Мониторинг состояния конструкций ( SHM ) включает в себя наблюдение и анализ системы с течением времени с использованием периодически отбираемых измерений отклика для отслеживания изменений в материальных и геометрических свойствах инженерных конструкций, таких как мосты и здания.
В эксплуатационной среде конструкции деградируют с возрастом и использованием. Долгосрочный SHM выдает периодически обновляемую информацию о способности конструкции продолжать выполнять свою предполагаемую функцию. После экстремальных событий, таких как землетрясения или взрывная нагрузка, SHM используется для быстрого скрининга состояния. SHM предназначен для предоставления надежной информации о целостности конструкции в режиме, близком к реальному времени. [1]
Процесс SHM включает выбор методов возбуждения, типов датчиков, их количества и местоположений, а также оборудования для сбора/хранения/передачи данных, обычно называемого системами мониторинга работоспособности и использования . Измерения могут проводиться либо для прямого обнаружения любой деградации или повреждения, которые могут возникнуть в системе, либо косвенно, путем измерения размера и частоты испытываемых нагрузок, что позволяет прогнозировать состояние системы.
Для непосредственного мониторинга состояния системы необходимо идентифицировать особенности в полученных данных, которые позволяют различать неповрежденную и поврежденную структуру. Один из наиболее распространенных методов извлечения особенностей основан на корреляции измеренных величин реакции системы , таких как амплитуда или частота вибрации, с наблюдениями за деградированной системой. Испытание накопления повреждений, во время которого значительные структурные компоненты исследуемой системы деградируют, подвергая их реалистичным условиям нагрузки, также может использоваться для выявления соответствующих особенностей. Этот процесс может включать испытания на индуцированные повреждения, испытания на усталость , рост коррозии или температурные циклы для накопления определенных типов повреждений в ускоренном режиме.
Качественные и прерывистые методы уже давно используются для оценки структур на предмет их способности служить своему назначению. С начала 19 века железнодорожные колесники использовали звук молотка, ударяющего по колесу поезда, чтобы оценить наличие повреждений. Во вращающихся машинах мониторинг вибрации использовался в течение десятилетий в качестве метода оценки производительности. [1] Двумя методами в области SHM являются методы, основанные на распространении волн [2] и методы, основанные на вибрации. [3] [4] [5] В целом литературу по SHM, основанной на вибрации, можно разделить на два аспекта: первый, в котором предлагаются модели для повреждения, чтобы определить динамические характеристики, также известный как прямая задача, и второй, в котором динамические характеристики используются для определения характеристик повреждения, также известный как обратная задача.
Возникло несколько фундаментальных аксиом или общих принципов: [6]
Элементы системы SHM обычно включают в себя:
Примером этой технологии является встраивание датчиков в конструкции, такие как мосты и самолеты . Эти датчики обеспечивают мониторинг в реальном времени различных структурных изменений, таких как напряжение и деформация . В случае с конструкциями гражданского строительства данные, предоставляемые датчиками, обычно передаются в удаленные центры сбора данных. С помощью современных технологий возможно управление конструкциями в реальном времени (активное структурное управление) на основе информации датчиков.
Обычно известная как оценка структурного здоровья (SHA) или SHM, эта концепция широко применяется к различным формам инфраструктур, особенно по мере того, как страны по всему миру вступают в еще больший период строительства различных инфраструктур, начиная от мостов и заканчивая небоскребами. Особенно когда речь идет о повреждениях конструкций, важно отметить, что существуют этапы возрастающей сложности, которые требуют знания предыдущих этапов, а именно:
Необходимо использовать обработку сигналов и статистическую классификацию для преобразования данных датчиков о состоянии инфраструктуры в информацию о повреждениях для оценки.
Оперативная оценка пытается ответить на четыре вопроса, касающихся реализации возможности идентификации повреждений:
Операционная оценка начинает устанавливать ограничения на то, что будет контролироваться и как будет осуществляться мониторинг. Эта оценка начинает адаптировать процесс идентификации повреждений к особенностям, которые являются уникальными для контролируемой системы, и пытается использовать преимущества уникальных особенностей повреждения, которое должно быть обнаружено.
Часть сбора данных процесса SHM включает выбор методов возбуждения, типов датчиков, их количества и местоположений, а также оборудования для сбора/хранения/передачи данных. Опять же, этот процесс будет зависеть от приложения. Экономические соображения будут играть важную роль в принятии этих решений. Интервалы, с которыми должны собираться данные, являются еще одним соображением, которое необходимо рассмотреть.
Поскольку данные можно измерять в различных условиях, возможность нормализации данных становится очень важной для процесса идентификации повреждений. Применительно к SHM нормализация данных — это процесс разделения изменений в показаниях датчика, вызванных повреждением, от изменений, вызванных различными условиями эксплуатации и окружающей среды. Одной из наиболее распространенных процедур является нормализация измеренных ответов по измеренным входным данным. Когда проблемой является изменчивость окружающей среды или эксплуатации, может возникнуть необходимость нормализовать данные некоторым временным образом, чтобы облегчить сравнение данных, измеренных в аналогичные моменты цикла окружающей среды или эксплуатации. Источники изменчивости в процессе сбора данных и в контролируемой системе необходимо выявить и минимизировать, насколько это возможно. В целом, не все источники изменчивости можно устранить. Поэтому необходимо проводить соответствующие измерения таким образом, чтобы эти источники можно было статистически количественно оценить. Изменчивость может возникать из-за изменения условий окружающей среды и испытаний, изменений в процессе обработки данных и несоответствий между единицами.
Очистка данных — это процесс выборочного выбора данных для передачи в процесс выбора признаков или отклонения из него. Процесс очистки данных обычно основан на знаниях, полученных лицами, непосредственно вовлеченными в сбор данных. Например, осмотр испытательной установки может выявить, что датчик был неплотно закреплен, и, следовательно, на основе суждения лиц, выполняющих измерение, этот набор данных или данные с этого конкретного датчика могут быть выборочно удалены из процесса выбора признаков. Методы обработки сигналов, такие как фильтрация и повторная выборка, также можно рассматривать как процедуры очистки данных.
Наконец, часть процесса SHM, связанная с получением, нормализацией и очисткой данных, не должна быть статичной. Понимание, полученное в процессе выбора признаков и процессе разработки статистической модели, предоставит информацию об изменениях, которые могут улучшить процесс получения данных.
Область процесса SHM, которая получает наибольшее внимание в технической литературе, — это идентификация признаков данных, позволяющая различать неповрежденную и поврежденную структуру. Неотъемлемой частью этого процесса выбора признаков является конденсация данных. Лучшие признаки для идентификации повреждений, опять же, зависят от приложения.
Один из наиболее распространенных методов извлечения признаков основан на корреляции измеренных величин реакции системы, таких как амплитуда или частота вибрации, с непосредственными наблюдениями за деградирующей системой. Другой метод разработки признаков для идентификации повреждений заключается в применении к системам спроектированных дефектов, аналогичных тем, которые ожидаются в реальных условиях эксплуатации, и разработке начального понимания параметров, которые чувствительны к ожидаемому повреждению. Дефектная система также может использоваться для подтверждения того, что диагностические измерения достаточно чувствительны, чтобы различать признаки, выявленные в неповрежденной и поврежденной системе. Использование аналитических инструментов, таких как экспериментально подтвержденные модели конечных элементов, может быть большим преимуществом в этом процессе. Во многих случаях аналитические инструменты используются для проведения численных экспериментов, в которых дефекты вводятся посредством компьютерного моделирования. Испытание накопления повреждений, во время которого значительные структурные компоненты исследуемой системы деградируют, подвергая их реалистичным условиям нагрузки, также может использоваться для выявления соответствующих признаков. Этот процесс может включать испытание на индуцированные повреждения, испытание на усталость, рост коррозии или температурное циклирование для накопления определенных типов повреждений в ускоренном режиме. Понимание соответствующих характеристик может быть получено из нескольких типов аналитических и экспериментальных исследований, описанных выше, и обычно является результатом информации, полученной из некоторой комбинации этих исследований.
Технологии оперативного внедрения и диагностических измерений, необходимые для выполнения SHM, производят больше данных, чем традиционное использование информации о динамике конструкций. Конденсация данных выгодна и необходима, когда предполагается сравнение множества наборов характеристик, полученных в течение срока службы конструкции. Кроме того, поскольку данные будут собираться со конструкции в течение длительного периода времени и в эксплуатационной среде, необходимо разработать надежные методы редукции данных для сохранения чувствительности характеристик к интересующим структурным изменениям при наличии экологической и эксплуатационной изменчивости. Для дальнейшего содействия извлечению и регистрации качественных данных, необходимых для выполнения SHM, статистическая значимость характеристик должна быть охарактеризована и использована в процессе конденсации.
Часть процесса SHM, которая получила наименьшее внимание в технической литературе, — это разработка статистических моделей для различения признаков неповрежденных и поврежденных структур. Разработка статистической модели связана с реализацией алгоритмов, которые работают с извлеченными признаками для количественной оценки состояния повреждения структуры. Алгоритмы, используемые при разработке статистической модели, обычно делятся на три категории. Когда доступны данные как от неповрежденной, так и от поврежденной структуры, статистические алгоритмы распознавания образов попадают в общую категорию классификации, обычно называемую контролируемым обучением. Групповая классификация и регрессионный анализ — это категории алгоритмов контролируемого обучения. Неконтролируемое обучение относится к алгоритмам, которые применяются к данным, не содержащим примеров из поврежденной структуры. Обнаружение выбросов или новизны — это основной класс алгоритмов, применяемых в приложениях неконтролируемого обучения. Все алгоритмы анализируют статистические распределения измеренных или полученных признаков для улучшения процесса идентификации повреждений.
Мониторинг состояния больших мостов может осуществляться путем одновременного измерения нагрузок на мост и эффектов этих нагрузок. Обычно он включает в себя мониторинг:
Обладая этими знаниями, инженер может:
Департамент мостостроения Министерства транспорта США, штат Орегон, разработал и внедрил программу мониторинга состояния конструкций (SHM), на которую ссылается в этом техническом документе Стивен Лавджой, старший инженер. [7]
Имеются ссылки, дающие введение в применение волоконно-оптических датчиков для мониторинга состояния конструкций мостов. [8]
Следующие проекты в настоящее время известны как одни из крупнейших текущих проектов мониторинга мостов.