英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
斜拉桥模态特性的长期无线结构健康监测统计分析
Parisa Asadollahi1 and Jian Li, M.ASCE2
摘要：密集的传感器部署往往有利于获得更完整的理解复杂结构的动态行为，如大跨度桥梁。无线智能传感器网络在这方面是有利的，因为它们比传统有线传感器网络便宜且易于部署。在韩国的斜拉桥上安装了一个密集的具有113个智能传感器的无线智能传感器网络，以记录环境加速度。该部署的特点是世界上最大的无线智能传感器网络结构的土木结构监测。总的来说，在一年的部署期间，从甲板传感器节点收集到10 GB的数据。自然激励技术，结合本征系统实现算法，用于进行系统辨识。对桥梁的固有频率、模态阻尼、振型等模态特性进行了综合统计分析。还研究了温度与固有频率的关系。系统辨识的统计分析结果表明，使用由无线智能传感器网络获得的数据在识别的模态特性中提供了高分辨率和置信度。DOI：10.1061 /（ASCE）BE.1943-592.000 01093。2017美国土木工程师学会。
关键词：斜拉桥；结构健康监测；无线智能传感器网络；系统辨识；模态分析；统计分析。
Statistical Analysis of Modal Properties of a Cable-Stayed Bridge through Long-Term Wireless Structural Health Monitoring
Parisa Asadollahi1 and Jian Li, M.ASCE2
Abstract: A dense deployment of sensors is often beneficial for obtaining a more complete understanding of the dynamic behavior of com-plex structures, such as long-span bridges. Wireless smart sensor networks are advantageous in this regard because they are less expensive and easier to deploy than traditional wired sensor networks. A dense array of wireless smart sensor networks with 113 smart sensors was installed on a cable-stayed bridge in South Korea to record ambient acceleration. The deployment features the worldrsquo;s largest wireless smart sensor net-work for civil structural monitoring. In total, 10 GB of data were collected from the deck sensor nodes during a 1 year period of deployment. The natural excitation technique, in conjunction with the eigensystem realization algorithm, was used to perform system identification. A comprehensive statistical analysis of modal properties, such as natural frequencies, modal damping, and mode shapes of the bridge, was per-formed. The relationship between temperature and natural frequency was also examined. The statistical analysis of system identification results demonstrates that using data obtained by a wireless smart sensor network provides a high resolution and confidence in identified modal properties.
DOI: 10.1061/(ASCE)BE.1943-5592.0001093. copy; 2017 American Society of Civil Engineers.
Author keywords: Cable-stayed bridges; Structural health monitoring; Wireless smart sensor network; System identification; Modal prop-erties; Statistical analysis.
0 引言
作为民用基础设施系统时代，了解这些系统的关键部件的安全性和可维护性性能对于实现经济可持续维护具有重要意义。在这些构件中，大跨度桥梁特别重要，因为它们是交通网络中的重要环节。为了客观地管理民用基础设施系统，结构健康监测（SHM）的兴趣在过去的十年中不断增加。SHM在很长一段时间内跟踪结构响应以识别损伤并检测劣化。一种典型的SHM方法是连续振动监测，其中测量结构在环境激励下的振动响应，包括交通和风。然后，使用输出唯一模态分析技术识别模态特性（乌拉尔频率、阻尼比和振型）。然后，这些识别的模态特性可以用于结构的状态评估。近年来，先进的监测技术可以更全面、更全面地捕捉结构的动力响应。由于成本考虑，SHM技术已经转向使用无线智能传感器网络而不是有线传感器网络。无线智能传感器网络使新一代SHM以低成本和灵活的数据管理特性为例证，使得在大跨度结构（如大跨度桥梁）上的传感器空间密集部署更实用。高空间密度传感器提供能够识别较高振动模式和结构响应局部化特征的数据。然而，当使用这些先进的SHM技术来评估结构条件时，现实的例子是有限的。
有线和无线传感器网络已经部署在桥梁上用于系统识别。Peeter和De Roeck（2001年）在一个环境监测系统中用49个加速度计监测了一年后的混凝土箱梁桥。对桥梁的模态特性进行了识别，并进行了简要的统计分析。同时还得出了自然频率与温度之间存在双线性关系的结论。史密斯等人（2003年）分析了两座大地震期间安装在悬索桥上的26个传感器的振动数据。对这两次地震的桥梁模态特性进行了比较。这是为了确定一个更广泛的有效性的桥梁的数学模型，需要更密集的仪器。他们（2005年）通过34个单轴和10个三轴加速度计的阵列测量悬索桥的动力响应。通过两种模态识别方法计算了桥梁的模态特性，结果吻合较好。Lu等人（2006年）使用九个无线传感器在斜拉桥上进行SHM。采用两种不同的方法对模态进行了识别，并与实验结果进行了比较。格林梅尔曼等人（2007年）对大跨度钢拱桥进行7天的有线环境振动测试，进行系统辨识，以提高桥梁抗震性能。由于交通流量、测试时间和测量量的变化，本研究通过统计分析研究了识别频率的变异性。得出的结论是，这些因素对所识别的桥梁模态特性的影响最小。卡特巴斯等人（2008年）在使用导线应变计进行1年监测期间，通过测量由于温度输入引起的应力，对大跨度悬臂桁架桥进行结构可靠性分析。结果表明，温度诱导应力对系统可靠性有显著影响，不易于概念化和模型化。
PakZad和Fenves（2009年）在金门大桥进行了为期3个月的部署。对主跨的模态特性进行了验证，并对固有频率、模态阻尼和模态振型的统计特性进行了研究。得出的结论是，使用高空间密度的无线传感器的桥梁的系统识别在识别的振动模式中具有很高的置信度。戈麦斯等人（2011年）分析了曲线混凝土箱梁桥在8年监测期间收集的十一个通道的加速度时程。通过对模态频率和振型的简要统计分析，在前3个固有频率中连续减少约5%。Moser 和Moaveni（2011）在16周期间在行人天桥上用八个加速度计测量的数据进行了系统辨识。模态特性的统计分析表明，识别的固有频率具有显著的变异性，这与温度具有很强的相关性。一般来说，这些统计分析在使用的传感器的数量或监测的持续时间上都有限制。
一系列的长期全面的无线传感器网络部署已于近日珍岛大桥进行的，这是一个在韩国的斜拉桥（2010年Jang等人；2011年JO等人；2015年斯宾塞等人）。在2009年，70 Imote2（美新，公司，Andover，马萨诸塞州）的传感器节点和基站部署监测桥梁的振动。部署DEM-onstrates监测大型民用基础设施的无线智能传感器网络的能力强（2010年Jang等人）。赵等（2010年）分析了两套收集在这个初始部署70无线智能传感器的数据。基于两输出的测量计算了桥梁的模态特性，和他们相互之间以及与那些从有限元（FE）分析进行比较。本研究的主要目的是评估无线智能传感器网络的监测策略，为斜拉桥的有效性。乔等（2011年）扩大网络113个传感器节点，并实施了一系列硬件和软件的升级在2010年的部署的第二阶段的一部分。本研究着重于探索和认同最近升级的无线智能传感器网络通过部署在珍岛大桥。桥的模态特性进行台风事件期间确定，并将结果与那些从有线网络进行比较研究。一个数更多的硬件和软件方面的改进是在2011年的网络中添加。网络是在连续运行一年多，聚集了大量的桥梁振动数据。
1 研究目的
本文利用无线智能传感器网络中的一年时间收集的长期数据，对金岛大桥的模态特性进行了全面的统计分析。与先前的研究相比，金多大桥上的无线智能传感器网络的部署更为密集。该项目的仪器采用了世界上最大的用于土木结构监测的无线智能传感器网络。空间密集的无线传感器网络实现高保真系统识别理解的桥梁的动态行为。在空间密集的传感器网络的效益，从系统辨识的角度，主要在于捕捉高阶模式的能力塑造。高阶模态使桥梁的实际行为更彻底的表示当他们用于模型修正的目的。此外，测量数据的大量收集在一个监测周期延长至覆盖多种载荷和环境条件，使模态特性的确定性模态性能的可行性和可信度较高的统计分析。同时，虽然统计模态特性的大跨度柔性桥梁的报道，他们仍然在文学有限公司。本文提出的珍岛大桥的统计结果作为对类似的大跨度桥梁结构模态特性的细长的统计文献价值。
总的来说，660和580个的数据集分别收集了Haenam和Jindo的甲板，其中600和530个数据集进行系统辨识。桥的模态特性采用自然激励技术（下）在识别与特征系统实现算法（ERA）的结合。统计分析包括固有频率、模态阻尼直方图和概率图，以及置信区间（CIs）的固有频率、模态阻尼比和振型。固有频率与温度的相关性以及激励水平也进行了研究。
2 关于Jindo桥的描述
金多大桥是连接Haenam半岛在朝鲜半岛到金岛的双斜拉桥，如图1所示。这座双桥的年长为1984米，桥面宽度为11.7米，是韩国第一座斜拉桥。第二座金多大桥建于2006年，桥面宽度为12.55米，以适应日益增加的交通荷载。这两座桥有三跨（一个34米的主跨和两个70米的侧跨），总长度为484米。桥甲板，由钢箱梁组成，由60根高强度钢缆支撑。电缆连接到两个支撑在混凝土墩上的A形钢塔。在这两座桥梁中，选择了第二座金道大桥作为基于SHM的无线智能传感器的试验台。
2.1 桥梁监测网
在桥梁上设计并安装了无线智能传感器网络，实现了第一个大型、自主的土木结构SHM系统。部署分两个阶段进行。2009年开始的第一个仪器中有70%的传感器节点。大多数传感器是由D-细胞蝙蝠奖牌供电的，少数有锂离子充电电池和太阳能电池板。2010年，传感器网络扩展到113个传感器节点，硬件和软件更新。为了避免在长期运行中定期更换电池，所有的传感器都由充电电池和太阳能电池板组成。在2011年，一些附加的硬件和软件特征被添加到网络中。部署的完整描述可以在Jang等人中找到。Jo和Spencer等人。
图1（a）和（b）第一和第二为金多桥（图像由Hongki Jo提供）
图2 2011年金多桥无线智能传感器网络拓扑结构
2011部署简要描述在这里因为它是用来收集分析数据。
总的来说，113个Imote2传感器节点部署在第二珍岛大桥，有56个传感器在Haenam和57个传感器在Jindo；54个节点分别安装在甲板上。因此，网络是足够致密的详细的模态分析。图2示出了传感器网络的拓扑结构。每一个智能传感器节点组成一个Imote2（多尺度传感器板），这些措施三轴加速度在纵向，横向，和垂直方向；温度；湿度；光。传感器网络划分为四个子网，是由两个基站位于第一珍岛大桥两塔基地一流的管理。每个基站包括PC，网关节点，和一个ADSL调制解调器连接到互联网的网关节点发送命令到传感器节点，收集测量数据，并对基站的电脑存储数据。
为了节省电力的长期运行，传感器节点通常是在深睡眠状态。当风的速度或加速度响应超过预定的阈值，网络唤醒和启动数据采集。风速阈值设定为3米/秒，而加速度门限值为10 cm/s2。这些阈值也确保测量采取足够的信噪比，使桥梁的反应在正常负载条件下被抓获。样品以25 Hz为单位。测量加速度的幅度足够大，提取准确的模态特性。注意：在垂直方向上的振动水平比在纵向和横向方向大得多。
2.2 模态识别法
大量的系统辨识方法已经从振动数据中提取模态特性。在这项研究中，下一个组合（杰姆斯等人1993）和EARA（Juang和Pappa 1985）对金岛大桥进行系统识别。该方法涉及两个步骤。第一步是获得输出信道和选定参考信道之间的互相关函数。接下来，示出互相关函数满足齐次运动方程，因此，它们可
全文共21118字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[9099]，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。
