基于云平臺的房屋結構智能監測系統設計

南京郵電大學電子科學與工程學院 楊道龍 錢國明

基于云平臺的房屋結構智能監測系統設計

南京郵電大學電子科學與工程學院 楊道龍 錢國明

房屋建筑受外界環境、內部變化及人為等不利因素的影響，房屋結構會隨使用年限的增加而逐步老化，所以房屋結構的健康狀況和安全性評估也引起社會普遍關注。設計一套完整的房屋健康監測系統，有效避免災害發生，保障房屋和人身安全尤為重要。該文提出一種基于小波包分析和支持向量機的結構損傷識別方法，通過實驗室測量軸承故障，得出實驗數據，證實此方法應用于結構損傷識別的可行性。提出基于云平臺的房屋結構智能監測系統，通過傳感器實時測量房屋健康狀況數據，并對數據進行統一整合、存儲、計算處理，實現房屋智能監測系統在云端的部署。

房屋結構智能監測；SVM；云平臺

0 引言

可連續、實時、在線、遠程對房屋結構的“健康狀態”進行監測和評估，提高房屋運營的安全性和管理水平日益成為國內外建筑結構學術界、工程領域、計算機等領域的研究熱點。2016年10月10日，溫州市鹿城區雙嶼街道中央涂村中央街159號有4間民房倒塌，造成重大人員傷亡。為保障人身財產安全，研究與實現房屋智能監測系統意義重大，前景十分廣闊。

小波分析作為近幾年興起的一種強大信號分析和處理數據的工具。在結構損傷檢測領域有廣闊的應用前景。小波分析主要用于處理非線性、非平穩信號等問題，是小波分析方法的特點和優勢，為了易于測量該方法應用結構損傷識別的可行性，在實驗室針對軸承故障進行了損傷檢測，并得出實驗數據。

本文給出基于小波包分解和建筑結構損傷識別的算法SVM，并提出基于云平臺的房屋結構監測系統設計方案。

1 算法理論

支持向量機(Support Vector Machine)在小樣本、非線性及高維模式識別中有它特有的優勢。SVM基于結構損傷最小化為原則，目的是在樣本訓練集中建立最優分類超平面，使得樣本數據中距離分類面最近點到分類面之間距離最大[1]。

表示法向量，用以確定超平面方向，b表示位移，為原點與超平面之間的距離。假設超平面能將樣本數據正確的分類，則以下方程成立：

則，最大間隔，如果計算最優分類面，需找到滿足式(2)的w和b，使得值最大，即：

對式 (2)構造Lagrange函數，有如下表示：

只要解出w，b可得到超平面模型函數：

對于非線性，可以將樣本函數映射到一更高維特征空間，使樣本在這個高維空間線性是可分的，此時超平面模型函數可以表示為：

2 小波包信號分解與仿真

2.1 小波包信號分解與特征提取

實驗采用軸承損傷模擬實驗臺收集數據，正常、內圈損傷、外圈損傷、滾珠損傷四種不同的軸承損傷狀態進行加速度信號采集，采樣頻率為3000，共采集100組數據，其中前50組數據作為SVM訓練，后50組的數據用作測試，故障設置如表1所示。

表1 故障類型

針對每種類型數據，取出3000個樣點，部分數據如表2所示。

表2 3000個樣點部分數據

振動信號的時頻圖如圖1所示。

圖1 四種狀態信號時頻波形圖

2.2 SVM多分類器構造

SVM算法最初是針對二分問題提出的，由于本實驗恰好針對四種信號進行識別，即屬于多分類問題，需將解決二分類問題的算法延伸到多分類問題[3]。算法采用層次支持向量機方式：類似二叉樹結構，思想在于先把所有類別分成兩個子類，再從子類中繼續往下分次級子類，直到所有模式不可再分，可類比二叉樹數據結構中的子節點，此方法明顯改善了前面方法的不足，算法結構模型圖如圖2所示。

圖2 多分類SVM模型圖

組合多個SVM層對信號的所有類別進行分類，分類步驟應遵循從易到難做區分，即先把容易區分的信號進行區分，如分成正常和有損傷的，再從有損傷里面往下分。從圖3，首先將全部信號分為正常信號和有損傷類型信號，輸入正常信號，分類器輸出（），輸入故障信號，分類器輸出。其次，將故障信號分為滾珠損傷信號和其它故障信號，當輸入滾珠損傷信號時，分類器輸出，若是其它故障，分類器輸出，最后，將其它故障信號進一步區分為內圈損傷信號和外圈損傷信號，內圈故障信號輸出，外圈故障信號輸出。

2.3 SVM訓練與測試

將上文中每種信號能量做歸一化處理，輸入分類器進行訓練，選用RBF核函數[3]，訓練完成后，對剩下的50組數據進行測試。因數據較多，這里貼出每種信號的一組測試數據，即組數據，如表3所示。

表3 基于小波包能量的SVM軸承故障識別

由表2可看出，基于小波包能量譜的SVM軸承損傷識別檢測，可以較好的識別出四種不同模式。此方法針對其它結構損傷識別仍有效。

3 房屋結構健康監測云平臺的系統設計

本系統基于云平臺，包含了傳感器模塊、數據采集模塊、GPRS無線傳輸、數據庫服務器端設計、云端存儲、瀏覽器Web端、客戶端Android端的實現。系統設計總方案如圖3所示。

平臺主要模塊設計：

房屋結構健康監測系統的架構設計、數據處理主要集中在傳感器、服務器、Web端三部分。傳感器采集結構、形變、環境數據等，然后將具體數據處理，存儲至云平臺。數據采集層主要由傳感器系統組成，負責采集房屋結構相關信息，經DTU 將數據傳輸到數據處理層；數據處理層包含數據接口實現、推送服務、評分告警處理、數據存儲、數據管理等功能；應用層通過 Web 端向用戶提供界面展示、監測信息等功能，重要功能模塊如圖4所示。

圖3 房屋結構智能監測系統設計方案

圖4 重要功能模塊圖

圖5 健康數據展示模塊

（1）健康數據展示模塊

該模塊要實時展示監測數據，供用戶及時獲取房屋健康狀態信息。平臺數據展示如圖5所示。

（2）房屋監測管理模塊

房屋健康監測管理模塊，主要針對平臺接入的監測點、傳感器、監測因素、拓撲圖的配置，包括增刪改查等操作。監測點管理主要對監測區域的接入管理；傳感器管理，主要在傳感器布設時在后臺對接入的傳感器進行配置操作；監測因素管理主要對應應力、位移、振動、溫濕度等，當監測因素改變，平臺需要經后臺服務器重新配置相關設備；拓撲圖管理主要是對熱點（傳感器）分布進行配置管理，拓撲點布設、更新。房屋監測物管理模塊如圖6所示。

圖6 房屋監測物管理模塊

（3）平臺告警管理模塊

平臺告警管理模塊通過手動設置和系統自動觸發實現，該平臺包括閾值配置、告警處理、短信預警、告警類型四部分。閾值配置主要是確立閾值的范圍，以此對平臺做相應的配置；告警處理當監測數據超出閾值范圍時觸發報警系統；應告警級別不同，給用戶發送短信提醒；告警類型，針對緊急程度不同進行分級告警。告警管理模塊如圖7所示。

圖7 平臺告警管理流程圖

4 房屋結構健康監測系統的云端移值

Open Stack采用模塊化設計擁有多功能組件，可以將這些功能組件組合起來使用，實現一套完整的云基礎架構服務平臺；也可只使用部分功能組件，如虛擬化、對象存儲、塊存儲、鏡像服務等主要功能。為健康監測平臺后期需求擴展，防止后期普及數據訪問量增大導致的服務器運維管理問題，同時方便在云平臺擴展模塊，因此提出將房屋結構監測系統移植Open Stack 云平臺部署方案。以下是云端移值的主要步驟[4]。

（1）創建

用戶可以在 Open Stack 上部署系統所需的各種應用程序。房屋結構健康監測云平臺在云端的移植需要將設計開發的主要功能模塊，利用 Open Stack的管理工具寫入虛擬機鏡像。

（2）上傳

把鏡像上傳至 Open Stack平臺。

（3）啟動云主機

啟動云主機包括云主機可用域、名稱、類型、數量、啟動源的配置等。

至此，房屋結構健康監測云端移植完畢，初步云計算平臺搭建完成，后續還可以把各模塊應用服務逐步部署在平臺上，擴展性高。

5 結論

本文提出了一種基于云平臺的房屋結構智能監測系統。給出了基于小波包分解SVM算法理論，為方便實驗室得出數據，設計了滾動軸承故障檢測方法。通過對軸承四種狀態實驗分析，證明了該方法對軸承損傷識別的可行性，從而驗證方案對結構損傷識別的優勢。給出了房屋結構智能監測系統設計方案、主要設計模塊圖、設計原型架構圖等。在實際工程實踐中與傳統的健康監測相比較，基于云平臺的房屋結構健康監測系統開發成本更低、系統功能更加完善、數據安全性和系統穩定性更高。由此驗證了基于云平臺的房屋結構健康監測系統的可行性與先進性，會是未來房屋結構健康監測的發展方向。同時，本系統同樣適用于其他建筑結構健康監測。

[1]宋平,文妍,譚繼文．基于小波包分解和SVM的齒輪箱故障診斷[J]．機床與液壓,2013,41(23):161-164．

[2]何海濤,李楠．基于SVM的改進RBF網絡板形模式識別方法[J]．自動化儀表,2010,28(5):1-4．

[3]黃元維．基于支持向量機的風電機組主軸軸承故障診斷[J]．儀器儀表用戶,2016,23(11):89-93．

[4]張龍立．云存儲技術探討[J]．電信科學,2010(8A):71-73．

[5]Arjun Kumar,Byung Gook Lee, Hoon Jae Lee．Secure Storageand Access of Data in Cloud Computing[J]．2012 IEEE,2012:336-337．

[6]Xu Y,Xiu S．A New and Effective Method of Bearing Fault Diagnosis Using Wavelet Packet Transform Combined with Support Vector Machine[J]．2011, 6(11):2502-2509．

楊道龍（1991—），男，碩士研究生，研究方向：傳感器信息技術。

錢國明（1964—），男，碩士，教授，主要研究方向：無線通信技術及信號處理。