萬振凱，羅先武

（1.天津工業(yè)大學(xué)信息化中心，天津 300387；2.天津工業(yè)大學(xué)計算機(jī)科學(xué)與軟件學(xué)院，天津 300387）

三維編織復(fù)合材料健康監(jiān)測系統(tǒng)連續(xù)數(shù)據(jù)的實(shí)時分析和處理方法

萬振凱1，羅先武2

（1.天津工業(yè)大學(xué)信息化中心，天津 300387；2.天津工業(yè)大學(xué)計算機(jī)科學(xué)與軟件學(xué)院，天津 300387）

基于從三維編織復(fù)合材料健康監(jiān)測系統(tǒng)，建立了一套基于數(shù)據(jù)流的滑動窗口技術(shù)的模型，處理分析三維編織復(fù)合材料健康監(jiān)測系統(tǒng)的連續(xù)數(shù)據(jù).該模型能夠及時地處理和判斷傳感器實(shí)時采集到的數(shù)據(jù)，并能對異常數(shù)據(jù)進(jìn)行保存和分析，進(jìn)而做出相應(yīng)的提示.實(shí)驗結(jié)果表明該模型的計算結(jié)果與實(shí)際數(shù)據(jù)具有很好的吻合性.該模型大大減少了三維編織復(fù)合材料健康監(jiān)測系統(tǒng)數(shù)據(jù)處理的難度，同時也很大程度上提高了數(shù)據(jù)處理的效率.

三維編織復(fù)合材料；結(jié)構(gòu)健康監(jiān)測；連續(xù)數(shù)據(jù)；實(shí)時分析；數(shù)據(jù)流；滑動窗口；數(shù)據(jù)處理

三維編織復(fù)合材料是一種新型的由立體編織技術(shù)與現(xiàn)代復(fù)合材料相結(jié)合出的復(fù)合材料，它主要是由三維編織預(yù)制件來增強(qiáng)其功能的.通過三維編織預(yù)制件的增強(qiáng)使它具有很好的強(qiáng)度，同時還能保證較低的密度，并且還具有好的抵抗形變的能力以及不易膨脹等性能.在現(xiàn)代工業(yè)中，是被廣泛關(guān)注的一種高溫承載結(jié)構(gòu)材料，已經(jīng)被應(yīng)用在醫(yī)療、交通、化工、體育、航空、航天等各個領(lǐng)域［1］.

由于材料本身的結(jié)構(gòu)十分復(fù)雜，當(dāng)它作為承載材料時，由于腐蝕、較高的溫度或者壓強(qiáng)、材料自身的變質(zhì)以及高空環(huán)境中等各種狀況的影響，可能會出現(xiàn)各種的損傷，應(yīng)該有一套完善的健康監(jiān)測系統(tǒng)來為損傷監(jiān)測提供準(zhǔn)確的信息，以免由于構(gòu)件的損傷而產(chǎn)生巨大的損失［2］.

三維編織復(fù)合材料健康監(jiān)測（structural health monitoring，SHM）系統(tǒng)主要是利用事先嵌入在三維編織復(fù)合材料制件結(jié)構(gòu)內(nèi)部的微觀傳感器對壓電容效應(yīng)［3］、諧振頻移特性［4］、電阻效應(yīng)［5］、壓阻的變化［6］、光學(xué)性能變化特征［7］等原理進(jìn)行的監(jiān)測結(jié)構(gòu)制件外部環(huán)境或自身狀態(tài)的變化，然后及時地運(yùn)用沒有損耗的傳感方法，利用相關(guān)算法計算出材料的系統(tǒng)性質(zhì)，從而判斷出是否出現(xiàn)損傷或者需要替換［8］.結(jié)構(gòu)制件的健康狀況都是通過測量到的實(shí)時數(shù)據(jù)來做出判斷的，因此，對于嵌入在結(jié)構(gòu)體內(nèi)部的傳感器來說必須具有能夠長期的進(jìn)行正常的監(jiān)測工作的能力.近年來，由于三維編織技術(shù)的發(fā)展以及碳納米管技術(shù)的出現(xiàn)，碳納米管傳感器已經(jīng)成為了三維編織復(fù)合材料健康監(jiān)測系統(tǒng)不可或缺的組成部分［9］.隨著立體編織技術(shù)以及現(xiàn)代復(fù)合材料的飛速發(fā)展，三維編織復(fù)合材料的使用必定會越來越廣泛，從而使三維編織復(fù)合材料健康監(jiān)測系統(tǒng)也會變得越來越重要.而健康監(jiān)測系統(tǒng)數(shù)據(jù)處理量非常大，為了準(zhǔn)確地找出損傷的位置，需要更加高效的數(shù)據(jù)處理和分析的方法.本文利用了傳感器、數(shù)據(jù)流的相關(guān)知識，結(jié)合滑動窗口的相關(guān)算法，建立以一套基于數(shù)據(jù)流的三維編織復(fù)合材料健康監(jiān)測系統(tǒng)連續(xù)數(shù)據(jù)的實(shí)時分析和處理方法.

1 數(shù)據(jù)流技術(shù)

1.1 跟蹤信號的時間變化

要想達(dá)到不間斷監(jiān)測的目的，必須有配套的不間斷的、自動的數(shù)據(jù)處理和分析的方法.而且所提出的方法必須要能夠適用任何變化信號的特征.為了能夠適應(yīng)這種變化的信號，最有效的方法是使用運(yùn)行窗口，如圖1所示.

圖1 分析窗口和運(yùn)行窗口Fig.1 Analysis window and running widow

窗口本質(zhì)上都是加權(quán)函數(shù)，強(qiáng)調(diào)最近的數(shù)據(jù)，而逐漸淡化過去的數(shù)據(jù).運(yùn)行窗口能確保任何由測量數(shù)據(jù)計算出來的屬性都和當(dāng)前結(jié)構(gòu)的狀態(tài)相關(guān).

滑動矩形窗口和指數(shù)衰減窗口是2個被廣泛使用的窗口［10］.滑動矩形窗口只考慮有限的具有同樣權(quán)重的過去的數(shù)據(jù)點(diǎn)，定義如下：

式中：ω（t，i）為加權(quán)函數(shù)；L為窗口長度和存儲器的時間常數(shù).使用矩形窗口很重要的一點(diǎn)是一定要有一定長度的連續(xù)窗口重疊，目的是為了使分析數(shù)據(jù)不間斷.

指數(shù)衰減窗口定義為：

式中：λ被稱為遺忘因子，這個窗口適用于過去的數(shù)據(jù)點(diǎn)的權(quán)重呈指數(shù)型衰減.

使用窗口必須定義一些采樣點(diǎn)是假設(shè)在該采樣點(diǎn)結(jié)構(gòu)的特性保持不變，本文設(shè)定存儲器的時間常數(shù)為No，它可以近似為：

這個方程為λ選擇了一個簡單的標(biāo)準(zhǔn)，通常，λ的取值范圍為［0.900，0.999］.大部分情況下，矩形窗口的選擇是根據(jù)時間來做出決定的.

1.2 數(shù)據(jù)獲取

在SHM系統(tǒng)中，實(shí)時數(shù)據(jù)流中的數(shù)據(jù)量是無窮盡的，為了實(shí)時處理數(shù)據(jù)，數(shù)據(jù)流是通過使用2個單獨(dú)的矩形窗口來進(jìn)行的分割：一個較大的運(yùn)行窗口跟蹤時間的變化，一個較小的分析窗口用來平均降低噪音，運(yùn)行窗口的內(nèi)部運(yùn)行一個分析窗口（見圖1）.運(yùn)行窗口中數(shù)據(jù)的分析是通過分析每一個分析窗口中的數(shù)據(jù)源，然后平均得出來結(jié)果.分析窗口按照一個預(yù)定義的重疊率在運(yùn)行窗口內(nèi)移動.完成對一個正在運(yùn)行的窗口的分析后，按照一個預(yù)定義的時間重疊來重復(fù)上面的過程.在運(yùn)行窗口內(nèi)使用分析窗口的原因是可以通過平均的方法減少噪聲的影響（見圖1）.

增加重疊率就增加了連續(xù)運(yùn)行窗口的數(shù)量，越多的分析窗口就可以更好地減少誤差，提高數(shù)據(jù)的精度.然而，這也會使計算量變大，從而增加整個數(shù)據(jù)處理所需的時間.計算所需的時間應(yīng)該比較小，這樣才能達(dá)到數(shù)據(jù)分析的實(shí)時性.所以，應(yīng)該調(diào)整算法的每一個參數(shù)使計算的結(jié)果的準(zhǔn)確性足夠好，同時也要保證實(shí)時的分析.

分析窗口的長度根據(jù)具體的結(jié)構(gòu)決定，它取決于結(jié)構(gòu)本身的特性，特別是結(jié)構(gòu)周期的最長值，建議長度是模態(tài)結(jié)構(gòu)周期最長值的10倍.運(yùn)行窗口的長度.另一方面，它取決于記錄中信號和噪聲的比例（SIGNALNOISE RATIO，SNR），長度應(yīng)該是有足夠長的時間來允許足夠數(shù)量的分析窗口在里面運(yùn)行，用來平均地減少噪聲.最佳的運(yùn)行窗口長度沒有唯一的解，建議對一組結(jié)構(gòu)的數(shù)據(jù)的分析應(yīng)該用不同的窗口長度和不同的重疊率來進(jìn)行.計算最佳窗口長度是一個特別的操作，每個結(jié)構(gòu)都應(yīng)該分別進(jìn)行.

1.3 數(shù)據(jù)處理

一般情況下，以原始的形式（從一種結(jié)構(gòu)獲得的原始數(shù)據(jù)）記錄的數(shù)據(jù)應(yīng)該不會直接用于結(jié)構(gòu)的損傷識別.原始數(shù)據(jù)通常包括環(huán)境噪聲、傳感器的缺陷以及數(shù)據(jù)記錄的錯誤.此外，還有一些低頻率的值和孤立的值（誤差均勻的孤立的峰值）.

為了盡量減少這些不好的結(jié)果，首先應(yīng)該做的就是要處理所收集到的數(shù)據(jù)：數(shù)據(jù)處理可能涉及均值的去除，去除線性趨勢（基線校正）、窗口化、平滑化、儀器校正、抽取和帶通濾波.

在SHM系統(tǒng)中，數(shù)據(jù)流的數(shù)據(jù)是連續(xù)不斷的、實(shí)時的，所以數(shù)據(jù)的處理和分析也應(yīng)該連續(xù)不斷的、實(shí)時的完成，而在數(shù)據(jù)處理要做的第一步工作就是找出和刪除掉平均值.數(shù)據(jù)記錄的平均值表示的是一個靜態(tài)分量，也稱為結(jié)構(gòu)響應(yīng)的直流偏移，通常情況下，記錄的平均值應(yīng)該為0.然后在實(shí)時檢測中，由于噪聲的影響，平均值會圍繞著0波動.

數(shù)據(jù)處理的第2步就是要從記錄中刪除線性趨勢和低頻分量（長周期）.前者又稱為退勢或基線校正.對于SHM的數(shù)據(jù)，利用最好的直線擬合方法處理退勢是足夠好的，而且退勢應(yīng)該對每段數(shù)據(jù)分別進(jìn)行.

用高通濾波器去除掉可能監(jiān)測到的低頻誤差.高通濾波器能消除所有頻率低于篩選器中設(shè)定的截止頻率的分量信號，從理論上來講，高通濾波器值消除信號中的直流分量.然后，在處理結(jié)構(gòu)響應(yīng)的數(shù)據(jù)時，高通濾波器的截止頻率是選擇相應(yīng)穩(wěn)定的數(shù)據(jù)，高通濾波器消除所有非常低的頻率分量的信號，其中包括線性趨勢，因此，實(shí)際上，高通濾波器消除了線性趨勢.再次，對于實(shí)時數(shù)據(jù)，消除趨勢和高通濾波器應(yīng)該是適用于運(yùn)行窗口和連續(xù)重復(fù)窗口定義的數(shù)據(jù)段.

數(shù)據(jù)處理的另外一個步驟是過濾.過濾可以刪除數(shù)據(jù)中不需要的頻率分量，通常情況下，不需要的分量是由于噪聲造成的過高或者過低頻譜的信號，它們可以用帶通濾波器來清除.占主導(dǎo)地位的噪聲的頻譜可以通過繪制原始信號的雙對數(shù)傅里葉振幅譜來被識別，如圖2所示.

開始的直線部分在低、高頻頻譜的兩端定義了帶通濾波器的角頻率，非常重要的一點(diǎn)是，過濾器過濾的時候不能改變信號相應(yīng)的內(nèi)容，必須使用2次非零相位的Butterworth過濾器.另外，這種過濾并不能消除或者減少信號中的噪聲，它只是消除了占主導(dǎo)地方的噪聲，頻段的噪聲依然存在，保持與原信號相同，但是，頻帶信號的振幅要比那些噪聲大.

圖2 傅里葉振幅頻譜記錄Fig.2 Fourier amplitude frequency spectrum

對于實(shí)時數(shù)據(jù)，情況稍有不同.在實(shí)時數(shù)據(jù)中，信噪比一般情況下是非常低的，傅里葉振幅頻譜記錄可能不會有圖2（a）所示那樣大幅度的角度.這種情況如圖2（b）所示.這時不能使用帶通濾波器，因此開發(fā)更加先進(jìn)的過濾技術(shù)是必要的.盡管它們是低振幅和高噪聲，但實(shí)際上環(huán)境噪聲是固定的，可以被認(rèn)為是沒變化的，這其實(shí)是一種優(yōu)勢，因為它允許使用統(tǒng)計濾波技術(shù)來處理.

本文用最優(yōu)濾波來統(tǒng)計濾波的形式：最優(yōu)濾波的目的是為了去除噪聲.由于無噪聲的信號表示結(jié)構(gòu)的實(shí)際的動態(tài)響應(yīng)，它可以被假設(shè)為具有不同的主導(dǎo)頻率（周期/正弦分量的總和），而噪聲信號并沒有表現(xiàn)出任何主導(dǎo)頻率（頻譜幾乎在整個頻帶都是平的）.

1.4 實(shí)時數(shù)據(jù)的光譜分析

1.4.1 分割法和平均法

分析結(jié)構(gòu)數(shù)據(jù)的最常用方法是傅里葉光譜分析，就SHM數(shù)據(jù)來說，光譜分析存在的主要問題是記錄中的噪音和對實(shí)時分析的需求.實(shí)時分析這一部分可以如先前討論的一樣通過運(yùn)行窗口和分析窗口來解決.噪音則改變了傅里葉光譜的振幅和頻率，并且會出現(xiàn)一些假象的諧振峰值［11］.

提高SNR的簡單方法是分割法和平均法.這個過程包括將數(shù)據(jù)劃分成為等長的片段，然后計算出這些片段的光譜特性的平均值.假定記錄中的噪音是罕見的白噪聲過程，即表示隨著片段數(shù)量的增加，平均傅里葉系數(shù)已經(jīng)收斂到無噪聲信號.同樣也表示，噪聲信號的傅里葉系數(shù)的變化與信號的長度成反比.這表明，片段分割的越短，傅里葉光譜變化就越大，同時結(jié)果的誤差就更大.

1.4.2 傅里葉光譜的最小二乘估計法

給定一個信號長度和采樣間隔，傅里葉信號展開中所有正弦和余弦的條件都是已知的，而這些條件的系數(shù)（傅里葉系數(shù)）是未知的.與其用標(biāo)準(zhǔn)的快速傅里葉變換來決定這些系數(shù)，不如通過最小化無噪聲信號（也可以表達(dá)為所有帶未知系數(shù)的正弦和余弦條件）和記錄信號之間的誤差來確定這些系數(shù).最小化導(dǎo)致的是無噪聲信號的未知系數(shù)的一組線性方程，可以通過矩陣求逆解決［12］.

1.4.3 最優(yōu)滑動窗口的選擇

在傅里葉光譜中最廣泛使用的降低噪聲影響的方法是采用滑動窗口，目前而言沒有明確規(guī)定選定滑動窗口的規(guī)則.過短的滑動窗口或許不能有效地減少噪聲，然而太長的滑動窗口又會消除真正的峰值.用遞增的窗口長度來繪制方形的傅里葉振幅譜下的區(qū)域，這一區(qū)域表示曲線下降，窗口長度增加.最優(yōu)窗口長度的選擇如圖3所示.

圖3 最優(yōu)窗口長度的選擇Fig.3 Selection of optimum windowing length

由圖3可見，曲線最初下降很快，隨著窗口長度的增加曲線下降的越來越慢.假設(shè)無噪聲的傅里葉振幅譜是一個平滑的功能頻率，這就表示曲線下降率由快到低的窗口長度符合最優(yōu)窗口長度.這可以從圖3中的曲線中看出.

1.5 統(tǒng)計信號處理

統(tǒng)計信號處理解釋了記錄中噪聲的隨意性，并且試圖運(yùn)用信號的統(tǒng)計特性來消除它.來自SHM系統(tǒng)的數(shù)據(jù)大部分是穩(wěn)定的，也就是說它是現(xiàn)有的，并且頻率特征不隨時間的變化而產(chǎn)生巨大的變化.SHM的信號通常都是一直與低SNR并存的，這些特性使得統(tǒng)計信號處理工具成為分析SHM數(shù)據(jù)最合適的工具.

1.5.1 自相關(guān)函數(shù)

自相關(guān)函數(shù)為統(tǒng)計信號處理提供了其中一個簡單的方法.一個信號的自相關(guān)函數(shù)R（τ），x（t）定義如下：

τ所在的地方就是時間延遲的地方.對于穩(wěn)定的信號來說，比如電流，決定自相關(guān)函數(shù)的只有時間滯差τ，可以看出自相關(guān)函數(shù)并不會改變原始信號的頻率含量.此外，自相關(guān)函數(shù)擴(kuò)大了數(shù)據(jù)里任何周期成分的振幅（任何時候只要當(dāng)τ相當(dāng)于這個周期的一倍），正是這個原因，穩(wěn)定信號的自相關(guān)函數(shù)比原始信號具有更良好的SNR.

因此，在計算傅里葉光譜的數(shù)據(jù)時，使用記錄的自相關(guān)函數(shù)比使用原始記錄更有利，傅里葉光譜的自相關(guān)函數(shù)也就是眾所周知的功率譜密度函數(shù).

1.5.2 自相關(guān)矩陣的特征值

另一組用來譜估計的有利工具，同樣也是將信號從噪聲中分離出的方法，是基于特征值和自相關(guān)矩陣的特征向量發(fā)展起來的.自相關(guān)矩陣Q，是通過以下方程計算：

當(dāng)Q是（M+1）的時候，（M+1）二維矩陣有（M+1）個特征值和特征向量.一個穩(wěn)定的信號可以由它自身的自相關(guān)矩陣的特征向量代表.也就是

公式（6）表示總記錄的反應(yīng)可以表達(dá)為它自身自相關(guān)矩陣的結(jié)構(gòu)模態(tài)響應(yīng)的總和.同樣也可以表示特征值與記錄中的相關(guān)部分相對應(yīng)的值要比那些特征值與記錄中不相關(guān)部分對應(yīng)的值要大的多.因此，特征值和相關(guān)矩陣的特征向量可以用來將信號從噪聲中分離出來，只利用這些條件計算的無噪聲譜符合更高的特征值.

需要在最優(yōu)濾波中選擇出的一個關(guān)鍵參量和特征值是濾波器階數(shù)M，濾波器的M值過小不能準(zhǔn)確代表信號，然而濾波器M值過大或許會同時代表信號和噪聲.有幾種可用篩選M的標(biāo)準(zhǔn).本文提出一個更簡單直觀的篩選M值的方法，通過繪制變化和M值，e（t）就是原始信號和通過公式（6）得出的信號的誤差，這個數(shù)值典型地表明了隨著M增值的急劇下降，水平會降低.M值在總和開始趨于平穩(wěn)狀態(tài)時，可以被當(dāng)做是最優(yōu)濾波器.

2 系統(tǒng)模型

試驗中使用信號采集電路如圖4所示.

圖4 三維編織復(fù)合材料制件健康監(jiān)測信號采集電路Fig.4 Signal acquisition circuit of SHM for three-dimensional braided composite based carbon-nano thread sensor

在該結(jié)構(gòu)系統(tǒng)中，由多路惠斯通電橋讀取傳感陣列的應(yīng)變數(shù)據(jù)，該系統(tǒng)可通過傳感特性實(shí)現(xiàn)對三維編織復(fù)合材料制件應(yīng)力和應(yīng)變監(jiān)測和實(shí)時測量［13］.

獲取數(shù)據(jù)以后，在數(shù)據(jù)的分析上，由于這個系統(tǒng)是實(shí)時采集應(yīng)變信號，因此運(yùn)用了數(shù)據(jù)流的相應(yīng)技術(shù)，建立了一套使用滑動窗口的數(shù)據(jù)處理以及儲存模型，如圖5所示.

圖5 基于滑動窗口的數(shù)據(jù)處理及存儲模型Fig.5 Data and storage model based on sliding window

數(shù)據(jù)流是來自于每一個傳感器的數(shù)據(jù)，來自傳感器的實(shí)時監(jiān)測數(shù)據(jù)下一步是輸入到數(shù)據(jù)緩沖區(qū)，然后對收集到的數(shù)據(jù)進(jìn)行分類，分類標(biāo)準(zhǔn)是傳感器位置的不同.再利用滑動窗口來處理緩沖區(qū)中的數(shù)據(jù)，根據(jù)設(shè)置的參數(shù)值找出可疑的數(shù)據(jù)，如果出現(xiàn)可疑的數(shù)據(jù)，將可疑的數(shù)據(jù)存儲到特定的數(shù)據(jù)庫中，按照損傷模型來判斷出是否為損傷［14］.

滑動窗口的滑動周期是根據(jù)實(shí)際情況設(shè)定的，當(dāng)一個完整周期結(jié)束時，這一個周期內(nèi)的數(shù)據(jù)已經(jīng)被處理完成，在每個周期計算完成后，更新當(dāng)前的配置文件數(shù)據(jù)結(jié)構(gòu)，匯總數(shù)據(jù)存儲在數(shù)據(jù)庫中，同時清除了上一個周期的數(shù)據(jù).

數(shù)據(jù)的查詢有2種類型：精確查詢和近似查詢.精確查詢可以查詢到一個滑動周期內(nèi)的詳細(xì)數(shù)據(jù)；近似查詢可以查詢到一個時間段內(nèi)的大致數(shù)據(jù).

數(shù)據(jù)儲存是以s為單位儲存的.假定傳感器的數(shù)量為m，傳感器監(jiān)測周期為τ1，靜態(tài)監(jiān)測周期為τ2，一個數(shù)據(jù)流在一個監(jiān)測周期的異常數(shù)據(jù)量為s1，一天的存儲量為W.存儲所有監(jiān)測數(shù)據(jù)量為：

本模型的監(jiān)測數(shù)據(jù)量為：

式（9）中：W的值取決于τ2和s1.在現(xiàn)實(shí)測量中，一般情況下，τ2?τ1，而s1的取值應(yīng)該比較小.

3 結(jié)果分析

運(yùn)用三維編織復(fù)合材料健康監(jiān)測系統(tǒng)模型對三維編織復(fù)合材料進(jìn)行健康監(jiān)測，圖6為三維編織復(fù)合材料橫向傳感器檢測數(shù)據(jù)情況，圖7為三維編織復(fù)合材料縱向傳感器檢測數(shù)據(jù)情況.

圖6 三維編織復(fù)合材料橫向傳感器檢測數(shù)據(jù)Fig.6 Abnormal data of sensor collecting for composite in horizontal

圖7 三維編織復(fù)合材料縱向傳感器檢測數(shù)據(jù)Fig.7 Abnormal data of sensor collecting for composite in vertical

由圖6可以看出，異常數(shù)據(jù)的突變比較集中，這說明該材料的內(nèi)部損傷不是很分散；圖7異常數(shù)據(jù)的突變比較分散，說明在制件縱向的損傷是連續(xù)的.圖8為三維編織復(fù)合材料制件內(nèi)部圖，可以看出，在該材料內(nèi)部縱向有很明顯的損傷出現(xiàn)，這表明損傷的情況和本文計算的結(jié)果很接近.

圖8 三維編織復(fù)合材料制件內(nèi)部圖Fig.8 Internal scan image of composite

4 結(jié)論

針對三維編織復(fù)合材料健康監(jiān)測中的大量數(shù)據(jù)處理困難問題，本文提出了一種處理模型，該模型的處理方法基于數(shù)據(jù)流的滑動窗口技術(shù).實(shí)驗結(jié)果表明：該模型在實(shí)際應(yīng)用中對于損傷的監(jiān)測是可靠的，能夠及時處理和判斷傳感器實(shí)時采集到的數(shù)據(jù)，并能對異常數(shù)據(jù)進(jìn)行保存和分析，進(jìn)而做出相應(yīng)的提示并做出損傷定位.根據(jù)滑動窗口的大小在數(shù)據(jù)流中計算出一段時間內(nèi)的主要數(shù)據(jù)，然后將該主要數(shù)據(jù)存儲在其他的數(shù)據(jù)庫中以便后期的計算，這就大大降低了數(shù)據(jù)處理的難度，同時也提高了數(shù)據(jù)處理的效率.

［1］LI W，HAMMAD M，EL-SHIEKH A.Structural analysis of 3-D braided preforms for composites part I：The four-step preforms［J］.Journal of the Textile Institute，1990，81（4）：491-514.

［2］萬振凱.三維編織復(fù)合材料拉伸與彎曲聲發(fā)射特征分析［J］.紡織學(xué)報，2007，28（4）：52-55. WAN Z K.Acoustic emission analysis of the flexural and tensile properties of 3-D braided composite materials［J］.Journal of Textile Research，2007，28（4）：52-55（in Chinese）.

［3］ZHU Y，CHAO C，CHENG C H，et al.A novel ionic-liquid strain sensor for large-strain applications［J］.Electron Device Letters IEEE，2009，30（4）：337-339.

［4］LI C Y，CHOU T W.Strain and pressure sensing using singlewalled carbon nanotubes［J］.Nanotechnology，2004，15（11）：1493-1496.

［5］KON S，HOROWITZ R.A high-resolution MEMS piezoelectric strain sensor for structural vibration detection［J］.Sensors Journal IEEE，2008，8（12）：2027-2035.

［6］CHU L L，QUE L，GIANCHANDANI Y B.Measurements of material properties using differential capacitive strain sensors［J］.Journal of Microelectromechanical Systems，2002，11（5）：489-498.

［7］CHEN L，LI Jia lu，LI Xue ming.Analysis of the yarn movement in 3D braids［J］.Acta Materiae Compositae Sinica，2002，19（2）：71-74.

［8］RAWN C J，BARSOUM M W，EL-RAGHY T，et al.Structure of Ti4AlN3—a layered Mn+1AXn nitride［J］.Materials Research Bulletin，2000，35（11）：1785-1796.

［9］DANIEL I M，CHO J M，WERNER B T，et al.Characterization and constitutive modeling of composite materials under static and dynamic loading［J］.Aiaa Journal，2012，49（8）：1658-1664.

［10］LJUNG L，SODERSTROM T.Theory and Practice of Recursive Identification［M］.Boston：MIT Press，1983.

［11］MOON T K，STIRLING W C.Mathematical Methods and Algorithms for Signal Processing［M］.Upper Saddle River：Prentice Hall，2000.

［12］SAFAK E，CAKTI E，KAYA Y.Recent developments in structural health monitoring and data analysis［J］.Earthquake Engineering in Europe，2009，17：331-355.

［13］李靜東，李嘉祿，萬振凱.基于碳納米管的三維編織復(fù)合材料健康監(jiān)測技術(shù)［J］.材料導(dǎo)報，2012，26：109-113. LI J D，LI J L，WAN Z K.Research of health monitoring for three-dimensional braided composite material using carbon nanotube thread［J］.Materials Review，2012，26：109-113（in Chinese）.

［14］王家偉，汪仁紅，羅憲，等.基于數(shù)據(jù)流的橋梁健康監(jiān)測海量數(shù)據(jù)處理［J］.計算機(jī)系統(tǒng)應(yīng)用，2011，20（12）：158-161. WANG J W，WANG R H，LUO X，et al.Processing of massive data based on data stream and bridge health monitoring［J］. Computer Systems&Applications，2011，20（12）：158-161（in Chinese）.

Real-time analysis and interpretation of continuous data of three-dimensional braided composite material based on structural health monitoring system

WAN Zhen-kai1，LUO Xian-wu2
（1.Information Center，Tianjin Polytechnic University，Tianjin 300387，China；2.School of Computer Science and Software Engineering，Tianjin Polytechnic University，Tianjin 300387，China）

According to the status quo of the three-dimensional braided composite material，a sliding window model based on data stream was establised to analyze the data processing of the structural health monitoring of threedimensional braided composite material.The model can estimate and dispose real-time data gathered from sensor，and then prompt hints by saving and analyzing abnormal data.The experimental results indicate that computation from the model has high agreement with actual data.The model has greatly reduced the difficulty of data processing in structural health monitoring of three-dimensional braided composite material，and meanwhile improved the efficiency of data processing.

three-dimensional braided composite material；structural health monitoring；continuous data；real-time analysis；data stream；sliding window；data processing

TS101.8

A

1671-024X（2016）05-0053-06

10.3969/j.issn.1671-024x.2016.05.010

2015-10-16 基金項目：教育部博士點(diǎn)基金資助項目（200800580004）

萬振凱（1964—），男，教授，博士生導(dǎo)師，主要研究方向為計算機(jī)應(yīng)用技術(shù)、計算機(jī)網(wǎng)絡(luò)及復(fù)合材料無損檢測技術(shù). E-mail：wanzhenkai@tjpu.edu.cn