中交路橋科技是從事工程檢測監(jiān)測、城市安全監(jiān)測預警與評價、數(shù)字智能化研發(fā)為一體的復合型高新技術集團企業(yè)。
在現(xiàn)有的橋梁健康監(jiān)測系統(tǒng)，尤其是大跨徑的橋梁的健康監(jiān)測系統(tǒng)中，用于采集數(shù)據的傳感器多達幾百甚至上千個，有各種不同類型并且分布在橋梁的不同測點，它們按照指定的策略獲取橋梁的響應信息，為橋梁結構健康狀態(tài)分析和評估提供數(shù)據基礎。在后續(xù)的橋梁健康監(jiān)測數(shù)據分析中，由于存在眾多的傳感器類型和測點，如果不考慮不同數(shù)據之間的關聯(lián)性，不但會增加分析過程的復雜度還可能給分析結果帶來偏差，因此有必要對不同測點數(shù)據之間的關聯(lián)性以及不同類型傳感器數(shù)據之間的關聯(lián)性進行分析。
1 溫度與應變關聯(lián)性
對溫度數(shù)據與應變數(shù)據的關聯(lián)性進行研究，首先需要對數(shù)據的特征、數(shù)據的分布、數(shù)據的變化趨勢以及數(shù)據之間的相關關系等進行觀察和分析；然后通過計算相關系數(shù)等定量指標來確定數(shù)據之間相關性的強弱以及相關的方向；最后使用對應的分析模型對數(shù)據進行擬合，得出相應的擬合參數(shù)。
本文對溫度與應變的關聯(lián)性分析的步驟如下：
1）首先將溫度數(shù)據和應變數(shù)據放在同一個折線圖中進行觀察，折線圖呈現(xiàn)的是數(shù)據隨時間變化的趨勢，其中橫坐標是時間，兩個縱坐標分別是應變和溫度。如圖3-11所示是𝐷 = [63,0.5]的sn5測點應變數(shù)據與底板溫度數(shù)據隨時間變化的折線圖，從圖中可以看出：a）經過數(shù)據標準化操作之后，應變數(shù)據和溫度數(shù)據的數(shù)值都落在[0,1]之間；b）經過異常值處理和噪聲去除操作后，溫度曲線與應變曲線變得更加平滑；c）數(shù)據標準化之后，溫度曲線整體呈正弦變化趨勢，應變曲線整體上也呈現(xiàn)正弦變化趨勢，且應變曲線變化趨勢和溫度曲線變化趨勢基本一致。對其他測點的應變數(shù)據與溫度數(shù)據進行觀察，能夠得到類似的結果，這表明橋梁健康監(jiān)測數(shù)據中的應變與溫度數(shù)據之間的相關程度較高，也說明在眾多影響應變的因素中，溫度是最主要的因素。
2）接下來使用相關圖對它們的相關形式、方向和密切程度進行大致判斷。如圖3-12 所示是𝐷 = [63,0.5]的 sn5 測點應變數(shù)據與底板溫度數(shù)據的相關圖，去除了時間維度的影響，只關注溫度與應變兩組數(shù)據之間的關系，其中溫度作為自變量放在橫坐標，應變作為因變量放在縱坐標。從圖中可以看出，溫度與應變具有相同的變化趨勢，當溫度增加時應變也相應增加，且二者對應的坐標點近似于分布在一條直線周圍，這表明溫度與應變呈現(xiàn)線性關系，并且根據坐標點的離散程度來看，它們具有較強的線性相關性。
3）從前面步驟可以得出溫度與應變具有較強的線性相關性，這個線性相關性的強弱可以使用相關系數(shù)來衡量，相關系數(shù)是用來反映變量之間相關性強弱的統(tǒng)計指標，其取值范圍是[−1,1]。如表3-1所示是工況𝐷 = [63,0.5]下 10 個測點的應變數(shù)據與溫度數(shù)據的相關系數(shù)表，從表中可以看出：a）預處理前和預處理后的相關系數(shù)都為正值，說明溫度與應變呈正相關關系；b）預處理后的相關系數(shù)基本都接近 0.99，根據相關系數(shù)絕對值越接近 1，相關性越強，說明預處理后的應變數(shù)據與溫度數(shù)據具有非常強的線性相關性；c）預處理后相關系數(shù)比預處理前的相關系數(shù)大，可見預處理后的應變數(shù)據與溫度數(shù)據的相關性變強，預處理提升了兩者之間的相關性，說明預處理操作在本文的數(shù)據分析中起到重要作用。
4）對于具有線性相關性的自變量和因變量，使用一元線性回歸模型進行分析，其數(shù)學表示形式為：
𝑦 = 𝛼𝑥 + 𝛽 （1）
其中y是因變量，x是自變量，𝛼是回歸系數(shù)，𝛽是常數(shù)項。要確定y與x之間的定量關系，需要確定𝛼與𝛽的值，通常使用最小二乘法或者梯度下降法來進行求解。而對于線性模型對數(shù)據的擬合程度，本文使用均方根誤差（Root Mean Squared Error，RMSE）來進行衡量，RMSE 是模型估計值與數(shù)據真實值之差的平方的期望值的算術平方根，RMSE 的計算公式如下：
（2）
其中𝑓𝑖表示模型估計值，𝑦𝑖表示數(shù)據真實值。均方根誤差可以衡量模型對數(shù)據的擬合程度，RMSE 數(shù)值越小說明擬合越好。以𝐷=[63,0.5]的sn5測點應變數(shù)據為例，使用一元線性回歸模型進行擬合分析，其中溫度數(shù)據作為自變量x，應變數(shù)據作為因變量y，對模型進行求解可得到𝛼=0.96420992，𝛽=0.02618689，因此溫度與應變的一元線性回歸模型數(shù)學表示形式為：y=0.96420992x+0.02618689，該次擬合的均方根誤差為 0.029325，說明擬合程度較高。
5）最后對所有測點進行線性回歸擬合，并計算其均方根誤差。如表3-2所示是10 個測點應變數(shù)據與溫度數(shù)據擬合得到的回歸系數(shù)𝛼及常數(shù)項𝛽，以及對應的均方根誤差 RMSE。從表中數(shù)據可以看出 sn6-sn10 的擬合程度較高，sn1 的擬合程度最低，說明sn6-sn10 測點的溫度與應變的線性相關性較強，sn1 測點的溫度與應變相關性相對較弱。
上述實驗可以得出：1）sn1~sn10 測點的溫度數(shù)據與應變數(shù)據都存在強線性相關性；2）這些測點的溫度數(shù)據與應變數(shù)據能夠使用線性回歸模型進行擬合，得到相應的回歸系數(shù)和常數(shù)項。
2 不同測點應變關聯(lián)性
對不同測點之間的應變數(shù)據進行關聯(lián)性研究，首先需要對不同測點的應變數(shù)據進行定性觀察與分析。如圖3-13所示實驗中，從工況𝐷=[63,0.5]的所有測點中選5個測點：sn1、sn3、sn5、sn7、sn9，對這些測點應變數(shù)據隨時間變化的趨勢進行觀察，從圖中可以看出五個測點的應變數(shù)據整體變化趨勢是一致的，都是呈正弦曲線變化，其中sn1測點和sn5測點的應變曲線波動幅度較大，而其他測點的應變曲線較平穩(wěn)，由此可以說明不同測點的應變數(shù)據之間存在較強的相關性，但sn1測點、sn5測點與其他測點的相關性相對而言弱一些。
接下來對定性的觀察結果做進一步的分析，分別計算不同測點應變數(shù)據之間的相關系數(shù)來定量地確定它們之間相關性的強弱。如表3-3和表3-4所示實驗中，分別計算預處理前后的應變數(shù)據之間的相關系數(shù)，并使用相關系數(shù)矩陣進行展示，表中數(shù)據使用不同顏色進行標記，其中紅色越深表示相關系數(shù)越大，相關性越強，而藍色越深表示相關系數(shù)越小，相關性越弱。
從表 3 - 3 實驗中可以得出：1）除 sn1 以外的其他測點應變數(shù)據的相關系數(shù)在 0.9以上，表明這些測點應變數(shù)據的相關性很強；2）sn6~sn10 測點應變數(shù)據間的相關系數(shù)處于紅色區(qū)域，sn1~sn5 測點應變數(shù)據間的相關系數(shù)處于藍色區(qū)域，而 sn1~sn5 是橋梁底板的測點，sn6~sn10 是橋梁頂板的測點，表明橋梁頂板應變數(shù)據間的相關性比橋梁底板應變數(shù)據之間的相關性更強。
從表3-4實驗中可以得出：1）所有測點預處理后的應變數(shù)據之間的相關系數(shù)變大，表明去除異常值和噪聲后的相關性變強，預處理操作對應變數(shù)據的關聯(lián)性分析起了積極作用；
2）sn1 和 sn5 測點的應變數(shù)據與其他測點的應變數(shù)據相關系數(shù)增大到 0.96 以上，相關性大大加強，表明這兩個測點的應變數(shù)據對異常值和噪聲比較敏感，更容易受到外界環(huán)境的影響。
