王兵见，陈 可，陈麒元

(1.交通运输部公路科学研究院，北京 100088；2.北京交通大学，北京 100044)

0 引 言

桥梁结构健康监测系统在分析监测数据时，仅仅考虑温湿度等环境因素，车辆、风载等外载因素，收缩徐变、预应力损失等材料因素对结构状态的影响，很少考虑传感器本体的性能退化、失效甚至故障。有时后者对于监测结果的影响甚至超过前者，增加了分析监测数据分析难度，常常造成结果误判和虚假预警。传感器自身性能的不确定性及其失效辨识已经成为桥梁结构健康监测系统发展不可忽视的问题。造成传感器失效的类型众多，外部因素包括电磁干扰、环境温湿度变化、安装缺陷，内部因素包括材料衰变(蠕变、徐变)等。不同因素引起的传感器异常变化不同，即使示值趋势相同情况下，传感器的真实状态也不相同。单纯根据原始数据，无法准确判断传感器的健康状态。监测数据的分解、挖掘和融合是数据分析的主要组成部分。

当传感器的测量值与测量变量的真实值存在无法接受的偏差时，传感器被认为是有故障的。由于不同因素的影响，传感器可能发生多种模式的故障类型。Kulla[1]总结了七种监测数据失效类型，固定偏差、线性偏差、恒增益、精度下降、卡死、白噪声卡死、零线漂移。固定偏差，线性偏差，恒增益和精度退化通常称为软故障，其中传感器部分失效；而卡死、白噪声卡死与零线漂移三种故障为完全故障，通常称为硬故障。以上故障在振弦传感器中均是常常遇到，为了准确判断传感器的健康状态，提高监测结果精度，研究采用主元分析法(PCA)和支持向量机(SVM)特征信息提取相结合的传感器异常辨识方法。……