本文以深圳市新的政治中枢和标志性建筑—深圳市民中心为实际工程背景。该建筑面积近21万平方米,屋顶网架长486米,宽154米,是迄今世界上最大的网架结构之一。具有空间刚度大、体系稳定、抗震性好、受力合理等优点。但由于尺寸巨大,暴露在恶劣环境中,且受到随机载荷作用,服役环境相当恶劣。为获得其受力信息,以便了解结构因损伤或退化而造成的改变,有效地对其性能进行监测和诊断,保证大型工程结构安全性与耐久性,而国际上对这类超大复杂体型的空间网架结构作用机理和特点缺乏深入的研究。为保证其安全性,研究设计了基于数据融合技术的网架健康监测与损伤诊断系统。 本文介绍了数据融合基本原理及相关知识,阐述了包括自适应加权融合算法、相似性系数算法、BP神经网络技术和D-S证据推理理论等数据融合技术。对传感器融合进行研究分析,完成了融合诊断系统设计,并提出了证据高度冲突时D-S合成失效的改进算法。 对网架运行状态的正确判断首先取决于系统传感器输出信号的真实性,因此对传感器自身故障的及时识别与处理就更具现实意义,实验表明数据级自适应加权融合算法能很好估计出各构件应力状况,并实现对故障传感器的管理,大大提高构件的检测精度和抗干扰能力:其数据级融合估计值通过相似性系数算法准确识别出该时刻的应力模式,进而计算出该时刻的应力场值,实现了对网架的实时健康监测;利用并行BP神经网络技术对网架不同类型信号下的运行性能予以诊断识别:正常情况下,融合诊断系统中不同类型传感器的测量数据相关,从而为网架的损伤融合诊断提供宝贵的解析冗余,使用D-S证据推理及其改进算法对各局部诊断结果进行决策级融合后,判决出的最终结论使诊断准确度提高,不确定性降低。如上融合算法的应用提高系统的可靠性,满足了网架高度安全监测的要求。 本文利用Java语言编写了系统的融合诊断软件,系统仿真实验结果表明系统设计合理,取得预期效果。