In this paper, a hierarchical outlier detection approach is proposed for online distributed structural identification. In contrast to centralized identification, distributed identification extracts important features from the raw response data at the sensor nodes and transmits only them to the base station. Therefore, outlier detection is substantially more complicated than the traditional approach. In the proposed method, the local outliers in the raw data are detected directly at the corresponding sensor node, and they are excluded from further processing. However, if a sensor node is biased or exhibits other patterned outliers, these outliers will be undetectable at the sensor node level. It is necessary to conduct another level of outlier detection at the base station, namely, global outlier detection, before fusion. These two levels of outlier detection are of different nature. Local outlier detection concerns directly with the raw response data, whereas the targets of global outlier detection are the local estimation results of the stiffness parameters. Therefore, they require different mathematical tools. The proposed hierarchical outlier detection approach detects the local outliers according to the outlier probability of the data points at the sensor nodes, whereas it detects the global outliers according to the outlier probability of the local estimation results. By excluding both types of outliers, reliable online distributed structural identification can be achieved. Two examples are presented to demonstrate the proposed method.

中文翻译：

---

在线分布式结构识别的层次离群值检测方法

本文提出了一种用于在线分布式结构识别的分层离群值检测方法。与集中式识别相反，分布式识别从传感器节点处的原始响应数据中提取重要特征，并将其仅发送给基站。因此，异常检测比传统方法要复杂得多。在所提出的方法中，直接在相应的传感器节点处检测原始数据中的局部离群值，并将其从进一步的处理中排除。但是，如果传感器节点有偏斜或表现出其他图案异常值，则这些异常值在传感器节点级别将不可检测。在融合之前，有必要在基站进行另一级离群值检测，即全局离群值检测。这两个异常值检测级别具有不同的性质。局部离群值检测直接与原始响应数据有关，而全局离群值检测的目标是刚度参数的局部估计结果。因此，它们需要不同的数学工具。提出的分层离群值检测方法根据传感器节点上数据点的离群值概率检测局部离群值，而根据局部估计结果的离群值概率检测全局离群值。通过排除两种类型的异常值，可以实现可靠的在线分布式结构识别。给出两个例子来说明所提出的方法。而全局离群值检测的目标是刚度参数的局部估计结果。因此，它们需要不同的数学工具。提出的分层离群值检测方法根据传感器节点上数据点的离群值概率检测局部离群值，而根据局部估计结果的离群值概率检测全局离群值。通过排除两种类型的异常值，可以实现可靠的在线分布式结构识别。给出两个例子来说明所提出的方法。而全局离群值检测的目标是刚度参数的局部估计结果。因此，它们需要不同的数学工具。提出的分层离群值检测方法根据传感器节点上数据点的离群值概率检测局部离群值，而根据局部估计结果的离群值概率检测全局离群值。通过排除两种类型的异常值，可以实现可靠的在线分布式结构识别。给出两个例子来说明所提出的方法。提出的分层离群值检测方法根据传感器节点上数据点的离群值概率检测局部离群值，而根据局部估计结果的离群值概率检测全局离群值。通过排除两种类型的异常值，可以实现可靠的在线分布式结构识别。给出两个例子来说明所提出的方法。提出的分层离群值检测方法根据传感器节点上数据点的离群值概率检测局部离群值，而根据局部估计结果的离群值概率检测全局离群值。通过排除两种类型的异常值，可以实现可靠的在线分布式结构识别。给出两个例子来说明所提出的方法。