研究文章变化环境下塔杆结构的状况评价.docx

《研究文章变化环境下塔杆结构的状况评价.docx》由会员分享，可在线阅读，更多相关《研究文章变化环境下塔杆结构的状况评价.docx（10页珍藏版）》请在第一文库网上搜索。

1、研究文章变化环境下塔杆结构的状况评价1 .介绍结构健康监测（SHM）技术已经迅速发展了几十年，一些重要的民用基础设施己经配备了SHM系统检测结构损伤并评估结构1-4的安全性。利用监测数据，许多传感器测量5,6和条件评估方法7,8已被用于识别有用的结构信息，以优化服务结构的维护时间表。在多种方法中，基于振动的条件评价方法由于对结构无破坏性且振动数据易于获得9-13而受到广泛关注。然而，这种类型的方法也有一个显著的缺点，因为其结构是一般在不断变化的环境下运行，结构模态参数的变化会受到环境因素14-19的影响。很难用大量的监测数据来直接评估结构条件。在之前的研究中，Farrara1等20在研究了阿拉

2、莫萨峡谷大桥的长期监测数据后发现，环境温差引起的模态频率变化甚至超过了结构损伤的影响。在十六周期间的数据枳累道林大厅脚桥，莫泽和莫15观察到确定自然频率变化8乐而测量温度范围从14C39。C.进一步分析后，自然频率和环境温度之间的非线性关系。MartinS等人21建立了从各种测量中获得的结构响应之间的相关模型，并分析了风速和温度对模态参数识别的干扰。基于以上研究，很明显，环境差异对结构模态参数有显著影响，这可能会进一步影响损伤识别的准确性。为了消除环境对结构状况评价的影响，我们采取了各种调查方法，可大致分为监督方法和非监督方法两类。前一种22,23需要建立损伤特征与各种环境因素之间的关系模型，

3、以减少环境变化的影响，但由于不同因素的耦合相互作用，难以获得准确的关系模型。*e后者的24,25需要在参考状态下建立概率诊断模型，并将监测到的数据代入模型来诊断损伤。*is方法利用环境因素作为潜在向量，通过投影寻找对环境变化不敏感的损伤特征。在该方法中，间接转换减弱了对环境的影响，同时，在投影过程中可能会删除一些有效的结构信息。*我们，这两种方法，都使用从单一结构获得的数据，在处理环境影响方面都有无法解决的缺点。考虑到一个聚类中监测的结构在类似的环境中服务，研究了使用聚类分析算法26的损伤检测方法，并通过交叉验证间接减轻了同一监测期间环境的影响。城市通信和电力铁塔作为民用基础设施的重要组成部分

4、，不断在敌对环境中运行。此外，塔一般采用螺栓连接，以往的研究表明，螺栓接头经常发生典型的损伤，如松动和断裂27,28。虽然塔式结构采用了更好的施工技术和更强的材料加固，但结构事故的风险不能避免29。一些研究主要集中在塔状结构30-32的结构健康监测上：然而，损伤检测的准确性受到复杂的操作环境的严垂干扰。一个城区的塔杆结构数量较大，各塔杆结构结构形式简单。因此，一种可行的方法是建立一个塔杆结构簇，为每个结构内的所有结构建立一个简单的SHM系统，如水平位移监测系统。然而，以往的研究很少关注在变化环境下在一个集群内监测的塔架和桅杆结构的条件评估。本文提出了一种将主成分分析（PCA）与交叉验证相结合的

5、方法来评价塔杆结构监测的结构状况，该方法能有效地降低环境温度和速度负荷对塔杆结构水平位移监测数据的不利影响。2 .主成分分析与交叉验证的塔杆结构条件评价2.1. 条件诊断指标的生成。所有位于同一城区的具有相同结构形式的塔式和桅杆结构都被定义为一个集群研究，建立塔尖水平位移SHM系统，得到一个系统内所有结构的连续位移监测数据簇根据这个定义，所有属于一个集群的塔架和桅杆结构都在类似的环境作用下运行；因此，位移监测不同塔楼结构的数据高度相关。在此基础上，提出了一种基于聚类的条件评估方法，其中采用基于PCa的方法结合交叉验证策略，减少了环境对位移监测数据的影响。假设yiRvX1是塔尖位移在第i个采样点

6、的监测数据向量，其中V表示在一个集群内监测的任何两个塔架和桅杆结构的测量点数。将初始数据集作为结构的健康状态，将前n个监测数据向量组合成数据矩阵Y1,可以表示如下：=Iypy2.-y这部分数据可用于建立结构健康状态下的数据模型，其协方差矩阵确定如下：1n（2）ni-1其中，U为Y1的平均向量。采用奇异值分解（SYD）,协方差矩阵可以用以下形式表示：rS101uTE=5U21；,0S2J1uJJ其中S1和S2分别是由矩阵Z的奇异值的不同部分构造的对角矩阵，它们描述如下：S=diag（肩弓,j（）S2=diag（+p2,.,j）,其中，。2i是第i个奇异值的平方，按降序排列。在SVD过程中，如果相

7、应的奇异值。i较大，则第i个主成分包含更多的样本信息。由于环境因素对结构的监测数据有重大影响，因此经常选择第一g主成分来代表在实际应用中的环境因素的影响。为了利用更有效的信息，g的选择应指主成分I的累积贡献率，其定义如下：九。2=feb其中IO为累计贡献的限值。GS?.基于上述分析，可以在健康状态下的数据模型建立使用监测数据，其中U2是对S2的奇异向量下一个过程是从初始数据集提取剩余的数据和组装成数据矩阵Y2,如下：Y2=y1y2-yH*“,Uz，4利用数据模型和数据矩阵y2,我们可以通过以下步骤构建条件诊断指标。首先，修改数据后的数据向量在结构健康状态下的模型可以通过下式得到：力=y%-内(

8、；=1,2,.,k).(7)然后，计算一个过渡向量Pj如下：P7=u；%.利用过渡向量Pj,建立了条件诊断指标的向量如下：r=r1,r2,.,rk,(9)其中，每个元素的定义如下：r=p1Pr(10)上述过程实现了消除对某集群任意两塔位移监测数据的环境影响的目标。2.2. 在一个集群内监测的任何两个塔架和桅杆结构之间的状况评估。条件诊断指标r基本排除了环境因素的影响，假设r对健康参考状态服从高斯分布，残差门满足以下概率分布：e)=e纵C(O)T(%(11)其中，c(rj)为概率分布模型的参数，0为特征参数。对于高斯分布，参数。具有平均值和方差。2定义如下：Vb()=,(12)Vd(8)=-12

9、根据式(U),r的概率分布模型可以写成如下：/(邛)=eb(6)3+Gd(0)(13)在此基础上，定义了以卜.假设检验:其中，00表示塔架和桅杆结构保持健康，O1表示损坏状态。对于通讯塔和电力铁塔，主要采用螺栓连接,损坏状态包括螺栓松动或腐蚀，导致塔体水平位移过长。对于待诊断的塔式结构和桅杆结构的状态，需要进行假设检验，以确定任何两个塔式结构是否处于正常运行状态。首先，将健康状态下的新颖性检测因子定义如下：A=皿)=e皿。尸(%)E+Hd(ed(%)/(ro)(15)通过对方程(15)的对数，可以得到累积损伤特征：=In(A).(16)考虑到A的表达式，生成的条件诊断指标的迭代关系如下：&=、

10、-1+(b(4)-b(8o)(+p)，(17)在哪里o=0,d(3-d(e)(P-b(4)-b(%)当Ej的值小于0时，设为0,则得到健康状态下的以下病情诊断指标：h=J,.,p.,i,(19)其中，h表示健康状态。通过数据统计分析得到条件诊断指标，不可避免地会导入误差概率。考虑到5%的误差概率条件诊断指标中，阈值Q可由以下公式定义：WAQ=0.95xpH*,.,J.(20)采用上述方法，建立了待诊断状态下塔式结构的状态诊断指标如下：d一=dUdUdWI(21)1-r,F,ff01/其中，d表示要诊断的状态，k表示要诊断的数据样本数。应将待诊断状态下的病情诊断指标与阈值进行比较。当待诊断状态下

11、的病情诊断指标值大于阈值Q时，认为A、B两个塔中任意一个存在潜在的结构损伤，此时检测结果Za、B的值记为0。相比之下，这两个塔都被认为是健康的，检测结果Za,b的值记为1。Z岫=1,c(m-1),它可以为表示如下：其中，za,。是取其他参考结构的路径塔结构的结果。根据交叉验证策略，可以得到总mT结果。以上述mT结果的平均值作为路径结构条件评估的决策值，定义如下：JEYa=TYZaQ（O#），（24）mT占其中，rais是对路径结构的条件评估的决策值。Ca大于0,表示路径结构健康；Ca等于0,表示路径塔结构损坏。3.在一个集群内被监控的实际塔架和桅杆结构的示例 1.3一个集群内监控实际塔杆结构的

12、SHM系统描述。.在中国哈尔滨市一个城区的一个集群内监测四个通信塔和塔杆结构，如图1所示，所有塔均采用钢结构建造，高约40米，顶部安装通信设备，底部安装支撑支架，每个结构由16个高强度螺栓固定在地面，如图2所示，高层塔杆结构在城市风荷载下运行，导致振动行为的复杂性。为获得四塔、桅结构水平位移的变化规律，采用倾斜仪（SC13300-D013轴倾斜仪）监测塔尖水平位移，将所有数据采集并发送到无线网络，如图3meSC13300-D01部件通用规格如表1所示。.对于每个结构，一个SHM系统一般包括四个部分：（1）传感模块，（2）数据采集和传输模块，（3）数据存储模块，（4）软件模块如图4所示，3轴倾斜

13、仪安装在塔顶，同时收集四个塔的所有倾斜观测数据形成集群。收集到的数据传输和存储在本地服务器上，软件可以显示和分析数据通过这四个SHM系统，所有四个塔和桅杆结构都在一个集群内进行监控。. 2.3证明了该方法的有效性。为验证所提条件评估方法的有效性和可靠性，本节采用了四塔、桅杆结构的水平位移监测数据，考虑到底部螺栓失效是最常见的情况，采用结构A的螺栓松动情况模拟损伤情况，如图5所示。.对于每个结构，每个传感器可以同时收集水平位移沿南北（NS）方向和东西（EW）方向的数据采集频率为10分钟，在健康状态下共获得4000组数据样本，其中前2000组数据样本用于生成Y.1，用最后的2000组数据样本得到Y

14、2.对于损坏情况，共获得IOOO套数据样本，利用塔高，可以将A塔和B塔的实际监测数据转移到塔顶位移中，如图6所示。为了反映该方法对结构损伤的敏感性，我们将该方法与传统的新颖性检测方法进行了比较。图3：倾斜仪和数据采集和传输装置的照片建基于马氏菌属的距离。该方法对两个塔的检测结果如图7所示，以及传统方法的新颖性检测结果对于塔A,如图8所示。结果发明，该方法能有效消除环境因素的影响，具有较高的灵敏性表I：SC13300-D013轴倾斜度仪的通用规格。温度范围(C)测量范用()偏移误差(0)偏移温度漂移()-40125-90、90-1.151.15.57W0.57图4：我安装了SHM系统.(a)(b)图5：结构A连接处螺栓松动照片。损伤；因此，该方法成功地识别了螺栓松动的结构风险。基于交叉验证策略，选择集群中的结构A作为参考塔。我提出的算法可以有效地诊断参考塔和任何其他结构的损坏情况。在此基础上，参考塔被循环交换，直到所有其他塔和塔杆