基于云平台的房屋结构智能监测系统设计

南京邮电大学电子科学与工程学院 杨道龙 钱国明

基于云平台的房屋结构智能监测系统设计

南京邮电大学电子科学与工程学院 杨道龙 钱国明

房屋建筑受外界环境、内部变化及人为等不利因素的影响，房屋结构会随使用年限的增加而逐步老化，所以房屋结构的健康状况和安全性评估也引起社会普遍关注。设计一套完整的房屋健康监测系统，有效避免灾害发生，保障房屋和人身安全尤为重要。该文提出一种基于小波包分析和支持向量机的结构损伤识别方法，通过实验室测量轴承故障，得出实验数据，证实此方法应用于结构损伤识别的可行性。提出基于云平台的房屋结构智能监测系统，通过传感器实时测量房屋健康状况数据，并对数据进行统一整合、存储、计算处理，实现房屋智能监测系统在云端的部署。

房屋结构智能监测；SVM；云平台

0 引言

可连续、实时、在线、远程对房屋结构的“健康状态”进行监测和评估，提高房屋运营的安全性和管理水平日益成为国内外建筑结构学术界、工程领域、计算机等领域的研究热点。2016年10月10日，温州市鹿城区双屿街道中央涂村中央街159号有4间民房倒塌，造成重大人员伤亡。为保障人身财产安全，研究与实现房屋智能监测系统意义重大，前景十分广阔。

小波分析作为近几年兴起的一种强大信号分析和处理数据的工具。在结构损伤检测领域有广阔的应用前景。小波分析主要用于处理非线性、非平稳信号等问题，是小波分析方法的特点和优势，为了易于测量该方法应用结构损伤识别的可行性，在实验室针对轴承故障进行了损伤检测，并得出实验数据。

本文给出基于小波包分解和建筑结构损伤识别的算法SVM，并提出基于云平台的房屋结构监测系统设计方案。

1 算法理论

支持向量机(Support Vector Machine)在小样本、非线性及高维模式识别中有它特有的优势。SVM基于结构损伤最小化为原则，目的是在样本训练集中建立最优分类超平面，使得样本数据中距离分类面最近点到分类面之间距离最大[1]。

表示法向量，用以确定超平面方向，b表示位移，为原点与超平面之间的距离。假设超平面能将样本数据正确的分类，则以下方程成立：

则，最大间隔，如果计算最优分类面，需找到满足式(2)的w和b，使得值最大，即：

对式 (2)构造Lagrange函数，有如下表示：

只要解出w，b可得到超平面模型函数：

对于非线性，可以将样本函数映射到一更高维特征空间，使样本在这个高维空间线性是可分的，此时超平面模型函数可以表示为：

2 小波包信号分解与仿真

2.1 小波包信号分解与特征提取

实验采用轴承损伤模拟实验台收集数据，正常、内圈损伤、外圈损伤、滚珠损伤四种不同的轴承损伤状态进行加速度信号采集，采样频率为3000，共采集100组数据，其中前50组数据作为SVM训练，后50组的数据用作测试，故障设置如表1所示。

表1 故障类型

针对每种类型数据，取出3000个样点，部分数据如表2所示。

表2 3000个样点部分数据

振动信号的时频图如图1所示。

图1 四种状态信号时频波形图

2.2 SVM多分类器构造

SVM算法最初是针对二分问题提出的，由于本实验恰好针对四种信号进行识别，即属于多分类问题，需将解决二分类问题的算法延伸到多分类问题[3]。算法采用层次支持向量机方式：类似二叉树结构，思想在于先把所有类别分成两个子类，再从子类中继续往下分次级子类，直到所有模式不可再分，可类比二叉树数据结构中的子节点，此方法明显改善了前面方法的不足，算法结构模型图如图2所示。

图2 多分类SVM模型图

组合多个SVM层对信号的所有类别进行分类，分类步骤应遵循从易到难做区分，即先把容易区分的信号进行区分，如分成正常和有损伤的，再从有损伤里面往下分。从图3，首先将全部信号分为正常信号和有损伤类型信号，输入正常信号，分类器输出（），输入故障信号，分类器输出。其次，将故障信号分为滚珠损伤信号和其它故障信号，当输入滚珠损伤信号时，分类器输出，若是其它故障，分类器输出，最后，将其它故障信号进一步区分为内圈损伤信号和外圈损伤信号，内圈故障信号输出，外圈故障信号输出。

2.3 SVM训练与测试

将上文中每种信号能量做归一化处理，输入分类器进行训练，选用RBF核函数[3]，训练完成后，对剩下的50组数据进行测试。因数据较多，这里贴出每种信号的一组测试数据，即组数据，如表3所示。

表3 基于小波包能量的SVM轴承故障识别

由表2可看出，基于小波包能量谱的SVM轴承损伤识别检测，可以较好的识别出四种不同模式。此方法针对其它结构损伤识别仍有效。

3 房屋结构健康监测云平台的系统设计

本系统基于云平台，包含了传感器模块、数据采集模块、GPRS无线传输、数据库服务器端设计、云端存储、浏览器Web端、客户端Android端的实现。系统设计总方案如图3所示。

平台主要模块设计：

房屋结构健康监测系统的架构设计、数据处理主要集中在传感器、服务器、Web端三部分。传感器采集结构、形变、环境数据等，然后将具体数据处理，存储至云平台。数据采集层主要由传感器系统组成，负责采集房屋结构相关信息，经DTU 将数据传输到数据处理层；数据处理层包含数据接口实现、推送服务、评分告警处理、数据存储、数据管理等功能；应用层通过 Web 端向用户提供界面展示、监测信息等功能，重要功能模块如图4所示。

图3 房屋结构智能监测系统设计方案

图4 重要功能模块图

图5 健康数据展示模块

（1）健康数据展示模块

该模块要实时展示监测数据，供用户及时获取房屋健康状态信息。平台数据展示如图5所示。

（2）房屋监测管理模块

房屋健康监测管理模块，主要针对平台接入的监测点、传感器、监测因素、拓扑图的配置，包括增删改查等操作。监测点管理主要对监测区域的接入管理；传感器管理，主要在传感器布设时在后台对接入的传感器进行配置操作；监测因素管理主要对应应力、位移、振动、温湿度等，当监测因素改变，平台需要经后台服务器重新配置相关设备；拓扑图管理主要是对热点（传感器）分布进行配置管理，拓扑点布设、更新。房屋监测物管理模块如图6所示。

图6 房屋监测物管理模块

（3）平台告警管理模块

平台告警管理模块通过手动设置和系统自动触发实现，该平台包括阈值配置、告警处理、短信预警、告警类型四部分。阈值配置主要是确立阈值的范围，以此对平台做相应的配置；告警处理当监测数据超出阈值范围时触发报警系统；应告警级别不同，给用户发送短信提醒；告警类型，针对紧急程度不同进行分级告警。告警管理模块如图7所示。

图7 平台告警管理流程图

4 房屋结构健康监测系统的云端移值

Open Stack采用模块化设计拥有多功能组件，可以将这些功能组件组合起来使用，实现一套完整的云基础架构服务平台；也可只使用部分功能组件，如虚拟化、对象存储、块存储、镜像服务等主要功能。为健康监测平台后期需求扩展，防止后期普及数据访问量增大导致的服务器运维管理问题，同时方便在云平台扩展模块，因此提出将房屋结构监测系统移植Open Stack 云平台部署方案。以下是云端移值的主要步骤[4]。

（1）创建

用户可以在 Open Stack 上部署系统所需的各种应用程序。房屋结构健康监测云平台在云端的移植需要将设计开发的主要功能模块，利用 Open Stack的管理工具写入虚拟机镜像。

（2）上传

把镜像上传至 Open Stack平台。

（3）启动云主机

启动云主机包括云主机可用域、名称、类型、数量、启动源的配置等。

至此，房屋结构健康监测云端移植完毕，初步云计算平台搭建完成，后续还可以把各模块应用服务逐步部署在平台上，扩展性高。

5 结论

本文提出了一种基于云平台的房屋结构智能监测系统。给出了基于小波包分解SVM算法理论，为方便实验室得出数据，设计了滚动轴承故障检测方法。通过对轴承四种状态实验分析，证明了该方法对轴承损伤识别的可行性，从而验证方案对结构损伤识别的优势。给出了房屋结构智能监测系统设计方案、主要设计模块图、设计原型架构图等。在实际工程实践中与传统的健康监测相比较，基于云平台的房屋结构健康监测系统开发成本更低、系统功能更加完善、数据安全性和系统稳定性更高。由此验证了基于云平台的房屋结构健康监测系统的可行性与先进性，会是未来房屋结构健康监测的发展方向。同时，本系统同样适用于其他建筑结构健康监测。

[1]宋平,文妍,谭继文．基于小波包分解和SVM的齿轮箱故障诊断[J]．机床与液压,2013,41(23):161-164．

[2]何海涛,李楠．基于SVM的改进RBF网络板形模式识别方法[J]．自动化仪表,2010,28(5):1-4．

[3]黄元维．基于支持向量机的风电机组主轴轴承故障诊断[J]．仪器仪表用户,2016,23(11):89-93．

[4]张龙立．云存储技术探讨[J]．电信科学,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．

杨道龙（1991—），男，硕士研究生，研究方向：传感器信息技术。

钱国明（1964—），男，硕士，教授，主要研究方向：无线通信技术及信号处理。