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，Farraral等20在研究了阿拉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14°C39。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，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，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yiRvXl是塔尖位移在第i个采样点的监测数据向量，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Yl,可以表示如下：=Iypy2.->y11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-l其中，U为Yl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：rS101uT'E=5U21；,0S2JLuJJ其中Sl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'=fe>b其中IO为累计贡献的限值。G'S?.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=y1>y11÷2>-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(；=l,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)=-L2根据式(U),r的概率分布模型可以写成如下：/(邛)=eb(6)3+>G>d(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，Ol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(e>d(%)/(ro)(15)通过对方程(15)的对数，可以得到累积损伤特征：=In（八）.(16)考虑到A的表达式，生成的条件诊断指标三的迭代关系如下：&=、-1+(b(4)-b(8o)(+p)，(17)在哪里三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=三J,.,p.,三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=0.95三xpH*,.,三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,f»f01/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=1,三c<Q2.3. 在一组内监溯的所有塔架和桅杆结构的状况评估决策。上一节提出的算法使用了属于一个集群的任意两个塔楼结构的监测数据。为避免意外的误判，采用交叉验证策略对监测数据进行集成从一个集群内监测的所有塔架和桅杆结构中获得，并评估所有结构的状况。假设In塔和桅杆结构在一个集群内监测，以个结构作为参考结构，并得到条件评估结果在任何其他结构和参考结构之间，使用前一节中描述的方法获得，记录为zo。参考结构是循环的更改，直到所有其他结构都被选择为参考结构一次。然后，将m个验证结果集表示为矩阵zRm><(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（SCL3300-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3meSCL3300-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Y2.对于损坏情况，共获得100O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：SCL3300-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(°)-40'125-90、90-1.15'1.15.57W0.57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 塔和塔杆结构被选为参考塔次。对于损伤情况，四种结构的交叉验证结果如 图9所示。条件评估结果的Me决策值描述如下：y= 0, yB> 0, yC>0和yD> 0. Me的结果表明，结构A受到了损坏 通过使用交叉验证策略，集成了在一个集群内被监控的 所有结构的监控数据，以避免误判。0.3移-0.2,x050010001500200025003000'"样品编号位移监测监测健康状态下的数据在损坏状态下的数据(a)0.30.20.100I05001000150020004000340505000样品编号健康状态下的位移监测数据损坏状态下的置换监测数据(b)0.20.100l)500100O15002000350040004500500025003000样品编号健康状态下的位移监测数据(c)图6：继续。3500500100015002000253000400045005000样品编号健康状态下的位移监测数据（d）图6：A、B塔的位移监测数据。（a）计算A塔的NS变形。（b）meA塔的EW变形。（C）B的变形。（d）塔B的电子恢形。样品编号图7：建议方法的条件评估结果。确认信息图9：基于基础的所有塔架和桅杆结构的评估结果交叉验证。4.结论本文提出了一种评价一簇内监测的所有塔杆结构状况的方法。我得出以下结论：(i)基于mepca的方法结合交叉验证是评价一簇内监测的所有塔杆结构状况的有效方法，有效减轻了环境因素对结构变形监测数据的影响(ii)实例表明，与基于马氏菌株的新奇性检测方法相比较该方法对变化环境下结构的损伤状况具有有效的诊断效果(iii)对于实际情况，可使用塔尖角来监测塔架、桅杆结构水平位移的长期变化调节(iv)在实际应用中，使用无线网络的数据采集和数据传输很有希望建立在一个集群内监测的所有塔架和桅杆结构的SHM系统数据可用性用于支持这项研究的结果的我的数据也包含在文章中。利益冲突本人作者声明，本论文的发表不存在利益冲突。该研究得到了中国山东省重点研发计划项目的资助。2019JZZY010427).参考文献1。比法勒和鼠“结构健康监渊导论，英国皇家学会哲学学报A：教学、物理和工程科学，第I卷。365,没有。1851,pp.303-315,2007.2GZ.豪斯纳，LA.伯格曼，T.K.考希等人,“结构控制:过去、现在和未来”，工程力学杂志，第1卷。123，没有。9,pp.897-971,1997.3M.I.弗里斯韦尔，“用逆方法识别损伤”，英国皇家学会哲学学报A：数学、物理和工程科学,第1卷.365,没有。1851,pp.393-410,2007.4 K.P.常，NJ.卡里诺和G。洗衣机，民用基础设施的健康监测，智能材料与结构，第卷。12日，没有。3,pp.483-493,2003.5 A.莫宙诺-戈麦斯，CA.佩雷斯-拉米雷斯。DominguezGonza1ez,M.瓦尔蒂拉-罗J里格斯，Oo直韦斯-眄奖珞里叫郝J.P用于结构健康监测的传感器”，工程计算方法档案,第一卷。25日，没有。4,pp.901-918,2018.6 H.H.朱，Fe戢，Z.H.朱等人，“智能传感技术及其在民用基础设施中的应用”，传感器杂志，第1卷。2015年，文章ID：265106,，2015年,7肌风扇和P。Z.乔，“基于振动的损伤识别方法：回顾与比较研究”，结构健康监测，第1卷。10,没有。Lpp.83-Hlf2011.8 RT.吴和M。R.“结构健康监测和系统识别的数据融合方法：过去、现在和未来”，结构健康监测，第1卷。19日，没有。2,pp.552-586,2020.9 C.R.法勒，SeKDoebling和D。Cix,“基于振动的结构损伤识别”，伦敦皇家学会哲学学报。A系列:数学,物理和工程科学,第1卷。359,没有。1778,pp.131-149,2001.10 Y.J.燕，L郑，Z,Y.吴和LH.“基于振动的结构损伤检测技术的发展“，机械系统与信号处理，卷。21日。5,pp.2198-2211,2007.11 Y.Y李和X”基于振动的结构鲁棒损伤检测的最新进展”，结构工程与力学,第1卷。45岁，没有。2,pp.159-168,2013.12Q.高，Z0董，K,Cui,C.刘和丫。刘,“压型钢板混凝土桥面的疲劳性能”，工程结构，第1卷。213年，文章ID110558,2020年.13 Z.张，Xe刘，Yo张，Me周和J。陈，“维纳过程多次交叉的时间间隔与工程中固定阚值的时间间隔”，机械系统与信号处理，笫1卷。第135条，第106389,2020年。14 H.孙恩，“环境和操作变化对结构健康监测的影响”，英国皇家学会哲学学报：数学、物理和工程科学，第1卷。365,没有。1851,pp.539-560,2007.15 P.莫泽和B。“环境对道林厅人行桥固有频率的影响”，机械系统与信号处理，笫1卷。25日，没有。7,pp.2336-2357,2011,D.16 .Deraemaeker1E.由恩德斯，GDeROeCk和J。吉隆坡,“基于振动的在变化环境下使用输出测量的结构健康监测“，机械系统和信号处理，卷。22日，没有1,pp.34-56,2008.17 H.南丹和Y.P.”热环境对结构频率的影响：第一部分-模拟研究”，工程结构，第1卷。81,pp.480-490,2014.18 H.南丹和出P.”热环境对结构频率的影响：第二部分一系统识别模型”，工程结构，第1卷。81,pp.491-498,2014.19 X.赵和Z。朗，“不同环境下的结构健康监测方法”，可再生能源，卷。138,pp.1166-1175,2019.20 C.R.法勒，SW.Doebling,P.，康成尔等人,“在阿拉莫萨峡谷大桥上渊量的模态参数的可变性,”,第15届国际模态分析论文集会龙，卷“3089.pp.257-263,1997.21 N.马丁,E.凯塔诺，SoDiordrF.马加尔海斯和A'.库尼亚，”体育场悬挂屋顶的动态监测：风和温度对模态参数和结构响应的影响”,工程结构，第I卷。59,pp.80-94,2014.22 J.M.Ko1K.K.查克，JEWang等人，“利用长期监测数据建立相关模态参数和环境因素的不确定性模型，“，在智能结构与材料论文集2003：民用基础设施的智能系统与无损评估，第页。2003年8月，美国加州圣地亚哥，298-307.23 3C.K.哦和H。孙恩，“使用无监督支持向炭机的环境和操作变化下的损伤诊断”，声音与振动杂志，第1卷。325,没有。1-2,pp.224-239,2009.24早上。.-Yan,GoKerschen,P.DeBOe和JC。.-"不同环境条件下的结构损伤诊断-第一部分：线性分析”，“机械系统与信号处理，第1卷。19日，没有04,pp.847-864,2005.25早上。.-Yan,G»Kerschen,P.DeBOe和JC。.-"不同环境条件下的结构损伤诊断-第二部分：非线性情况下的局部主成分分析”，“机械系统与信号处理，笫1卷。19日，没有。4,pp.865-880,2005.26工丫.张和丫。文I,“基于应变监测数据累积分布函数之间的残差的一个簇内监测桥梁的损伤检测”，结构健康监测，第1卷。2020年，条款ID95955,2020.27 X.黄，Go陈，L赵等人，110kV输电线路塔基沉降的应力模拟与试验”，电力自动化设备，第1卷。37,pp.361-370,2017.28 T.G.马拉，H°P.香港，CeS.李和T。C.E.“下爆风负荷下的容量”，风与结构，卷。22日，没有。1,pp.65-87,2016.29 1.Q.一个，WQ.江，YP.刘等人，“冻结温度下传动塔角度力学行为的实验研究”，高级钢结构，卷。14日，没有o3,pp.461-478,2018.30X.X.程和Y。J.一种创新的大型输电塔结构健康监测系统基于国际结构稳定与动力学杂志,第1卷。19日，没有。431 、文章编号：,2019年032 1.赵，X,B.黄和Y。张，“输电线路塔结构健康监测系统”，电子，卷。8、没有o5、第五条第515条。33 X.郑，J。东，X。韩和Q。费先生,“一个大型输电塔的面向结构健康览洲的有限元模型”，国际土木工程杂志,第1卷。16日，没有。1,pp.79-92,2018.