…Pw)^Zn,—1e:"、計算得到S(屍2，&[屍2])=1，S(屍4，&[4])=1,屍(^,屍2—/^)=56>^，這表明儘管記憶線索不完整，但它對記憶映像而言是一個"舊狀態"，具有可重現性。由公式《/(《,屍廣^,|&)=『,可計算得到J(s,p2…41&)=「14.84588.06915.30243.83353.10722.69522.49102.3577]。由於min(J(i^,屍2^v|&》=2.3577，因此記憶回想到的記憶映像&的序號為8。據此可以從記憶映像庫中找到缺失的數據值屍2=&[P2]=103,A=&[屍4]=251。原始採集的數據和恢復的數據見圖11所示。上述實驗假定辨《,&)0-l,2,…M)的值是一個恆定量。如果考慮增強記憶連接強度，可設置公式i(/^&^W(屍,&)+i;中的微小增量V=0.001，當記憶映像數據&被回想訪問達10次時，記憶映像數據&(&=1,2,...8)被再次訪問時被優先訪問到的機率分布見圖12。從圖12可見，在被回想訪問IO次後，S,有更高的機率被優先回想到，這種現象和人腦記憶特性近似。權利要求1、一種擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在於將傳感器採集到的多種結構狀態信息，按時序保存到長時記憶儲存區形成記憶映像，建立結構狀態信息與記憶映像的線索關係；根據線索關係對新結構狀態信息進行識別並作後續處理或者，根據線索關係對新結構狀態信息進行篩選以實現數據約簡，或者，根據線索關係找到新結構狀態信息對應的記憶映像，對新結構狀態信息中的缺失部分進行補償、重現。2、根據權利要求1所述的擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在丁根據下式建立結構狀態信息與記憶映像的線索關係，式中，M為記憶映像的數量；N為記憶線索的數量；巧、Pv分別是第j種和第N種結構狀態信息所對應的記憶線索，也即第j種和第N種結構狀態信息的當前數據值，j為序數值，且y、U…」V;&是結構狀態信息的第1^個記憶映像；^,是結構狀態信息的第M個記憶映像，也是最末位的記憶映像；&和&,中都包含了所有的原始記憶線索對應的歷史數據值，即相同時刻的/%屍2...&對應的結構狀態信息保存在同一記憶映像中，k為序數值，且^=1，2...似；…^M》所組成的數據集合即為記憶映像庫，新加入的記憶映像記為+1;^是權重指數；i(巧，&)足5和&的連接強度；&[^]是記憶線索為《.的結構狀態信息保存在^中的歷史數據值；sgp,，&[巧1)是記憶線索^.與&[^]中保存的A的歷史數據值的親緣度算式。3、根據權利要求2所述的擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在於sop,.，&[屍,])表達式如下式中，巧是第j種結構狀態信息所對應的記憶線索，也即第j種結構狀態信息的當前數據值-']是記憶線索為^的結構狀態信息保存在&中的歷史數據值；4、根據權利要求1所述的擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在於對採集到的新結構狀態信息進行識別的方法，包括定義新結構狀態信息為多種結構狀態信息的當前數據值；將各種結構狀態信息的當前數據值巧，代入結構狀態信息與記憶映像的線索關係表達式i^，屍2…屍v):若F(《,A…^)^e，則將該新結構狀態信息識別為"舊狀態"，即該新狀態信息已經存在於記憶映像庫中；若F(^，《…/;卜^，則將該新結構狀態信息識別為"新狀態"，需要將該新結構狀態信息添加進記憶映像庫中，形成;其中，F(《,^…PJ為結構狀態信息與記憶映像信息的線索關係表達式；e為既定域值。5、根據權利要求1所述的擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在於對新結構狀態信息進行篩選以實現數據約簡的方法為若某一新結構狀態信息被識別為"舊狀態"，則將該新結構狀態信息刪除。6、根據權利要求1所述的擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在於對新結構狀態信息中的缺失部分進行補償、重現的方法為若某一新結構狀態信息中的部分結構狀態信息的當前數據值因傳感器失效無法得到，而另一部分結構狀態信息的當前數據值被識別為"舊狀態"，則根據可識別的結構狀態信息所對應的記憶線索，從記憶映像庫中尋找最大相似匹配的記憶映像，根據找到的最人相似匹配的記憶映像對因傳感器失效無法得到的數據值進行補償、重現，同時，對找到的最大相似匹配的記憶映像所對應的C和&連接強度累加一微小增量，使搜索被多次訪問的記憶映像的時間越來越短。7、根據權利要求6所述的擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在於1)若缺失的當前數據值所對應的記憶線索為A，則忽略公式F(/^…^HSn二cv/e^i、中的S(A,&[^)項後計算其結果;T為序數值，且isrs」v;若F(《，/>2...4)滿足屍2…a)^0，sp，新結構狀態信息中除戶,外的其餘記憶線索所對應的當前數據值巳保存在記憶庫中，則判斷該新結構狀態信息中的缺失數據具有可重現性；2)在缺失數據具有可重現性的前提下，利用記憶回想相似度算式查找記憶庫中的最大相似匹配的記憶映像，並將査找到的記憶映像中的與記憶線索^對應的&[A]賦予給當前數據值缺失的記憶線索A，從而實現對缺失數據的補償、重現；8、根據權利要求7所述的擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在十記憶回想相似度算式如卜'formulaseeoriginaldocumentpage4其中，&是結構狀態信息的第k個記憶映像;巧是第j種結構狀態信息所對應的記憶線索；j為序數值，且乂-l，2…iV，N為記憶線索的數量^是權重指數；&[/3,]是記憶線索為《的結構狀態信息保存在&中的歷史數據值；k為序數值，且A=1，2...M，M為記憶映像的數量；查找最大相似匹配記憶映像的方法為若缺失的當前數據值所對應的記憶線索為^，T為序數值，且is:rsw，則忽略公式formulaseeoriginaldocumentpage4A])項，根據公式計算所有的J(C屍2…屍wl&,)，《=1，2—Af，取最小J(S,^…屍wl&,)值；定義査找到的記憶映像的對應序數為K，則査找到的記憶映像為&[/g，將^[A]賦予給當前數據值缺失的記憶線索P,;其中，S0P,，&[P』是記憶線索&與中保存的&的歷史數據值的親緣度算式；是記憶線索為&的結構狀態信息保存在&中的歷史數據值；1S《SA/^是結構狀態信息的第q個記憶映像，^中包含了記憶線索A所對應的歷史數據值；《=1，2.'.M;9、根據權利要求6所述的擬人記憶的結構健康監測失效傳感器數據重現方法，其特徵在於對S.和&連接強度累加一微小增量，包括通過記憶線索S，A進行查找，某一記憶映像&被成功識別為最大相似匹配的記憶映像，則對該記憶映像和對應的記憶線索C…&所對應的連接強度累加一微小增量v，艮卩formulaseeoriginaldocumentpage4其中，A是第j種結構狀態信息所對應的記憶線索，也即第j種結構狀態信息的當前數據值，j為序數值，且/=1，2...W;&是結構狀態信息的第k個記憶映像；A=1，2…M，M為記憶映像數量。全文摘要本發明公開了一種擬人記憶的結構健康監測失效傳感器數據重現方法將傳感器採集到的多種結構狀態信息，按時序保存到長時記憶儲存區形成記憶映像，建立結構狀態信息與記憶映像的線索關係；根據線索關係對新結構狀態信息進行識別並作後續處理或者，根據線索關係對新結構狀態信息進行篩選以實現數據約簡，或者，根據線索關係找到新結構狀態信息對應的記憶映像，對新結構狀態信息中的缺失部分進行補償、重現。本發明的有益技術效果1)通過結構狀態記憶識別功能將結構狀態監測信息標識為「舊狀態」或「新狀態」，根據系統需要可摒棄大量標識為「舊狀態」的信息，從而實現結構健康監測的數據約簡；2)當長期工作的傳感器失效時，通過結構狀態記憶回想功能從記憶庫中恢復失效傳感器的監測數據，從而節省了後期系統維護成本。文檔編號G01M99/00GK101576445SQ200910104010公開日2009年11月11日申請日期2009年6月3日優先權日2009年6月3日發明者永朱,萍路,偉鄭,陳偉民申請人:重慶大學