英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料
使用无线传感器对桥梁的损伤进行检测
摘要：桥梁是任何地面运输网络的重要链接。桥梁损伤后，而导致的部分或完全关闭路线
摘要:桥梁在任何地面交通网络是必不可少的环节。桥梁的一个损伤而带来的路线部分或完全关闭和维修或更换，将会导致持续的经济损失。同时,在一场毁灭性的地震之后为了方便救援行动，能够使用的桥梁就成了重中之重。因此，在常规的检测时段或像地震这样的灾难性事件发生后，对桥梁进行一个严格的评估就成为了一种惯例。对桥梁进行现场的检查需要检查桥梁的每一个组成部分，这不仅需要经验，还耗时耗钱，经常会强制性的干扰正常交通。于是，在近段时间内，基于无线传感器对桥梁进行检测的方法越来越受欢迎。这篇文章就是要展示，用无线传感器对桥梁的状况进行远程监测的高效性。基于震动与特征、只输出的损伤探测技术，利用从桥梁已损坏和未损坏情况下收集来的数据，能够确定桥梁损坏的位置和严重程度。
关键字：桥梁健康监测，无线传感器网络，损伤定位，只输出技术，损伤探测特征。
1、介绍
桥梁是地面上任何运输网的重要元素。在岛国日本，桥梁在连接各个彼此分离的陆地方面扮演着重要作用。因此，桥梁的安全性与完整性对于一个国家的健康运输网至关重要。在目前的实践中，通过目测检查进行安全评估，需要有经验，耗时并且可能会很昂贵。因此，特别是对于灾后情况，开发并实施一种高效可靠的安全评估方法是很重要的。
无线传感技术和结构健康监测（SHM）算法的最新进展展示出了巨大的潜力，去解决目视检测和评估可靠性之间的问题。[2012]为了证明它的可靠性，Chal et al实施了一个用于吊桥健康监测的无线传感器网络。[2011]Guo et al 设计了一个实时健康评估方案来展示其整体运作评估能力。[2011]为了对建筑物和基础设施进行长期的结构健康监测，Koeppe and Bartholmai使用了温度补偿测量技术，其中WSN由自维持无线传感器模块组成，该模块装备有专门为建筑物和大型设施设计的传感器。[2011]Li et al开发了一种配备有一些有用功能的WSN，用于桥梁健康的监测和诊断，例如睡眠模式和触发器值。
基于震动的结构损伤检测由于它的无破坏性，在近几年受到了重视。过去的几十年内，为了这个目的发明了很多方法。[2001]Brincker et al用统计方法识别模式进行桥梁的结构健康监测。[2001]Brincker et al提出了一种频域的方法，用于只输出系统的结构模式识别。[2004]通过应用从受欢迎的IASC-ASCE基准问题分离出来的模拟数据，Caicedo et al证明了自然激发技术和特征系统实现算法是有效率的。
图1.坎多桥示意图（半部分）
图2.基台轴承损坏
1.1本文的范围
本文论及的是，用一种多条的无线传感器网络（WSN)，对日本的一个废弃的桥进行损伤探测。基于震动与特征、只输出的损伤探测技术，利用从桥梁已损坏和未损坏情况下收集来的数据，能够确定桥梁损坏的位置和严重程度。
2.实验研究
2.1桥梁描述
日本的一座废弃的桥梁已经被检测了用于实验分析。该桥是一个钢梁桥，桥面是由五个跨度相同的混凝土板组成，其每个的跨度为50.8m，伸缩缝长度为0.78m，两个中间关节之间的距离为51.58m.端部间隙与基台的距离是0.44m.图1提供的示意图展示了该对称桥的一半。混凝土的桥面长258m，搁置在支撑钢梁上，该梁距中心线的距离为2米，2.1米高。各梁都是大型I型截面，配有垂直加强筋，并且距中心线的距离为1.25m。
2.2损伤描述
创建了几种伤害情景来研究损伤检测方法的效果。损伤分别以不同程度设置在四个不
图3.角撑板损伤
图4.桥面背部损伤：（a）原理图和（b）真实图像
图5.网梁损伤
同的地方。这些损坏类型如下。
- 类型I：基台和桥面之间的轴承受到了程度为6级的损坏（损伤的位置见图二）。
- 类型II：位于墩P1和P2之间的桥甲板的角撑板处损伤为6级（损伤位置见图三）。
- 类型III：如图4所示，混凝土桥面底部沿着加强板处受到了刮伤而损坏了桥面。
- 类型IV：如图5所示，在同一位置处的网梁受到了7种程度的损伤。
在这里，损伤就是结构元素的退化且使桥的刚度降低。在刚度上的退化程度就是损伤的程度。
2.3仪器和数据采集
在桥上的各种位置装有各种传感器。通常用于所有损伤情况的传感器放置在损坏位置附近，以便识别局部变化。对于损伤类型I来说，如图2中所示，有8个传感器，桥的两侧各
图6.传感器位置
有4个。对于其它损坏情况传感器位置见图6。使用多跳网络用于远程数据收集。
2.4外部激励
除了环境激发，也使用两种类型的外部激发。第一个激励是使用装载的移动车，第二个激励是从桥墩1m高处用20kg的锤子进行锤击。
3.系统识别方法
要找出系统的模态属性，基于功能的转移方法是最典型的方法，其中输入激励和输出响应都是需要知道的。但在这座桥上诊断时，系统是用移动的汽车或锤子激励的。因此为了达到诊断的目的，这里用了两种方法，一种是基于频率的方法，另一种是基于特征的方法。在施加任何基于仅输出的损伤检测技术的振动之前，必须遵循的步骤是对数据降噪。在这里第四个过滤器是用来降噪的。
在本文中，各种基于振动的仅输出损坏检测技术，如频域分解（FDD）、自然激发技术（NExT）、加上特征实现算法（ERA）和统计学模式识别（SPT）范式，都用于结构损伤检测。为达到此目的，假设输入运动是白噪声。使用的方法可以分为两类。
3.1基于频率的方法
频域分解法（FDD）和与特征系统实现算法（ERA）相结合的自然激发技术法（NExT）是计算相应的损伤状态频率和参考状态的两种技术，若有任何的频率下降，则结构性恶化，也即结构性损伤。
FDD：FDD是用于线性输出系统的一种模态参数识别方法，基于功率谱密度（PSD）反应矩阵的奇异值分解。该方法在无阻尼或低阻尼的情况下表现很好。另外，不像传统的基于转化功能的方法那样，在这种方法中，当更高的模式没有和环境震动数据一起被更好地激发，则更高的模式识别起来很困难。
其中Hm*r=有上划线和上标T发杂结合的频率响应函数(FRF)，并分别转置。Pxx (r*r) 和Pyy (m*m）等于输入激励的功率谱密度(PSD)加上各自的输出响应，其中Pxx (r*r)常被假设为白噪音，其作为输入激励是固定不变的。、
NExT：NExT是一种通过假设激励是白噪声从环境振动响应中找出线性系统自由振动响应的方法。因此，激励矢量的互相关结果随狄拉克三角洲函数随时消失，保持所有系统参数不变
将微分方程的系统引导到自由振动。现在对ERA来说响应变得兼容。
考虑到多自由度的简单结构，系统方程可以表示为，
采用方程式（2）两边结果的互相关函数，
以上的二阶齐次微分方程与MODF系统的自由振动相当，其中当同一系统特征作为原始结构时，可以近似的看作结构的自由振动响应。
ERA：ERA用于模态参数识别和线性动力系统的模型简化，其首先被Juang和Pappa[1985]提出。他后来被改良了，并且Juang et al[1987]制定了数据相关(ERA/DC) 的ERA来解决噪声和非线性的影响。
3.2基于特征的技术
统计模式识别技术（PRT）是一种流行的基于的技术，其中欧几里得距离（ED）起到伤害敏感特征的作用这有助于确定程度和损伤位置。对于信号x（t），p阶的自回归模型
可以写成，
其中，e(x)(t)是残差，是由Yule-Walker或Burg方法确定的AR系数。这里
信号的顺序是指过去时间的数量为将来的数据预测而考虑的步骤。
令y（t）为未知结构条件的响应，所以遵循方程式（5）中的相同模型。 可以写成，
其中符号的含义如前所述。
现在判断两种情况（已知和未知）是否可比较，欧氏距离是要找出来，反映出这两个信号之间的差异。
最小值是三角洲，匿名信号接近参考模型; 因此可以检测和量化损伤。
4.结果与讨论
桥梁用移动的车和冲击的锤子来激励。因为由移动的车和冲击的锤子而引起的激励可能无法激发更高的模式，所以为达到损伤探测的目的，在这个研究中只考虑了几种较低的模式。用FDD 和NExT来计算这些频率。这些结果列于表2、表2和表3中。(f1 = 1st freq., f2 = 2nd
freq., f=freq. change)
从表1可以看出，随着增加损伤严重程度（DS），模态频率正在下降，描述了结构的刚度退化。从表1还可以看出，第二个频率的下降小于第一个频率的下降，这意味着损伤类型 I 相较于第二个频率对第一个频率较敏感。一个相似的频率下降的趋势也从表2中观察到。然而，在这种情况下，当与损伤类型 I的情况相比较时，可以注意到前两个频率的百分比下降少。从表2还可以看出损害严重程度略有增加可能不会导致频率明显变化。这可能是包括阻尼和噪音级别变化在内的各种原因造成的。
图7.奇异值与频率
图8.损伤类型I欧式距离
图9.损伤类型II的欧式距离
表3所示的是损伤类型III和IV在第一个频率下的变化。由于损伤程度的增加，损伤类型III在模态频率上表现为退化，说明了网梁刚度对于结构频率的贡献。损伤类型IV，这意味着混凝土板的破坏显示出有趣的趋势。可以观察到损伤程度高时才能探测到损伤。对于类型III和类型IV，这里使用的方法不能捕获较高的模式。
图10.损伤类型III的欧式距离
图8、图9、图10表示参考状态和类型I、 II 、III的损坏状态间的欧几里得自回归模型系数的距离。从这些数字可以看出，损伤检测特征（DSF）即ED是损伤程度的测量。换句话说，所有的数字显示，随着损伤程度的增加欧式距离增加。此外，从图8可以看出，第四个传感器的欧式距离更大，这就说明损伤靠近那个传感器。从图2页可以看出类似的趋势，第四个传感器几乎就在剥分轴承处。类似的从图9和图10中可以看出，对于损伤类型II来说损伤发生的位置靠近第三个传感器，对损伤类型III来说损伤发生的位置靠近第二个和第五个传感器。
5.结论
桥梁是任何地面交通网络的重要环节。对一座桥梁来说，损坏总是不可避免的。桥梁检查的普遍做法是需要检查每一个组成部分，不仅以经验为基础，而且非常耗时，耗钱，在执行中会阻碍交通流动。因此，基于无线传感器的检测方法在最近几年越来越受欢迎。这篇文章就是要展示，用无线传感器对桥梁的状况进行远程监测的高效性。为此，用无线传感网络对日本废弃的坎多桥进行测试。在不同位置造成伤害，来达到多种损伤程度。基于震动与特征、只输出的损伤探测技术，利用从桥梁已损坏和未损坏情况下收集来的数据，能够确定桥梁损坏的位置和严重程度。在桥墩上部，用已装载的移动的车和锤击来达到外部激励。在这项研究中，基于频率的方法和基于特征的方法被用来识别和定位损伤。从本研究中获得的结果表明，使用这两种方法可以确定损坏的位置和严重程度。然而，对损伤定位来说，传感器的放置位置应重点考虑。
鸣谢
作者之一（Koushik Roy）想感谢Mr. Harikrishnan P.和Mr. Tansheng Li分别在传感器网络系统和系统识别技术方面的有价值的讨论。这个项目是由日本北九州工业科技发展基金会和印度人力资源发展部共同资助。
参考文献
（1）Rune Brincker, Lingmi Zhang, and Palle Andersen. Modal identification of output-only systems using frequency domain decomposition. Smart Material of Structures,10(3):441-445, 2001.
（2）Juan Martin Caicedo, Shirley J. Dyke, and Erik A.Johnson.Natural excitation technique and eigensystem realization algorithm for phase i of the iasc-asce benchmark problem: Simulated data. Journal of Engineering Me-chanics, ASCE, 130(1):49-60, 2004.
lt;
全文共6775字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[143818]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
