本發明涉及橋梁監測數據分析與處理領域，具體涉及一種基于多重小波的橋梁監測數據異常情況識別方法。

背景技術：

近年來，隨著國民經濟的高速發展和全國交通網絡的建設，公路橋梁總量持續增加。據《2015年交通運輸行業發展統計公報》顯示，截止2015年底，全國公路橋梁達77.92萬座，特大橋梁3894座，大型橋梁79512座。然而，對于已建成投入營運的橋梁，在其服役過程中必然遭受環境、荷載、老化等因素的影響，從而導致結構性能退化，形成安全隱患；另外，不斷加大的交通量也使得許多橋梁的設計荷載無法滿足現行車輛荷載的使用需求。近年來橋梁垮塌事故頻發，不僅給人民群眾生命財產造成重大損失，也帶來了極為不良的社會影響。國內橋梁界逐漸認識到橋梁服役時監測的重要性，目前已在眾多大型橋梁上建設實施了橋梁運營監測系統。橋梁的運營監測每天會產生大量數據，從海量監測數據中挖掘出橋梁結構安全信息，對可能出現的安全隱患進行提前預警，是技術人員研究的重點、難點。這一領域的研究成果相對較少，且實地應用情況還不太令人滿意。

技術實現要素：

鑒于此，本發明的目的是提供一種基于多重小波的橋梁監測數據異常情況識別方法，本發明采用小波技術對信號進行多重分析處理，發現隱含在監測數據中的本征特性。

本發明的目的是通過以下技術方案實現的，一種基于多重小波的橋梁監測數據異常情況識別方法，包括以下步驟：步驟1)截取一段時間內某一個測點某一種類型的橋梁監測數據為待分析原始信號S；步驟2)第一重小波處理：采用Daubechies小波對原始信號S進行多尺度分解；原始信號S被分解為低頻部分SA1和高頻部分SD1，其中SA1又再次被分為第2層低頻部分SA2和第2層高頻部分SD2，以此類推；原始信號S分解到第n層的低頻子帶信號SAn表征原始信號S的低頻趨勢信息；步驟3)第二重小波處理：設置信號SAn為信號P，采用Daubechies小波對信號P進行m層分解，得到分解后的第1層高頻子帶信號PD1；步驟4)第三重小波處理：取PD1的絕對值為特征信號Q，采用Daubechies小波對特征信號Q進行j層分解，得到分解后的第j層低頻子帶信號QAj；QAj的絕對值大小表征原始信號S的變異程度；步驟5)當t時刻的|QAj|＞k時，說明原始信號S在t時刻出現異常。

進一步，以橋梁正常運營狀態時的監測數據為樣本，采用統計學方法設定閾值k。

由于采用了上述技術方案，本發明具有如下的優點：

本發明通過對橋梁監測海量數據分析，采用多重小波技術從含有噪聲的原始監測信號中提取出反映橋梁運營狀態的有用信號，通過判斷該有用信號是否超限來確定橋梁運營狀態是否發生改變，達到識別橋梁監測數據異常情況的目的，可在橋梁在線監測分析與離線監測分析中發揮作用。

附圖說明

為了使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明作進一步的詳細描述，其中：

圖1是對信號S進行多層小波分解示意圖；

圖2是某大橋應變測點原始信號S；

圖3是處理后信號|QAj|。

具體實施方式

以下將結合附圖，對本發明的優選實施例進行詳細的描述；應當理解，優選實施例僅為了說明本發明，而不是為了限制本發明的保護范圍。

如圖1所示，一種基于多重小波的橋梁監測數據異常情況識別方法，包括以下步驟：

1)截取一段時間內某一個測點某一種類型的橋梁監測數據(如裂縫監測數據、撓度監測數據、應變監測數據、傾斜監測數據等)為待分析原始信號S。

2)第一重小波處理(原始信號趨勢提取)：采用Daubechies小波對原始信號進行多尺度分解，如附圖1。原始信號S被分解為低頻部分SA1和高頻部分SD1，其中SA1又再次被分為第2層低頻部分SA2和第2層高頻部分SD2，以此類推。原始信號S分解到第n層的低頻子帶信號SAn表征原始信號S的低頻趨勢信息。當橋梁監測情況發生異變時，趨勢信號SAn會出現相應改變，但這可能無法直觀的從信號中體現出來，因此需進行第二重小波處理。

3)第二重小波處理(奇異性檢測)：信號奇異性分兩種情況，一種是信號在某一個時刻內，幅值發生突變，引起信號非連續，另一種是信號外觀光滑，幅值沒有突變，但信號斜率有突變發生。設置信號SAn為信號P，采用Daubechies小波對P進行m層分解，得到分解后的第1層高頻子帶信號PD1。PD1對信號P中的奇異性反映敏感，但由于其高敏感性，可能使得反映橋梁異常情況的關鍵信息被淹沒，信噪比較低，因此需進行第三重小波處理。

4)第三重小波處理(特征信號趨勢提取)：取PD1的絕對值為特征信號Q，采用Daubechies小波對Q進行j層分解，得到分解后的第j層低頻子帶信號QAj。

5)QAj的絕對值大小表征原始信號S的變異程度。當t時刻的|QAj|＞k時，說明原始信號S在t時刻出現較大變異，橋梁運營狀態可能發生改變，有必要發出報警信息。

以橋梁正常運營狀態時的監測數據為樣本，采用統計學方法設定閾值k。

圖2是某大橋某應變測點監測到的原始信號S。原始信號S在后半段時間內發生明顯減小的異常狀況。圖3是采用本發明所述方法對原始信號S處理后得到的信號|QAj|。從圖3中可以看到，在后半段時間，信號值明顯增大，超出閾值k，有必要發出報警信息。

經實地調查得知，后半段信號異常是由于該橋進行荷載試驗，測點附近新增裂紋，導致監測值異常減小。

本案例中，由于外在突發因素(荷載試驗導致新增裂縫產生)明顯，故在圖2原始信號S上能比較直觀的看到應變的異常變化情況。然而，在實際工程監測中，還有許多無法直接從原始信號中發現隱含異常的案例，此時，按照本發明所述方法，能較好的找出異常征兆。

以上所述僅為本發明的優選實施例，并不用于限制本發明，顯然，本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和范圍。這樣，倘若本發明的這些修改和變型屬于本發明權利要求及其等同技術的范圍之內，則本發明也意圖包含這些改動和變型在內。