结构监测数据的尖点异常识别方法_吴奎.pdf

Industrial Construction Vol.53，No.2，2023工业建筑2023 年第 53 卷第 2 期37结构监测数据的尖点异常识别方法吴奎(中铁第四勘察设计院集团有限公司，武汉430063)摘要:结构监测数据往往因设备异常或环境干扰而产生尖点异常数据，人工后处理工作量大，且干扰实时报警的准确性。基于滑动平均滤波器与 3 准则，提出了双滑动窗口判别法进行结构监测数据的跳值异常识别，并按 3 准则生成异常数据的合理代表值，将异常数据处理为合理数据。滑动滤波器考虑了施工步监测数据的阶跃现象，有效解决了因施工步引起的监测数据突变而造成的误判问题。通过杭州西站施工和运营过程中的实际监测数据对提出的方法进行验证，计算结果表明，双窗口滑动平均滤波器能够快速且有效识别监测数据中的跳点异常数据，并避免对施工步阶跃数据的误判。关键词:滑动平均滤波器;异常数据;监测;跳点DOI:10.13204/jgyjzG23010503Cusp Anomaly ecognition Method for Structural Monitoring DataWU Kui(China ailway Siyuan Survey and Design Group Co，Ltd，Wuhan 430063，China)Abstract:Due to abnormal equipment or environmental noise，cusp anomaly data usually occurs in structuralmonitoring data Manual handing is time-consuming，and cusp anomaly data disturbs the accuracy of alarm Based onmoving average filter and 3 criterion，dual-window sliding filter was used for jump value anomaly recognition instructural monitoring Abnormal data was translated to reasonable data by reasonable representative value of abnormaldata based on 3 criterion The phenomenon of the jump of construction data was considered in moving average filterThus，misjudgment was solved The proposed method was verified by real monitoring data in Hangzhouxi ailwayStation The results indicated that dual-window sliding filter could identify the abnormal jump point efficiently andavoid misjudgment by the phenomenon of the jump of construction dataKeywords:moving average filter;abnormal data;monitoring;jump point作者:吴奎，男，1986 年出生，高级工程师。电子信箱:285671663 qqcom收稿日期:202301050引言大跨度空间钢结构越来越多地应用到公共和民用建筑中，且结构体系越趋多样，施工工艺越趋复杂。施工过程中的力学模拟和监测是保证结构在施工阶段的安全性和施工过程顺利进行的有效手段。其中，监测技术越来越多地应用到大跨度空间钢结构工程施工中。在大跨度空间钢结构施工过程监测中，从采集系统中得到的监测数据，应能准确地反映施工结构系统受力性态和施工环境状态。然而，由于施工现场可能出现的振动、信号干扰、粉尘铁屑和人为敲击等因素1，导致监测数据发生异常。传统的监测工作中，需要人工进行异常数据后处理，对于诸如杭州西站超过 800 个传感器的大型站房监测项目，后处理工作量巨大。切尖点异常往往会影响即时评估报警，对现场管理工作产生不利影响。监测异常数据主要有以下 4 类2:1)数据置零或稳定极值(传感器或数据传输断电);2)数据大量漂移至非正常值范围;3)单点漂移数据;4)噪声干扰。其中第 1)、2)类异常数据，可根据所获得的信号值明确确定故障原因。第 4)类异常数据多出现于动态监测中，该类数据一般在事后分析时，采用小波变换、HHT 变换等方法进行降噪处理筛选。第 3 类单点漂移异常数据是指数据序列中的某一个或某几个数据点显著偏离于正常数据序列，与监测对象实际状态不符，该类数据需要进行实时处理34。常用的数据剔除方法有 3 准则、肖维准则、格38工业建筑2023 年第 53 卷第 2 期拉布斯准则和狄克逊准则。其中，3 准则认为，当数据监测值与期望之间的偏差超过 3，则认为该数据为单点漂移数据，应将其剔除5;肖维准则认为当样本数据与期望之间的偏差超过 K 时，则认为该数据为单点漂移数据67;格拉布斯准则可简要表述为:n 个样本的置信度为 1，当某一数据的残差超过 G 时，认为该数据为单点漂移数据89;狄克逊准则先将样本数据按从大到小的顺序排列，给定显著水平，通过极差比来判定最大数据和最小数据是否为异常数据10。上述 4 种基于数理统计的异常数据筛选方法中，3 准则具有计算简便及准确率高的优点。但与其他三种方法一样，处理的样本数据需满足正态分布。然而，对于大跨度空间钢结构施工过程监测，其监测数据往往难以满足正态分布，一般仅可在数据相对稳定的同一施工阶段运用上述方法进行异常数据的筛选。此外，上述基于数理统计的异常数据筛选方法均需在监测工作结束后进行，无法实时筛选异常数据。因此，本文在单窗口滑动平均滤波器的基础上，构建了双窗口滑动滤波器进行结构监测数据的异常跳值识别，并按 3 准则生成异常数据的合理代表值，将异常数据处理为合理数据。滑动平均滤波器中的滑动窗口将监测数据集划分为数据子集，该子集内数据相对稳定，并服从正态分布。采用该方法能够实现监测过程中实时进行异常数据处理，能够满足实时评估和报警需求。此外，考虑到施工步监测数据的阶跃现象，应用双窗口滑动平均滤波器，可有效解决施工步转换时对正常阶跃数据的误判问题。1滑动平均滤波器滑动平均滤波器适用于减少随机噪声，同时保持清晰的阶跃响应。利用滑动窗口计算数据集中不同子集平均数，可消除短期波动，突出长期趋势。以长度为 16 的数据集为例，滑动窗口长度为 5，如表 1所列，随着滑动窗口的移动，得出较为平缓的滑动平均值。将计算结果绘制于图 1，可看出经过滑动平均处理后的数据消除了局部波动。上述数据集存在两个尖点数据，每个尖点前 5 个数据平均值如图 2 所示。可知，尖点数据和前序数据的均值存在显著差异，由于处理后数据的平滑性，根据第 n+1 个数据与前 n 个数据平均值的差值大小，能够明显判断跳点数据。表 1滑动平均计算过程Table 1Moving average calculation processkN序号实际值滑动平均值序号实际值滑动平均值12345678198.74198.63198.94198.64199.04197.23198.51198.209198.47198.2910198.37198.1611198.43198.4012196.11197.91198.8013198.32197.94198.5014198.32197.91198.4715198.43197.92198.3316198.43197.92图 1滑动平均计算Fig1Moving average calculationa平稳数据序列;b施工步数据序列。图 2异常数据判断Fig2Judgement of abnormal data2异常数据识别和处理2.1滑动窗口从监测数据序列中选取过去邻近一段时间内的n 个 数 据 点，建 立 容 量 为 n 的 视 口 样 本 队 列 xii=1，2，3，n，并计当前时刻需要做异常判断和处理的数据点为 xn+1。根据马尔可夫性，在结构平稳监测过程中，一旦过去邻近一段时间内的数据确定，则当前采集的数据与更早的数据无直接关联。基于此，以当前数据点为基准，从监测数据队列中选取过去邻近一段时间内的n 个数据点，建立滑动窗口，窗口内样本队列为:xN1=x1，x2，xn(1)式中:n 为样本队列的容量;xi为样本队列内的监测数据。由于监测传感器安装、系统调试过程中，结构往往处于平稳状态，直至采集数据稳定后才正式采集，此时的监测序列起始的 m 个数据可以认为是稳定的，因此当监测数据总量 mn 时，不进行后续处理，结构监测数据的尖点异常识别方法 吴奎39窗口向后滑动，直至 mn。样本队列期望值为:=1nni=1xi(2)窗口样本队列中，标准差 为:=1n 1ni=1(xi)2(3)当采集到新数据 xn+1时，计算异常数据判别值 e:e=xn+1(4)式中:为判别式容差。若异常数据判别值 e 0，则 xn+1视为异常数据。反之，则为正常数据。根据数理统计理论，xi与 差值服从正态分布。当数据总体趋于正态分布时，有:P(xi 3)0.003(5)式(5)表明，任意一个满足总体正态分布的样本数据大于+3 或小于 3 的概率小于0.003。根据 3 准则，当数据监测值与期望之间的偏差超过 3，则认为该数据为尖点异常数据，应将其剔除。因此，根据 3 准则，可取值为 3。2.2双滑动窗口判别法当滑动窗口滑至两施工步之间的阶跃点时，数据点 xn+1产生了突变且为正常数据，此时判别值 e的计算结果可能会大于0，但此时数据点xn+1不能被判别为异常数据。如图 2b 所示，假设滑动窗口容量n=5，计算前 5 个数据平均值 为198.76 kN，标准差 为0.13，阶跃点与 的偏差为 0.992，大于3 倍标准差(0.39)，此时会错误地判断该阶跃点为异常数据。由于人眼判断尖点异常的普遍依据是该点数据值比左右两侧数据序列的偏差均为显著值，因此，引入右滑动窗口 N2，对每个监测数据采用左窗口N1和右窗口 N2共同判别异常数据，该方法称为判断异常数据的“双滑动窗口判别法”。以当前数据点为基准，从监测数据队列中选取当前时刻之后邻近一段时间内的 n2个数据点，建立滑动窗口 N2，窗口内样本队列为:xN2=xn+1，xn+2，xn+n2(6)式中:n2表示右窗口样本队列的容量;xi表示样本队列内的监测数据。按式(2)及式(3)计算 xN2的期望与标准差，按式(4)计算右窗口中 xn+1的异常数据判别值，分别得到左窗口 N1的判别值 e1和右窗口 N2的判别值e2，其判别准则如下。准则 1:当 e1e2 0 且 e1 0 时，则该数据为尖点异常数据，并采用数据值 x*n+1代替写入监测数据队列:x*n+1=+(rand()3)10(7)准则 2:当 e1e2 0 时，说明此时数据发生了阶跃现象，判别为正常数据，采用原数据放入监测数据队列;准则 3:当 e1e2 0 且 e1 0 时，判别为正常数据，采用原数据放入监测数据队列。3实例3.1结构信息新建杭州西站(图 3)属于特大型铁路旅客车站，总建筑面积约 51 万 m2，其中站房面积约10 万 m2，屋盖面积约 8 万 m2。站房主体呈矩形，南北方向长302 m，东西方向长 230 m。站房屋盖结构采用空间网架和桁架混合结构体系，最大跨度 78 m。站房屋盖结构采用分块和整体提升相结合的施工工艺，整个施工过程包括分块提升、旋转提升、嵌补杆件、整体提升和卸载等过程。由于杭州西站站房规模大、结构跨度大且体系复杂、施工难度大，有必要对站房屋盖的施工和使用阶段进行监测和结构评估，并对危险状态即时预警。a竣工照片;b站房结构体系。图 3杭州西站实景和结构体系Fig3The actual situation and structural system ofHangzhouxi ailway Station杭州西站屋盖采用在线智能监测系统，在施工和使用过程中，对屋盖整体挠度、关键构件应力和内力、钢柱倾斜、振动加速度、温度、风速风向等指标进行了监测。其中，构件内力和应力部分监测测点布置如图 4 所示(SX、FG、XX 均为监测构件编号)。为换算构件内力，对于圆管，在跨中截面对称布置 2支应变计;对于箱型构件，在跨中截面布置 4 支应变计(图 5)。3.2平稳序列跳值识别选取一段时间内的轴力监测时序数据作为样本，如图 6 所示。可见:监测数据整体较为平稳，但存在因温度变化而引起的周期性震荡波动，曲线中存在4 个跳值异常，分别位于8 月28 日、9 月13 日、9 月 27 日和 10 月 8 日。设置初始左窗口容量 n1=30，右窗口容量n2=15，判别式容差=3，形成的滑动窗口如图 7 所示。40工业建筑2023 年第 53 卷第 2 期a构件应力监测对象;b圆管截面应力测点;c箱型截面应力测点。图 4站房屋盖应力监测对象和测点分布Fig4Stress monitoring objects and measuring pointson station building roof图 5站房屋盖构件应变计Fig5Strain gauges on the member of station building roof图 6原始监测数据Fig6Original monitoring data使用双滑动窗口法对监测数据进行跳值判别，图 7滑动窗口Fig7Sliding window计算结果如图 8 所示。可知，有 4 处位置的监测数据判别值 e1和 e2均显著大于 0，对应时间点与图 6相同，其余位置判别值 e1和e2均小于 0，由此可以根据准则 1 判断出这 4 个时间点的监测数据为异常跳值。图 8判别式结果Fig8Discriminant results3.3施工步序列跳值识别选取另一段施工卸载步的应力监测数据，如图 9 所示。数据序列中存在 3 处尖点异常数据和 3处施工阶跃数据，使用双滑动窗口判别法，得到的判别值计算结果如表 2 所示，可见双窗口判别法可识别尖点异常的同时避免对阶跃数据的误判。图 9施工卸载应力监测数据Fig9Stress monitoring data of unloading process in construction表 2施工卸载监测数据特征点Table 2Feature points of monitoring data of unloadingprocess in construction类型时间点监测值/MPa判别值 e1判别值 e2判别结果尖点 17:38124.18.414.68异常尖点 27:46145.68.044.24异常尖点 38:07101.913.526.23异常阶跃 17:40116.918.113.21正常阶跃 27:58142.38.862.47正常阶跃 38:13160.65.590.69正常3.4窗口容量准则滑动窗口的容量不同可能会影响异常数据的误结构监测数据的尖点异常识别方法 吴奎41判或漏判，基于图 6 构造一段含有尖点异常的监测数据，改变滑动窗口容量，分别计算各点判别值，如图 10 所示。可以得出，当窗口样本容量数量小于 5时，误判数量很高，随后数量急剧下降，当容量大于15时，判别准确率达到 100%。但是当样本数量大于 60后，会对本应是跳点异常的数据误判成正常数据。a监测数据;b误判数量。图 10窗口容量与异常误判数量的关系Fig10elation between window capacity and abnormaldata judgement选取 10 条轴力监测数据，分析窗口容量和误判数量的关系，如图 11 所示。可以得出，对于结构施工过程监测静态数据，当样本窗口容量为 20 40时，判断跳点型异常数据的效果最佳。图 11窗口容量对异常判别的影响Fig11The impact of window capacity to abnormal data judgement4结论本文通过引入滑动平均滤波器，构建了双窗口滑动滤波器进行结构监测数据的跳值异常识别。并以杭州西站健康监测实际工程为例进行验证，得到结论如下:1)在平稳监测数据序列中，双窗口滑动滤波器可以有效筛除尖点异常数据，可以满足长期健康监测的要求。2)在施工监测数据序列中，双窗口滑动滤波器可以有效避免对施工阶跃数据的误判，有效地筛除尖点异常数据，可以满足实际施工过程监测的应用要求。3)对于结构静态监测数据，使用双窗口滑动滤波器的窗口样本容量建议不低于 15 且不高于 60，避免对正常数据的误判以及对阶跃数据的漏判，通常情况下可按照实际监测条件进行调整，推荐值取2040。参考文献 1LUO Y，YE Z，GUO X，et al Data missing mechanism andmissing data real-time processing methods in the constructionmonitoring ofsteelstructures J AdvancesinStructuralEngineering，2015，18(4):585601 2许德旺 基于桥梁监测数据的结构性能三层次评估方法D南京:东南大学，2016 3罗永峰，叶智武，郭小农 钢结构施工过程监测数据缺失机理与处理方法 J 同济大学学报(自然科学版)，2014，42(6):823829 4罗永峰，叶智武，王磊 大型复杂钢结构施工过程监测系统研究现状J 施工技术，2015，44(2):6874 5沙定国 误差分析与测量不确定度评定M 北京:中国计量出版社，2003:6876 6梁晋文，陈林才，何贡 误差理论与数据处理M北京:中国计量出版社，1989:6668 7刘建，刘文金 应用格罗布斯准则判定测量结果中的粗大误差J 设计与研究，2006(2):2021 8张世箕 测量误差及数据处理M 北京:科学出版社，1979:4246 9王鑫，吴先球，蒋珍美，等 用 Origin 剔除线性拟合中实验数据的异常值J 山西师范大学学报(自然科学版)，2003，17(1):4549 10 雷洪 粗差判别方法的比较与讨论J 石油仪器，1997，11(1):5464(上接第 78 页)15 张辰，邹伟国世博园区雨水收集利用技术J 建设科技，2010(11):3436 16 张进丽 基于海绵城市的黄土地区低影响开发雨水系统研究D兰州:兰州交通大学，2020 17 马越，胡志平，姬国强，等湿陷性黄土地区海绵城市建设雨水渗蓄风险防控若干问题探讨 J 给水排水，2020，56(9):7077，92 18 曹胜昔，李国欣，张兴，等道由白云尽春与青溪长:翠屏山迎宾馆设计浅析 J城市环境设计，2014(5):234235 19 成实结合雨洪管理的城市设计探析J 中国园林，2016，32(11):5557 20 张晋可持续水设计视角下对于中国古典园林理水的几点思考 J 中国园林，2016，32(8):117122 21 中华人民共和国住房和城乡建设部湿陷性黄土地区建筑标准:GB 500252018S北京:中国建筑工业出版社，2018 22 李杰 基于 SWMM 的湿陷性黄土地区海绵城市建设研究D西安:长安大学，2018 23 曹胜昔，张涛，薛蕊，等 基于地理信息系统的崇礼冬奥风景道景观规划研究 J 工业建筑，2021，51(10):6467 24 黄黛诗，王宁，吴连丰，等海绵城市理念下既有工业厂区建设方案研究J 给水排水，2019，55(11):6366，73