Мониторинг состояния конструкций ( SHM) включает в себя наблюдение и анализ системы с течением времени с использованием периодических выборочных измерений отклика для отслеживания изменений материалов и геометрических свойств инженерных сооружений, таких как мосты и здания.
Для долгосрочного SHM выходом этого процесса является периодически обновляемая информация, касающаяся способности конструкции выполнять намеченную функцию в свете неизбежного старения и деградации в результате условий эксплуатации. После экстремальных явлений, таких как землетрясения или взрывная нагрузка, SHM используется для быстрой проверки состояния и направлен на предоставление в режиме, близком к реальному времени, надежной информации о целостности конструкции.
Процесс SHM включает в себя выбор методов возбуждения, типов, количества и местоположения датчиков, а также оборудования для сбора / хранения / передачи данных, обычно называемых 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, чтобы можно было спрогнозировать 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 признаков основан на сопоставлении измеренных величин отклика системы, таких как амплитуда или частота вибрации, с наблюдениями за неисправной системой. Испытания на накопление повреждений, во время которых существенные структурные компоненты исследуемой системы деградируют, подвергая их реалистичным условиям нагружения, также могут использоваться для определения соответствующих характеристик. Этот процесс может включать испытания на индуцированные повреждения, испытания на усталость, рост коррозии или температурные циклы для ускоренного накопления определенных типов повреждений.
Качественные и прерывистые методы уже давно используются для оценки способности конструкций служить своему прямому назначению. С начала XIX века железнодорожные колёсные машины использовали звук удара молотка по колесу поезда, чтобы оценить наличие повреждений. Во вращающемся оборудовании мониторинг вибрации десятилетиями использовался в качестве метода оценки производительности. Двумя методами в области SHM являются методы, основанные на распространении волн и методы, основанные на вибрации. В целом 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 проблема, и второй, в котором динамические характеристики используются для определения характеристик повреждения., также известная как обратная задача.
Возникло несколько фундаментальных аксиом или общих принципов:
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 гражданских инженерных сооружений данные, предоставляемые датчиками, обычно передаются в удаленные центры сбора данных. С помощью современных технологий возможно управление конструкциями в реальном времени (Active Structural Control) на основе информации датчиков.
Эта концепция, широко известная как оценка состояния конструкций (SHA) или SHM, широко применяется к различным формам инфраструктуры, особенно когда страны во всем мире вступают в еще больший период строительства различных инфраструктур, от мостов до небоскребов. В особенности, когда речь идет о повреждениях конструкций, важно отметить, что есть 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.
Операционная оценка пытается ответить на четыре вопроса, касающихся реализации возможности идентификации повреждений:
Операционная оценка начинает устанавливать ограничения на то, что будет контролироваться и как мониторинг будет осуществляться. Эта оценка начинает адаптировать процесс идентификации повреждений к функциям, которые являются уникальными для отслеживаемой системы, и пытается использовать преимущества уникальных характеристик повреждений, которые должны быть обнаружены.
Часть сбора данных процесса SHM включает в себя выбор методов возбуждения, типов, количества и местоположения датчиков, а также оборудования для сбора / хранения / передачи данных. Опять же, этот процесс будет зависеть от конкретного приложения. Экономические соображения будут играть важную роль в принятии этих решений. Еще одно соображение, на которое следует обратить внимание, - это интервалы, через которые следует собирать данные.
Поскольку данные могут быть измерены в различных условиях, способность нормализовать данные становится очень важной для процесса идентификации повреждений. Применительно к SHM нормализация данных - это процесс отделения изменений показаний датчика, вызванных повреждением, от изменений, вызванных изменением условий эксплуатации и окружающей среды. Одна из наиболее распространенных процедур - нормализовать измеренные отклики по измеренным входным сигналам. Когда экологическая или эксплуатационная изменчивость является проблемой, может возникнуть необходимость в нормализации данных некоторым временным способом, чтобы облегчить сравнение данных, измеренных в аналогичные моменты экологического или эксплуатационного цикла. Источники изменчивости в процессе сбора данных и в отслеживаемой системе необходимо идентифицировать и сводить к минимуму, насколько это возможно. В общем, не все источники изменчивости можно устранить. Следовательно, необходимо провести соответствующие измерения, чтобы эти источники можно было количественно оценить статистически. Вариабельность может возникать из-за изменения условий окружающей среды и условий тестирования, изменений в процессе обработки данных и несогласованности между блоками.
Очистка данных - это процесс выборочного выбора данных, которые нужно передать или отклонить в процессе выбора функций. Процесс очистки данных обычно основан на знаниях, полученных людьми, непосредственно участвующими в сборе данных. В качестве примера, проверка испытательной установки может выявить, что датчик был установлен неплотно, и, следовательно, на основании мнения лиц, выполняющих измерения, этот набор данных или данные с 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, сбор данных, нормализация и очистка процесса SHM не должны быть статичными. Понимание, полученное в процессе выбора функций и процесса разработки статистической модели, предоставит информацию об изменениях, которые могут улучшить процесс сбора данных.
Область процесса SHM, которому уделяется наибольшее внимание в технической литературе, - это идентификация характеристик данных, которые позволяют различать неповрежденную и поврежденную структуру. Неотъемлемой частью этого процесса выбора характеристик является сжатие данных. Лучшие функции для выявления повреждений, опять же, зависят от конкретного приложения.
Один из наиболее распространенных методов извлечения признаков основан на сопоставлении измеренных величин отклика системы, таких как амплитуда или частота вибрации, с наблюдениями за деградирующей системой из первых рук. Другой метод разработки функций для идентификации повреждений - применение технических дефектов, подобных тем, которые ожидаются в реальных условиях эксплуатации, к системам и разработка начального понимания параметров, которые чувствительны к ожидаемому ущербу. Неисправная система также может использоваться для проверки того, что диагностические измерения достаточно чувствительны, чтобы различать признаки, идентифицированные 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. Испытания на накопление повреждений, во время которых существенные структурные компоненты исследуемой системы деградируют, подвергая их реалистичным условиям нагружения, также можно использовать для определения соответствующих характеристик. Этот процесс может включать испытания на индуцированные повреждения, испытания на усталость, рост коррозии или температурные циклы для ускоренного накопления определенных типов повреждений. Понимание соответствующих характеристик может быть получено из нескольких типов аналитических и экспериментальных исследований, как описано выше, и обычно является результатом информации, полученной в результате некоторой комбинации этих исследований.
Технологии оперативного внедрения и диагностических измерений, необходимые для выполнения SHM, дают больше данных, чем при традиционном использовании информации о динамике конструкций. Конденсация данных выгодна и необходима, когда предполагается сравнение множества наборов характеристик, полученных за время жизни конструкции. Кроме того, поскольку данные будут собираться из структуры в течение длительного периода времени и в операционной среде, необходимо разработать надежные методы обработки данных, чтобы сохранить чувствительность функции к структурным изменениям, представляющим интерес, при наличии изменчивости окружающей среды и эксплуатации. Для дальнейшего содействия извлечению и регистрации данных о качестве, необходимых для выполнения SHM, следует охарактеризовать статистическую значимость характеристик и использовать их в процессе конденсации.
Часть процесса SHM, получившая наименьшее внимание в технической литературе, - это разработка статистических моделей для различения элементов неповрежденных и поврежденных структур. Разработка статистической модели связана с реализацией алгоритмов, которые работают с извлеченными элементами 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 конструкции, алгоритмы статистического распознавания образов попадают в общую классификацию, называемую обучением с учителем. Групповая классификация и регрессионный анализ - это категории контролируемых алгоритмов 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 для обучения без учителя. Все алгоритмы анализируют статистические распределения измеренных или производных характеристик для улучшения процесса идентификации повреждений.
Мониторинг состояния больших мостов может выполняться путем одновременного измерения нагрузок на мост и воздействия этих нагрузок. Обычно он включает мониторинг:
Обладая этими знаниями, инженер может:
Департамент проектирования мостов Министерства транспорта штата Орегон США разработал и внедрил программу мониторинга состояния конструкций (SHM), как указано в этом техническом документе Стивеном Лавджоем, старшим инженером.
Доступны ссылки, которые предоставляют введение в применение оптоволоконных датчиков для мониторинга состояния конструкций на мостах.
Следующие проекты в настоящее время известны как одни из крупнейших текущих проектов по мониторингу мостов.