桥梁结构健康监测系统已在国内外大型桥梁中得到普遍应用，但由于桥梁结构频繁振动、高尘、高低温循环等恶劣环境易使传感器发生故障，引发传感器输出畸变数据。更重要地是，传感器由电子和光学元件组成，其使用寿命仅为几年或十几年，无法与设计寿命上百年的桥梁相匹配，传感器老化必然产生失真数据。所以失真数据现象是桥梁结构健康监测系统无法避免的问题。传感器故障所引起的失真数据可能掩盖结构的真实损伤信息，最终酿成灾难性事故。严重的漏报警、频繁的误报警，会使业界对桥梁结构健康监测的可靠性产生严重质疑，在很大程度上制约桥梁结构健康监测技术的发展和应用。因此，开展失真数据自诊断方法的基础性探索研究工作，具有明确的工程应用背景和理论学术意义。本项目的特色是通过在桥梁结构健康监测系统嵌入失真数据自诊断模块，在无需新增硬件设备以及改动原有软件配置的条件下，可实现大幅降低监测系统的漏/误报警率。项目的主要研究内容如下：（1）传感器故障引发失真数据规律研究；（2）监测系统中各种传感器的关联特性研究；（3）失真数据自诊断方法研究；（4）实桥验证试验研究。项目研究取得的主要成果如下：（1）建立五类典型传感器故障的数学模型；（2）提出了基于广义似然比的传感器故障识别方法；（3）提出了基于主元分析的多传感器故障识别方法；（4）提出了基于粒子滤波的传感器故障与结构损伤识别方法；（5）提出可考虑环境干扰的FS-LSTM深度学习传感器故障诊断方法；（6）提出基于TS-LSTM深度学习的传感器故障分类方法。通过本项目研究，在国内外学术刊物上发表了12篇论文，其中SCI/EI检索论文10篇；申请国家专利2项，获软件著作权1项；获重庆市自然科学三等奖一项；毕业博士生2名，硕士生6名。项目研究成果在重庆市菜园坝长江大桥、东水门长江大桥和千厮门嘉陵江大桥等桥梁的结构健康监测系统中得到了推广应用，有效降低了传感器故障引发失真数据对结构安全状态评估结果的影响。 2100433B