结构健康监测
【结构健康监测】是指对工程结构实施损伤检测和识别。 我们这里所说的损伤包括材料特性改变或结构体系的几何特性发生改变，以及边界条件和体系的连续性，体系的整体连续性对结构的服役能力有至关重要的作用。 结构健康监测涉及到通过分析定期采集的结构布置的传感器阵列的动力响应数据来观察体系随时间推移产生的变化，损伤敏感特征值的提取并通过数据分析来确定结构的健康状态。对于长期结构健康监测，通过数据定期更新来估计结构老化和恶劣服役环境对工程结构是否有能力继续实现设计功能。
监测简介
监测起源
长期以来，我们一直使用针对质量的不连续的方法来评估结构是否有能力继续服役以实现设计目的。从19世纪初开始，列车员借助小锤通过听锤击铁轨的声音来确定是否存在损伤 。在旋转机械行业，几十年来振动监测一直作为检测手段 。在过去的十到十五年里，结构健康监测技术开始兴起并产生一个联合不同工程学科分支的新的领域，而且专注于这个领域的学术会议和科学期刊开始产生 。因此这些技术变得更为常见。
识别算法
结构健康监测的问题可归入数据模式识别算法的范畴[3-4] 。这个算法可分解为四部分：
（1）实用性评估，（2）数据采集和提纯，（3）特征提取和数据压缩，（4）统计模型的发展。当你试图将此算法应用于实际工程结构上获取的数据时，很明显的是，第2-4部分，即数据提纯、压缩、正规化和数据融合来贴近工程实际服役环境是非常关键的环节，我们可通过硬件、软件以及二者的有机结合来实现。
实用性评估
对于健康监测对结构的损伤识别能力，实用性评估涉及到四个方面：
（1）结构健康监测的应用对于生命安全和经济效益有什么好处？
（2）怎样对结构进行损伤定义，多重损伤同时存在的可能性，哪种类型最值得关注？
（3）什么条件下（不同用途、不同环境）的体系需要监测
（4）使用过程中采集数据的局限性
使用环境对监测的体系和监测过程的完成形成限制条件。 这种评估开始将损伤识别的过程和损伤的外部特征联系起来，当然也用到独特的损伤特征来完成检测。
数据采集和提纯
结构健康监测的数据采集部分涉及到选择激励方法、传感器类型、数量和布置，以及数据采集、存储、传输设备。经济效益是选择方案一个重要的参考因素，采样周期是另一个不可忽视的因素。因为数据可在变化的环境中获取，将这些数据正规化的能力在损伤识别过程中变得非常重要。当应用于结构健康监测时，数据正规化是一个分离出由于环境或操作而导致的传感器测得的不准确的数值。最常见的方法是通过测量输入参数来正规化测得的响应。当环境或操作影响比较显著时，我们需要来对比相似时间段的数据或对应的操作周期。数据的不
稳定性的来源需要认识到并把它对系统监测的影响降到最低。总的来说，不是所有的影响因素都可以消除，因此，我们有必要才去适当的措施来确保这些无法消除的因素对监测系统的影响作用大小。数据的不稳定性会因为变化的环境因素、测试条件以及测试的不连续性而加剧。
数据提纯是一个筛选部分有价值数据以完成传递的过程，与特征提取的过程相反。数据提纯很大程度上基于个人相关数据采集的经验。举例来说，通过检查测试设备的安装或许会发现某个传感器的固结已经松动，因此基于个人经验可以在数据处理的过程中删除获取的这组数据或某个特定传感器测得的数据。数据处理技术，比如滤波和重构，也是一种不错的数据提纯方法。
总之，结构健康监测过程中的数据采集、正规化和提纯技术在不断前进。特征提取过程的进一步认识和数据模型的不断完善都将有助于数据采集技术的进步。
特征提取和数据压缩
结构健康监测领域中最受关注的莫过于通过数据特征如何辨别出损伤结构与完好结构。数据压缩包含于这个特征选择过程，最有效的损伤识别的特征还是
基于相关测试系统的相应量（比如现场测得的振动谱或频率）是最常用的特征之一。另一个损伤识别方法是寻找与特定损伤敏感的因素，即某个结构体系在某特定环境下的损伤与某种参数最原始的定义相对应。这种模拟损伤的系统是一种非常有效的工具。分析工具的应用也起到非常重要的作用，比如试验验证的有限元模型。分析工具通常用来进行数值模拟试验，通过计算机设置来模拟真实结构的损伤。通过观测承受荷载的结构体系关键部件的老化得到的损伤累计测试也可用于识别某些损伤。这个过程涉及到加速损伤测试、疲劳测试、腐蚀、和温度循环对某种类型损伤的积累。上文提到的多种类型的分析和试验研究或多种研究方法的有机结合可加深对某些损伤特征的认识。
统计模型的发展
通过统计模型来辨别结构是否存在损伤，是结构健康监测领域文献中涉及最少的一部分。统计模型关注如何评估结构的损伤状态的算法的使用，统计模型中用到的算法通常分为3种：当完好结构和有损伤的结构的数据都可获取时，模式识别算法通常使用与有参照的研究有关的整体分类，整体分类和回归分析法都属于有参照研究的范畴；无参照研究指的是缺乏损伤结构的数据；新型的检测技术（或引用自其他行业比较成熟的技术）是一种应用于无参照研究中的基本算法。所有的算法（分析统计或提纯优化）都推动损伤识别技术的提升。 结构健康监测理论基础
经过20年的发展，可以说本领域已经成熟到一个阶段，很多基本的理论和原理已经成型 。这些原理如下：
公理1：所有的材料都有内在损伤；
公理2：损伤的评估需要体系两种状态的对比；
公理3：可通过无参照研究来判定损伤是否存在和定位损伤，但是判定损伤类型和损伤程度需要有参照研究模式；
公理4a ：单靠传感器不能测定损伤，数据处理的特征提取和统计分类才能将传感器获取数据转换为损伤信息；
公理4b ：在缺乏智能特征提取手段时，测试方法对损伤越敏感，则操作和环境因素对测试结果影响越大；
公理5：损伤的开始和发展的长度和时间尺度提供结构健康监测传感系统需要的特征；
公理6：在算法对损伤的敏感度和抗噪声干扰的能力有一个平衡点；
公理7：可通过体系动力响应变化测得的损伤尺寸与可激励的频率范围大小成反比；
结构健康监测的组成
结构健康监测系统包括：
1）结构
2）传感器系统
3）数据采集系统
4）数据传输和存储系统
5）数据管理系统
6）数据解析和诊断
a ）系统识别
b ）结构模型更新
c ）结构状况评估
d ）预测服役年限
这个技术的一个比较典型的例子，在桥梁或飞机中布置传感器，这些传感器为不同的结构变化提供譬如应力或应变的实时监测信息。在土木工程行业，传感器获取的数据通常传送到远端的数据采集中心。借助于现代技术，基于传感器获取到的信息使结构的实时控制（主动结构控制）成为可能。——来着百度
摘要：在电力系统中，随着电网容量越来越大，以及智能电网的发展，对变压器的运行状态实行有效地监测成为了值得研究的课题，而将物联网与变压器状态和检测联系起来更成为一
个全新的课题。
物联网由感知层，网络层和应用层组成，感知层负责信息的获取，网络层负责信息的传输，应用层负责对信息的反馈处理。
新型的Zigbee 技术的发展促进了物联网的应用。ZigBee 技术是一种低复杂度、低功耗、低速率、低成本的双向无线通讯技术。各种电子设备之间进行典型的周期性数据、间歇性数据和低反应时间数据传输的应用。
引言
电力变压器在线监测是一项复杂的工程，目前在线监测技术还不太成熟。传感器技术对电力变压器的监测显得尤为重要。美国电力研究院开发出一种直接测量分析变压器油中的四种气体，并检测其状态，现已应用于变压器的状态监测中。在电力变压器监测过程中，如何提高监测数据的可靠性及时性，就要解决两个问题：一是如何获得有效及时的数据，二是怎样将这些数据传输到监控人员的手中。
我国直到本世纪初才开始接受并尝试国外先进的理念和技术，而且，这种尝试还只是局部的，没有形成规模的尝试，但是发展的势头是好的，通过多年的努力，也取得了不错的研究成果，并得到了实际应用。目前电力变压器在线监测技术的应用主要是气象色谱及局部放电的在线测试，同事加强了变压器绕组变形，绕组老化及铁心接地的测试，此外，整栋检测，噪声监测，红外热像检测也得到了广泛的实际应用。
关于电力变压器运行状态的监测，大部分的学者都认为，随着经济条件的发展，信息技术，传感技术，无线传输技术以及智能电网水平的提高，这将会朝着利用物联网技术方向发展。实际应用将会随着理论的发展而得到广泛的应用。
1、物联网技术
物联网是国家新兴战略产业中信息产业发展的核心领域，将在国民经济发展中发挥重要作用。而将物联网应用于电力变压器检测，构建电力变压器实时运行数据中心，将使智能电网的发展迈上新的台阶。本文介绍将物联网在电力变压器中的应用，故先对物联网进行分析。
1．1物联网技术
物联网，英文名“The Internet Of Things”。顾名思义，即：物物相连的网络。这也表明了物联网也是互联网，它也是由互联网发展而来的。物联网技术的定义是：通过射频识别（RFID ）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，将任何物品与互联网相连接，进行信息交换和通讯，以实现智能化识别、定位、追踪、监控和管理的一种网络技术。物联网的主要特征是每一个物件都可以寻址，每一个物件都可以控制，每一个物件都可以通信。显然，它作为“感知、传输、应用”3项技术相结合的一 种产物，是一种全新的信息获取和处理技术。
1.1.1频识别技术.
射频识别RFID 技术，是一种通过无线电信号对特定的目标进行识别，并读写相关数据，而无需识别系统与特定目标之间建立机械或光学接触，它隶属于非接触式自动识别技术。其基本原理是利用射频信号和空间电磁场耦合传输特性来实现对监控物体的信息交换及自动识别。RFID 的设计就是射频电路技术、通信技术、传感器技术等的紧密结合。
RFID 的阅读器通过天线与RFID 电子标签进行无线通信，可以实现对标签识别码和内存数据的读出或写入操作。典型的阅读器包含有高频模块（发送器和接收器）、控制单元以及阅读器天线。 RFID 射频识别是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，识别工作无需人工干预，可工作于各种恶劣环境。RFID 技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。比如说，我们在商场见到的电子标签就属于RFID 标签。因此，这种技术应用非常广泛。
射频识别系统性能的评断，阅读距离（电子阅读器与电子标签最大距离能够识别）的长短最
重要的指标之一。在实际的应用中，不同识别系统的的阅读距离差别很大，这一般是有实际情况来决定的。
GPS 是英文Global Positioning System的简称Zigbee 技术是一种具有统一技术标准的短距离无线通信技术，是基于IEEE802.15.4标准的低功耗个域网协议。根据这个协议规定的技术是一种短距离、低功耗的无线通信技术协定层从下到上分别为实体层（PHY ）、媒体存取层（MAC ）、网络层（NWK ）、应用层（APL ）等。网络层由ZigBee 联盟制定，应用层的开发应用根据用户的应用需要，对其进行开发利用，因此该技术能够为用户提供机动、灵活的组网方式。根据IEEE 802.15.4协议标准，ZigBee 的工作频段分为3个频段，这3个工作频段相距较大，而且在各频段上的信道数据不同，因而，在该项技术标准中，各频段上的调制方式和传输速率不同。在组网性能上，ZigBee 可以构造为星形网络或者点对点对等网络，，具有较大的网络容量。在无线通信技术上，采用CSMA －CA 方式，有效地避免了无线电载波之间的冲突，此外，为保证传输数据的可靠性，建立了完整的应答通信协议。数据传输速率低只有10～250Kb ／s ，专注于低传输速率应用。无线传感器网络不传输语音、视频之类的大数据量的采集数据，仅仅传输一些采集到的温度、湿度之类的简单数据。功耗低 工作模式情况下，ZigBee 技术传输速率低，传输数据量很小，因此信号的收发时间很短，其次在非工作模式时，ZigBee 节点处于休眠模式，耗电量仅仅只有1μW。设各搜索时延一般为 30ms ，休眠激活时延为15ms ，活动设备信道接人时延为15ms 。数据传输可靠ZigBee 的介质链路层（以MAC 层）采用CSMA －CA 碰撞避免机制。在这种完全确认的数据传输机制下，当有数据传送需求时则立刻传送，发送的每个数据包都必须等待接收方的确认信息，并进行确认信息回复，若没有得到确认信息的回复就表示发生了碰撞，将再传一次网络容量大 ZigBee 定义了两种器件：全功能器件（FFD ）和简化功能器件（RFD ）。网络协调器（coordinator ）是一种全功能器件，而网络节点通常为简化功能器件。如果通过网络协调器组建无线传感器网络，整个网络最多可以支持超过65 000个ZigBee 网络节点，再加上各个网络协调器可互相连接，整个ZigBee 网络节点的数目将十分可观。（）实现成本低 模块的初始成本估计在6美元左右，很快就能降到1.5～2.5美元，且ZigBee 协议免专利费用。无线传感器网络中可以具有成千上万的节点，如果不能严格地控制节点的成本，那么网络的规模必将受到严重的制约，从而将严重地制约无线传感器网络的强大功能。（6）兼容性 ZigBee 技术与现有的控制网络标准无缝集成。通过网络协调器自动建立网络，采用CSMA-CA 方式进行信道接入。
随着社会的不断发展, 信息产业已经逐渐成为了国民经济发展的重要支柱, 而物联网作为新一代信息技术的重要组成部分成为推动人类文明向智能化方向发展的关键技术。物联网中的数据挖掘是物联网技术中重要的一环, 是未来物联网应用数量大规模增长后对物联网产业的强力补充, 本文分析了物联网数据的特点以及物联网数据挖掘存在的困难, 以及云计算的出现为物联网数据挖掘提供了重要思路, 文中论断云计算为物联网提供了最具计算力和存储力的平台, 并创新性的提出物联网云的概念。另外, 在对平台可行性及性能进行分析的过程中, 本文提出了数据转换器、开放平台接口等思路, 使整个平台有更好的扩展性, 方便第三方开发和测试。目前, 物联网应用的整体生态系统面临很多挑战, 产业链中的不同人群也面临着不同问题, 本文也给物联网中这些问题的解决提供了很好的思路。
信息采集与处理系统-结构健康监测设计专题
2014-12-14 结构健康监测
信息采集与处理系统
4.1 信号的采集和调理
4.1.1 信号采集时，数据采集站位置明确，满足采集站之安全、环境、电力、通讯路径等要求，建议设置在结构物的计算机或消防控制中心；宜采用稳定的工控机。
4.1.2 传感器系统空间分布较分散时宜考虑设置多个采集站，各采集站与中心信号采集仪相连，传感器与采集站，采集站与中心采集仪的连接须可靠、稳定。
4.1.3 采集站和中心采集仪都应能满足数据的幅值、分辨率和容量的要求；
4.1.4 监测系统应做到防雷击、防渗水；机箱应有接地措施；当所测光、电等信号微弱以致不易获得时，宜选择能满足采集系统要求的信号放大器；信号放大前应进行合理滤波以提高信噪比；信号放大器的安装位置应满足其所需的环境要求。
4.2 数据的时间间隔与同步
4.2.1 对于动力信号，数据的采样频率应在被测物理量预估最高频率的5倍以上；
4.2.2 建议大型复杂结构采用一级监测，中型结构采用二级，小型结构采用三级。
4.3 数据的标准化
4.3.1 建议长度单位为米，时间单位为秒，温度单位为摄氏度。
4.3.2 建议同时输出以“公元1年1月1日1分1秒”为“1”，每隔一秒增量为“1”的时间码体系；如有必要则采用更高精度，时间码精度同时提高。
4.5 数据的净化
4.5.2 剔除粗差，保证监测数据的准确可靠；对于观测值中的系统误差，应该尽可能按其产生的原因和规律加以改正、抵消或削弱；增加测量次数，减小偶然误差。
4.6 数据的取舍
4.6.1 对短时间内频繁发生的异常数据进行报警，要求现场技术人员查看现场状况、检查传感器的工作状态以及相应传输线路和数据采集硬件的工作状态，但采集系统仍正常工作。在此过程中，对偶然的，瞬时的异常数据一般不作处理和存储。
4.6.2 在所有经判断无异常的数据存储之前还需经过数据存储准则的判断，满足一定要求，具有分析价值的数据将被存入数据库，以减小数据存储量，阈值的设定需视具体情况而定。
数据通信与传输系统-结构健康监测设计专题
2014-12-16 结构健康监测
数据通信与传输系统
5.1 一般规定
5.1.1 数据采集系统应能从传感器和其它待测设备等模拟和数字被测单元中自动采集信息。
5.1.2 数据通信与传输系统应将系统采集到的数据传输到指定地点，以便进行存储、分析及发布等。
5.1.3 数据通信与传输系统应具有对来自结构健康监测系统内外的各种信息予以接收、存贮、处理、交换和传输的能力。
5.1.4 数据通信与传输系统提供的各类接口，应通过系统布线引至各个数据采集终端。
5.1.5 数据通信与传输系统设计，必须保证数据传输的可靠性、高效性及数据传输质量。
5.2 数据通信及传输方案
5.2.1 基于信号的同步技术
采用基于时钟同步模块的时钟频率共享技术，每个采集设备中装有时钟同步模块，再用同轴电缆将各个设备相连，以其中之一作为主模块，其余的作为从模块。主模块内部的时钟信号通过同轴电缆同步从模块内部的时钟信号。时间戳同步可以采用网络时间服务器。
5.2.2 基于时间的同步技术
系统各部分具有一个公共的时间基准参考，可以基于该基准时间生成事件、触发和时钟。对于跨度较大的长距离传输，可以利用包括GPS 、NTP 、IEEE 1588和IRIG-B 等各种时间参考，借助绝对定时实现测量结果的关联与同步。
5.2.3 有线传输
两个通信设备之间使用物理连接，将信号从一方传到另一方。常用的介质有双绞线、同轴电缆和光缆等，常用的接口有RS232、RS422、RS485和RJ45等。
5.2.4 无线传输
两个通信设备之间不使用任何物理连接，将信号通过空间传输的一种技术。通常可分为无线广域通信网（无线公网）和无线局域通信网两种方式。常用的无线广域通信网络有GPRS 和CDMA 两种制式；常用的无线局域通信网有无线网桥和部门行业专用频率通信等。
5.3 设计要求
5.3.1 数据采集系统设计，必须保证系统的采集准确度。
1. 系统采集数据的有效位数应与历史数据平均值的有效位数一致。
2. 系统采集数据与历史数据的差值应在合理范围内。
5.3.2 数据传输系统在设计，按照传输速度不同，选择同步传输或异步传输。
1. 低速数据传输宜采用异步传输；
2. 高速数据传输宜采用同步传输。
5.3.3 当数据传输系统选择同步传输时，需要结合现场实际情况，综合考虑传感器间距离、工程各阶段特征及工程现场地形条件等因素，选择合适的同步技术。
1. 对于小范围的结构健康监测系统，宜采用基于信号的同步技术。采用该技术，在设计时还需考虑路线最优化，增加最少的信号放大设备。同时注意外部的突发事件对信号可能造成的干扰。
2. 对于大范围的结构健康监测系统，宜采用基于时间的同步技术。
3. 根据工程实际需要，可选取一种或两种同步技术组合使用。
5.3.4 数据通信与传输系统的设计必须坚持因地制宜的原则，综合考虑数据通信传输距离、工程各阶段特征及工程现场地形条件、网络覆盖状况、已有的通信设施等因素，灵活选取合适的通信传输方式。
1. 当工程现场存在无线发射设备，通信信号受干扰的情况下，应采用有线传输方式。
2. 工程现场有强电磁场的环境下，应采取有效的电磁屏蔽措施，如无法实施电磁屏蔽，应采用有线传输方式。
3. 对于交通不便的深山峡谷、复杂地形、物理线路布设和维护困难的环境下，宜采用无线传输方式。
4. 需要构建临时通信网络的工程现场，宜采用无线传输方式。
5. 根据工程实际需要，可选择一种通信传输方式或多种通信传输方式进行组合使用。
5.3.5 采用有线传输数据，设计时应优先考虑利用监测系统已有的光纤通信网或部门局域互联网等数据传输线路，增加最少的中继器或转发器，选取适当的传输介质；同时应以现场数据采集器的接口为基础，以增加最少的接口转换器为原则，选取适当的接口类型。
5.3.6 采用无线传输数据，应根据工程现场营运的网络、成本及现场实际情况选择合适的无线传输方式。
5.3.7 数据通信与传输系统中应设计数据备份机制，以保证在通信传输线路故障时数据的完整性和可靠性。
1. 数据传输的发送端应至少保存最近7天的监测数据做备份。
2. 常用的数据存储介质为硬盘、磁带、CF 卡、SD 卡等，宜设置双卡槽以满足连续观测需要，其容量选取应以结构健康监测系统每天接收的数据量为依据。
5.3.8 数据通信与传输系统设计应具备以下基本资料：
1. 工程场地与环境条件的有关资料
(1) 工程场地的现状平面图，包括交通设施、高压架空线、地下管线和地下构筑物的分布；
(2) 水、电及有关建筑材料的供应条件；
(3) 周围建筑物的防振、防噪声等要求。
2. 建筑工程的有关资料
(1) 工程总平面布置图
(2) 工程基础平面图和剖面图
5.4 质量控制
监测数据是决策部门做出评判的基础资料，因而作为联系监测现场与远程控制中心的数据通道要确保高效、准确无误地传输。为实现该目标，制定以下质量控制措施。
5.4.1 数据通信与传输系统中应采用握手协议进行流量控制，保证通信线路畅通。握手分为硬件握手和软件握手。
1. 硬件握手通过握手线的交互作用进行主控端和被控端的数据交流，在通信数据将要传输时，通过握手线的高低电位变化控制数据传送与否。
2. 软件握手以数据线上的数据信号代替实际的硬件线路。常用的软件握手是XON/XOFF协议。
5.4.2 为了提高海量数据传输的可靠性，必须根据系统前端传感器单位时间采集的数据，结合设计的传输实际通信能力，对数据进行分包处理，以包为单位实施传输。开发的相应数据传输软件在设计中必须采用应答模式，并引入检校-重发-补发机制进行误码控制，以保证数据的可靠性及完整性。数据包设计必须按照以下规定要求，格式见图5.4.1.
开始位
控制参数
标识信息
数据段
校验段
结束位
图5.4.1 数据包设计要求
1. 将海量数据文件根据设计的传输速率，划分若干数据段。
2. 为了区分不同传感器、不同数据采集终端发送数据，必须在每个数据段前加入标识信息，标识信息位数应能区分各不同传感器、不同数据采集终端，以便接收端可以根据标识信息加以区分。
3. 为保证数据传输的可靠性，必须对传输数据进行校验，可采用奇偶校验或循环冗余校验（CRC ），并将校验码加入数据段后。
4. 为区分每个数据段，按图5.4.1加入开始位及结束位。
5. 为区分不同传输文件，在文件的开头和结束位置，加入包标识信息，定义请求发送包和文件结束包。
5.4.3 数据通信与传输系统中必须设计校验机制，在传送和接收两方对数据进行确认以降低误码率。常用的校验方法有奇偶校验和（CRC ）两种。
1. 奇偶校验是在传送字符的各位之外，再传送1位奇校验位或偶校验位，分别为奇校验方式或偶校验方式。奇偶校验不能纠错，但发现错误后可以要求重发。
2. 循环冗余校验（CRC ）采用除法及余数的原理进行错误侦测。对数据质量要求较高或数据传输量较大的场合，宜采用CRC 校验。常用的CRC 位数有8、16、32位，大型工程结构健康监测系统的数据通信设计时宜采用16位的CRC 校验。
3. 接收端将计算得到的奇偶校验或CRC 校验码与数据包包含的校验码进行比较，二者一致，接收端给发送端确认信息，继续发送下一数据包。若校验不合格，接收端发送相应信息，要求发送端重新发送该数据包。
5.4.4 数据开始发送时，发送端应发送请求包，并等待接收端响应，以确保数据通道畅通。在文件结束时，发送端发送结束包，并等待接收端响应。
5.4.5 当数据通道发生故障而中断，在故障排除后，数据通信与传输系统应具有补发功能，将中断时间段内所有数据发送到接收端。
5.4.6 对于数据通信与传输系统的应答、重发和补发模块应设置时限，避免因应答等待、重发及补发影响正常数据发送。建议利用数据通道空闲时段完成补发数据传输。
5.5 其他问题
5.5.1 工程现场应有安置通信设备的专有或公用的观测房，观测房应符合以下要求：
1. 电力比较稳定可靠，交通方便，自然环境比较清洁。
2. 远离产生粉尘、油烟、有害气体以及生产或贮存具有腐蚀性、易燃、易爆物品的工厂、仓库、堆场等。
3. 远离强振源和强噪声源。
4. 避开强电磁场干扰，无法避开时应采取有效的电磁屏蔽措施。
5. 应有必要的防雷、防火设施。
6. 观测房内部温度、湿度等条件应满足通信及其他设备的工作环境要求，不能满足的应采取有效的调节措施。
5.5.2 数据通信与传输系统的线路应采取一定的防护措施，对有线传输线路应采用PVC 或钢管等加以保护。
5.5.3 工程施工及运营阶段应根据实际情况制定应对特殊突发情况的紧急预案。
5.5.4 本标准如有未尽事宜，应依照实际情况遵循国家现行的其他有关标准规定执行。
损伤识别与安全评估方法-结构健康监测设计专题
2014-12-17 结构健康监测
损伤识别与安全评估方法
6.1 模态参数识别方法
6.1.1 结构模态参数识别的定义
在系统模型已知的情况下，用实测的输入与输出数据来识别描述系统特性的各种物理参数，如系统的质量、刚度及阻尼，称之为“参数识别”。
如果实际结构可以运用所谓的“模态模型”来描述其动态响应，则通过实验数据的处理和分析，寻求其“模态参数”的过程，称之为模态参数识别。
6.1.2 结构模态参数识别的目的
1 通过模态试验，一般情况下可获取结构自振频率、振型、模态阻尼比，如有特殊要求，可获取模态刚度、模态质量等结构动力特性参数。
2 获取的结构动力特性参数，可为结构计算模型修正提供依据，并为结构损伤识别提供基础数据。
6.1.3 模态试验的基本要求
1 结构模态试验前，应根据试验目的制定符合相关技术要求的试验方案，并进行必要的计算。
2 模态试验应符合下列要求：
(1) 传感器宜选择高灵敏度的低频传感器；
(2) 测点布置应尽量避开振型节点和反节点处，所布测点数不应少于所测模态阶数的2倍，宜对称布置同时采集；
(3) 试验时应避免环境及系统干扰；
(4) 采样频率应满足采样定理的基本要求；
(5) 采样时间要保证数据有足够的长度；
(6) 当测点较多而传感器数量不足时，可以分批测量，每批测试应至少保留一个共同的参考点。
6.1.4 数据处理方法
大跨桥梁、大型建筑等土木工程结构，通常难以对其实施人工激励，可以采用随机振动识别理论，通过测量“环境激励”下的输出响应来识别结构的模态参数。
环境激励下的工程结构模态参数识别方法可以分为三大类：频域识别方法、时域识别方法和时频域方法。
6.1.5 在线识别技术
“在线”强调的是模态参数识别的实时性和自动性。相对于普通的基于现场测试的模态试验而言，在线模态参数识别具有全天候、快速、实时的优点，由于实际结构在不同环境下其动力特性会有所不同，如边界条件、温度的变化，台风、运营荷载等，只有实时分析才能获取整个结构的动力特性变化情况。
6.2 损伤识别方法
6.2.1 总体要求
1 工作目标
结构的损伤识别是指利用结构的响应数据来分析结构物理参数的变化，进而识别结构的损伤。
2 深度要求
(1) 损伤识别根据工作深度可以由浅入深逐次分为损伤预警、损伤定位、损伤定量、损伤评估；
(2) 损伤预警应给出结构是否发生损伤的明确判断，并对相应的判断阈值进行说明；
(3) 损伤定位应给出结构发生的损伤位置，可给出损伤位置的几何坐标，也可给出损伤单元或者构件的编号；
(4) 损伤定量应以百分比的形式给出发生损伤的单元或者构件的损伤程度；
(5) 损伤评估应对结构的损伤后的性能退化做出综合评估，对结构损伤后的残余寿命进行科学预测。
6.2.2 动力指纹法
可选用固有频率、固有振型等模态参数及其各种导出量来构建结构的动力指纹，根据动力指纹的变化来辨识结构的损伤。
常见的结构动力指纹包括固有频率比、固有振型变化、振型曲率、应变模态振型、MAC 、COMAC 、柔度曲率、模态应变能、里兹向量等，结构损伤识别时，可根据实际需要选用其中的一种或者多种。
6.2.3 模型修正法
若有高精度的有限元基准模型可供利用时，可采用模型修正的方法进行结构物理参数辨识进而实现结构损伤识别的目的。
模型修正是利用结构实测数据（一般是模态参数）来修正结构的初始理论模型，使修正后的结构模型的响应与结构的实测响应相一致。用模型修正法进行损伤识别时，应把有限元基准模型作为结构的初始理论模型，把损伤后的结构响应作为结构实测数据。
用于损伤识别的常用的模型修正方法可分为：矩阵型修正方法、元素型修正方法、误差因子修正方法（子矩阵修正方法）、设计参数修正方法。
6.2.4 神经网络法
神经网络是一种基于数据的非参数化非线性建模方法，其用于损伤识别的基本步骤，是构建结构的损伤数据集合，对神经网络进行训练，校验神经网络的有效性，利用训练得到的神经网络模型进行损伤识别。
结构的损伤数据应根据用途划分为训练集、校验集、测试集。为了得到较好的结果，训练集一般应进行归一化。
可供选用的神经网络模型有：BP 神经网络，RBF 神经网络，概率神经网络、自组织神经网络、模糊神经网络等。
神经网络的拓扑结构应根据所解决的问题来选择，也可采用试错法或遗传算法以及其他优化方法确定。
6.2.5 其他方法
结构损伤识别也可采用有文献报道证明可行的其他方法。如小波包能量谱方法、支持向量机方法、ARMA 模型方法、响应面法、奇异值检验方法、考虑不确定性的统计方法等。
6.3 安全评估方法
6.3.1 一般原则
1 结构在规定的设计使用年限内应具有足够的可靠度。结构可靠度可采用以概率理论为基础的极限状态设计方法分析确定。
2 结构在规定的设计使用年限内应满足下列功能要求：
(1) 在正常施工和正常使用时，能承受可能出现的各种作用；
(2) 在正常使用时具有良好的工作性能；
(3) 在正常维护下具有足够的耐久性能；
(4) 在设计规定的偶然事件发生时及发生后，仍能保持必须的整体稳定性。
3 施加在结构上的荷载宜采用随机过程概率模型描述。
4 结构构件的可靠指标宜采用考虑基本变量概率分析类型的一次二阶矩方法进行计算。
6.3.2 确定性方法
结构安全评估的确定性方法可以采用层次分析法和极限分析法。
6.3.3 可靠度方法
1 构件可靠度分析法
结构构件可靠度分析方法主要分为两大类。一类是解析算法，包括改进的一次二阶矩法、二次二阶矩法、JC 法等；另一类是随机模拟法，包括蒙特卡罗法、随机有限元法等。 2 体系可靠度分析法
结构体系可靠度分析法可以采用界限估算法、串联及并联和混联体系可靠度计算法、概率网络估算技术方法、蒙特卡罗法、分枝界限法等。
数据库系统及其运行管理-结构健康监测设计专题
2014-12-18 结构健康监测
数据库系统及其运行管理
7.1 数据库系统的目标与设计原则
7.1.1 结构健康监测数据库系统是一个实时运行的存储、维护和为应用提供数据管理与分析的软件系统，是存储介质、处理对象和管理系统的集合体。系统由软件、数据库和数据管理员等组成。其软件主要包括操作系统、应用程序以及数据库管理系统。数据库由数据库管理系统统一管理，数据的插入、修改和检索均要通过数据库管理系统进行操作。数据管理员负责创建、监控和维护整个数据库，使数据能被授权用户有效使用。
7.1.2 数据库设计是建立数据库及其应用系统的核心技术，它是指利用现有的数据库管理系统，构造最优的数据模式，建立可用的数据库和应用系统，以便能够更为有效地存储数据，满足用户的应用需求，包括数据需求和处理需求。
1. 数据共享是指系统所有用户可同时访问数据库中的数据。同文件系统相比，由于数据库实现了数据共享，避免了用户各自建立应用文件而带来的数据冗余问题，同时数据共享有利于维护数据的一致性。
2. 进行系统数据库设计时需要根据传感器数量、采样频率、监测时间等因素估计数据库的容量，保证数据有效的存储和使用。
3. 各种软硬件平台日趋多样化，为了满足各种不同平台系统的要求，应用软件的设计必须遵循开放系统的原则，与平台无关。 4. 遵循公共的国际标准，以方便今后的升级维护。
7.3 数据库设计基础要求
7.3.1 在线实时数据处理分析包括对实时采集的数据进行处理分析，用户处于在线工作状态。离线数据处理分析则主要是对某一时段以前的存档数据进行处理和分析。
7.3.2
1. 传感器一般包括对环境信息、荷载信息、结构响应信息和结构形态信息进行监测的设备，常用的传感器类型详见第3章。故障检测包括定时轮询监测报警，用户根据实际设定失效报警时间。
2. 监测信息的自动导入指的是将观测数据通过传输模块进行预处理后导入到数据库中。数据导出的目的是便于为专业分析软件工具进行进一步的数据分析。预案处理包括监测信息预警机制以及相应处理措施的描述信息等。
3. 结构评估分析要依据结构分析模型进行定量分析，如果分析模型有改进，系统要支
持利用新的评估模型进行分析的机制。
4. 结构模型信息描述了进行评估分析时使用的评估规则和所需要的模型，评估规则本身可以添加、删除，需要描述参数的数据类型、返回的数据类型等。
5. 数据转储主要利用数据库管理系统自身提供的归档功能进行数据归档，归档使用的大容量存储设备包括大容量磁盘、光盘、磁带等二级存储设备，系统元数据记录归档数据基本信息。
6. 用户管理内容涉及：
(1) 用户属性定义。数据库管理系统安全功能应给出每个用户与标识相关的安全属性，如标识符、组等。如果数据库管理系统安全功能维护自己的标识与鉴别数据，那么它应保证每个用户个体在数据库管理系统和其他系统安全功能中信息一致。
(2) 用户标识。数据库管理系统的安全功能应预先设定数据库管理系统代表用户执行的、与安全功能相关的动作；在标识之前，安全功能允许数据库管理系统执行这些预设动作。在其他的安全功能引起的操作动作之前，数据库管理系统的安全功能要成功地标识每个用户。应对注册到数据库管理系统中的用户进行标识。用户标识信息是公开信息，一般以用户名和用户ID 实现。为了管理方便，可将用户分组，也可使用别名。无论用户名、用户ID 、用户组还是用户别名，都要遵守标识的唯一性原则。用户标识分为：
1) 基本标识：应在数据库管理系统安全子系统的安全功能实施所要求的动作之前，对提出该动作要求的用户进行标识；
2) 唯一性标识：应确保所标识用户在信息系统生存周期内的唯一性，并将用户标识与审计相关联。
(3) 标识信息管理。应对用户标识信息进行管理、维护，确保其不被非授权地访问、修改或删除。
(4) 用户鉴别。数据库管理系统的安全功能应预先设定数据库管理系统代表用户执行的、与安全功能相关的动作，在用户被鉴别之前，允许数据库管理系统执行这些预设动作。在其他的安全功能引起的操作动作之前，数据库管理系统的安全功能应成功地鉴别每个用户。应对登录的数据库管理系统的用户进行身份真实性鉴别。通过对用户所提供的“鉴别信息”的验证，证明该用户确有所声称的某种身份，这些“鉴别信息”必须是保密的，不易伪造的。用户鉴别分为：
1) 基本鉴别：应对数据库管理系统安全子系统的安全功能实施所要求地动作之前，先对提出该动作要求的用户成功地进行鉴别。
2) 不可伪造鉴别：应检测并防止使用伪造或复制的鉴别数据。一方面，要求数据库管理系统安全子系统的安全功能应检测或防止由任何别的用户伪造的鉴别数据；另一方面，要求数据库管理系统安全子系统应检测或防止当前用户从任何其他用户处复制的鉴别数据的使用。
3) 一次性使用鉴别：应能提供一次性使用鉴别数据操作的鉴别机制，即对数据库管理系统安全子系统的安全功能应防止与已标识过的鉴别机制有关的鉴别数据的重用。
4) 多机制鉴别：应能提供不同的鉴别机制，用于鉴别特定事件的用户身份，并且对数据库管理系统安全子系统的安全功能应根据所描述的多种鉴别机制如何提供鉴别的规则，来鉴别任何用户所声称的身份。
5) 重新鉴别：应有能力规定需要重新鉴别用户的事件，即对数据库管理系统安全子系统的安全功能应在需要重鉴别条件所指示的条件下，重新鉴别用户。
(5) 鉴别失败处理。数据库管理系统的安全功能应检测到与鉴别事件相关的不成功的鉴别尝试，当不成功鉴别尝试的次数达到或超过了定义的界限时，安全功能应终止会话建立的进程。
(6) 访问历史。在会话成功建立的基础上，数据库管理系统的安全功能应显示用户上一次成功会话建立的日期、时间、方法、位置等。数据库管理系统的安全功能应显示用户上一次不成功的会话尝试的日期、时间、方法、位置等，以及从上一次成功的会话建立以来的不成功的尝试的次数。
7. 数据库的安全包含两层含义：第一层是指系统运行安全，系统运行安全通常受到的威胁包括一些网络不法分子通过网络、局域网等途径通过入侵电脑使系统无法正常启动，或让系统超负荷运行大量算法，并关闭CPU 风扇，使CPU 过热烧坏等破坏性活动；第二层是指系统信息安全，系统信息安全通常受到的威胁包括黑客对数据库入侵，盗取系统内的资料。因此数据库管理系统的安全既要考虑对数据库管理系统的安全保护，也要考虑对数据库管理系统中所存储、传输和处理的数据信息的保护（包括以库结构形式存储的用户数据信息和以其他形式存储的由数据库管理系统使用的数据信息）。所以对数据库管理系统的安全保护的功能要求，要从系统安全运行和信息安全保护两方面综合进行考虑。
(1) 网络安全管理与安全保护：主要指的是系统运行的外部安全环境，一般包括网络管理软件和安全保护系统。前者用于防止外部用户入侵系统所在的网络，后者则主要是各种防病毒软件。
(2) 数据库容灾备份主要防止系统因一些不可抗因素导致硬件设备的损坏而采取的备份策略。
(3) 敏感信息标记用于标识数据库系统中需要特别保护的数据或对象，依据使用方式的不同可以标识为公开、秘密、机密和绝密四个等级。敏感信息的安全设置一般由系统安全员进行设置。对于支持有效期的各种安全属性，数据库管理系统的安全功能应限制授权管理员规定有效期的能力。数据库管理系统的安全功能应支持授权管理员对有效期后所采取的活动做出规定。
(4) 系统使用日志审计：一般由系统审计员进行审计，审计内容涉及一般信息与敏感信息操作使用的历史，以便追踪信息被破坏、泄漏的原因。
数据库管理系统宜采取以下措施抵御威胁：
1) 数据库管理系统中，主体对客体的访问受系统安全功能的限制和裁定，特定客体的访问权限由主、客体安全属性、用户身份和环境等条件所决定，这些条件应在对应的安全策略中规定。
2) 数据库管理系统应对系统用户进行标识和鉴别，并通过系统审计来记录用户的操作和所造成的影响，使用监督和事后评判等机制，保证用户的责任可追溯、行为得到控制。
3) 在物理上分离的部件之间传递信息流应遵从数据库管理系统中所确定的信息流策略。
4) 数据库管理系统所保护的资源仅限于需要了解该资源的授权用户知晓并进行访问和修改。
5) 数据库管理系统应维护主体及客体的敏感标记（安全级别），以此作为实施访问控制的基础。
6) 在数据库管理系统的空闲存储客体空间中，对客体初始指定、分配或再分配前，需要撤销客体所含信息的所有授权。
7) 当主体获得对一个已被释放的客体的访问权时，当前主体不能获得原主体活动所产生的任何信息。
7.4 数据库的组成
7.4.1 数据库的组成与数据库的功能相对应。
2. 风速和风向属于环境信息，而风压是直接作用在结构上的风荷载；同样地，环境温度属于环境信息，构件的实际温度与温度荷载直接相关。各类原始信息和附加信息的记录存
储依监测内容而异。比如，风速一般要记录三秒钟极值风速、十分钟平均风速、每小时平均风速、风玫瑰图、风谱图。地面脉动加速度要记录时程曲线、功率谱；车辆荷载一般要记录轮轴重量、总重、数量、车辆类型；环境温度和太阳辐射强度要记录每小时信息，统计日月年的最高温度、最低温度、及温差；结构加速度要记录存储时程曲线、功率谱；静态应变、位移、倾角宜与环境温度同步记录，混凝土应变应记录徐变和收缩；结构坐标包括三个方向的大地坐标。
4. 评估结果包括分析结果以及数据之间的相关性等。评估结果以定期和以专题事件为单位的方式记录；定期记录为单位指每个月、季度或年的结果；专题事件记录指突发事件（地震或台风）发生后的专题分析结果。
7.4.2 转储数据的元数据信息中，本地信息库中要记录转储数据的定位、识别信息等，转储到外部的数据可提供所转储信息的概要描述信息。
7.4.3 信息分类是根据信息内容属性的排列顺序，将信息按一定的原则和方法进行区分和归类，并建立起一定的分类系统和排列顺序，以便管理和使用信息。信息编码是在信息分类的基础上，将信息对象赋予有一定规律的、易于计算机和人识别与处理的符号。
传感器信息宜根据传感器的类型分类并根据所在空间位置或所属子站编码，比如某加速度计的一个通道的编码为
7.5 数据库选择的其它因素
7.5.1数据库相关的主要软件产品包括数据库管理系统、设计建模工具和管理工具。选择并统一数据库相关的软件产品，可使数据库管理员能够更关注于该产品，可使各层次人员的数据管理经验得以共享，从而可以大大提高数据管理水平和效率。统一数据库相关的软件产品也可以减少不同系统之间进行数据交换和数据访问的数据转换工作量，提高数据转换和共享效率。
由于系统监测数据流量较大，为了保证系统处理分析的效率，选择数据库系统时必须考虑对海量数据的有效存储管理，考虑系统的扩展性。数据库系统要有较好的数据分布管理策略，如数据的分片存储、透明访问、分布备份等，必要时要求支持数据网格集成等技术。
在2016云栖大会上海峰会上，国内领先的专业OpenStack 服务商九州云（99Cloud ）与阿里云达成战略合作，将共同研发企业级混合云平台，向用户提供弹性、敏捷及安全可控的混合云解决方案。
这是阿里云生态的又一次开放融合，通过像九州云这样的合作伙伴，OpenStack 等不同领域的用户也能快速获取公共云服务能力。
对于生态和开源，每个人的理解都不太一样。但是它绝对不仅仅是简单的开放、合作、共赢这几个词就可以概况的，这还远远不够。
1
关于开放，阿里云有话要说
阿里云资深总监李津表示，技术没有门槛，服务没有边界，任何技术的诞生都是源于最终用户的需求。
阿里云希望通过跟九州云等生态伙伴的合作，让所有用户能够分享到生态伙伴的服务能力，让公共云的海量计算能力更便捷的去触达他们。
这才是今天阿里云整个生态的价值，这也是云计算带给我们联结在一起的价值。
2
关于混合云，我们有自己的态度
阿里云中间件产品总监赵杰辉表示，互联网重塑了企业形态和运行方式。
双11的天猫、淘宝很可能是目前为止我们能够看到的、最为接近未来企业形态的。
也就是说，大量的弹性需求，用到了阿里云极为浩瀚的计算能力支持。换句话说，未来是开放的，谁能借用外部计算能力为自己所用，谁就领先于同行。
这也是混合云大行其道的内在因素。
3
关于合作，谈谈阿里云的“心态”
为什么今天我们要跟大家去合作？阿里云资深总监李津谈了四点。
首先，是因为市场上去拥抱云计算的所有人都是我们的客户，都是我们的用户，也都是我们的朋友。今天的阿里云没有敌人，如果人为的要去划分的，不仅圈定自己，也圈定了别人，这是不对的。
其次，能够达成合作，是因为我们看到了合作伙伴在这个领域的贡献和优势，不是滥竽充数，是真正能够为客户解决问题。
第三，我们更看重的是合作伙伴的服务能力。因为云计算要贴近于用户，技术创新多种多样，但是服务质量要连接到用户那里去，而所有这些提供服务的人其实都是我们的朋友，我们也是他们的朋友。最终，我们希望让这些服务触达到用户，让用户感受到云计算，并且接受这些服务。所以从这些角度来说，阿里云会有越来越多的合作伙伴。
最后，谈谈合作的意义，其实很简单。如果说别人曾经划分过很多不同的门槛，区分不同种族的人类，那么今天云计算最大的使命感就是要打破这些东西。我们并不接受“技术门槛”的说法，因为这些都是人为商业诉求把技术这个纯粹的东西渲染掉。我们相信，通过合作，阿里云的技术能力，可以通过合作伙伴的服务，流淌到每一处需要计算的角落。
4
写在最后的话
2015年的天猫双11，是全球最大规模的混合云弹性架构实践。
现在，这一技术能力将通过阿里云与九州云、万国数据等生态伙伴的合作，加速向全球用户开放。
抱着这样的心态和理念，阿里云与合作伙伴打造的混合云技术，是阿里的，更是你我的！
金融财务管理
阿里金融云：发挥云+端+数的最大力量
2013年底上线以来，阿里金融云已为易保、微贷网、大智慧、华夏保险等金融企业提供服务，构筑起了囊括银行、保险、微金融、证券等在内的完整生态。
当经济社会从IT 时代迈入DT 时代，计算能力正在成为像水、电、石油一样的公共资源。
阿里金融云通过发挥计算的力量，让金融展现多样性，把平等普惠带给每个人。
阿里金融云已来
阿里金融云为金融行业量身定制云计算服务，具备低成本、高弹性、高可用、安全合规的特性。
同时，帮助金融客户实现从传统IT 向云计算的转型，并为客户实现与支付宝、淘宝、天猫的直接对接，助力金融客户业务创新，提升竞争力。
阿里金融云的优势
“云”、“端”、“数”是阿里金融云的核心能力。
“云”是指阿里金融云在云计算方面的能力。
“端”是指阿里金融云为上云企业提供的移动端的能力。
“数”是指阿里金融云的大数据分析能力。
依托于中国最大的云计算公共服务平台阿里云，阿里金融云在“云”、“端”、“数”三个方面都有很好的积累。
阿里金融云将这些能力传输给合作伙伴，同时提供“安全稳定”的安全性环境，达到“业务创新”的目标，打造基于互联网的全新金融创新生态。
在“云”、“端”、“数”的基础上，阿里金融云将重点打造包括场景引擎、互联引擎、数据引擎、技术引擎在内的四大引擎。
结构健康监测
【结构健康监测】是指对工程结构实施损伤检测和识别。 我们这里所说的损伤包括材料特性改变或结构体系的几何特性发生改变，以及边界条件和体系的连续性，体系的整体连续性对结构的服役能力有至关重要的作用。 结构健康监测涉及到通过分析定期采集的结构布置的传感器阵列的动力响应数据来观察体系随时间推移产生的变化，损伤敏感特征值的提取并通过数据分析来确定结构的健康状态。对于长期结构健康监测，通过数据定期更新来估计结构老化和恶劣服役环境对工程结构是否有能力继续实现设计功能。
监测简介
监测起源
长期以来，我们一直使用针对质量的不连续的方法来评估结构是否有能力继续服役以实现设计目的。从19世纪初开始，列车员借助小锤通过听锤击铁轨的声音来确定是否存在损伤 。在旋转机械行业，几十年来振动监测一直作为检测手段 。在过去的十到十五年里，结构健康监测技术开始兴起并产生一个联合不同工程学科分支的新的领域，而且专注于这个领域的学术会议和科学期刊开始产生 。因此这些技术变得更为常见。
识别算法
结构健康监测的问题可归入数据模式识别算法的范畴[3-4] 。这个算法可分解为四部分：
（1）实用性评估，（2）数据采集和提纯，（3）特征提取和数据压缩，（4）统计模型的发展。当你试图将此算法应用于实际工程结构上获取的数据时，很明显的是，第2-4部分，即数据提纯、压缩、正规化和数据融合来贴近工程实际服役环境是非常关键的环节，我们可通过硬件、软件以及二者的有机结合来实现。
实用性评估
对于健康监测对结构的损伤识别能力，实用性评估涉及到四个方面：
（1）结构健康监测的应用对于生命安全和经济效益有什么好处？
（2）怎样对结构进行损伤定义，多重损伤同时存在的可能性，哪种类型最值得关注？
（3）什么条件下（不同用途、不同环境）的体系需要监测
（4）使用过程中采集数据的局限性
使用环境对监测的体系和监测过程的完成形成限制条件。 这种评估开始将损伤识别的过程和损伤的外部特征联系起来，当然也用到独特的损伤特征来完成检测。
数据采集和提纯
结构健康监测的数据采集部分涉及到选择激励方法、传感器类型、数量和布置，以及数据采集、存储、传输设备。经济效益是选择方案一个重要的参考因素，采样周期是另一个不可忽视的因素。因为数据可在变化的环境中获取，将这些数据正规化的能力在损伤识别过程中变得非常重要。当应用于结构健康监测时，数据正规化是一个分离出由于环境或操作而导致的传感器测得的不准确的数值。最常见的方法是通过测量输入参数来正规化测得的响应。当环境或操作影响比较显著时，我们需要来对比相似时间段的数据或对应的操作周期。数据的不
稳定性的来源需要认识到并把它对系统监测的影响降到最低。总的来说，不是所有的影响因素都可以消除，因此，我们有必要才去适当的措施来确保这些无法消除的因素对监测系统的影响作用大小。数据的不稳定性会因为变化的环境因素、测试条件以及测试的不连续性而加剧。
数据提纯是一个筛选部分有价值数据以完成传递的过程，与特征提取的过程相反。数据提纯很大程度上基于个人相关数据采集的经验。举例来说，通过检查测试设备的安装或许会发现某个传感器的固结已经松动，因此基于个人经验可以在数据处理的过程中删除获取的这组数据或某个特定传感器测得的数据。数据处理技术，比如滤波和重构，也是一种不错的数据提纯方法。
总之，结构健康监测过程中的数据采集、正规化和提纯技术在不断前进。特征提取过程的进一步认识和数据模型的不断完善都将有助于数据采集技术的进步。
特征提取和数据压缩
结构健康监测领域中最受关注的莫过于通过数据特征如何辨别出损伤结构与完好结构。数据压缩包含于这个特征选择过程，最有效的损伤识别的特征还是
基于相关测试系统的相应量（比如现场测得的振动谱或频率）是最常用的特征之一。另一个损伤识别方法是寻找与特定损伤敏感的因素，即某个结构体系在某特定环境下的损伤与某种参数最原始的定义相对应。这种模拟损伤的系统是一种非常有效的工具。分析工具的应用也起到非常重要的作用，比如试验验证的有限元模型。分析工具通常用来进行数值模拟试验，通过计算机设置来模拟真实结构的损伤。通过观测承受荷载的结构体系关键部件的老化得到的损伤累计测试也可用于识别某些损伤。这个过程涉及到加速损伤测试、疲劳测试、腐蚀、和温度循环对某种类型损伤的积累。上文提到的多种类型的分析和试验研究或多种研究方法的有机结合可加深对某些损伤特征的认识。
统计模型的发展
通过统计模型来辨别结构是否存在损伤，是结构健康监测领域文献中涉及最少的一部分。统计模型关注如何评估结构的损伤状态的算法的使用，统计模型中用到的算法通常分为3种：当完好结构和有损伤的结构的数据都可获取时，模式识别算法通常使用与有参照的研究有关的整体分类，整体分类和回归分析法都属于有参照研究的范畴；无参照研究指的是缺乏损伤结构的数据；新型的检测技术（或引用自其他行业比较成熟的技术）是一种应用于无参照研究中的基本算法。所有的算法（分析统计或提纯优化）都推动损伤识别技术的提升。 结构健康监测理论基础
经过20年的发展，可以说本领域已经成熟到一个阶段，很多基本的理论和原理已经成型 。这些原理如下：
公理1：所有的材料都有内在损伤；
公理2：损伤的评估需要体系两种状态的对比；
公理3：可通过无参照研究来判定损伤是否存在和定位损伤，但是判定损伤类型和损伤程度需要有参照研究模式；
公理4a ：单靠传感器不能测定损伤，数据处理的特征提取和统计分类才能将传感器获取数据转换为损伤信息；
公理4b ：在缺乏智能特征提取手段时，测试方法对损伤越敏感，则操作和环境因素对测试结果影响越大；
公理5：损伤的开始和发展的长度和时间尺度提供结构健康监测传感系统需要的特征；
公理6：在算法对损伤的敏感度和抗噪声干扰的能力有一个平衡点；
公理7：可通过体系动力响应变化测得的损伤尺寸与可激励的频率范围大小成反比；
结构健康监测的组成
结构健康监测系统包括：
1）结构
2）传感器系统
3）数据采集系统
4）数据传输和存储系统
5）数据管理系统
6）数据解析和诊断
a ）系统识别
b ）结构模型更新
c ）结构状况评估
d ）预测服役年限
这个技术的一个比较典型的例子，在桥梁或飞机中布置传感器，这些传感器为不同的结构变化提供譬如应力或应变的实时监测信息。在土木工程行业，传感器获取的数据通常传送到远端的数据采集中心。借助于现代技术，基于传感器获取到的信息使结构的实时控制（主动结构控制）成为可能。——来着百度
摘要：在电力系统中，随着电网容量越来越大，以及智能电网的发展，对变压器的运行状态实行有效地监测成为了值得研究的课题，而将物联网与变压器状态和检测联系起来更成为一
个全新的课题。
物联网由感知层，网络层和应用层组成，感知层负责信息的获取，网络层负责信息的传输，应用层负责对信息的反馈处理。
新型的Zigbee 技术的发展促进了物联网的应用。ZigBee 技术是一种低复杂度、低功耗、低速率、低成本的双向无线通讯技术。各种电子设备之间进行典型的周期性数据、间歇性数据和低反应时间数据传输的应用。
引言
电力变压器在线监测是一项复杂的工程，目前在线监测技术还不太成熟。传感器技术对电力变压器的监测显得尤为重要。美国电力研究院开发出一种直接测量分析变压器油中的四种气体，并检测其状态，现已应用于变压器的状态监测中。在电力变压器监测过程中，如何提高监测数据的可靠性及时性，就要解决两个问题：一是如何获得有效及时的数据，二是怎样将这些数据传输到监控人员的手中。
我国直到本世纪初才开始接受并尝试国外先进的理念和技术，而且，这种尝试还只是局部的，没有形成规模的尝试，但是发展的势头是好的，通过多年的努力，也取得了不错的研究成果，并得到了实际应用。目前电力变压器在线监测技术的应用主要是气象色谱及局部放电的在线测试，同事加强了变压器绕组变形，绕组老化及铁心接地的测试，此外，整栋检测，噪声监测，红外热像检测也得到了广泛的实际应用。
关于电力变压器运行状态的监测，大部分的学者都认为，随着经济条件的发展，信息技术，传感技术，无线传输技术以及智能电网水平的提高，这将会朝着利用物联网技术方向发展。实际应用将会随着理论的发展而得到广泛的应用。
1、物联网技术
物联网是国家新兴战略产业中信息产业发展的核心领域，将在国民经济发展中发挥重要作用。而将物联网应用于电力变压器检测，构建电力变压器实时运行数据中心，将使智能电网的发展迈上新的台阶。本文介绍将物联网在电力变压器中的应用，故先对物联网进行分析。
1．1物联网技术
物联网，英文名“The Internet Of Things”。顾名思义，即：物物相连的网络。这也表明了物联网也是互联网，它也是由互联网发展而来的。物联网技术的定义是：通过射频识别（RFID ）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，将任何物品与互联网相连接，进行信息交换和通讯，以实现智能化识别、定位、追踪、监控和管理的一种网络技术。物联网的主要特征是每一个物件都可以寻址，每一个物件都可以控制，每一个物件都可以通信。显然，它作为“感知、传输、应用”3项技术相结合的一 种产物，是一种全新的信息获取和处理技术。
1.1.1频识别技术.
射频识别RFID 技术，是一种通过无线电信号对特定的目标进行识别，并读写相关数据，而无需识别系统与特定目标之间建立机械或光学接触，它隶属于非接触式自动识别技术。其基本原理是利用射频信号和空间电磁场耦合传输特性来实现对监控物体的信息交换及自动识别。RFID 的设计就是射频电路技术、通信技术、传感器技术等的紧密结合。
RFID 的阅读器通过天线与RFID 电子标签进行无线通信，可以实现对标签识别码和内存数据的读出或写入操作。典型的阅读器包含有高频模块（发送器和接收器）、控制单元以及阅读器天线。 RFID 射频识别是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，识别工作无需人工干预，可工作于各种恶劣环境。RFID 技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。比如说，我们在商场见到的电子标签就属于RFID 标签。因此，这种技术应用非常广泛。
射频识别系统性能的评断，阅读距离（电子阅读器与电子标签最大距离能够识别）的长短最
重要的指标之一。在实际的应用中，不同识别系统的的阅读距离差别很大，这一般是有实际情况来决定的。
GPS 是英文Global Positioning System的简称Zigbee 技术是一种具有统一技术标准的短距离无线通信技术，是基于IEEE802.15.4标准的低功耗个域网协议。根据这个协议规定的技术是一种短距离、低功耗的无线通信技术协定层从下到上分别为实体层（PHY ）、媒体存取层（MAC ）、网络层（NWK ）、应用层（APL ）等。网络层由ZigBee 联盟制定，应用层的开发应用根据用户的应用需要，对其进行开发利用，因此该技术能够为用户提供机动、灵活的组网方式。根据IEEE 802.15.4协议标准，ZigBee 的工作频段分为3个频段，这3个工作频段相距较大，而且在各频段上的信道数据不同，因而，在该项技术标准中，各频段上的调制方式和传输速率不同。在组网性能上，ZigBee 可以构造为星形网络或者点对点对等网络，，具有较大的网络容量。在无线通信技术上，采用CSMA －CA 方式，有效地避免了无线电载波之间的冲突，此外，为保证传输数据的可靠性，建立了完整的应答通信协议。数据传输速率低只有10～250Kb ／s ，专注于低传输速率应用。无线传感器网络不传输语音、视频之类的大数据量的采集数据，仅仅传输一些采集到的温度、湿度之类的简单数据。功耗低 工作模式情况下，ZigBee 技术传输速率低，传输数据量很小，因此信号的收发时间很短，其次在非工作模式时，ZigBee 节点处于休眠模式，耗电量仅仅只有1μW。设各搜索时延一般为 30ms ，休眠激活时延为15ms ，活动设备信道接人时延为15ms 。数据传输可靠ZigBee 的介质链路层（以MAC 层）采用CSMA －CA 碰撞避免机制。在这种完全确认的数据传输机制下，当有数据传送需求时则立刻传送，发送的每个数据包都必须等待接收方的确认信息，并进行确认信息回复，若没有得到确认信息的回复就表示发生了碰撞，将再传一次网络容量大 ZigBee 定义了两种器件：全功能器件（FFD ）和简化功能器件（RFD ）。网络协调器（coordinator ）是一种全功能器件，而网络节点通常为简化功能器件。如果通过网络协调器组建无线传感器网络，整个网络最多可以支持超过65 000个ZigBee 网络节点，再加上各个网络协调器可互相连接，整个ZigBee 网络节点的数目将十分可观。（）实现成本低 模块的初始成本估计在6美元左右，很快就能降到1.5～2.5美元，且ZigBee 协议免专利费用。无线传感器网络中可以具有成千上万的节点，如果不能严格地控制节点的成本，那么网络的规模必将受到严重的制约，从而将严重地制约无线传感器网络的强大功能。（6）兼容性 ZigBee 技术与现有的控制网络标准无缝集成。通过网络协调器自动建立网络，采用CSMA-CA 方式进行信道接入。
随着社会的不断发展, 信息产业已经逐渐成为了国民经济发展的重要支柱, 而物联网作为新一代信息技术的重要组成部分成为推动人类文明向智能化方向发展的关键技术。物联网中的数据挖掘是物联网技术中重要的一环, 是未来物联网应用数量大规模增长后对物联网产业的强力补充, 本文分析了物联网数据的特点以及物联网数据挖掘存在的困难, 以及云计算的出现为物联网数据挖掘提供了重要思路, 文中论断云计算为物联网提供了最具计算力和存储力的平台, 并创新性的提出物联网云的概念。另外, 在对平台可行性及性能进行分析的过程中, 本文提出了数据转换器、开放平台接口等思路, 使整个平台有更好的扩展性, 方便第三方开发和测试。目前, 物联网应用的整体生态系统面临很多挑战, 产业链中的不同人群也面临着不同问题, 本文也给物联网中这些问题的解决提供了很好的思路。
信息采集与处理系统-结构健康监测设计专题
2014-12-14 结构健康监测
信息采集与处理系统
4.1 信号的采集和调理
4.1.1 信号采集时，数据采集站位置明确，满足采集站之安全、环境、电力、通讯路径等要求，建议设置在结构物的计算机或消防控制中心；宜采用稳定的工控机。
4.1.2 传感器系统空间分布较分散时宜考虑设置多个采集站，各采集站与中心信号采集仪相连，传感器与采集站，采集站与中心采集仪的连接须可靠、稳定。
4.1.3 采集站和中心采集仪都应能满足数据的幅值、分辨率和容量的要求；
4.1.4 监测系统应做到防雷击、防渗水；机箱应有接地措施；当所测光、电等信号微弱以致不易获得时，宜选择能满足采集系统要求的信号放大器；信号放大前应进行合理滤波以提高信噪比；信号放大器的安装位置应满足其所需的环境要求。
4.2 数据的时间间隔与同步
4.2.1 对于动力信号，数据的采样频率应在被测物理量预估最高频率的5倍以上；
4.2.2 建议大型复杂结构采用一级监测，中型结构采用二级，小型结构采用三级。
4.3 数据的标准化
4.3.1 建议长度单位为米，时间单位为秒，温度单位为摄氏度。
4.3.2 建议同时输出以“公元1年1月1日1分1秒”为“1”，每隔一秒增量为“1”的时间码体系；如有必要则采用更高精度，时间码精度同时提高。
4.5 数据的净化
4.5.2 剔除粗差，保证监测数据的准确可靠；对于观测值中的系统误差，应该尽可能按其产生的原因和规律加以改正、抵消或削弱；增加测量次数，减小偶然误差。
4.6 数据的取舍
4.6.1 对短时间内频繁发生的异常数据进行报警，要求现场技术人员查看现场状况、检查传感器的工作状态以及相应传输线路和数据采集硬件的工作状态，但采集系统仍正常工作。在此过程中，对偶然的，瞬时的异常数据一般不作处理和存储。
4.6.2 在所有经判断无异常的数据存储之前还需经过数据存储准则的判断，满足一定要求，具有分析价值的数据将被存入数据库，以减小数据存储量，阈值的设定需视具体情况而定。
数据通信与传输系统-结构健康监测设计专题
2014-12-16 结构健康监测
数据通信与传输系统
5.1 一般规定
5.1.1 数据采集系统应能从传感器和其它待测设备等模拟和数字被测单元中自动采集信息。
5.1.2 数据通信与传输系统应将系统采集到的数据传输到指定地点，以便进行存储、分析及发布等。
5.1.3 数据通信与传输系统应具有对来自结构健康监测系统内外的各种信息予以接收、存贮、处理、交换和传输的能力。
5.1.4 数据通信与传输系统提供的各类接口，应通过系统布线引至各个数据采集终端。
5.1.5 数据通信与传输系统设计，必须保证数据传输的可靠性、高效性及数据传输质量。
5.2 数据通信及传输方案
5.2.1 基于信号的同步技术
采用基于时钟同步模块的时钟频率共享技术，每个采集设备中装有时钟同步模块，再用同轴电缆将各个设备相连，以其中之一作为主模块，其余的作为从模块。主模块内部的时钟信号通过同轴电缆同步从模块内部的时钟信号。时间戳同步可以采用网络时间服务器。
5.2.2 基于时间的同步技术
系统各部分具有一个公共的时间基准参考，可以基于该基准时间生成事件、触发和时钟。对于跨度较大的长距离传输，可以利用包括GPS 、NTP 、IEEE 1588和IRIG-B 等各种时间参考，借助绝对定时实现测量结果的关联与同步。
5.2.3 有线传输
两个通信设备之间使用物理连接，将信号从一方传到另一方。常用的介质有双绞线、同轴电缆和光缆等，常用的接口有RS232、RS422、RS485和RJ45等。
5.2.4 无线传输
两个通信设备之间不使用任何物理连接，将信号通过空间传输的一种技术。通常可分为无线广域通信网（无线公网）和无线局域通信网两种方式。常用的无线广域通信网络有GPRS 和CDMA 两种制式；常用的无线局域通信网有无线网桥和部门行业专用频率通信等。
5.3 设计要求
5.3.1 数据采集系统设计，必须保证系统的采集准确度。
1. 系统采集数据的有效位数应与历史数据平均值的有效位数一致。
2. 系统采集数据与历史数据的差值应在合理范围内。
5.3.2 数据传输系统在设计，按照传输速度不同，选择同步传输或异步传输。
1. 低速数据传输宜采用异步传输；
2. 高速数据传输宜采用同步传输。
5.3.3 当数据传输系统选择同步传输时，需要结合现场实际情况，综合考虑传感器间距离、工程各阶段特征及工程现场地形条件等因素，选择合适的同步技术。
1. 对于小范围的结构健康监测系统，宜采用基于信号的同步技术。采用该技术，在设计时还需考虑路线最优化，增加最少的信号放大设备。同时注意外部的突发事件对信号可能造成的干扰。
2. 对于大范围的结构健康监测系统，宜采用基于时间的同步技术。
3. 根据工程实际需要，可选取一种或两种同步技术组合使用。
5.3.4 数据通信与传输系统的设计必须坚持因地制宜的原则，综合考虑数据通信传输距离、工程各阶段特征及工程现场地形条件、网络覆盖状况、已有的通信设施等因素，灵活选取合适的通信传输方式。
1. 当工程现场存在无线发射设备，通信信号受干扰的情况下，应采用有线传输方式。
2. 工程现场有强电磁场的环境下，应采取有效的电磁屏蔽措施，如无法实施电磁屏蔽，应采用有线传输方式。
3. 对于交通不便的深山峡谷、复杂地形、物理线路布设和维护困难的环境下，宜采用无线传输方式。
4. 需要构建临时通信网络的工程现场，宜采用无线传输方式。
5. 根据工程实际需要，可选择一种通信传输方式或多种通信传输方式进行组合使用。
5.3.5 采用有线传输数据，设计时应优先考虑利用监测系统已有的光纤通信网或部门局域互联网等数据传输线路，增加最少的中继器或转发器，选取适当的传输介质；同时应以现场数据采集器的接口为基础，以增加最少的接口转换器为原则，选取适当的接口类型。
5.3.6 采用无线传输数据，应根据工程现场营运的网络、成本及现场实际情况选择合适的无线传输方式。
5.3.7 数据通信与传输系统中应设计数据备份机制，以保证在通信传输线路故障时数据的完整性和可靠性。
1. 数据传输的发送端应至少保存最近7天的监测数据做备份。
2. 常用的数据存储介质为硬盘、磁带、CF 卡、SD 卡等，宜设置双卡槽以满足连续观测需要，其容量选取应以结构健康监测系统每天接收的数据量为依据。
5.3.8 数据通信与传输系统设计应具备以下基本资料：
1. 工程场地与环境条件的有关资料
(1) 工程场地的现状平面图，包括交通设施、高压架空线、地下管线和地下构筑物的分布；
(2) 水、电及有关建筑材料的供应条件；
(3) 周围建筑物的防振、防噪声等要求。
2. 建筑工程的有关资料
(1) 工程总平面布置图
(2) 工程基础平面图和剖面图
5.4 质量控制
监测数据是决策部门做出评判的基础资料，因而作为联系监测现场与远程控制中心的数据通道要确保高效、准确无误地传输。为实现该目标，制定以下质量控制措施。
5.4.1 数据通信与传输系统中应采用握手协议进行流量控制，保证通信线路畅通。握手分为硬件握手和软件握手。
1. 硬件握手通过握手线的交互作用进行主控端和被控端的数据交流，在通信数据将要传输时，通过握手线的高低电位变化控制数据传送与否。
2. 软件握手以数据线上的数据信号代替实际的硬件线路。常用的软件握手是XON/XOFF协议。
5.4.2 为了提高海量数据传输的可靠性，必须根据系统前端传感器单位时间采集的数据，结合设计的传输实际通信能力，对数据进行分包处理，以包为单位实施传输。开发的相应数据传输软件在设计中必须采用应答模式，并引入检校-重发-补发机制进行误码控制，以保证数据的可靠性及完整性。数据包设计必须按照以下规定要求，格式见图5.4.1.
开始位
控制参数
标识信息
数据段
校验段
结束位
图5.4.1 数据包设计要求
1. 将海量数据文件根据设计的传输速率，划分若干数据段。
2. 为了区分不同传感器、不同数据采集终端发送数据，必须在每个数据段前加入标识信息，标识信息位数应能区分各不同传感器、不同数据采集终端，以便接收端可以根据标识信息加以区分。
3. 为保证数据传输的可靠性，必须对传输数据进行校验，可采用奇偶校验或循环冗余校验（CRC ），并将校验码加入数据段后。
4. 为区分每个数据段，按图5.4.1加入开始位及结束位。
5. 为区分不同传输文件，在文件的开头和结束位置，加入包标识信息，定义请求发送包和文件结束包。
5.4.3 数据通信与传输系统中必须设计校验机制，在传送和接收两方对数据进行确认以降低误码率。常用的校验方法有奇偶校验和（CRC ）两种。
1. 奇偶校验是在传送字符的各位之外，再传送1位奇校验位或偶校验位，分别为奇校验方式或偶校验方式。奇偶校验不能纠错，但发现错误后可以要求重发。
2. 循环冗余校验（CRC ）采用除法及余数的原理进行错误侦测。对数据质量要求较高或数据传输量较大的场合，宜采用CRC 校验。常用的CRC 位数有8、16、32位，大型工程结构健康监测系统的数据通信设计时宜采用16位的CRC 校验。
3. 接收端将计算得到的奇偶校验或CRC 校验码与数据包包含的校验码进行比较，二者一致，接收端给发送端确认信息，继续发送下一数据包。若校验不合格，接收端发送相应信息，要求发送端重新发送该数据包。
5.4.4 数据开始发送时，发送端应发送请求包，并等待接收端响应，以确保数据通道畅通。在文件结束时，发送端发送结束包，并等待接收端响应。
5.4.5 当数据通道发生故障而中断，在故障排除后，数据通信与传输系统应具有补发功能，将中断时间段内所有数据发送到接收端。
5.4.6 对于数据通信与传输系统的应答、重发和补发模块应设置时限，避免因应答等待、重发及补发影响正常数据发送。建议利用数据通道空闲时段完成补发数据传输。
5.5 其他问题
5.5.1 工程现场应有安置通信设备的专有或公用的观测房，观测房应符合以下要求：
1. 电力比较稳定可靠，交通方便，自然环境比较清洁。
2. 远离产生粉尘、油烟、有害气体以及生产或贮存具有腐蚀性、易燃、易爆物品的工厂、仓库、堆场等。
3. 远离强振源和强噪声源。
4. 避开强电磁场干扰，无法避开时应采取有效的电磁屏蔽措施。
5. 应有必要的防雷、防火设施。
6. 观测房内部温度、湿度等条件应满足通信及其他设备的工作环境要求，不能满足的应采取有效的调节措施。
5.5.2 数据通信与传输系统的线路应采取一定的防护措施，对有线传输线路应采用PVC 或钢管等加以保护。
5.5.3 工程施工及运营阶段应根据实际情况制定应对特殊突发情况的紧急预案。
5.5.4 本标准如有未尽事宜，应依照实际情况遵循国家现行的其他有关标准规定执行。
损伤识别与安全评估方法-结构健康监测设计专题
2014-12-17 结构健康监测
损伤识别与安全评估方法
6.1 模态参数识别方法
6.1.1 结构模态参数识别的定义
在系统模型已知的情况下，用实测的输入与输出数据来识别描述系统特性的各种物理参数，如系统的质量、刚度及阻尼，称之为“参数识别”。
如果实际结构可以运用所谓的“模态模型”来描述其动态响应，则通过实验数据的处理和分析，寻求其“模态参数”的过程，称之为模态参数识别。
6.1.2 结构模态参数识别的目的
1 通过模态试验，一般情况下可获取结构自振频率、振型、模态阻尼比，如有特殊要求，可获取模态刚度、模态质量等结构动力特性参数。
2 获取的结构动力特性参数，可为结构计算模型修正提供依据，并为结构损伤识别提供基础数据。
6.1.3 模态试验的基本要求
1 结构模态试验前，应根据试验目的制定符合相关技术要求的试验方案，并进行必要的计算。
2 模态试验应符合下列要求：
(1) 传感器宜选择高灵敏度的低频传感器；
(2) 测点布置应尽量避开振型节点和反节点处，所布测点数不应少于所测模态阶数的2倍，宜对称布置同时采集；
(3) 试验时应避免环境及系统干扰；
(4) 采样频率应满足采样定理的基本要求；
(5) 采样时间要保证数据有足够的长度；
(6) 当测点较多而传感器数量不足时，可以分批测量，每批测试应至少保留一个共同的参考点。
6.1.4 数据处理方法
大跨桥梁、大型建筑等土木工程结构，通常难以对其实施人工激励，可以采用随机振动识别理论，通过测量“环境激励”下的输出响应来识别结构的模态参数。
环境激励下的工程结构模态参数识别方法可以分为三大类：频域识别方法、时域识别方法和时频域方法。
6.1.5 在线识别技术
“在线”强调的是模态参数识别的实时性和自动性。相对于普通的基于现场测试的模态试验而言，在线模态参数识别具有全天候、快速、实时的优点，由于实际结构在不同环境下其动力特性会有所不同，如边界条件、温度的变化，台风、运营荷载等，只有实时分析才能获取整个结构的动力特性变化情况。
6.2 损伤识别方法
6.2.1 总体要求
1 工作目标
结构的损伤识别是指利用结构的响应数据来分析结构物理参数的变化，进而识别结构的损伤。
2 深度要求
(1) 损伤识别根据工作深度可以由浅入深逐次分为损伤预警、损伤定位、损伤定量、损伤评估；
(2) 损伤预警应给出结构是否发生损伤的明确判断，并对相应的判断阈值进行说明；
(3) 损伤定位应给出结构发生的损伤位置，可给出损伤位置的几何坐标，也可给出损伤单元或者构件的编号；
(4) 损伤定量应以百分比的形式给出发生损伤的单元或者构件的损伤程度；
(5) 损伤评估应对结构的损伤后的性能退化做出综合评估，对结构损伤后的残余寿命进行科学预测。
6.2.2 动力指纹法
可选用固有频率、固有振型等模态参数及其各种导出量来构建结构的动力指纹，根据动力指纹的变化来辨识结构的损伤。
常见的结构动力指纹包括固有频率比、固有振型变化、振型曲率、应变模态振型、MAC 、COMAC 、柔度曲率、模态应变能、里兹向量等，结构损伤识别时，可根据实际需要选用其中的一种或者多种。
6.2.3 模型修正法
若有高精度的有限元基准模型可供利用时，可采用模型修正的方法进行结构物理参数辨识进而实现结构损伤识别的目的。
模型修正是利用结构实测数据（一般是模态参数）来修正结构的初始理论模型，使修正后的结构模型的响应与结构的实测响应相一致。用模型修正法进行损伤识别时，应把有限元基准模型作为结构的初始理论模型，把损伤后的结构响应作为结构实测数据。
用于损伤识别的常用的模型修正方法可分为：矩阵型修正方法、元素型修正方法、误差因子修正方法（子矩阵修正方法）、设计参数修正方法。
6.2.4 神经网络法
神经网络是一种基于数据的非参数化非线性建模方法，其用于损伤识别的基本步骤，是构建结构的损伤数据集合，对神经网络进行训练，校验神经网络的有效性，利用训练得到的神经网络模型进行损伤识别。
结构的损伤数据应根据用途划分为训练集、校验集、测试集。为了得到较好的结果，训练集一般应进行归一化。
可供选用的神经网络模型有：BP 神经网络，RBF 神经网络，概率神经网络、自组织神经网络、模糊神经网络等。
神经网络的拓扑结构应根据所解决的问题来选择，也可采用试错法或遗传算法以及其他优化方法确定。
6.2.5 其他方法
结构损伤识别也可采用有文献报道证明可行的其他方法。如小波包能量谱方法、支持向量机方法、ARMA 模型方法、响应面法、奇异值检验方法、考虑不确定性的统计方法等。
6.3 安全评估方法
6.3.1 一般原则
1 结构在规定的设计使用年限内应具有足够的可靠度。结构可靠度可采用以概率理论为基础的极限状态设计方法分析确定。
2 结构在规定的设计使用年限内应满足下列功能要求：
(1) 在正常施工和正常使用时，能承受可能出现的各种作用；
(2) 在正常使用时具有良好的工作性能；
(3) 在正常维护下具有足够的耐久性能；
(4) 在设计规定的偶然事件发生时及发生后，仍能保持必须的整体稳定性。
3 施加在结构上的荷载宜采用随机过程概率模型描述。
4 结构构件的可靠指标宜采用考虑基本变量概率分析类型的一次二阶矩方法进行计算。
6.3.2 确定性方法
结构安全评估的确定性方法可以采用层次分析法和极限分析法。
6.3.3 可靠度方法
1 构件可靠度分析法
结构构件可靠度分析方法主要分为两大类。一类是解析算法，包括改进的一次二阶矩法、二次二阶矩法、JC 法等；另一类是随机模拟法，包括蒙特卡罗法、随机有限元法等。 2 体系可靠度分析法
结构体系可靠度分析法可以采用界限估算法、串联及并联和混联体系可靠度计算法、概率网络估算技术方法、蒙特卡罗法、分枝界限法等。
数据库系统及其运行管理-结构健康监测设计专题
2014-12-18 结构健康监测
数据库系统及其运行管理
7.1 数据库系统的目标与设计原则
7.1.1 结构健康监测数据库系统是一个实时运行的存储、维护和为应用提供数据管理与分析的软件系统，是存储介质、处理对象和管理系统的集合体。系统由软件、数据库和数据管理员等组成。其软件主要包括操作系统、应用程序以及数据库管理系统。数据库由数据库管理系统统一管理，数据的插入、修改和检索均要通过数据库管理系统进行操作。数据管理员负责创建、监控和维护整个数据库，使数据能被授权用户有效使用。
7.1.2 数据库设计是建立数据库及其应用系统的核心技术，它是指利用现有的数据库管理系统，构造最优的数据模式，建立可用的数据库和应用系统，以便能够更为有效地存储数据，满足用户的应用需求，包括数据需求和处理需求。
1. 数据共享是指系统所有用户可同时访问数据库中的数据。同文件系统相比，由于数据库实现了数据共享，避免了用户各自建立应用文件而带来的数据冗余问题，同时数据共享有利于维护数据的一致性。
2. 进行系统数据库设计时需要根据传感器数量、采样频率、监测时间等因素估计数据库的容量，保证数据有效的存储和使用。
3. 各种软硬件平台日趋多样化，为了满足各种不同平台系统的要求，应用软件的设计必须遵循开放系统的原则，与平台无关。 4. 遵循公共的国际标准，以方便今后的升级维护。
7.3 数据库设计基础要求
7.3.1 在线实时数据处理分析包括对实时采集的数据进行处理分析，用户处于在线工作状态。离线数据处理分析则主要是对某一时段以前的存档数据进行处理和分析。
7.3.2
1. 传感器一般包括对环境信息、荷载信息、结构响应信息和结构形态信息进行监测的设备，常用的传感器类型详见第3章。故障检测包括定时轮询监测报警，用户根据实际设定失效报警时间。
2. 监测信息的自动导入指的是将观测数据通过传输模块进行预处理后导入到数据库中。数据导出的目的是便于为专业分析软件工具进行进一步的数据分析。预案处理包括监测信息预警机制以及相应处理措施的描述信息等。
3. 结构评估分析要依据结构分析模型进行定量分析，如果分析模型有改进，系统要支
持利用新的评估模型进行分析的机制。
4. 结构模型信息描述了进行评估分析时使用的评估规则和所需要的模型，评估规则本身可以添加、删除，需要描述参数的数据类型、返回的数据类型等。
5. 数据转储主要利用数据库管理系统自身提供的归档功能进行数据归档，归档使用的大容量存储设备包括大容量磁盘、光盘、磁带等二级存储设备，系统元数据记录归档数据基本信息。
6. 用户管理内容涉及：
(1) 用户属性定义。数据库管理系统安全功能应给出每个用户与标识相关的安全属性，如标识符、组等。如果数据库管理系统安全功能维护自己的标识与鉴别数据，那么它应保证每个用户个体在数据库管理系统和其他系统安全功能中信息一致。
(2) 用户标识。数据库管理系统的安全功能应预先设定数据库管理系统代表用户执行的、与安全功能相关的动作；在标识之前，安全功能允许数据库管理系统执行这些预设动作。在其他的安全功能引起的操作动作之前，数据库管理系统的安全功能要成功地标识每个用户。应对注册到数据库管理系统中的用户进行标识。用户标识信息是公开信息，一般以用户名和用户ID 实现。为了管理方便，可将用户分组，也可使用别名。无论用户名、用户ID 、用户组还是用户别名，都要遵守标识的唯一性原则。用户标识分为：
1) 基本标识：应在数据库管理系统安全子系统的安全功能实施所要求的动作之前，对提出该动作要求的用户进行标识；
2) 唯一性标识：应确保所标识用户在信息系统生存周期内的唯一性，并将用户标识与审计相关联。
(3) 标识信息管理。应对用户标识信息进行管理、维护，确保其不被非授权地访问、修改或删除。
(4) 用户鉴别。数据库管理系统的安全功能应预先设定数据库管理系统代表用户执行的、与安全功能相关的动作，在用户被鉴别之前，允许数据库管理系统执行这些预设动作。在其他的安全功能引起的操作动作之前，数据库管理系统的安全功能应成功地鉴别每个用户。应对登录的数据库管理系统的用户进行身份真实性鉴别。通过对用户所提供的“鉴别信息”的验证，证明该用户确有所声称的某种身份，这些“鉴别信息”必须是保密的，不易伪造的。用户鉴别分为：
1) 基本鉴别：应对数据库管理系统安全子系统的安全功能实施所要求地动作之前，先对提出该动作要求的用户成功地进行鉴别。
2) 不可伪造鉴别：应检测并防止使用伪造或复制的鉴别数据。一方面，要求数据库管理系统安全子系统的安全功能应检测或防止由任何别的用户伪造的鉴别数据；另一方面，要求数据库管理系统安全子系统应检测或防止当前用户从任何其他用户处复制的鉴别数据的使用。
3) 一次性使用鉴别：应能提供一次性使用鉴别数据操作的鉴别机制，即对数据库管理系统安全子系统的安全功能应防止与已标识过的鉴别机制有关的鉴别数据的重用。
4) 多机制鉴别：应能提供不同的鉴别机制，用于鉴别特定事件的用户身份，并且对数据库管理系统安全子系统的安全功能应根据所描述的多种鉴别机制如何提供鉴别的规则，来鉴别任何用户所声称的身份。
5) 重新鉴别：应有能力规定需要重新鉴别用户的事件，即对数据库管理系统安全子系统的安全功能应在需要重鉴别条件所指示的条件下，重新鉴别用户。
(5) 鉴别失败处理。数据库管理系统的安全功能应检测到与鉴别事件相关的不成功的鉴别尝试，当不成功鉴别尝试的次数达到或超过了定义的界限时，安全功能应终止会话建立的进程。
(6) 访问历史。在会话成功建立的基础上，数据库管理系统的安全功能应显示用户上一次成功会话建立的日期、时间、方法、位置等。数据库管理系统的安全功能应显示用户上一次不成功的会话尝试的日期、时间、方法、位置等，以及从上一次成功的会话建立以来的不成功的尝试的次数。
7. 数据库的安全包含两层含义：第一层是指系统运行安全，系统运行安全通常受到的威胁包括一些网络不法分子通过网络、局域网等途径通过入侵电脑使系统无法正常启动，或让系统超负荷运行大量算法，并关闭CPU 风扇，使CPU 过热烧坏等破坏性活动；第二层是指系统信息安全，系统信息安全通常受到的威胁包括黑客对数据库入侵，盗取系统内的资料。因此数据库管理系统的安全既要考虑对数据库管理系统的安全保护，也要考虑对数据库管理系统中所存储、传输和处理的数据信息的保护（包括以库结构形式存储的用户数据信息和以其他形式存储的由数据库管理系统使用的数据信息）。所以对数据库管理系统的安全保护的功能要求，要从系统安全运行和信息安全保护两方面综合进行考虑。
(1) 网络安全管理与安全保护：主要指的是系统运行的外部安全环境，一般包括网络管理软件和安全保护系统。前者用于防止外部用户入侵系统所在的网络，后者则主要是各种防病毒软件。
(2) 数据库容灾备份主要防止系统因一些不可抗因素导致硬件设备的损坏而采取的备份策略。
(3) 敏感信息标记用于标识数据库系统中需要特别保护的数据或对象，依据使用方式的不同可以标识为公开、秘密、机密和绝密四个等级。敏感信息的安全设置一般由系统安全员进行设置。对于支持有效期的各种安全属性，数据库管理系统的安全功能应限制授权管理员规定有效期的能力。数据库管理系统的安全功能应支持授权管理员对有效期后所采取的活动做出规定。
(4) 系统使用日志审计：一般由系统审计员进行审计，审计内容涉及一般信息与敏感信息操作使用的历史，以便追踪信息被破坏、泄漏的原因。
数据库管理系统宜采取以下措施抵御威胁：
1) 数据库管理系统中，主体对客体的访问受系统安全功能的限制和裁定，特定客体的访问权限由主、客体安全属性、用户身份和环境等条件所决定，这些条件应在对应的安全策略中规定。
2) 数据库管理系统应对系统用户进行标识和鉴别，并通过系统审计来记录用户的操作和所造成的影响，使用监督和事后评判等机制，保证用户的责任可追溯、行为得到控制。
3) 在物理上分离的部件之间传递信息流应遵从数据库管理系统中所确定的信息流策略。
4) 数据库管理系统所保护的资源仅限于需要了解该资源的授权用户知晓并进行访问和修改。
5) 数据库管理系统应维护主体及客体的敏感标记（安全级别），以此作为实施访问控制的基础。
6) 在数据库管理系统的空闲存储客体空间中，对客体初始指定、分配或再分配前，需要撤销客体所含信息的所有授权。
7) 当主体获得对一个已被释放的客体的访问权时，当前主体不能获得原主体活动所产生的任何信息。
7.4 数据库的组成
7.4.1 数据库的组成与数据库的功能相对应。
2. 风速和风向属于环境信息，而风压是直接作用在结构上的风荷载；同样地，环境温度属于环境信息，构件的实际温度与温度荷载直接相关。各类原始信息和附加信息的记录存
储依监测内容而异。比如，风速一般要记录三秒钟极值风速、十分钟平均风速、每小时平均风速、风玫瑰图、风谱图。地面脉动加速度要记录时程曲线、功率谱；车辆荷载一般要记录轮轴重量、总重、数量、车辆类型；环境温度和太阳辐射强度要记录每小时信息，统计日月年的最高温度、最低温度、及温差；结构加速度要记录存储时程曲线、功率谱；静态应变、位移、倾角宜与环境温度同步记录，混凝土应变应记录徐变和收缩；结构坐标包括三个方向的大地坐标。
4. 评估结果包括分析结果以及数据之间的相关性等。评估结果以定期和以专题事件为单位的方式记录；定期记录为单位指每个月、季度或年的结果；专题事件记录指突发事件（地震或台风）发生后的专题分析结果。
7.4.2 转储数据的元数据信息中，本地信息库中要记录转储数据的定位、识别信息等，转储到外部的数据可提供所转储信息的概要描述信息。
7.4.3 信息分类是根据信息内容属性的排列顺序，将信息按一定的原则和方法进行区分和归类，并建立起一定的分类系统和排列顺序，以便管理和使用信息。信息编码是在信息分类的基础上，将信息对象赋予有一定规律的、易于计算机和人识别与处理的符号。
传感器信息宜根据传感器的类型分类并根据所在空间位置或所属子站编码，比如某加速度计的一个通道的编码为
7.5 数据库选择的其它因素
7.5.1数据库相关的主要软件产品包括数据库管理系统、设计建模工具和管理工具。选择并统一数据库相关的软件产品，可使数据库管理员能够更关注于该产品，可使各层次人员的数据管理经验得以共享，从而可以大大提高数据管理水平和效率。统一数据库相关的软件产品也可以减少不同系统之间进行数据交换和数据访问的数据转换工作量，提高数据转换和共享效率。
由于系统监测数据流量较大，为了保证系统处理分析的效率，选择数据库系统时必须考虑对海量数据的有效存储管理，考虑系统的扩展性。数据库系统要有较好的数据分布管理策略，如数据的分片存储、透明访问、分布备份等，必要时要求支持数据网格集成等技术。
在2016云栖大会上海峰会上，国内领先的专业OpenStack 服务商九州云（99Cloud ）与阿里云达成战略合作，将共同研发企业级混合云平台，向用户提供弹性、敏捷及安全可控的混合云解决方案。
这是阿里云生态的又一次开放融合，通过像九州云这样的合作伙伴，OpenStack 等不同领域的用户也能快速获取公共云服务能力。
对于生态和开源，每个人的理解都不太一样。但是它绝对不仅仅是简单的开放、合作、共赢这几个词就可以概况的，这还远远不够。
1
关于开放，阿里云有话要说
阿里云资深总监李津表示，技术没有门槛，服务没有边界，任何技术的诞生都是源于最终用户的需求。
阿里云希望通过跟九州云等生态伙伴的合作，让所有用户能够分享到生态伙伴的服务能力，让公共云的海量计算能力更便捷的去触达他们。
这才是今天阿里云整个生态的价值，这也是云计算带给我们联结在一起的价值。
2
关于混合云，我们有自己的态度
阿里云中间件产品总监赵杰辉表示，互联网重塑了企业形态和运行方式。
双11的天猫、淘宝很可能是目前为止我们能够看到的、最为接近未来企业形态的。
也就是说，大量的弹性需求，用到了阿里云极为浩瀚的计算能力支持。换句话说，未来是开放的，谁能借用外部计算能力为自己所用，谁就领先于同行。
这也是混合云大行其道的内在因素。
3
关于合作，谈谈阿里云的“心态”
为什么今天我们要跟大家去合作？阿里云资深总监李津谈了四点。
首先，是因为市场上去拥抱云计算的所有人都是我们的客户，都是我们的用户，也都是我们的朋友。今天的阿里云没有敌人，如果人为的要去划分的，不仅圈定自己，也圈定了别人，这是不对的。
其次，能够达成合作，是因为我们看到了合作伙伴在这个领域的贡献和优势，不是滥竽充数，是真正能够为客户解决问题。
第三，我们更看重的是合作伙伴的服务能力。因为云计算要贴近于用户，技术创新多种多样，但是服务质量要连接到用户那里去，而所有这些提供服务的人其实都是我们的朋友，我们也是他们的朋友。最终，我们希望让这些服务触达到用户，让用户感受到云计算，并且接受这些服务。所以从这些角度来说，阿里云会有越来越多的合作伙伴。
最后，谈谈合作的意义，其实很简单。如果说别人曾经划分过很多不同的门槛，区分不同种族的人类，那么今天云计算最大的使命感就是要打破这些东西。我们并不接受“技术门槛”的说法，因为这些都是人为商业诉求把技术这个纯粹的东西渲染掉。我们相信，通过合作，阿里云的技术能力，可以通过合作伙伴的服务，流淌到每一处需要计算的角落。
4
写在最后的话
2015年的天猫双11，是全球最大规模的混合云弹性架构实践。
现在，这一技术能力将通过阿里云与九州云、万国数据等生态伙伴的合作，加速向全球用户开放。
抱着这样的心态和理念，阿里云与合作伙伴打造的混合云技术，是阿里的，更是你我的！
金融财务管理
阿里金融云：发挥云+端+数的最大力量
2013年底上线以来，阿里金融云已为易保、微贷网、大智慧、华夏保险等金融企业提供服务，构筑起了囊括银行、保险、微金融、证券等在内的完整生态。
当经济社会从IT 时代迈入DT 时代，计算能力正在成为像水、电、石油一样的公共资源。
阿里金融云通过发挥计算的力量，让金融展现多样性，把平等普惠带给每个人。
阿里金融云已来
阿里金融云为金融行业量身定制云计算服务，具备低成本、高弹性、高可用、安全合规的特性。
同时，帮助金融客户实现从传统IT 向云计算的转型，并为客户实现与支付宝、淘宝、天猫的直接对接，助力金融客户业务创新，提升竞争力。
阿里金融云的优势
“云”、“端”、“数”是阿里金融云的核心能力。
“云”是指阿里金融云在云计算方面的能力。
“端”是指阿里金融云为上云企业提供的移动端的能力。
“数”是指阿里金融云的大数据分析能力。
依托于中国最大的云计算公共服务平台阿里云，阿里金融云在“云”、“端”、“数”三个方面都有很好的积累。
阿里金融云将这些能力传输给合作伙伴，同时提供“安全稳定”的安全性环境，达到“业务创新”的目标，打造基于互联网的全新金融创新生态。
在“云”、“端”、“数”的基础上，阿里金融云将重点打造包括场景引擎、互联引擎、数据引擎、技术引擎在内的四大引擎。