CN101504324A - 拉索运营状态智能判别方法及系统 - Google Patents

Abstract

本发明公开了一种拉索运营状态智能判别方法及系统，它通过安装在拉索上的传感器分别检测加载前后的振动频率分别进行FFT变换及相关计算得到索力、弯曲刚度及两端的转动约束刚度。本发明具有方法、系统简单，易于实现且精度高，功耗小的优点。

Description

拉索运营状态智能判别方法及系统

技术领域

本发明涉及一种斜拉桥、悬索桥、拱桥拉索营运状态识别技术，尤其是一种拉索高精度、多变量判别方法及其系统，具体地说是一种拉索运营状态智能判别方法及系统。

背景技术

众所周知，拉索是索桥的重要传力构件，承受轴向拉力，多采用高轻度平行钢丝束或钢绞线制作。拉索的受力与工作状态是直接反映桥梁是否处于正常运行的重要标志之一。在建桥过程中，必须对桥梁拉索的索力和桥梁内力进行监测和优化，成桥后也需对拉索进行复测以了解拉索的工作状态。

目前有不少关于索力的测试方法，如直接通过压力传感器进行测试，通过测试振动信号得到索的固有频率的振动法，通过动力测试与有限元计算进行对比，通过光纤传感器测试索的应变值得到索力，通过测试磁通量的渗透系数得到索力等。虽然测试方法较多，但是其中振动法还是因为其操作简便易行而且测试结果较为准确，在目前工程中被广泛使用。

振动法的简化公式是将索的两端当做铰支，并且忽略弯曲刚度，利用相邻两主频之差间接识别基频，再通过张力与基频的关系求得索的张力。这样处理导致振动法的精度容易受到一些因素的影响，诸如垂度、刚度、弯曲刚度等，特别是对于短索，这种误差是比较大的。实际上拉索两端支承条件十分复杂，若还采用单一的铰支或者固支边界来模拟，计算结果的偏差会随着索长的减小而急剧增大甚至失真。实际工程中，运营多年的索桥，其拉索的边界条件介于固支和铰支之间，两端有一定的转动刚度，目前尚未有一种方法能够准确、系统地测量和分析运营状态下包括边界约束、弯曲刚度和张力在内的拉索使用参数。

发明内容

本发明的目的是针对目前采用振动法检测拉索运营状态参数时存在的精度低、误差大，不利于正确识别拉索工作状态的问题，提供一种检测效果好、使用范围广、操作简单、功耗低的拉索运营状态智能判别方法及系统。

本发明的技术方案是：

一种拉索运营状态智能判别方法，其特征是它包括以下步骤：

第一步，在需要检测的拉索上安装振动传感器，采集拉索的环境振动信号并送入计算机中；

第二步，利用计算机对第一步采集的数据进行傅里叶变换，得到前8阶振动主频：f_1，0，f₂….f₈：

第三步，根据第二步计算所得的前8阶振动主频中的偶价频率，按下面公式计算出拉索张力S：

$S=\frac{S_1+S_2+S_3}{3}$

其中 $S_1=\frac{(16{f_2}^2-{f_4}^2)\mathrm{\ρ}{L}^2}{12}$ $S_2=\frac{(81{f_4}^2-16{f_6}^2)\mathrm{\ρ}{L}^2}{180}$ $S_3=\frac{(256{f_6}^2-81{f_8}^3)\mathrm{\ρ}{L}^2}{1008}$

ρ——拉索线密度；L——拉索计算长度；

第四步，根据计算所得的索力按以下公式计算弯曲刚度EI：

$\mathrm{EI}=\frac{1}{4}\underset{i=\mathrm{2,4,6,8}}{\mathrm{\Σ}}\frac{L^2}{i^2{\mathrm{\π}}^2}[\frac{4{f_i}^2\mathrm{\ρ}{L}^2}{i^2}-S]$

第五步，在距离拉索底部约L/4处粘贴一附加质量块M，再次采集加装附加质量块M后的拉索的环境振动信号，并进行傅里叶变换，得到拉索的自振基频f_1，1：

第六步，将以上计算所得的索力S、弯曲刚度EI和自振基频f_1，1代下以下两个方程中以求解出拉索两端的转动约束刚度k₁，k₂：

$\left\{\begin{array}{c}{\mathrm{\ω}}_{\mathrm{1,0}}^2=\frac{{\mathrm{\π}}^{s}S}{\mathrm{\ρ}{L}^2}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{\mathrm{\ρ}{L}^4}+\frac{3k_1}{\mathrm{\ρ}{L}^3}+\frac{3k_2}{\mathrm{\ρ}{L}^3}\\ {\mathrm{\ω}}_{\mathrm{1,1}}^2=\frac{{\mathrm{\π}}^{s}S}{\mathrm{\ρ}{L}^2}+\frac{{\mathrm{\π}}^{2}S}{2\mathrm{LM}}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{\mathrm{\ρ}{L}^4}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{M{L}^3}+k_1(\frac{3}{\mathrm{\ρ}{L}^3}+\frac{4}{M{L}^2})+k_2(\frac{3}{\mathrm{\ρ}{L}^3}+\frac{4}{3M{L}^2})\end{array}\right.$

其中ω_1，0＝2πf_1，0，ω_1，1＝2πf_1，1

第七步，由计算机将求得的索力S、弯曲刚度EI及拉索两端的转动约束刚度k₁，k₂与设计安全值进行比较，得出拉索是否处于安全运行状态的判断，并进行显示或报警。

所述的附加质量块M的取值为至少应取拉索质量的5％，且质量越大，精度越高。附加质量M越大，加载前后的频率差别越大，越有利于识别两端的约束条件，但附加质量越大，会带来测量上的困难，比如安装很大质量块不容易。一般来说，如果加入10％拉索质量的附加质量，频率的改变是5％，具体的质量应根据频率分辨精度和测试需要来取值。一般来说以质量M取拉索质量的10％为宜，如果小于这个值，只要频率测试精度很高的话也能识别出来。

本发明的智能判别系统为：

一种拉索运营状态智能判别系统，其特征是它主要由数据采集单元1和数据分析单元10组成，数据采集单元1通过无线方式与数据分析单元10相连；所述的数据采集单元1由传感器2、多通道抗混滤波放大器3、模/数信号转换器4及发送单元5组成，传感器2的输出与多通道抗混滤波放大器3的输入端相连，多通道抗混滤波放大器3的输出端与模/数信号转换器4的输入端相连，模/数信号转换器4的输出端与发送单元5的输入端相连，发送单元5的输出端作为数据采集单元1的输出端与数据分析单元10中的数据接收单元6无线相连，数据分析单元10主要由数据接收单元6、数据分析处理单元11及显示与存储单元9，所述的数据接收单元6将从前述发送单元5接收到的数据先后依次送入数据分析处理单元11中的傅里叶变换模块7、索力计算模块8及拉索两端转动约束刚度计算模块12中进行计算后送入显示与存储单元9中进行存储并显示。

所述的发送单元5为USB接口模块电路或WLAN通讯电路，对应的数据接收单元6设有USB接口或无线接收电路。

本发明的有益效果：

1、本发明首次建立了一种拉索运营状态综合测试方法，能够通过拉索的环境振动响应信号的测试智能分析计算出包括索力、刚度、边界条件在内的参数，并研制了适用于现场采集数据和识别拉索状态的无线测试系统，用先进的数据采集和信号处理方法，结合柔性的模块化的无线技术为拉索的安全监测提供方便实用的手段。

2、本发明具有较高的运算精度，其中频率分析精度可达1％，拉索状态参数识别精度能达3％。

3、该无线测试系统的测试范围为100米以内，可同时测试多根(如4根或4根以上)拉索，如果增加采集通道可以同时测试更多的拉索，本发明性能可靠，使用方便，且具有很高的精度，适用范围广泛。

4、本发明首次通过索力、弯曲刚度及加载自振基频得到了复杂条件下的拉索转动约束刚度值，优化了传统的计算方法，使之更加符合实际运行状态。

5、本发明不仅适用于斜拉索、悬索桥的吊索运行状态识别，还可用于拱桥的吊杆运行状态的识别。

6、本发明检测效果好、使用范围广、操作简单、运营功耗低。

附图说明

图1是本发明的拉索运营状态测试示意图。

图2是本发明的智能判别系统框图示意图。

图3是与本发明相配的软件流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如图1所示。

一种拉索运营状态智能判别方法，它包括以下步骤：

第一步，在需要检测的拉索上安装振动检测用传感器(可采用市售成熟产品，也可采用带有无线发射功能的传感器)，采集拉索的环境振动信号并送入计算机中；

第二步，利用计算机对第一步采集的数据进行傅里叶变换(即FFT变换，可采用现有成熟软件加以实现)，得到前8阶振动主频：f_1，0，f₂….f₈：

第三步，根据第二步计算所得的前8阶振动主频中的偶价频率，按下面公式计算出拉索张力S：

$S=\frac{S_1+S_2+S_3}{3}$

其中 $S_1=\frac{(16{f_2}^2-{f_4}^2)\mathrm{\ρ}{L}^2}{12}$ $S_2=\frac{(81{f_4}^2-16{f_6}^2)\mathrm{\ρ}{L}^2}{180}$ $S_3=\frac{(256{f_6}^2-81{f_8}^3)\mathrm{\ρ}{L}^2}{1008}$

ρ——拉索线密度；L——拉索计算长度；

第四步，根据计算所得的索力按以下公式计算弯曲刚度EI：

$\mathrm{EI}=\frac{1}{4}\underset{i=\mathrm{2,4,6,8}}{\mathrm{\Σ}}\frac{L^2}{i^2{\mathrm{\π}}^2}[\frac{4{f_i}^2\mathrm{\ρ}{L}^2}{i^2}-S]$

第五步，在距离拉索底部约L/4处粘贴一附加质量块M，再次采集加装附加质量块M后的拉索的环境振动信号，并进行傅里叶变换，得到拉索的自振基频f_1，1：所述的附加质量块的质量M的取值至少应取拉索质量的5％，且质量越大，精度越高。附加质量M越大，加载前后的频率差别越大，越有利于识别两端的约束条件，但附加质量越大，会带来测量上的困难，比如安装很大质量块不容易。一般来说，如果加入10％拉索质量的附加质量，频率的改变是5％，具体的质量应根据频率分辨精度和测试需要来取值。一般来说以质量M取拉索质量的10％为宜，如果小于这个值，只要频率测试精度很高的话也能识别出来；

第六步，将以上计算所得的索力S、弯曲刚度EI和自振基频f_1，1代下以下两个方程中以求解出拉索两端的转动约束刚度k₁，k₂：

$\left\{\begin{array}{c}{\mathrm{\ω}}_{\mathrm{1,0}}^2=\frac{{\mathrm{\π}}^{s}S}{\mathrm{\ρ}{L}^2}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{\mathrm{\ρ}{L}^4}+\frac{3k_1}{\mathrm{\ρ}{L}^3}+\frac{3k_2}{\mathrm{\ρ}{L}^3}\\ {\mathrm{\ω}}_{\mathrm{1,1}}^2=\frac{{\mathrm{\π}}^{s}S}{\mathrm{\ρ}{L}^2}+\frac{{\mathrm{\π}}^{2}S}{2\mathrm{LM}}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{\mathrm{\ρ}{L}^4}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{M{L}^3}+k_1(\frac{3}{\mathrm{\ρ}{L}^3}+\frac{4}{M{L}^2})+k_2(\frac{3}{\mathrm{\ρ}{L}^3}+\frac{4}{3M{L}^2})\end{array}\right.$

其中ω_1，0＝2πf_1，0，ω_1，1＝2πf_1，1

第七步，由计算机将求得的索力S、弯曲刚度EI及拉索两端的转动约束刚度k₁，k₂与设计安全值进行比较，得出拉索是否处于安全运行状态的判断，并进行显示或报警。

整个计算判别的流程图如图3所示。软件由数据采集模块、数据浏览与分析模块、数据存储模块、参数设定等组成；其工作流程是，判别系统启动后先自检，然后开始通过传感器采集信号，采集得到的时域信号进行实时FFT分析和阶次分析，得到频域参数，计算索力和弯曲刚度，然后在距离拉索底部支座L/4处加一质量块，重新测试这时拉索的环境振动时域信号并进行FFT分析得到基频，然后根据加载前后两次测得的基频计算两端转动约束刚度，结果显示并保存。必要时再与安全值进行比值得出拉索运营状态是否安全的判别。

本发明的智能判别系统组成如图2所示，它主要由数据采集单元1和数据分析单元10组成，数据采集单元1通过无线方式与数据分析单元10相连；所述的数据采集单元1由传感器2、多通道抗混滤波放大器3、模/数信号转换器4及发送单元5组成，传感器2的输出与多通道抗混滤波放大器3的输入端相连，多通道抗混滤波放大器3的输出端与模/数信号转换器4的输入端相连，模/数信号转换器4的输出端与发送单元5的输入端相连，发送单元5的输出端作为数据采集单元1的输出端与数据分析单元10中的数据接收单元6无线相连，数据分析单元10主要由数据接收单元6、数据分析处理单元11及显示与存储单元9，所述的数据接收单元6将从前述发送单元5接收到的数据先后依次送入数据分析处理单元11中的傅里叶变换模块7、索力计算模块8及拉索两端转动约束刚度计算模块12中进行计算后送入显示与存储单元9中进行存储并显示。其中的发送单元5可采用USB接口模块电路或WLAN通讯电路加以实现，对应的数据接收单元6设有USB接口或无线接收电路。

本发明的工作过程为：

传感器2检测到的模拟信号，经过抗混滤波放大器3后进行高精度24BitA/D转换4，得到数字信号，数字信号由USB传输单元5或使用无线WLAN进行信号传输。数据分析单元通过USB或无线网络6接收数据，接收到的数据经过FFT和阶次分析7，得到频域参数，根据长短索进行相应的索力计算8，得到结果通过显示与存储模块9显示并保存数据，然后再在距拉索底部1/4处加装附加质量块M，传感器2再次将检测到的模拟信号，经过抗混滤波放大器3后进行高精度24BitA/D转换4，得到数字信号，数字信号由USB传输单元5或使用无线WLAN进行信号传输。数据分析单元通过USB或无线网络6接收数据，送入拉索两端的转动约束刚度k₁，k₂计算模块中计算出约束刚度进行显示和存储，必要时再根据程序流程进行打印、报警等后续常规操作。

具体实施时可采用多通道实时信号采集技术，以便同时处理4个或4个以上的通道的索力数据，以便同时对多根拉索进行数据采集和分析。为保证各个通道信号的同步，每个通道均有独立的A/D转换单元。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

Claims (4)

1、一种拉索运营状态智能判别方法，其特征是它包括以下步骤：

第一步，在需要检测的拉索上安装具有无线发射功能的传感器，采集拉索的环境振动信号并送入计算机中；

第二步，利用计算机对第一步采集的数据进行傅里叶变换，得到前8阶振动主频：f_1，0，f₂….f₈：

第三步，根据第二步计算所得的前8阶振动主频中的偶价频率，按下面公式计算出拉索张力S：

$S=\frac{S_1+S_2+S_3}{3}$

其中 $S_1=\frac{(16{f_2}^2-{f_4}^2)\mathrm{\ρ}{L}^2}{12}$ $S_2=\frac{(81{f_4}^2-16{f_6}^2)\mathrm{\ρ}{L}^2}{180}$ $S_3=\frac{(256{f_6}^2-81{f_8}^3)\mathrm{\ρ}{L}^2}{1008}$

ρ——拉索线密度；L——拉索计算长度；

第四步，根据计算所得的索力按以下公式计算弯曲刚度EI：

$\mathrm{EI}=\frac{1}{4}\underset{i=\mathrm{2,4,6,8}}{\mathrm{\Σ}}\frac{L^2}{i^2{\mathrm{\π}}^2}[\frac{4{f_i}^2\mathrm{\ρ}{L}^2}{i^2}-S]$

第五步，在距离拉索底部L/4处粘贴一附加质量块M所示，再次采集加装附加质量块M后的拉索的环境振动信号，并进行傅里叶变换，得到拉索的自振基频f_1，1：

第六步，将以上计算所得的索力S、弯曲刚度EI和自振基频f_1，1代下以下两个方程中以求解出拉索两端的转动约束刚度k₁，k₂：

$\left\{\begin{array}{c}{\mathrm{\ω}}_{\mathrm{1,0}}^2=\frac{{\mathrm{\π}}^{2}S}{\mathrm{\ρ}{L}^2}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{\mathrm{\ρ}{L}^4}+\frac{3k_1}{\mathrm{\ρ}{L}^3}+\frac{3k_2}{\mathrm{\ρ}{L}^3}\\ {\mathrm{\ω}}_{\mathrm{1,1}}^2=\frac{{\mathrm{\π}}^{2}S}{\mathrm{\ρ}{L}^2}+\frac{{\mathrm{\π}}^{2}S}{2\mathrm{LM}}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{\mathrm{\ρ}{L}^4}+\frac{{\mathrm{\π}}^4\mathrm{EI}}{{\mathrm{ML}}^3}+k_1(\frac{3}{\mathrm{\ρ}{L}^3}+\frac{4}{{\mathrm{ML}}^2})+k_2(\frac{3}{\mathrm{\ρ}{L}^3}+\frac{4}{3{\mathrm{ML}}^2})\end{array}\right.$

其中ω_1，0＝2πf_1，0，ω_1，1＝2πf_1.1

第七步，由计算机将求得的索力S、弯曲刚度EI及拉索两端的转动约束刚度k₁，k₂与设计安全值进行比较，得出拉索是否处于安全运行状态的判断，并进行显示或报警。

2、根据权利要求1所述的拉索运营状态智能判别方法，其特征是所述的附加质量块M的取值不小于拉索质量的5％。

3、一种拉索运营状态智能判别系统，其特征是它主要由数据采集单元(1)和数据分析单元(10)组成，数据采集单元(1)通过无线方式与数据分析单元(10)相连；所述的数据采集单元(1)由传感器(2)、多通道抗混滤波放大器(3)、模/数信号转换器(4)及发送单元(5)组成，传感器(2)的输出与多通道抗混滤波放大器(3)的输入端相连，多通道抗混滤波放大器(3)的输出端与模/数信号转换器(4)的输入端相连，模/数信号转换器(4)的输出端与发送单元(5)的输入端相连，发送单元(5)的输出端作为数据采集单元(1)的输出端与数据分析单元(10)中的数据接收单元(6)无线相连，数据分析单元(10)主要由数据接收单元(6)、数据分析处理单元(11)及显示与存储单元(9)，所述的数据接收单元(6)将从前述发送单元(5)接收到的数据先后依次送入数据分析处理单元(11)中的傅里叶变换模块(7)、索力计算模块(8)及拉索两端转动约束刚度计算模块(12)中进行计算后送入显示与存储单元(9)中进行存储并显示。

4、根据权利要求3所述的拉索运营状态智能判别系统，其特征是所述的发送单元(5)为USB接口模块电路或WLAN通讯电路，对应的数据接收单元(6)设有USB接口或无线接收电路。

Images