文摘

大坝是必不可少的基础设施,提供一系列的经济、环境和社会效益的当地居民。体内损伤这些结构可能导致不可挽回的灾难。本文提出一种具有成本效益的vibration-based框架来确定大坝的动态属性和损伤。为此,四个常发生破坏场景,包括(1)大坝的颈部损伤,(2)损伤脚趾的结构,(3)同时损伤颈部和大坝的脚趾,和(4)损害解除关节的大坝。该方法是基于处理重力坝环境激励下的加速度响应。首先,随机减量技术(RDT)是用于确定结构使用的结构响应的结论。然后,结合方法基于简要地变换(HHT)和小波变换(WT)提出了获得结构的动态属性。接下来,摘要技术是用来制造模式形状可微。最后,连续小波变换(CWT)应用于剩余价值的模式形状完好和受损结构之间的曲率估计损伤位置。为了评估该方法的效率在现场条件,10%噪声添加到结构响应。 Results show promising accuracy in estimating the location of damage even when the structure is subjected to simultaneous damage in different locations.

1。介绍

土木工程基础设施为社区提供必要的工具有一个直接操作。这些基础设施包括建筑物、车辆和行人桥梁、工厂、输电塔、和大坝。混凝土大坝提供经济效益提供灌溉用水、能源水电代,为防洪障碍。这样的基础设施在环境振动的性能以及操作负载可能会减少他们的一生。大坝的失败会导致不可挽回的损失为受益人社区附近的这些结构(1,2]。近年来发生的最重要的灾难包括失败的1864年30米堤大坝造成254人在谢菲尔德,英国(3),峡谷湖大坝,夺去了236人的生命在德克萨斯州,美国(4],奥斯汀大坝灾难夺去了78人的生命5]。因此,一个连续的结构健康监测(SHM)框架需要阻止这样的突然失败水坝。

识别和跟踪的过程中的结构性破坏民事、机械或电力基础设施被称为结构健康监测(6]。损伤的存在在一个结构体系改变阻尼等动态属性,自然频率和模式的形状。因此,可以确定结构的损伤状态,通过识别和评估这些动态参数(7]。在下一节中,在结构损伤诊断系统的全面的文献回顾以及最新进展SHM的水坝。

1.1。结构损伤检测

损伤检测方法可以分为两大类,基于模型和数据驱动的方法。在前的方法,应使用系统辨识算法识别结构的动态属性。然后,结构健康状况将取决于捕捉这些动态属性的变化。另一方面,数据驱动方法应用特征提取结构的振动响应通过统计学习算法来预测损失(8]。崔et al。9)提出了一种损伤诊断过程基于自然激励技术环境条件下识别结构损伤。作者结合应变响应与Eigensystem实现算法来识别环境下结构的应变模态参数振动。Montazer和Seyedpoor10]提出了损伤指数基于弹性指数检测桁架系统损伤的位置。他们实现方法在两个数值模型,包括一个平面桁架有31个元素和47-bar平面输电线塔。李和恩(11)提供一个静态损伤检测过程通过比较前后应力分布的变化损害。他们展示了他们的方法利用两个桁架结构的有效性。丁等。12)开发了一种基于模态应变能法(MSE)在网格结构进行损伤识别。他们雇佣了一个更新的模式形状扩展方法以确保获得的模态形状的参考基准模型是可靠的。刘等人。13)提出了一种基于平稳小波变换的方法(SWT)为目的的本地化和严重程度检测悬臂梁的裂缝。Montejo [14)评价不同vibration-based损伤诊断方法为目的的检测环境激励下结构的破坏。他们得出结论,该方法基于连续小波变换(CWT)是更有效的比发现结构的高频峰值响应通过简要地变换,高通滤波,或者离散小波变换(DWT)。聚氨酯等。15]给出了频率响应函数的使用(降维)和模型更新理论识别损伤发生在混凝土梁。他们制定一个优化算法设置从基准有限元模型分析降维与那些通过实验获得的响应。沃顿et al。16)实现了统计方法基于平方距离健康受损的结构。这种方法实际上是一个新奇的检测问题,受损的结构应该从健康诊断病例。Ditommaso et al。17]介绍了框架结构的损伤诊断方法受到地震运动通过评估固有频率模态曲率的变化。他们验证方法通过使用数值模型和实现一些实验。Zhang et al。18)提出了一个创新的损伤指数根据宏应变模态形状为目的的检测钢桥的潜在损害。Yazdanpanah et al。19)提出了一种基于模态的损伤指标信息在射线结构损伤检测。他们的方法是建立在三个因素,即形状模式,模式的斜率的形状,形状和曲率的模式。Figueiredo et al。20.)相比,四个不同的机器学习技术通过应用autoassociative神经网络,因子分析,Mahalanobis距离,奇异值分解来识别结构损伤。他们实现了一个实验性研究base-excited三层框架结构。Ghiasi et al。21)提出了一个基于薄板样条最小二乘支持向量机Littlewood-Paley小波核函数来识别结构损伤。Ghannadi和Kourehli22]探索蛾火焰的效率优化算法来识别结构损伤的位置和严重程度。他们使用特征值从运动方程以及获得模态保证标准(MAC)灵活性损伤指数。阮et al。23)提出了一种新颖的框架基于美联储遗传性函数人工神经网络识别结构损伤的桥梁。他们验证方法使用数据测量在台湾从现有的桥梁。

1.2。结构健康监测的大坝

小王和他(24)提出了一个基于减少固有频率识别方法在拱坝裂缝的位置。他们提出了一个统计神经网络检测裂纹通过测量固有频率的降低。turk et al。25]探索基于模型更新方法来识别全球发生的拱坝的破坏。他们验证方法在环境激励下一个实验模型。Pirboudaghi et al。26)提出了一种基于扩展有限元法的多级方法(XFEM)和连续小波变换(CWT)检测混凝土大坝的地震裂缝。Sevim et al。27)实施环境振动试验来确定真正的混凝土拱坝的动态属性,包括模态频率、阻尼、模式的形状。比安奇和不莱梅28)提出各种程序捕获Ferden的长期性能和Roggiasca大坝在瑞士。在这方面,他们捕获了大坝的变化行为降雪之前和之后休息时间。马塔(29日)进行了比较研究两个命名多元线性回归统计模型(高)和神经网络(NN)监测Alto Rabagao大坝在环境条件下的表现。Seyed-Kolbadi et al。30.)评估的稳定性Boostan土坝通过处理其长期性能测量和解释数据。

所有的先前的研究认为大坝的模态参数是已知的。事实上,他们直接从有限元(FE)获得的模态参数来识别结构损伤分析。似乎有一个研究缺口识别损伤,发生在大坝特别是通过系统识别模态参数的计算过程。根据先前的研究,本文结合方法基于小波和简要地变换提出了确定大坝的结构动力学。损伤通常发生在这方面,四个场景,包括颈部损伤,损伤脚趾,脖子和脚趾,同时损伤和损伤解除关节的大坝,被认为是来验证该方法的能力。优化技术,基于最小化nondiagonal条目的MAC矩阵实现优化传感器的位置需要安装在大坝的主体。接下来,通过添加10%噪声环境激励下的结构响应,结构的动态属性获得了预定义的位置,和摘要技术是用来制造模式形状可微。在下面,损伤位置估计通过雇佣CWT曲率之间的区别的模式形状完好无损,受损的结构。

2。模型和材料

2.1。模型描述

在这项研究中,一个著名的水库大坝命名为“Koyna”在Ansys有限元软件的模拟,并进一步调查实施响应通过数值分析。以下部分介绍替补大坝的结构行为和建模过程。固耦合(FSI)是一个重要的问题在两个液压结构的线性和非线性分析。有三个主要的解决方案来解决这个问题,包括附加质量的方法,欧拉法和拉格朗日方法。附加质量的方法与额外的质量被认为是系统中存在的因为一个加速或减速机构,必须把一些周围的流体的体积随着它穿过它。拉格朗日方法与单个粒子,独立计算每个粒子的轨迹。欧拉方法是基于粒子的浓度和计算的一般对流粒子(31日]。流固耦合运动方程可以很容易地解决了通过应用一些适当的边界条件储层对象。鼓励读者研究本文提出的公园等。32关于固耦合建模的更多信息。

有各种类型的基础建模程序,如刚性基础和质量和聚集的基础。刚性地基模型忽视了大坝及其之间的相互作用的基础。事实上,基础的刚度和质量不考虑在全球耦合运动方程。此外,无质量地基模型考虑了弹性基础的有限元模型。在这个问题上,地基模型必须伸展长度很大,使其影响大坝的压力和紧张的方法一个足够小的值(33]。一般来说,在有限元模型中,网格系统包括固体元素模型坝体和水库。为了模型储层域,pressure-based流体元素被应用。水库大坝的建模大坝的高度的3/5。水被定义为一个线性可压缩和小振幅材料。亥姆霍兹方程作为控制方程实现储层介质,如图1。此外,边界条件是考虑建模过程图(34]。dam-foundation-reservoir系统的耦合方程可以写成: 在哪里K,C,米刚度、阻尼和质量矩阵,F_str是外部力量的总和和地面激发固体域,是流固耦合矩阵,F_acc求和的力量来自于地面运动在固液边界和总加速度作用于其他边界,P和U流体的压力和位移,下标”_F”和“_年代分别是指流体和结构。

2.2。案例研究

Koyna重力坝成立于印度,波峰长度等于807米和103米的高度。其底部厚度和波峰是70.2和12.1 m,分别。1967年Koynanagar事件实施强化对大坝造成损坏,包括水平裂缝在上游和下游的面孔,由于下游面临的斜率变化显著(35]。表1介绍了混凝土的力学性能和声学属性用于水动力学模型。

根据大尺寸方向cross-stream,平面应变假设适用于重力大坝。因此,这些结构通常为二维结构建模和分析(36- - - - - -38]。

2.3。模态分析

丢弃阻尼项的耦合运动方程,可以推导出无阻尼FE模型的特征值定义的Hariri-Ardebili和Saouma33]。因为质量矩阵和刚度矩阵是不对称的,兰索斯公式实现解这个方程。这种技术使用一个辅助变量和无阻尼耦合方程写成39] 在哪里等于 。鼓励读者研究论文由Hariri-Ardebili和Saouma [33关于FSI的更多信息和模态分析的大坝。

3所示。方法

3.1。提出了框架

本研究的目的,提出了一种具有成本效益的方法确定大坝的动态属性和损伤位置。确定最优位置传感器位置通过最小化nondiagonal MAC矩阵的条目。结果是,大坝的动态属性是由处理输出信号捕获从环境振动激励下的结构。动态属性的结构将会改变对身体造成损害的大坝。该方法是基于曲率的模式形状的区别健康和有缺陷的结构。最终,通过应用连续小波变换(CWT)残余曲率的模式形状,损坏的位置估计。图2显示了拟议的框架的总体视图。

3.2。连续小波变换的理论背景

由于该方法的基础是基于连续小波变换,有必要提出一个简短的理论背景的读者不太熟悉的话题。小波是一个函数 与零均值和定义如下40,41]: 在哪里可积函数的集合,和分别是规模和翻译参数,用于确保吗等于团结。同时,是小波函数(母小波),必须满足可容许的条件 在哪里是频率,的傅里叶变换 。的连续小波变换小波家族的内积吗与信号如下: 在哪里的共轭复数吗 。这个条件保证信号的可加工性作为连续小波变换的母小波。在这项研究中,使用两个不同的母小波。,Morlet Daubechies。复杂Morlet以下方程小波有密切的形式和应用来确定大坝的模态特性: 在哪里是时间,是小波的中心频率。通过应用扩张和作为翻译,一个儿子小波写如下:

另一方面,Daubechies小波是由计算运行平均和标量小波的产品和可伸缩性差信号。Daubechies小波应用重叠窗口,高频系数谱呈现所有高频变化。它可以作为一个合适的小波识别响应信号中的高频跳跃造成损害的结构42]。因此,Daubechies母小波实现识别发生在大坝的结构性破坏。

3.3。数学的三次样条

摘要的插值算法之间的最佳曲线拟合离散值。权重的三次样条包括一组连接到一个平面的点连接。灵活地带通过这些权重是弯曲的,形成一个连续和光滑的曲线。这种插值方法的基础是基于曲线拟合的piecewise-defined函数以以下形式: 在哪里是第三次多项式函数。三次样条必须有以下条件:(1)piecewise-defined函数应该插入所有的点。(2) ,和应该是连续的 ;三次样条是广泛应用于确定斜率(或累积变异)的有限数量的变量在区间[43]。

4所示。系统识别

4.1。输入激励

输入激励认为模拟环境振动激励大坝是一个高斯白噪声的信号。白噪声是一种随机信号享受相同的强度在不同的频率,它提供了一种恒定的功率谱密度。的MATLAB的函数(44)是用来生成一个白噪声信号。输入信号的总时间是1200年代,在0.01秒的时间步。应该注意,输入信号应用于整个结构模拟大坝的实际状况。三峡大坝的动态特性是由实施环境振动分析。应该注意的是,使用这种长时间的信号的关键原因是达到静止状态,正常环境振动分析的必要条件。图3说明了输入激励受到水坝。

4.2。传感器位置优化

本研究的主要目标之一是优化传感器的位置。因此,有必要知道如何将这些仪器的最大数值模态形状之间的协议和那些通过有限数量的传感器。为了实现一种经济计划,以及有效的覆盖整个坝体的检测可能的伤害,团队决定的地方只有6个传感器在这项研究。以下步骤实施,以确定最优位置:(我)第一,三峡大坝的高度分为60的位置,可以把传感器。(2)第二,大坝的模式形状确定所有可能的节点通过应用模态分析。图4说明了大坝的前三个模式形状60可能的节点。(3)第三,六个目的节点传感器应放在有可能达到的最大线性独立性。事实上,仪表应这样nondiagonal条目MAC矩阵的收敛到最小值(45]。这样做,第一个传感器被放置在峰会上的大坝。下一个传感器被放置在一个59剩余的位置,以便nondiagonal MAC矩阵的条目成为最低。(iv)重复这个操作是对其他传感器直到最好的达成了协议。最后,确定传感器的最佳位置,如图5。

4.3。自由振动

为了提取信息的动态属性从加速度传感器结构,这些结构的振动响应必须测量。为此,在这项研究中,随机减量技术(RDT) [46使用了)。RDT背后的概念是通过提取大量的时间片段从生成的信号和平均信号,响应的随机部分从系统将继续消失,只有对初始条件的响应将依然存在。例如,数据6(一)和6 (b)显示传感器的响应。环境振动激励下5和相应的自由振动通过RDT获得的。

4.4。模态分解

连续小波变换(CWT)结论反应的时间和尺度系数的小波系数轮廓。考虑到这一点,一个复杂Morlet使用小波中心频率为4.57。作为一个例子,图7描述了小波系数获得传感器的实例。1,没有。6。在下一步中,每个振动模式下的自由振动可以通过策划求和的小波系数在一个小波系数最大(最大的轮廓)。换句话说,每个人都应该找到当地最大的小波轮廓图7。然后,通过将复杂Morlet小波应用到信号来自这些高峰值和策划小波系数的虚部,每个模式的自由振动将获得根据每个峰值。

4.5。模态阻尼和固有频率

那时的希尔伯特变换自由振动计算来确定固有频率和模态阻尼比的模式。图8显示一个算法计算动态属性。这个算法的步骤如下:(1)希尔伯特变换应用到每个模式的自由振动(2)信号的相位和振幅在上一步计算获得(3)的变化率是振幅和相位信号和 ,分别(4)最后,从结构动力学基本概念被用来找到和

例如,为了计算第一和第二固有频率,以及模态阻尼比,应采用60的尺度小波系数第一模式和第二个145年的小波系数的规模模式,如图7。根据图8的斜率,在线性区域 ,等于 (见图9(a))。此外,的斜率在线性区域 ,,如图9(b)、固有频率和阻尼比的第一个振动模式是通过实施以下简单的计算: 和 和

值得注意的是,使用相同的程序,可以计算出第二个模式属性。如图8的斜率,在线性区域 ,这是获得 (见图9(c))。此外,的斜率在线性区域 ,根据图9(d)、固有频率和阻尼比的第二模式可以通过以下计算:计算 和 和

前三个大坝的固有频率和模态阻尼计算如表所示2。

4.6。噪声影响

一般来说,任何测量噪音是不可避免的一部分。因此,有一个概念称为信噪比(信噪比),它被定义为信号功率噪声功率的比值,通常在分贝(dB)。率高于1表示一个信号量高于噪声(41]: 在哪里信号的方差吗代表噪声的方差。更现实的模拟,一个适当的噪声级需要应用到加速度随时间的变化。在目前的研究中,结构的响应是由10%的噪音污染评价该方法的实际应用。证明这个值的上界值噪声用于以前的研究(47]。表2还介绍了噪声对获得的模态参数的影响的大坝。结果表明,该方法有一个有前途的能力来识别模态参数的大坝存在的噪音。

4.7。模式识别形状

为了确定形状的结构模式,杨等人提出的方法。43)是利用。从前面的部分,可以得出结论,而阻尼比和固有频率可以估计只有一个传感器,加速度时间历程的自由度是必需的,应该测量来识别模式的形状。形状特征向量的绝对值(模式)可以使用以下关系: 在哪里是我_th模式的形状自由度。类似的定义是有效的 。的参数和曲线拟合的计算值吗为和的自由度 ,分别。值得注意的是,中值的时间吗 。麦金利和莱文48)提出了下面的方程来计算模式的符号在每个自由度的形状: 在哪里表示两个信号的相位值之间的差异和景深和模式。此外,和通过曲线拟合值为和自由度 ,分别。与前面的方程仅定义的绝对值模式形状,为了确定模式的符号形状条目,提出以下关系:

通过应用上述关系模式形状条目可以确定结论的基础上,响应每个模式有重要的模态参与质量比。对比有限元分析模式形状和相应的信号处理(SP)值如图10。结果表明,模式识别形状类似的趋势。然而,很明显,第三个模式形状估计更多的错误相比前两个模式。事实上,变化模式值由于伤害不到错误识别过程中观察到的。这的确让这对识别结构损伤模式形状无用的。

为了评估的效率摘要技术,模式形状通过系统辨识(SI)过程与修改三次样条(CS)。图11说明了在平滑和三次样条插值的效果模式的形状。

5。损伤检测

5.1。提出了损伤诊断方法

提出的方法是基于应用CWT残余曲率的模式形状。因此,模式形状的轮廓是由使用下面的关系(49]: 在哪里的模式形状值吗高度增加,是相应的高度的一步。一般来说,一个足够大的数量的数据需要计算模式的斜率和曲率的形状。然而,本研究的目的是确定结构特性以及损伤通过实现只有6个传感器。这将导致只有6个数据点为每个模式的形状,这使得它不可能计算的曲率信号。为了解决这个问题,三次样条技术是在MATLAB中实现33)创建足够的数据计算的曲率变化率以及模式的形状。接下来,之间的区别的曲率插值模式健康受损结构的形状。最后,通过应用的残余向量模式形状的曲率,确定损伤的位置。如前所述,Daubechies小波被用来捕获模式形状的变化发生在曲率因为结构性破坏。

5.2。损坏情况

一般的潜在的失败机制过应力,混凝土重力坝沿弱面滑动。强烈地震可能创建拉伸裂缝底部或在混凝土重力大坝下游坡变化不连续面附近。在某些地震运动,这取决于地震近场和远场,同时拉伸裂缝中观察到脖子和大坝的脚趾。此外,提高关节的僵硬的滑动大坝报道作为近场运动(潜在的损害的情况下33]。验证方法,四个破坏场景被认为是如下:(我)场景1。脖子:刚度的一个小地区的脖子大坝减少到10%的健康状况,如图12(一个)。了解损伤的程度,有缺陷的元素的比值的总数可以使用元素的大坝。例如,在这种情况下,0.25%的大坝的元素有受伤的脖子)(光损害。值得注意的是,元素的刚度降低,减少他们的杨氏模量。(2)场景2。脚趾:刚度小区域(0.35%伤害)在大坝的脚趾却降低了10%的初始值在完好的情况下,如图12 (b)(光损伤脚趾)。(3)场景3。脚趾和颈部:脚趾的一小部分元素的刚度以及大坝的颈部(0.6%伤害)减少90%,如图12 (c)(光损伤脚趾和颈部)。(iv)场景4。解除关节:少量的元素的刚度在电梯关节损害(0.2%)下降到10%的初始值的完整条件如图12 (d)。

5.3。结果

图13说明了剩余振型曲率以及对应于不同尺度的小波系数与大坝高度第一场景。如前所述,自第三模式形状得到偏差对其真正的向量,这种模式形状并不是有效的在损伤检测方案。因此,结果显示只对第一和第二模式形状。

结果之间的残余曲率向量的连续小波变换健康受损大坝为第一和第二模式形状如图(13日)和13 (b),分别。很明显,在大坝的总高度约70%,小波系数的突变。事实上,这跳量图的小波系数是因为现有的损伤在这个位置。

图14说明了损伤诊断的结果为第二场景。可以看出,小波系数的绝对值较高大坝的底部比其他位置。因此,这些大坝的底部的CWT峰值代表损伤的位置。同时,模式的形状都是适用于识别损伤的位置在这个场景中。

图15提出了损伤检测时损伤的结果发生在脚趾和同时大坝的脖子。虽然在第一模式形状的连续小波变换结果没有显著影响检测损伤脚趾的大坝,跳在量图中观察到高度对应大坝的脖子。第二模式,此外,通过应用CWT剩余振型曲率的健康和有缺陷的结构,有两个跳跃的绝对值CWT损害发生的地方。它可以得出的结论是,第二个模式形状敏感得多损伤情况的多个实例损伤发生在大坝的主体。

最后,图16显示了损伤诊断的结果创建第四损伤情况轻微损伤的元素位于电梯关节。可以看出,大幅跳透露在损害发生的地方。此外,很明显,这两个模式的形状(第一和第二模式)是有效的检测损伤的位置。

6。结论

本研究提出了一个系统识别进行损伤检测过程为目的的确定大坝的破坏发生在身体结构。基于最小化的一种优化算法nondiagonal条目的MAC矩阵应用于估计传感器的最佳位置,导致损害的最好的精度检测过程。该方法需要实现只有6个传感器沿着大坝的高度。进行方法在这项研究是建立在识别环境激励下的模态特性的结构。模拟实际条件(任意噪声的影响),结构响应通过有限元分析噪声污染的10%。通过应用随机减量技术,大坝的自由振动被确认在每个传感器的位置。然后,动态特性检测到大坝的使用前景的方法。结构的模式形状计算基于杨等人提出的方法。43]。四个潜在损害场景创建,形状和模式获得了健康和有缺陷的结构。

最终,通过实现CWT残余向量模式形状的全面运作和受损结构的曲率,小波系数尺度参数的计算以及大坝的高度。本研究说明,第一、第二和第四破坏场景很容易检测到前两个模式的形状。此外,场景中没有的损害。3只检测到第二个模式形状,和第一个模式形状没有透露损失脚趾的大坝。尽管第三模式结构的形状也是确定的,它没有贡献在检测损伤的位置由于高水平的差异相比,理想模式的形状。结果显示一个有前途的和精确的框架在检测损伤位置即使伤害发生在多个位置。另外,关于这种结构的高水平的重要性,建议本研究提出的过程是伴随着视觉检验经验丰富的结构工程师。最后,提出进一步的研究进行了进一步的实验测试申请大坝与各种大小特征和元素配置。

数据可用性

所有数据都包含在这篇文章。

的利益冲突

作者宣称他们没有利益冲突有关的出版。