Мониторинг состояния конструкций ( SHM ) включает в себя наблюдение и анализ системы с течением времени с использованием периодически выборочных измерений реагирования для мониторинга изменений материалов и геометрических свойств инженерных конструкций, таких как мосты и здания.
В операционной среде конструкции деградируют с возрастом и использованием. Долгосрочная SHM выдает периодически обновляемую информацию о способности конструкции продолжать выполнять намеченную функцию. После экстремальных событий, таких как землетрясения или взрывные нагрузки, SHM используется для быстрой проверки состояния. SHM предназначен для предоставления достоверной информации о целостности конструкции практически в реальном времени. [1]
Процесс SHM включает в себя выбор методов возбуждения, типов датчиков, количества и расположения, а также оборудования для сбора/хранения/передачи данных, обычно называемого системами мониторинга работоспособности и использования . Измерения могут проводиться либо для прямого обнаружения любого ухудшения или повреждения, которое может произойти в системе, либо косвенно путем измерения размера и частоты испытываемых нагрузок, чтобы можно было спрогнозировать состояние системы.
Для непосредственного мониторинга состояния системы необходимо выявить в полученных данных особенности, позволяющие отличить неповрежденную структуру от поврежденной. Один из наиболее распространенных методов извлечения признаков основан на корреляции измеренных величин реакции системы , таких как амплитуда или частота вибрации, с наблюдениями за деградировавшей системой. Испытание накопления повреждений, в ходе которого значительные структурные компоненты исследуемой системы разрушаются в результате воздействия на них реалистичных условий нагрузки, также может использоваться для выявления соответствующих особенностей. Этот процесс может включать испытания на наведенные повреждения, испытания на усталость , рост коррозии или циклическое изменение температуры для ускоренного накопления определенных типов повреждений.
Качественные и прерывистые методы уже давно используются для оценки структур на предмет их способности служить намеченной цели. С начала XIX века железнодорожные колёсники использовали звук удара молотка по колесу поезда, чтобы оценить наличие повреждений. Во вращающихся машинах мониторинг вибрации десятилетиями использовался 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 широком смысле литературу по SHM на основе вибрации можно разделить на два аспекта: первый, в котором предлагаются модели повреждения для определения динамических характеристик, также известный как прямая задача, и второй, в котором динамические характеристики используются для определения характеристик повреждения, также известных как обратная задача.
Появилось несколько фундаментальных аксиом или общих принципов: [6]
Элементы системы SHM обычно включают в себя:
Примером этой технологии является встраивание датчиков в такие конструкции, как мосты и самолеты . Эти датчики обеспечивают мониторинг в реальном времени различных структурных изменений, таких как напряжение и деформация . В случае объектов гражданского строительства данные, предоставляемые датчиками, обычно передаются в удаленные центры сбора данных. С помощью современных технологий возможно управление конструкциями в режиме реального времени (Active Structural Control) на основе информации датчиков.
Эта концепция, широко известная как структурная оценка состояния здоровья (SHA) или SHM, широко применяется к различным формам инфраструктуры, особенно когда страны во всем мире вступают в еще более длительный период строительства различных инфраструктур, от мостов до небоскребов. Особенно когда речь идет о повреждениях конструкций, важно отметить, что существуют этапы возрастающей сложности, требующие 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, касающиеся реализации возможности идентификации ущерба:
Операционная оценка начинает устанавливать ограничения на то, что будет контролироваться и как мониторинг будет осуществляться. Эта оценка начинает адаптировать процесс выявления повреждений к особенностям, уникальным для отслеживаемой системы, и пытается использовать преимущества уникальных особенностей повреждения, которое необходимо обнаружить.
Часть процесса сбора данных процесса SHM включает в себя выбор методов возбуждения, типов датчиков, 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 следует собирать данные, являются еще одним фактором, на который необходимо обратить внимание.
Поскольку данные могут быть измерены в различных условиях, способность нормализовать данные становится очень важной для процесса выявления повреждений. Применительно к SHM нормализация данных — это процесс разделения изменений в показаниях датчика, вызванных повреждением, от изменений, вызванных изменением условий эксплуатации и окружающей среды. Одной из наиболее распространенных процедур является нормализация измеренных откликов по измеренным входным сигналам. Когда изменчивость окружающей среды или эксплуатации является проблемой, может возникнуть необходимость нормализовать данные некоторым временным способом, чтобы облегчить сравнение данных, измеренных в одинаковые моменты экологического или эксплуатационного цикла. Источники изменчивости в процессе сбора данных и в контролируемой системе необходимо выявлять и минимизировать, насколько это возможно. В общем, не все источники изменчивости можно устранить. Поэтому необходимо провести соответствующие измерения, чтобы эти источники можно было количественно оценить статистически. Вариативность может возникнуть из-за изменения условий окружающей среды и испытаний, изменений в процессе обработки данных и несоответствий между устройствами.
Очистка данных — это процесс выборочного выбора данных для передачи или отклонения от процесса выбора функций. Процесс очистки данных обычно основан на знаниях, полученных людьми, непосредственно участвующими в сборе данных. Например, проверка испытательной установки может выявить, что датчик был установлен неплотно и, следовательно, по мнению лиц, выполняющих измерение, этот набор данных или данные от этого конкретного датчика могут быть выборочно удалены из процесс выбора функции. Методы обработки сигналов, такие как фильтрация и повторная выборка, также можно рассматривать как процедуры очистки данных.
Наконец, часть процесса SHM, связанная со сбором, нормализацией и очисткой данных, не должна быть статичной. Информация, полученная в процессе выбора функций и процесса разработки статистической модели, предоставит информацию об изменениях, которые могут улучшить процесс сбора данных.
Областью процесса SHM, которой уделяется наибольшее внимание в технической литературе, является выявление особенностей данных, которые позволяют различать неповрежденную и поврежденную структуру. Неотъемлемой частью этого процесса выбора функций является сжатие данных. Лучшие функции для выявления повреждений, опять же, зависят от конкретного 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 деградацией системы. Другой метод разработки функций идентификации повреждений заключается в применении к системам технических дефектов, аналогичных ожидаемым в реальных условиях эксплуатации, и выработке первоначального понимания параметров, чувствительных к ожидаемому повреждению. Дефектную систему также можно использовать для проверки того, что диагностические измерения достаточно чувствительны, чтобы различать особенности, выявленные в неповрежденной и поврежденной системе. Использование аналитических инструментов, таких как экспериментально проверенные модели конечных элементов, может оказаться 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, в ходе которого значительные структурные компоненты исследуемой системы разрушаются в результате воздействия на них реалистичных условий нагрузки, также может использоваться для выявления соответствующих особенностей. Этот процесс может включать испытания на наведенные повреждения, испытания на усталость, рост коррозии или циклическое изменение температуры для ускоренного накопления определенных типов повреждений. Понимание соответствующих особенностей можно получить с помощью нескольких типов аналитических и экспериментальных исследований, как описано выше, и обычно является результатом информации, полученной в результате некоторой комбинации этих исследований.
Технологии оперативной реализации и диагностических измерений, необходимые для выполнения SHM, дают больше данных, чем традиционное использование информации о динамике конструкций. Сжатие данных полезно и необходимо, когда предполагается сравнение многих наборов признаков, полученных за время существования конструкции. Кроме того, поскольку данные будут собираться из конструкции в течение длительного периода времени и в операционной среде, необходимо разработать надежные методы сокращения данных, чтобы сохранить чувствительность объектов к интересующим структурным изменениям в присутствии изменчивости окружающей среды и эксплуатации. Чтобы дополнительно помочь в извлечении и регистрации качественных данных, необходимых для выполнения SHM, статистическая значимость признаков должна быть охарактеризована и использована в процессе конденсации.
Часть процесса SHM, которой уделяется меньше всего внимания в технической литературе, — это разработка статистических моделей для различения особенностей неповрежденных и поврежденных структур. Разработка статистической модели связана с реализацией алгоритмов, которые работают с извлеченными функциями для количественной оценки состояния повреждения конструкции. Алгоритмы, используемые при разработке статистических моделей, обычно делятся на три категории. Когда доступны данные как из неповрежденной, так и из поврежденной структуры, алгоритмы статистического распознавания образов попадают в общую категорию классификации, обычно называемую обучением с учителем. Групповая классификация и регрессионный анализ являются категориями алгоритмов обучения с учителем. Обучение без учителя 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 характеристик для улучшения процесса идентификации повреждений.
Мониторинг работоспособности крупных мостов может осуществляться путем одновременного измерения нагрузок на мост и воздействия этих нагрузок. Обычно он включает в себя мониторинг:
Обладая этими знаниями, инженер может:
Департамент проектирования мостов Министерства транспорта штата Орегон в США разработал и внедрил программу мониторинга состояния конструкций (SHM), о которой упоминает в этом техническом документе Стивен Лавджой, старший инженер. [7]
Доступны ссылки, которые дают представление о применении оптоволоконных датчиков для мониторинга состояния конструкций на мостах. [8]
Следующие проекты в настоящее время известны как одни из крупнейших текущих проектов по мониторингу мостов.