发明内容
本发明的目的是提供一种基于无线传感器网络的桥梁健康监测***及其工作方法。
为了解决上述技术问题,本发明提供了一种桥梁健康监测***,包括:处理器模块,控制检测桥梁状态的传感器模块;云服务器,接收控制模块通过无线通信模块发出的桥梁状态数据;远程监控终端,从云服务器获取该桥梁状态数据。
进一步,所述传感器模块包括:应力检测模块、应变检测模块、位移检测模块、振动检测模块、温度检测模块、风速检测模块、桥梁挠度检测模块中的一种或几种。
进一步,所述处理器模块还连接有SPEM模块和CS优化模块;其中所述SPEM模块适于根据桥梁的结构信息和节点数目模拟传感器模块在不同安装位置上的FIM值;以及所述CS优化模块适于根据该FIM值和节点能效确定传感器模块的优选安装位置。
进一步,所述应力检测模块包括:若干个振弦锚索计;所述振弦锚索计的读数含义为:
F=f2/1000;
其中F-频率模数,f-振弦的振动频率;以及
所述振弦锚索计的应力计算公式为:
P=G×(R1-R0)+K(T1-T0),其中
P-荷载,G-仪器率定系数,R0-初始读数(各振弦读数的平均值),R1-当前读数(各振弦读数的平均值),R1=(F1+F2+F3+F4)/4,K-仪器温度系数,T0-初始温度,T1-当前温度。
进一步,所述应变检测模块包括:振弦应变计;其应变计算公式为
m为钢弦单位长度的质量,l为长度,E为钢弦的弹性模量,A为钢弦的截面积,α为振弦金属材料的热膨胀系数,△T为温度变化。
进一步,所述振动检测模块包括:压电式加速度计;所述压电式加速度计的振动加速度计算公式为
a表示加速度,V表示压电式加速度计的输出电压,SV表示压电式加速度计的灵敏度系数。
进一步,所述无线通信模块包括:Zigbee模块和4G模块;其中
所述Zigbee模块适于结合4G模块将桥梁状态数据发送至云服务器。
进一步,所述远程监控终端适于通过C/S架构与云服务器相连,以获取桥梁状态数据。
进一步,所述远程监控终端适于通过B/S架构与云服务器相连,以获取桥梁状态数据。
又一方面,本发明还提供了一种桥梁健康监测***的工作方法,所述桥梁健康监测***适于通过云服务器将桥梁状态数据发送至远程监控终端。
进一步,所述云服务器适于通过遗传算法计算桥梁状态数据,以获取桥梁的损伤程度;所述遗传算法包括:建立优化模型,即确定出目标函数、决策变量及各种约束条件以及数学描述形式或量化方法;确定表示可行解的染色体编码方法,即确定出个体的基因型及遗传算法的搜索空间;确定解码方法,即确定出个体基因型到个体表现型的对应关系或转换方法;确定个体适应度的量化评价方法,即确定出由目标函数值到个体适应度的转换规则;设计遗传操作方法,即确定出选择运算、交叉运算、变异运算等具体操作方法;以及确定遗传算法的有关运行参数,即确定出遗传算法的参数。
本发明的有益效果是,本发明的桥梁健康监测***通过处理器模块、云服务器和远程监控终端相结合,实现了桥梁状态的远程监控,通过无线通信模块获取桥梁状态数据,提高了风险的预知能力,完善了桥梁健康监测***。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
图1是本发明的桥梁健康监测***的原理框图。
实施例1
如图1所示,本实施例1提供了一种桥梁健康监测***,包括:处理器模块(即采集设备的处理器模块),控制检测桥梁状态的传感器模块;云服务器,接收控制模块通过无线通信模块发出的桥梁状态数据;远程监控终端,从云服务器获取该桥梁状态数据。
可选的,所述处理器模块例如但不限于89C52单片机。
可选的,所述远程监控终端例如但不限于手机,可以通过C/S架构与云服务器相连,采用TCP/IP协议。首先打开手机APP,登录服务器地址,获取桥梁状态数据,并可以将数据导出,对桥梁进行实时监测。
可选的,所述远程监控终端例如但不限于平板或PC机等,可以通过B/S架构与云服务器相连。用户在浏览器上输入云服务器地址,然后输入用户名和密码后进入桥梁监测***,云服务器将桥梁状态数据存进SQL Server2014,远程监控终端自动获取数据并将数据显示在界面上。
可选的,见图1,所述传感器模块包括:应力检测模块、应变检测模块、位移检测模块、振动检测模块、温度检测模块、风速检测模块、桥梁挠度检测模块中的一种或几种,即振弦锚索计、振弦应变计、压电式加速度计、温度计、风速计、位移计等分别用于检测桥梁的各项状态数据,即应力数据、应变数据、振动加速度数据、温度数据、风速数据、桥梁位移数据。
本实施例1的桥梁健康监测***通过处理器模块、云服务器和远程监控终端相结合,实现了桥梁状态的远程监控,通过无线通信模块获取桥梁状态数据,提高了风险的预知能力,完善了桥梁健康监测***。
图2是模拟传感器模块安装位置的工作流程图。
图3是传感器模块安装位置的优化准则布局图。
见图2,所述处理器模块还连接有SPEM模块和CS优化模块;其中所述SPEM模块适于根据桥梁的结构信息和节点数目模拟传感器模块在不同安装位置上的FIM值;以及所述CS优化模块适于根据该FIM值和节点能效确定传感器模块的优选安装位置。具体的,见图3,在模拟传感器模块安装位置时,需要考虑以下原则或算法:传递误差最小准则、***能量准则、模型缩减准则、模态保证准则等,以最佳化传感器模块的安装位置。
众所周知,传感器模块在桥梁上的安装位置不同,其检测数据与桥梁的真实状态的匹配度也不同。SPEM模块根据结构的模型信息、待选测点位置集合以及实际的节点数目,选出工程最优的测点位置及各位置的FIM值;CS优化模块根据SPEM模块的输出,结合无线传感器网络的特点和具体的应用要求重新考虑待选测点位置集合及所需的节点数目;两个模块多次迭代得到最终的测点集合。既可以保证检测数据尽量接近或反映桥梁的真实状态,又可以减小节点能耗。
进一步,所述无线通信模块包括:Zigbee模块和4G模块;其中所述Zigbee模块适于结合4G模块将桥梁状态数据发送至云服务器。
随着集成电路工艺的发展,传感器模块和处理器模块的功耗变得很低,而近80%的节点能量消耗在无线通信模块上。因此,为了有效节省能量,通过优化传感器模块安装位置和通过Zigbee模块结合4G模块将监测数据上传到云服务器,可以极大的降低功耗,一节电池可以用半年以上。
图4是本发明的振弦锚索计采集电路的工作流程图;
作为应力检测模块的一种可选的实施方式。
见图4,所述应力检测模块包括:若干个振弦锚索计;所述振弦锚索计的读数含义为:
F=f2/1000;
其中F-频率模数,f-振弦的振动频率;以及所述振弦锚索计的应力计算公式为:
P=G×(R1-R0)+K(T1-T0),其中
P-荷载,G-仪器率定系数,R0-初始读数(各振弦读数的平均值),R1-当前读数(各振弦读数的平均值),R1=(F1+F2+F3+F4)/4,K-仪器温度系数,T0-初始温度,T1-当前温度。
由于振弦锚索计受温度影响较小,K值一般很小,所以在计算任意时间荷载时可以忽略温度的影响。
进一步,所述应变检测模块包括:振弦应变计;其应变计算公式为
m为钢弦单位长度的质量,l为长度,E为钢弦的弹性模量,A为钢弦的截面积,α为振弦金属材料的热膨胀系数,△T为温度变化。
由于振弦金属材料的热膨胀系数很大,所以应变量受温度影响较大,在分析应变时需要考虑到温度带来的影响。
作为振动检测模块的一种可选的实施方式。
所述振动检测模块包括:压电式加速度计;所述压电式加速度计的振动加速度计算公式为
a表示加速度,单位为m/s2;V表示压电式加速度计的输出电压,单位为V;SV表示压电式加速度计的灵敏度系数。
综上所述,本桥梁健康监测***通过处理器模块、云服务器和远程监控终端相结合,实现了桥梁状态的远程监控,通过无线通信模块获取桥梁状态数据,提高了风险的预知能力,完善了桥梁健康监测***;通过SPEM模块和CS优化模块模拟并优化传感器模块的安装位置,不仅提高了检测数据与桥梁的真实状态的匹配度,也提高了节点能效。
实施例2
在实施例1的基础上,本实施例2提供了一种桥梁健康监测***的工作方法,所述桥梁健康监测***适于通过云服务器将桥梁状态数据发送至远程监控终端。
进一步,所述云服务器适于通过遗传算法计算桥梁状态数据,以获取桥梁的损伤程度;所述遗传算法包括如下步骤:步骤S1,建立优化模型,即确定出目标函数、决策变量及各种约束条件以及数学描述形式或量化方法;步骤S2,确定表示可行解的染色体编码方法,即确定出个体的基因型x及遗传算法的搜索空间D;步骤S3,确定解码方法,即确定出个体基因型到个体表现型的对应关系或转换方法;步骤S4,确定个体适应度的量化评价方法,即确定出由目标函数值到个体适应度的转换规则;步骤S5,设计遗传操作方法,即确定出选择运算、交叉运算、变异运算等具体操作方法;以及步骤S6,确定遗传算法的有关运行参数,即确定出遗传算法的M、T、pc、pm等参数。
在执行基本遗传算法时,有四个参数需要事先指定。它们是群体的大小M、交叉概率pc、变异概率pm及终止的代数T。
(1)群体大小M:群体的大小M表示群体中所含个体的数量。当M取值较小时,可提高遗传算法的运算速度,但却降低了群体的多样性,有可能会引起遗传算法的早熟现象;而当M取值较大时,又会使得遗传算法的运行效率偏低。一般建议范围是20~100。
(2)交叉概率pc。交叉操作室遗传算法产生新个体的主要方法,所以交叉概率一般应取较大值。但若取值过大的话,它又会破坏群体活动的优良模式,对进化运算反而产生不利影响;若取值过小的话,产生新个体的速度有太慢。一般建议的取值范围是0.4~1.00。
(3)变异概率pm:若变异概率取值较大的话,虽能够产生出较多的新个体,但也有可能破坏掉很多较好的模式,使得遗传算法的性能近似于随机搜索算法的性能;若变异概率取值太小的话,则变异操作产生新个体的能力和抑制早熟现象的能力就会较差。一般建议的取值范围是0.001~0.1。
(4)终止代数T:终止代数T式表示遗传算法运行结束条件的一个参数,它表示遗传算法运行到指定的进化代数之后就停止运行,并将当前群体中的最佳个体作为所求问题的最优解输出。一般建议的取值范围是100~1000。
见图5,遗传算法是一个迭代过程,它模仿生物在自然环境中的遗传和进化机理,反复将选择操作、交叉操作、变异操作作用与群体,最终可得到问题的最优解或近似最优解。因此,本桥梁健康监测***的云服务器将遗传算法引入桥梁状态数据,能迅速判定桥梁的损伤位置和程度,不要求目标函数的连续性,不需要梯度信息,并采取多线索的并行搜索方式进行优化,因而不会陷入局部最小,即使在测试获取信息不多或模态信息部分丢失的情况下,寻优能力也不受影响。本桥梁健康监测***具有桥梁状态数据传输速度快、损伤程度计算准确、判定速度快的优点
关于桥梁健康监测***的具体结构及实施过程参见实施例1的相关论述,此处不再赘述。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。