大型结构监测多主体协作与融合技术

【摘要】 结构健康技术是智能材料结构研究的重要分支之一，主要通过集成在结构中的功能元件获取结构健康状态信息并对其进行安全评估。健康监测技术在从实验室阶段向工程实用阶段前进的过程中，由于面对的监测对象大多体积庞大、结构复杂，所需要的传感器、驱动器数量激增，相应的信号处理与损伤诊断也变得异常复杂，再加上这些结构大多工作在动态变化的恶劣的环境下，不可避免的会遇到各种难题。为了降低实际工程结构健康监测系统设计复杂度，对监测系统不同部分进行有效的协调与管理，从纷繁复杂的海量监测数据中准确提取结构损伤特征并对结构健康状态进行有效监测与安全评估，本文应用任务分解理论将复杂系统分解为多个易于实现的子系统并构建了基于BDIKRI(Belief-Desire-Intention-Knowledge-Rule-Inference)体系结构模型的分层次大型结构多Agent健康监测系统，深入研究了多Agent间的协作、协调机制及多源信息融合机制。针对航空铝材壁板结构对研究成果进行了功能验证。本文的主要研究工作与创新点如下：⑴针对实际工程结构体积庞大，健康监测系统复杂的特点，研究了大型结构健康监测系统的任务分解理论及BDI多主体系统建模理论，结合专家知识与结构分析案例，提出了基于BDIKRI的分层次大型结构多主体健康监测系统体系结构模型，通过知识学习与推理，提高了多主体系统的整体运行效率和结构健康监测准确度，搭建了大型铝材壁板结构BDIKRI多主体健康监测系统，验证了体系结构模型的正确性。⑵针对大型铝材壁板结构BDIKRI多主体健康监测系统中异质主体间的通信难题，研究了基于KQML和Ontology的主体通信体系结构框架，结合结构健康监测领域知识扩展设计了KQML的通信原语，建立了面向多主体系统的分区域主动式黑板通信模型，有效解决了实际工程结构健康监测系统异质主体间信息交换与传输问题。⑶针对合同网协作模型面向大型复杂系统应用时所带来的协作效率低下问题，提出了改进的基于熟人集的合同网协作方法及基于案例推理的协作机制，提升了复杂系统内部各主体的协作效率，使自身资源、能力受限的单个主体通过高效的协作完成复杂的健康监测任务，并结合三种损伤的识别进行了实验验证。⑷针对大型结构复杂的外部环境造成的诊断时变性、非线性和不确定性，建立了基于BDIKRI体系结构模型的混合式多主体信息融合模型，有效减小了BDIKRI中数据监测层的冗余数据，提高了多主体之间数据传输的效率，实现了对各主体诊断结果的冲突消解，并对大型铝材壁板结构常见的三种损伤识别进行了信息融合功能验证。 

第一章 绪论

1.1 结构健康监测概念及研究内容
1.1.1 结构健康监测的概念及意义
随着科学技术的不断进步，社会经济得到不断的发展，国民经济各个领域都迎来了快速发展的高峰期，各种大型、复杂工程结构和设施不断出现，如大型飞机、卫星、空间站等航空航天飞行器结构，超大型高楼大厦、超大跨桥梁、大型水利工程、大型海洋平台结构、隧道、油气管道、核电站等重大土木工程结构。这些结构所采用的材料复杂，包括金属和各种复合材料，特别是先进的复合材料以其独特的优点在航空结构中得到广泛使用[1,2]。如波音公司的 B787[3]、空客公司的 A380[4]所采用的复合材料占机身结构的 50%，有效降低自重的同时，也存在更多的失效模式，特别是沿着复合材料和金属的界面连接处的模式-II 面内剪切裂纹将成为主要失效模式，容易受到各种外来冲击或材料疲劳等而产生不同程度的损伤[5,6]。
工程结构的损伤一般包括突然损伤和积累损伤两种[7]，突然损伤是指因地震、洪水、飓风、爆炸等严重自然或人为灾害引起，积累损伤则一般是结构在经过长期使用后缓慢累积的损伤，具有缓慢积累的性质。对于传统金属结构，材料特性相对简单，损伤类别主要有疲劳裂纹、腐蚀、紧固件失效、应力腐蚀以及冲击损伤等形式；对于复合材料，由于其性能的分散性较大，导致材料破坏与结构失效的机理复杂，难以有效描述其损伤演化过程和断裂行为，所以复合材料结构的力学性能及损伤模式要比金属结构复杂得多。复合材料层间脆弱，外部冲击易造成内部脱层、纤维断裂等损伤，采用整体化制造时，接头部位是薄弱环节，容易产生内部损伤，内部分层、脱粘等表面不可见损伤。工程结构的各类损伤累积到一定程度，将影响其承载能力和耐久性，使抵抗自然灾害的能力下降，甚至引发各种灾难性的突发事故, 带来重大的人员伤亡、经济损失和环境污染，产生严重的社会影响。
近年来在航空航天领域，由于结构损伤造成的各类事故频发。2001 年美国航空公司一架空客 A300 在飞行过程中垂直尾翼和方向舵分离[8,9]，飞机坠落造成 260 人死亡。2005 年加拿大越洋航空空客 A310 从 Veradero 到 Quebec，方向舵断裂，幸运的是，没有造成人员伤亡。2009年法国航空 Flight 447 的坠落，垂直尾翼与机体分离，造成 228 人死亡[10]。2009 年美国西南航空公司 229 航班，一架波音 B737 在飞行过程中由于疲劳裂纹造成后机身顶部出现一个足球大小的孔洞，所幸没有人员伤亡[11]。2011 年, 美国西南航空公司 812 航班，一架波音 B737 机身蒙皮的一小段突然裂口，有惊无险，没有人员伤亡[12]。对 2001 年到 2012 年的这几次飞行事故原因进行分析，发现结构脱胶、连接失效和疲劳裂纹是事故频发的主要原因，如“哥伦比亚”号航天飞机事故原因为左机翼隔热瓦受损，连接上下翼展面板的钢紧固件出现沿晶断裂的脆性断口，高温离子流从 RCC 面板内侧断口缝隙穿过上下面板进入，使航天飞机的温度超过承受极限而导致破裂和爆炸。
.....................................

1.2 结构健康监测技术研究与应用现状
建设于二十世纪早期的一些重要工程结构相继达到设计寿命，甚至有不少超期服役，日益暴露出多层面、复杂化的安全隐患；一些新建的大型建筑结构，也有不少缺乏有效的健康监测手段，呈现出“重建不重养”的局面，给人民生命财产带来威胁。由于这些大型结构的传统人工维护与保养难度大、成本高，鉴于健康监测技术方面的优势，美国率先开展结构健康监测技术研究，随后其他国家政府及研究机构也不断加大健康监测技术方面的研究与应用力度，并在航空航天、重大土木工程等领域逐步取得了不少成功的应用范例。
航空航天领域的空天飞行器由于造价昂贵，且大量采用复合材料，对结构的安全性要求非常高。美国空军（USAF）针对 A-7E 的发动机布设了健康监测系统[38]，使得 A-7E 因发动机故障引发的事故率减少 90%，维修工时率减少 66%，总的事故率降低 66%。军方在 F/A-18E/F、V-22 的机翼结构、发动机等不同部位布设了由 PZT 压电传感器及光纤应变传感器阵列等构成的结构健康监测系统，使飞机的健康诊断能力有大幅度提升[39,40]。在 F-22 Raptor 上配备了综合监测与诊断系统，在 F-35 联合打击战斗机（JSF）上配备了结构预测与健康管理技术，传感器主要选择了应变片，粘贴位置包括飞机机翼根部、水平尾翼及垂直尾翼各自的连接部位、机舱、机腹等部位，结合相关检测电路及设备，如飞机上半部分的分模块诊断及健康管理，飞机下半部分的便携式维修辅助设备，远程维修管理设备以及自动测试设备(ATE)等，对结构的载荷进行在线监测与维护[41]，同时机身头部位置还布设了腐蚀传感器以实现对环境进行监测，另外还实现了对飞机结构疲劳状态进行监测与安全评估[42,43]。在 X-33[44]航天飞机贮液氢箱粘贴光纤光栅分布式传感器网络以对燃料箱的应力、温度以及燃料渗漏进行全方位监测与诊断。Vichare 等[45]从机内自测试(BIT)、故障识别与诊断以及结构的累积损伤建模方法等对航空电子系统的故障进行预测与管理。而对于老式的 AV-8B、F/A-18A/B、T-45、E-2C、F-14C/D 等飞行器，由于缺少健康监测能力，自诊断能力就很差[46,47]。
..........................................

第二章 大型结构多主体协作健康监测系统理论模型研究

随着计算机技术、信息技术的发展，分布式人工智能的多 Agent 技术成为人们关注的一大热点，将多主体技术与大型复杂结构的健康监测相结合，将使系统性能得到进一步优化。本章将主体和多主体技术应用于大型结构的健康监测，结合大型结构对健康监测系统的要求，对监测系统体系结构作深入分析与研究，研究复杂任务的分解与主体实现方法，在此基础上，提出了大型复杂结构多 Agent 健康监测系统的 BDIKRI 体系结构模型，深入研究了监测层、诊断层和输出层各主体构建方法，使系统能够对整个结构的全部区域的损伤情况进行实时在线监测，为后续各章的研究打下坚实基础。
.............................................

2.1 智能主体理论模型研究
2.1.1 智能主体的概念及特性
智能 Agent 是人工智能领域的一个分支，是人工智能、面向对象技术及计算机科学相结合的产物，并在电子商务、网络计算、故障诊断等很多领域得到了广泛的应用。Agent 的中文译法很多，如“代理”、“智能体”、“主体”、“艾真体”等，它可看成一个独立替代人去完成某个特定任务的硬件或软件实体。由于不同领域研究和关心的问题不同，对 Agent 的定义与理解也各有不同，但给出其能被人们普遍接受的统一和权威的定义还比较困难[138]。1986 年，Minsky[139]在《Society of Mind》中首次提出了 Agent 概念，认为智能 Agent 是指社会中能够通过相互合作来共同求解自身难以完成的复杂问题的个体；FIPA（Foundation for Intelligent Physical Agent）认为 Agent 是驻留于环境中的硬件（如机器人）或软件实体，能感知环境并能作用于环境；Russell[102]认为“Agent 是任何能通过传感器感知环境并通过执行器对环境进行动作的东西”；Wooldridge 和 Jennings[140]在 1995 年提出了目前大家普遍认同的智能主体的弱定义与强定义，认为智能 Agent 是指具备自主性、反应性、社会性等特性的实体（弱定义），而强定义则指智能主体除了上述 Agent 所具有的的特性外，还具有移动性、理性、通信能力等特性的实体；Shoham[141]认为 Agent 是指包含了知识(Knowledge)、信念(Belief)、承诺(Commitment)、愿望(Intention)和能力(Capability)等心智状态(MentalStates)的实体。在结构健康监测领域，Agent 可以定义为能通过传感器感知监测对象并通过执行器对待测对象产生作用、具有一定专业技能、可以自主完成特定任务并能与其他 Agent 协作的智能实体，这些实体可以是硬件实体如智能传感器节点，也可以是软件实体。
...............................

第三章 大型结构多主体健康监测系统构建.............. 58-77 
3.1 监测对象的选取与多主体系统构建................ 58-63 
3.1.1 监测系统需求分析.............. 58-59 
3.1.2 任务分解与传感器布置......................... 59-61 
3.1.3 大型结构多主体健康监测系统体系结构................ 61-63 
3.2 数据监测层智能主体设计................ 63-71 
3.2.1 静态载荷监测智能主体设计.................. 63-65 
3.2.2 冲击载荷监测智能主体设计........................... 65-68 
3.2.3 结构紧固件失效监测智能主体设计..................... 68-70 
3.2.4 基于无线传感器网络的传感主体设计......................... 70-71 
3.3 系统其它智能主体设计.................. 71-75 
3.3.1 数据解释层主体.............................. 71-72 
3.3.2 损伤诊断层主体 .........................72-73 
3.3.3 信息融合层主体 ..........................73-74 
3.3.4 中央协调管理主体..................... 74 
3.3.5 系统故障自诊断主体 .......................74-75 
3.3.6 输入输出层主体..................... 75 
3.4 大型铝材壁板多主体结构健康监测系统.............. 75-76 
3.5 本章小结................. 76-77 
第四章 大型结构多主体健康监测系统协作技术研究 .............77-107 
4.1 多主体健康监测系统协作技术及面临的问题 ..............77-81 
4.1.1 多主体协作技术及其研究内容..................... 77-80 
4.1.2 大型结构健康监测系统多主体协作面临的主要问题............ 80-81 
4.2 大型结构健康监测系统主体间通信机制................ 81-87 
4.2.1 多主体通信语言及通信原语扩展.............. 81-84 
4.2.2 基于 KQML 和 Ontology 的主体通信体系结构 .............84-86 
4.2.3 基于黑板的主体通信机制...................... 86-87 
4.3 大型结构多主体健康监测系统协作机制............... 87-97 
4.3.1 大型结构健康监测系统多主体协作策略............... 87 
4.3.2 基于改进的合同网的损伤监测协作................ 87-90 
4.3.3 分区域主动式黑板协作机制................ 90-93 
4.3.4 基于案例推理的多主体协作................. 93-95 
4.3.5 本体设计与实现.................... 95-97 
4.4 实验研究...................... 97-106 
4.4.1 实验验证系统设计...................... 97-98 
4.4.2 知识库及案例库构建.................... 98-100 
4.4.3 实验及结果分析...................... 100-106 
4.5 本章小结.......................... 106-107 

第五章 大型结构多主体健康监测系统信息融合技术研究

航空航天飞行器、超大跨桥梁等大型布局常常事情在庞大多变的外部情况下，布局所受到的毁伤范例繁芜，征兆各别，康健监测历程中收罗的传感器数据既冗余又含有互补信息，还大概受到外间滋扰而带来大的丈量偏差，使毁伤诊断具有较大的时变性、非线性、滞后性、庞大性、含糊性等特点。为了进步布局康健监测的结果，必要针对数据处置处罚、特性提取及综合决议筹划级的特点研究符合的信息融合要领[170]。本章在阐发了大型庞大布局康健监测面对的逆境底子上，研究并阐发了数据级、特性级及决议筹划级信息融合的特点，先容了差另外信息融合算法的原理，在此底子上提出了混淆式信息融合体系布局模子，针对差别条理数据特点研究并提出了相应的信息融合算法，并在功效验证体系上举行了实行验证。
5.1 面向大型结构损伤识别的信息融合技术
5.1.1 大型结构损伤识别面临的困境
构成工程结构的材料多种多样，可能产生的损伤也各不相同，损伤所体现出的征兆也不同，如金属材料的疲劳裂纹以及连接件的螺钉失效等。随着健康监测技术的发展，产生了很多损伤识别方法，这些方法共同之处是都要利用各种传感器获取结构的损伤信息，再利用小波分析、HHT变换等信号处理算法得到反映结构状态的损伤特征，，利用各种损伤诊断算法对结构的损伤特征因子进行处理，最终得到结构的损伤类别、损伤位置、损伤程度等损伤信息，图5.1为结构损伤的一般识别流程。
........................................

总结

实际工程结构长期工作在恶劣的环境条件下，极易出现各种损伤，对这些结构的健康状态进行安全监测、评估与控制可以有效预防重大灾难的发生。目前国内外专家学者从结构健康监测的不同角度做了大量的工作，在智能传感器技术、先进信号处理技术、多传感器信息融合等方面都取得了许多理论与方法，并在一些尺寸较小的简单结构上得到了较好的验证。但对于航空航天飞行器、超大跨桥梁等实际工程结构，要获得这些结构完整的健康状态，需要在结构多个部位布置数目庞大的传感器、驱动器及相应的信号调理电路，健康监测系统的复杂度与设计难度急剧增加，有许多技术难题亟待解决：如何将监测系统复杂的任务分解为简单的、易于实现的子系统，如何实现这些子系统之间高效的协调与协作，如何对传感器网络进行有效管理并从大量传感器信息中提取出合适的损伤特征因子，如何融合不同损伤诊断算法的结果以得到结构完整的健康状态信息并对其进行有效的安全评估等。本文针对大型航空结构的健康监测，研究了复杂任务的分解方法并建立了监测系统体系结构模型，研究了多 Agent 协作机制与信息融合机制，研究了面向无线传感网络的移动 Agent 协作与信息融合机制和实现方法。本文主要的研究工作和创新性成果包括如下几个方面：
⑴针对实际工程结构体积庞大，健康监测系统复杂的特点，研究了大型结构健康监测系统的任务分解理论及 BDI 多主体系统建模理论，结合专家知识与结构分析案例，提出了基于BDIKRI 的分层次大型结构多主体健康监测系统体系结构模型，通过知识学习与推理，提高了多主体系统的整体运行效率和结构健康监测准确度，搭建了大型铝材壁板结构 BDIKRI 多主体健康监测系统，验证了体系结构模型的正确性。
⑵针对大型铝材壁板结构 BDIKRI 多主体健康监测系统中异质主体间的通信难题，研究了基于 KQML 和 Ontology 的主体通信体系结构框架，结合结构健康监测领域知识扩展设计了KQML 的通信原语，建立了面向多主体系统的分区域主动式黑板通信模型，有效解决了实际工程结构健康监测系统异质主体间信息交换与传输问题。
⑶针对合同网协作模型面向大型复杂系统应用时所带来的协作效率低下问题，提出了改进的基于熟人集的合同网协作方法及基于案例推理的协作机制，提升了复杂系统内部各主体的协作效率，使自身资源、能力受限的单个主体通过高效的协作完成复杂的健康监测任务，并结合三种损伤的识别进行了实验验证，结果表明所提出的通信机制与协作机制能较好地完成系统不同主体的协作需求。
⑷针对大型结构复杂的外部环境造成的诊断时变性、非线性和不确定性，建立了基于BDIKRI 体系结构模型的混合式多主体信息融合模型，有效减小了 BDIKRI 中数据监测层的冗余数据，提高了多主体之间数据传输的效率，实现了对各主体诊断结果的冲突消解，并对大型铝材壁板结构常见的三种损伤识别进行了信息融合功能验证，实验结果表明所提出的混合式多主体信息融合模型能够有效提高系统的工作效率，减少系统冗余信息的传输，提高损伤识别的准确性。
...................................
参考文献（略）