CN112834193A - 一种基于三维图的运营桥梁振动和健康状态异常预警方法 - Google Patents

Abstract

本发明公开了一种基于三维图的运营桥梁振动和健康状态异常预警方法，包括以下步骤：测试和采集运营桥梁加速度响应信号；对加速度响应信号进行去除漂移等预处理；对事先指定时间长度内的加速度响应信号进行加窗函数，计算功率谱，去除激励频率的干扰；把多个时间段的加速度响应信号功率谱汇集在一个三维图中，并且把三维图转化为彩色平面图或者灰度平面图；从三维图中各阶频率的变化趋势和颜色或者灰度变化来判定桥梁振动异常和健康状态异常，从而实现桥梁预警。本发明方法可以有效地判定桥梁振动异常和健康状态异常，从而发出预警，无需结构分析模型，计算简便，环境因素鲁棒性好，具有很好的工程应用性。

Description

一种基于三维图的运营桥梁振动和健康状态异常预警方法

技术领域

本发明属于结构健康监测领域，涉及一种结构振动和状态异常预警技术，具体涉及一种基于时间频率能量三维图的运营桥梁振动和健康状态异常预警方法。

背景技术

世界范围内的桥梁结构数量越来越多，桥梁结构往往庞大而且复杂，自其建成投入使用以后，在经过长年累月的环境侵蚀、材料老化和各种动静载荷等因素的联合作用下，结构的性能会不可避免地下降乃至出现损伤，最终导致结构出现局部乃至整体的垮塌，事故发生时，不仅造成巨大的经济损失，更危害到人们的生命安全，因此，对桥梁结构进行振动和状态监测是十分必要的。

近几十年来，基于振动参数的桥梁结构健康监测方法也随之提出，振动参数包括频率、振型、频响函数、模态应变能、应变响应和加速度响应等。但是由于以下几个问题阻碍了这些方法在实际工程结构中的应用，首先，进行模态识别时，不可避免地产生主观性误差、功率谱泄露、密集模态丢失，截断误差等问题；第二，在基于振动参数的时域健康监测方法中，存在***定阶问题和模态丢失问题；第三，不能尽可能多的包含更多阶数的模态信息，丢失了响应信号中与损伤有关的高阶模态，使得提取的指标对结构状态改变不够灵敏；第四，有些方法计算需人工参与，产生人工干预的随机性，不适合对海量连续监测数据进行自动在线分析和健康监测；第五，由于实际桥梁结构的太多不确定性因素，所以难以建立精确匹配的结构分析模型，导致依赖结构分析模型的健康监测方法难以应用到实际的桥梁结构中。

实际运营桥梁的振动监测***，具有振动数据海量和激励环境复杂等特点，目前亟待提出一种基于时间、频率和振动能量的三维图预警方法。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于三维图的运营桥梁振动和健康状态异常预警方法，将结构的各阶固有频率和对应的振动能量跟时间关联起来，而高阶固有频率和振动能量对结构状态改变敏感，所以能及时地预警结构振动异常和健康状态异常，有效监测桥梁结构的健康状态。

本发明的目的可以通过采取如下技术方案达到：

一种基于三维图的运营桥梁振动和健康状态异常预警方法，所述的桥梁预警方法包括以下步骤：

S1、在桥梁结构上关键位置布置加速度传感器测试加速度响应信号；

S2、对加速度传感器测试获得的加速度响应信号进行预处理，例如剔除传感器异常时的数据，和进行去漂移等处理；

S3、对事先指定时间长度的加速度响应信号进行加窗函数；

S4、对加窗函数的加速度响应信号进行功率谱计算和功率谱平均计算，以便消除激励和环境因素的影响；

S5、把所有时段的加速度响应信号的功率谱绘制成x轴为时间、y轴为频率、z轴为振动能量的三维图，并用颜色或灰度值来表示振动能量，把空间三维图转化为二维平面图；

S6、从空间三维图中各阶频率的变化趋势和颜色或灰度变化来预警桥梁振动异常和健康状态异常。

进一步地，所述的步骤S1过程如下：

在桥梁结构上的关键位置安装加速度传感器，例如振动明显的桥梁跨中位置，通过加速度传感器连续记录桥梁每天24小时的加速度响应信号。由于无需识别桥梁结构振型，仅仅利用各阶频率和振动能量，所以无需布设大量加速度传感器，可以仅安装一个加速度传感器，但是对实际工程结构，一般可安装几个传感器，以便后续数据分析结果的互相佐证。

进一步地，所述的步骤S2过程如下：

对加速度传感器测试获得的加速度响应信号进行预处理，对由于加速度传感器故障产生的异常数据(例如呈直线分布的数据)进行剔除，求加速度响应信号的自相关系数，判定加速度响应信号的自相关系数是否为沿着时间轴上下变化的振荡衰减函数，如果是，无需进行加速度响应信号去漂移预处理，如果不是，通过多项式拟合得到漂移曲线，并从原加速度响应信号中减去漂移曲线，得到去漂移后的加速度响应数据。

进一步地，所述的步骤S3过程如下：

运营桥梁的加速度响应信号具有连续不间断测试和数据海量的特点，另一方面环境不确定因素多和激励环境复杂，激励输入数据未知。为了消除这些不利因素，将把时域的加速度响应信号通过傅里叶变换到频域，首先对加速度响应信号进行加窗函数，例如矩形窗、汉宁窗等，以便后续的傅里叶变换。

将事先指定时间长度(例如一个小时或者半个小时内)的加速度响应信号分为L段，然后把分段的数据通过乘以窗函数进行加窗处理，其中，窗函数是矩形窗或汉宁窗，第j段的长度为n的加速度响应信号

t₁，t₂，…，t_k，…，t_n为n个采集加速度响应信号时刻，假设窗函数为w(t₁),w(t₂)，…,w(t_k)，…w(t_n)，加窗得到新的信号y_j(t_k)，k＝1,2,…,n，j＝1,2,…,L，通过如下公式计算，

进一步地，所述的步骤S4过程如下：

对加窗函数的加速度响应信号进行如下傅里叶变换：

公式(2)中的ω是圆频率变量，i是复数符号，然后进行谱估计，实际运营桥梁承受着多种激励，例如车流，风和地脉动等，但是这些外部激励具有随机性和不确定性，而结构的固有频率不受外部环境影响，对事先给定时间长度的加速度响应信号的L段功率谱进行平均，可以降低激励频率的功率，而结构固有频率的功率将更突出，成为功率谱曲线上的少数极值点，平均功率谱计算如下：

进一步地，所述的步骤S5过程如下：

现有的结构状态监测方法和技术主要是从功率谱曲线中识别出频率、振型和阻尼，比较结构损伤前后的频率、振型和阻尼来判定结构状态的改变，但是由于环境不确定因素和模态参数提取时的分辨率等问题，会导致识别的模态参数有不可避免的误差，无法较好地实现结构状态改变的预警；而一些方法是直接比较结构损伤前后的功率谱曲线，但同样由于环境因素的干扰难以得到准确结论；还有一些方法是通过对功率谱曲线或者识别的模态参数进行统计分析、并给出阈值来判定结构状态改变，但是阈值难以准确给出。为了避免识别模态参数时的误差，和充分利用数据海量的特点，把所有监测时段的功率谱曲线汇集到一张图中，即把所有不同时段的加速度响应信号功率谱绘制成x轴为时间、y轴为频率、z轴为振动能量的三维图，并且用颜色或者灰度值表示z轴的振动能量大小，把空间三维图转化为彩色平面图或灰度图。所有时段的功率谱曲线的极值点会形成一些脊线，这些脊线的中心部分具有最高的功率值即振动能量值，当结构状态改变时这些脊线的变化趋势会改变，即偏离时间轴，脊线中心部分对应的振动能量值也会改变，所以对应的灰度会改变。使用该三维图的优点是所有数据关联在一张图中，所有监测数据被充分使用，各阶固有频率由于环境温湿度引起的周期性改变、对应的振动能量由于车流变化引起的周期性改变和随机性变化都能直观地显示出来，而各固有频率由于结构状态改变引起的确定性变化趋势和对应的振动能量的改变趋势被无误差地保留下来，并能直观地观测得到。无需进行复杂的统计分析，以及避免由于统计分析引起新的不确定性，无需定义阈值，能包含结构的多个固有频率在该图中，能容忍固有频率由于环境温湿度在一定范围内的改变，和各固有频率对应的振动能量的一定范围的改变。

进一步地，所述的步骤S6过程如下：

通过观察图中各个频率的变化趋势，在一些频率变化趋势发生显著改变的时段，或某个频率范围的颜色异常的区域对应的时段就为桥梁结构振动和状态异常时刻。所以通过三维图中各频率的变化趋势和各频率对应振动能量的颜色或灰度变化即可判定桥梁振动异常和健康状态异常，从而实现桥梁预警。

本发明相对于现有技术具有如下的优点及效果：

1)、本发明使用的加速度响应信号容易测量获得，且信号能量大；

2)、本发明使用三维图对工程结构进行健康监测，计算简便，无需进行复杂计算和特征提取，可有效实现快速处理海量数据的目的；

3)、本发明所使用的三维图，理论上只受限于数据采样频率，可以尽量多的包含更高阶数的模态信息，避免丢失加速度响应信号中与损伤有关的高阶模态，使得建立的三维图对损伤更灵敏；

4)、本发明使用时间、频率、振动能量三维图进行桥梁监测时，无需结构分析模型，无需人工参与，适合在线连续分析，对噪声鲁棒，更适合实际工程结构健康监测***的数据分析。

附图说明

图1是本发明公开的基于时间频率能量三维图的运营桥梁振动和健康状态异常预警方法的流程图；

图2是本发明实施例一中公开的某大桥振动监测***测点分布示意图；

图3是本发明实施例一中第11个加速度传感器(四分之一跨下游竖向)录得的加速度响应信号示意图；

图4是本发明实施例一中进行去漂移预处理的加速度响应信号示意图；

图5是本发明实施例一中计算加速度响应信号的平均功率谱曲线示意图；

图6是本发明实施例一中由大桥前632小时加速度响应信号得到的三维图；

图7是本发明实施例一中由大桥第633小时到第812小时加速度响应信号得到的三维图；

图8是本发明实施例二中的移动荷载作用下的简支梁模型示意图；

图9是本发明实施例二中由简支梁损伤前和后共计40个小时加速度响应信号得到的三维图；

图10是对图9中的第5条脊线的放大图；

图11是对图9中的第6条脊线的放大图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

本发明进行桥梁结构振动和健康状态异常预警方法的实施流程如图1所示，一种基于时间、频率和能量的三维图的运营桥梁振动和健康状态异常预警方法的具体步骤如下：

S1、在桥梁结构上布置一个或多个加速度传感器测试加速度响应信号；

S2、对加速度传感器测试获得的加速度响应信号进行预处理，例如剔除传感器异常时的数据，和进行去漂移等处理；

S3、对事先指定时间长度的加速度响应信号进行加窗函数；

S4、对加窗函数的加速度响应信号进行功率谱计算和功率谱平均计算；

S5、把所有时段的加速度响应信号的功率谱绘制成x轴为时间、y轴为频率、z轴为振动能量的三维图，并用颜色或灰度值来表示振动能量，把空间三维图转化为二维平面图；

S6、从三维图中各阶频率变化趋势和颜色或灰度变化来预警桥梁振动异常和健康状态异常。

以某实桥实测数据为研究对象，描述实际运营桥梁振动和健康状态异常预警的实施过程。

该大桥振动监测***于2005年建成，由数据采集***、数据传输***、供电***和警报***组成，前三个***安装在大桥悬索桥主体结构上，警报***安装在大桥管理中心。本***包含加速度传感器测点17个，共36个通道，分别布置在桥址基础、桥塔、主梁等部位。大桥振动监测***采用连续记录的方式，全部通道的连续加速度响应信号均永久存储在数据库中。***测点通道编号、位置及方向等见图2。该大桥振动监测***自建成以来，运行稳定，积累了大桥关键部位的海量实时连续加速度响应信号。现在对桥梁结构上第11个加速度传感器，连续录得的812个小时的加速度响应信号进行分析。在第632个小时以后对桥梁施加了抑振措施，拆除了桥梁上的一些挡风构件。

结构振动和健康状态异常预警的具体实施步骤如下：

T1、该大桥振动监测***记录到大桥箱梁上的第11个加速度传感器录得的6秒长度的加速度响应信号如图3所示。这是大桥在承受车流、风和地脉动下的加速度响应信号，采样频率为200Hz，可以看到该加速度响应信号明显偏离了时间轴，即具有明显的漂移。

T2、进行预处理

对录得的加速度响应信号进行去漂移等预处理，可以得到如图4所示的加速度响应信号，可以看到该加速度响应信号为绕时间轴的上下振荡函数。

T3、计算功率谱

把经过预处理的1小时的加速度响应信号分为等长的8段进行加窗函数和功率谱计算，可得到x轴为频率，y轴为功率的功率谱曲线，整个功率谱曲线上会出现峰值点，一些峰值点对应的频率为激励频率或者环境因素引起的频率，一些峰值对应的频率为结构固有频率，峰值对应的功率为该频率对应的振动能量。激励频率和环境因素引起的频率具有随机性和不确定性，所以对多个时段的多条功率谱曲线进行平均，那么一些激励频率和环境因素引起的频率对应的峰值点会消失，而结构固有频率峰值点会保留下来并得到加强，那么就得到了更能反应结构状态的平均功率谱曲线。所以对8条功率谱曲线进行平均得到如图5所示的功率谱曲线，该曲线中的大部分峰值点为结构固有频率峰值点，也有些仍然为激励和环境因素引起的峰值点，会导致现有方法和技术在预警桥梁结构振动和健康状态异常时失效，但是这些虚假频率峰值点，由于激励和环境因素缺乏一致性只有随机性偶发性，将通过利用所有监测时间段的功率谱曲线来剔除。

当结构状态改变时，峰值点会发生改变，即该阶频率和对应的振动能量发生改变。

T4、绘制三维图

由于运营桥梁数据海量和激励环境复杂，仅仅比较少数几组功率谱曲线时，结构状态和环境噪声等引起的改变会混淆，所以汇集所有监测时间段的功率谱曲线，并绘制平面灰度图，把前632个小时的平均功率谱曲线绘制成如图6所示的灰度图，x轴为时间，y轴为频率，图形灰度值对应不同的振动能量，对应于给定时段的平行于频率轴的直线、即为一条如图5中所示的功率谱曲线，所有功率谱曲线相同频率处的峰值点形成一条平行于时间轴的脊线，所以脊线处的灰度对应着较高的振动能量，图中有8条平行于时间轴的脊线，对应了8个固有频率，由于桥梁24小时的车流和环境温度周期变化，导致这些脊线也呈周期性变化，即图中会出现平行于频率轴的直线。当桥梁结构状态正常和无异常激励时，各条脊线的灰度变化呈相同的周期变化，但是当结构出现异常振动时，在某些脊线上会有灰度不同的点或者区域出现，如图中的0.2Hz附近脊线上出现很多高亮点，这些区域的灰度值对应高振动能量，这些高振动能量点偶发出现，没有周期特性，明显不同于该脊线的其它时间点，为大桥异常振动时段，实际上为大桥发生了频率为0.2258Hz的共振，该结果也跟大桥GPS监测的位移数据分析结果一致，大桥管理方在第620小时到632小时期间对大桥进行了抑振，拆除了部分挡风构件，继续对第633个小时到第812小时的第11个加速度传感器录得的加速度响应信号进行分析，得到如图7所示的三维图，图中的脊线分布跟图6相同，但是图7中已无图6中出现的高亮点，表明无异常振动了。通过812个小时的加速度响应信号分析，证明了该预警方法的有效性。

实施例二

对如图8所示的移动荷载作用下的简支梁进行数值模拟研究，来进一步演示本发明所提出的振动和健康状态异常预警方法。

等截面简支梁长60米，截面为矩形，杨氏模量为206GPa，线密度为90000.6kg/m²，梁两端简支，简支梁的上表面使用从左边匀速移动到右边和从右边匀速移动到左边的移动荷载，来模拟车载，移动荷载的数量，重量，速度都由随机数生成以模拟实际桥梁的车流情况，在简支梁上距左端支座八分之三处安装了一个竖向加速度传感器。

一种基于时间、频率和能量的三维图的运营桥梁振动和健康状态异常预警方法的具体实施步骤如下：

(1)先为该简支梁建立有限元模型，模型为15个等长的欧拉梁单元，每个梁单元两个节点，共计16个节点，每个节点2个自由度，共计32个自由度，由逐步积分法计算简支梁在图8中加速度传感器安装处的加速度响应信号来模拟测试信号，采样频率200Hz，首先计算简支梁无损伤时，在双向随机移动荷载作用下20个小时的加速度响应，在第21小时0分，让第12个单元刚度减少15％来为简支梁引入模拟损伤，再继续计算20个小时的加速度响应，在计算得到的加速度响应中加入15％的白噪声来模拟测试噪声。

(2)因为实施例二为数值模拟，所得的加速度响应不会发生漂移，因此无需进行去漂移等预处理，把每个小时的加速度响应信号分成8段进行加窗函数、傅里叶变换和功率谱计算，为了消除噪声和随机移动荷载的影响，把8条功率谱曲线进行平均得到平均功率谱曲线，总共可以得到40条平均功率谱曲线。

(3)把40条平均功率谱曲线绘制成x轴为时间，y轴为频率，z轴为振动能量的三维图，并用灰度值来表示各频率对应的能量，如图9所示，可以看到图9中有9条脊线，对应简支梁的9个固有频率，由于无模拟环境温湿度变化等，所以脊线无周期性变化，但是在第21小时，平行于时间轴的脊线发生了突变，把图9中的第5条频率为22.72Hz的脊线放大如图10所示，可以看到该脊线在第21小时突变为22.35Hz的脊线，把图9中的第6条频率为29.9Hz的脊线放大如图11所示，同样可以看到该脊线在第21小时突变为29.55Hz的脊线，意味着在第21小时，多个固有频率发生了改变，因此可以判定结构状态改变了，这也跟该简支梁的模拟损伤发生时刻一致，实现了结构状态异常的预警。由于损伤，第5个频率从22.72Hz降低为22.35Hz减少了1.6％，第6个频率从29.9Hz降低到29.55Hz减少了1.1％，在如图9的三维图中被较好地显示了出来，但是如果使用现有的方法和技术，固有频率的这个较低数量级的改变很容易被识别误差和统计方法所产生的误差等掩盖，而无法实现结构状态改变的预警。

综上所述，以上实施例提出一种基于时间频率振动能量的三维图预警方法，充分利用频率参数是结构固有特性，跟环境因素无关，各阶频率关联的振动能量对结构状态敏感，无需分离各阶频率，避免提取各阶频率时产生的误差，并且尽可能多的包含更多更高阶的频率在三维图中，使得该预警方法能及时地预警结构的异常状态。该预警方法计算简便、噪声鲁棒性好，对结构状态改变敏感，无需结构分析模型，适合实际桥梁结构的健康监测。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于三维图的运营桥梁振动和健康状态异常预警方法，其特征在于，所述的桥梁预警方法包括以下步骤：

S1、在桥梁结构上布置加速度传感器测试加速度响应信号；

S2、对加速度传感器测试获得的加速度响应信号进行预处理；

S3、对事先指定时间长度的加速度响应信号进行加窗函数；

S4、对加窗函数的加速度响应信号进行功率谱计算和平均；

S5、把所有时段的加速度响应信号的功率谱绘制成x轴为时间、y轴为频率、z轴为振动能量的三维图，并用颜色或灰度值来表示振动能量，把空间三维图转化为二维平面图；

S6、从三维图中各阶频率的变化趋势和颜色或灰度变化来预警桥梁振动异常和健康状态异常。

2.根据权利要求1所述的一种基于三维图的运营桥梁振动和健康状态异常预警方法，其特征在于，所述的步骤S1中在桥梁结构上的桥梁关键位置安装加速度传感器，并且连续记录桥梁每天24小时的加速度响应信号。

3.根据权利要求1所述的一种基于三维图的运营桥梁振动和健康状态异常预警方法，其特征在于，所述的步骤S2过程如下：

剔除加速度响应信号中由于加速度传感器故障产生的异常数据，计算加速度响应信号自相关系数，判定加速度响应信号自相关系数是否为沿着时间轴上下变化的振荡衰减函数，如果是，无需进行加速度响应信号去漂移预处理；如果不是，通过多项式拟合得到漂移曲线，并从原加速度响应信号中减去漂移曲线，得到去漂移后的加速度响应数据。

4.根据权利要求1所述的一种基于三维图的运营桥梁振动和健康状态异常预警方法，其特征在于，所述的步骤S3过程如下：

将事先指定时间长度的加速度响应信号分为L段，然后把分段的数据通过乘以窗函数进行加窗处理，其中，窗函数是矩形窗或汉宁窗，第j段的长度为n的加速度响应信号

t₁,t₂,…,t_k,…,t_n为n个采集加速度响应信号时刻，假设窗函数为w(t₁),w(t₂)，…,w(t_k)，…,w(t_n)，加窗得到新的信号y_j(t_k)，k＝1,2,…,n，j＝1,2,…,L，通过如下公式计算，

5.根据权利要求4所述的一种基于三维图的运营桥梁振动和健康状态异常预警方法，其特征在于，所述的步骤S4过程如下：

对加窗函数的加速度响应信号进行如下傅里叶变换：

公式(2)中的ω是圆频率变量，i是复数符号，然后进行谱估计，得到平均功率谱如下：

6.根据权利要求5所述的一种基于三维图的运营桥梁振动和健康状态异常预警方法，其特征在于，所述的步骤S5过程如下：

把所有不同时段的加速度响应功率谱绘制成x轴为时间、y轴为频率、z轴为振动能量的三维图，并且用颜色或灰度值表示z轴的振动能量大小，把空间三维图转化为彩色平面图或灰度图。

7.根据权利要求5所述的一种基于三维图的运营桥梁振动和健康状态异常预警方法，其特征在于，所述的步骤S6过程如下：

通过观察图中各个频率的变化趋势，将一些频率变化趋势发生显著改变的时段，或某个频率范围的颜色异常的区域对应的时段作为桥梁结构振动和状态异常时刻，从而实现桥梁预警。

Images