桥梁健康监测中多传感器的时空数据配准分析

《桥梁健康监测中多传感器的时空数据配准分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、云南大学学报(自然科学版)，2012，34(1):20～25CN53－1045/NISSN0258－7971JournalofYunnanUniversityhttp://www．yndxxb．ynu．edu．cn*桥梁健康监测中多传感器的时空数据配准分析赵玲，刘云，黄乔勇(昆明理工大学信息工程与自动化学院，云南昆明650500)摘要:针对桥梁健康监测中多传感器数据的可信性及准确性问题，提出了一种二维数据处理模型．首先利用最小二乘法对异步测量数据进行时间配准，再通过几何坐标转换算法进行空间配准，将测量数据置于同一个时

2、间和空间的坐标系中，使得数据具有可信性;并在时空数据配准处理后利用卡尔曼滤波的方法减小系统误差，这样数据具有了准确性．仿真结果表明:该模型有效提高了桥梁健康监测中传感器网络所采集数据的可信性与准确性．关键词:桥梁健康监测;多传感器;时空数据配准;卡尔曼滤波中图分类号:TP212文献标识码:A文章编号:0258－7971(2012)01－0020－06［1］现有桥梁健康监测技术中，建立多传感器网络对桥梁健康监测的技术为主流的方法．在多传感器［2］网络中使用不同的传感器对桥梁状况进行监测，然后对多个传感器采集数据进行分析

3、．由于传感器采［3］集频率和空间位置都不一样，各个采集数据之间存在很大的误差，本文针对多传感器数据提出了一种二维数据处理模型，多传感器数据利用最小二乘法对异步测量数据进行时间配准，再通过几何坐标转换算法进行空间配准，将测量数据置于同一个时间和空间的坐标系中，然后利用卡尔曼滤波方法减小系统误差，使得传感器数据具有了可信性及准确性．根据强度理论，混凝土裂缝的始发部位当出现［4］在由负弯矩诱发的组合桥面板的高拉应力区．我们将相应部位取部分桥段，在相应部位布置了8个加速度传感器，测量水平和垂直2个方向的加速度，从而得到桥梁的

4、振动位移．其中4个水平加速度传感器测量水平方向的加速度，4个垂直加速度［5］传感器测量垂直方向的加速度．如图1所示．图1加速度传感器分布图Fig．1Distributionofaccelerationsensor1数据配准由于系统中各传感器是互相独立工作的，并且各传感器的测量都是在各自的局部坐标系下进行的，测量数据之间存在很大的误差，因此必须对传感器的测量数据进行数据配准．传感器的数据配准分为时间配［6－7］准和空间配准．时空配准是数据处理的基础，这样才能保证多个传感器的数据在同一个时间和空间坐标中，进而使系统充分发

5、挥多传感器多源信息的优势．1．1时间配准设定系统中存在传感器A，传感器B，对同一方向的加速度进行测量．A的采样周期为TA，B的采样周期为TB，TA和TB满足如下比例关系:TA∶TB=m∶n，m，n为互质的正整数．*收稿日期:2011－05－03基金项目:国家自然基金资助项目(NNSFC10502050)．作者简介:赵玲(1986－)，女，重庆人，硕士生，主要研究方向:数据通信，多媒体通信．通迅作者:刘云(1973－)，男，云南人，副教授，研究方向:无线通信，数据通信，多媒体通信．E－mail:liuyun@kmust

6、．edu．cn．第1期赵玲等:桥梁健康监测中多传感器的时空数据配准分析21设加速度状态的最后一次更新时刻为t，则下一次加速度状态的更新时刻为t+nTA，或t+mTB，即在2次状态更新之间，传感器A进行了n次测量，传感器B进行了m次测量．(A)(A)(A)(A)(B)(B)(B)记Z=(Z1，Z2，…，Zn)表示2次状态更新之间传感器A的n个测量值;Z=(Z1，Z2，(B)…，Zm)，表示2次状态更新之间传感器B的m个测量值，其中上标表示对应的传感器，下标表示该传感器(A)(B)第几次的测量值．由前面的假设可推得，Z与

7、Z在时间上同步．·(A)(A)(A)T(A)(A)(A)(A)令U=(ZZ)表示n个测量值Z=(Z1，Z2，…，Zn)经过时间融合后的测量值及其导·(B)(B)(B)T(B)(B)(B)(B)数;U=(Z1，Z)表示m个测量值Z=(Z1，Z2，…，Zm)经过时间融合后的测量值及其导数．则传感器A和B的测量值可以表示为如下形式:·(A)(A)(A)(A)Zi=Z+(i－n)TAZ+vi，(i=1，2，…，n)，·(B)(B)(B)(B)Zj=Z+(i－m)TBZ+vj，(j=1，2，…，m)，(1)(A)(B)式中:v

8、j，vj为测量噪声．式(1)的向量形式如下:A(A)(A)(A)Z=WU+V，B(B)(B)(B)Z=WU+V，(2)(A)AAATV=(V1，V2，…，Vn)，(B)BBBTV=(V1，V2，…，Vm)，(A)(B)式中V，V为均值为0的高斯白噪声．方差:(A)(A)T(2)(2)(2)E?VV」=diag(σA，σA，…，σA)n×n，(B