CN112513607A - 用于确定结构和相关联的系统的损坏风险的方法 - Google Patents
用于确定结构和相关联的系统的损坏风险的方法 Download PDFInfo
- Publication number
- CN112513607A CN112513607A CN201980045657.0A CN201980045657A CN112513607A CN 112513607 A CN112513607 A CN 112513607A CN 201980045657 A CN201980045657 A CN 201980045657A CN 112513607 A CN112513607 A CN 112513607A
- Authority
- CN
- China
- Prior art keywords
- representative
- frequency
- selected sample
- samples
- modulus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000006870 function Effects 0.000 claims abstract description 75
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000003071 parasitic effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 235000009754 Vitis X bourquina Nutrition 0.000 description 1
- 235000012333 Vitis X labruscana Nutrition 0.000 description 1
- 240000006365 Vitis vinifera Species 0.000 description 1
- 235000014787 Vitis vinifera Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0066—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Aviation & Aerospace Engineering (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种用于确定结构的损坏风险的方法,其中所述方法由系统实施,所述系统包括适于从所述结构获取振动测量结果的至少一个传感器以及处理单元,并且所述方法包括以下步骤:(S100)根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本;(S200)将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率;(S400)当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着超过预设阈值的值变化时,检测所述结构的损坏风险。
Description
技术领域
本发明涉及如建筑物、水坝、桥梁或艺术品等结构的监测。
背景技术
已知测量在结构内产生的振动是为了监测所讨论的结构的状态并发出关于所述状态的通知。
在结构上放置振动传感器并实时监测所测振动的振幅是已知的。然后,当在结构上测得的振动过大并且可能导致结构损坏时,就会产生警报信号。然而,所产生的警报信号不一定揭示损坏。
另外,存在其它监测系统,使用所述监测系统可持续记录在结构内产生的振动。对所收集数据的分析可以用于检测是否发生损坏,并且在一些情况下对损坏进行定位。为此,必须对所收集数据加时间戳或同步。例如,此类监测系统安装于卢尔德的Ophite高层建筑上,并成为连续观测网络的一部分。所述系统包括连接到GPS接收器的多个加速度计,使用所述多个加速度计对测量信号加时间戳。由于加速度计通过线缆连接到GPS接收器,所以此类监控系统的安装并不容易。进一步地,由于科学品质加速度计以及具体地GPS接收器的存在,此类系统相对昂贵。另外,此类系统不适于实时处理数据。
发明内容
具体地,本发明旨在弥补现有技术的前述缺点。
具体地,本发明的目的是提供一种实时检测结构的损坏风险的系统。
本发明的另一个目的是提供一种易于安装且成本更低的系统。
本发明的另一个目的是简化所收集数据的处理并且最小化所需的计算功率和待发送的数据的量。
为此,根据第一方面,本发明提出了一种用于确定结构的损坏风险的方法,其中所述方法由系统实施,所述系统包括适于从所述结构获取振动测量结果的至少一个传感器以及处理单元,并且所述方法包括以下步骤:
●根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本,其中所述选定样本具有比来自所述多个样本的其它样本的能量更低的能量;
●计算所述选定样本的傅里叶变换的模量;
●将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率;
●当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险。
以上步骤不一定按顺序执行,但可以并行执行。
应当注意的是,“最低能量标准”在时域和频域中都同样适用,并且用于从多个所获取样本中选择包括最少寄生信号的样本。能量可以基于来自由至少一个振动传感器获取的数据样本的时域或频域信号的积分计算出来。通常,其涉及时域或频域信号的积分,并且更具体地代表样本的傅里叶变换的模量的信号的积分。其还可能涉及样本的时间值的统计变化的测量结果,通过所述测量结果,应理解的是,具有最小标准偏差的样本也具有最小能量。
在一个实施例中,所述代表性函数为高斯函数。
在一个实施例中,所述选择代表所述结构的状态的样本的步骤包括:对于在预设时间期间获取的每个样本,计算每个所获取样本的傅里叶变换的模量,对在预设频带内代表傅里叶变换的模量的信号求积分以及选择所述信号的积分最小的样本。
在优选实施例中,代表所述样本的傅里叶变换的模量的所述信号为功率谱密度。
在一个实施例中,代表所述样本的傅里叶变换的模量的信号的计算包括:
●计算所述样本的傅里叶变换;以及
●使用所述样本的傅里叶变换的模量计算功率谱密度。
在一个实施例中,所述方法进一步包括根据代表所述最高振幅频率峰值的所述函数集识别所述结构的本征频率的步骤。
在一个实施例中,所述方法进一步包括根据代表所述最高振幅频率峰值的所述函数集计算所述结构的本征频率的步骤。在一个实施例中,所述方法进一步包括将代表所述最高振幅频率峰值的每个函数的中心频率发送到远程计算单元的步骤,并且所述检测所述结构的损坏风险的步骤由所述远程计算单元实施。
在一个实施例中,所述传感器适于测量所述结构沿至少一个检测方向的振动。
在一个实施例中,所述传感器包括至少一个检波器,所述至少一个检波器适于获取所述结构沿设定方向的振动速度测量结果。
在一个实施例中,所述传感器包括适于获取所述结构分别沿第一方向和第二方向的振动速度测量结果的至少两个检波器,其中所述两个检波器被定位成使得所述第一方向和所述第二方向垂直。
在一个实施例中,所述方法进一步包括在远程存储器中存储所述结构的损坏风险指标。
在一个实施例中,所述方法进一步包括将损坏风险指标发送到用户的终端。
根据第二方面,本发明提出了一种计算机程序产品,其包括当其由处理器实施时,至少用于实施以下步骤的代码指令:
●根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本,其中所述选定样本具有比来自所述多个样本的其它样本的能量更低的能量;
●计算所述选定样本的傅里叶变换的模量;
●将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率;
在优选实施例中,所述计算机程序产品进一步包括用于实施以下步骤的代码指令:
●当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险。
最后,根据第三方面,本发明提出了一种用于检测结构的损坏风险的系统,其包括:
●至少一个传感器,所述至少一个传感器适于从所述结构获取多个振动测量样本;
●处理单元,所述处理单元被配置成:
○根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本,其中所述选定样本具有比来自所述多个样本的其它样本的能量更低的能量;
○计算所述选定样本的傅里叶变换的模量;
○将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率;
○当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险。
在一个实施例中,所述处理单元包括:
●第一计算单元和第二计算单元,其中所述第二计算单元为远程计算单元;
●其中所述第一计算单元被配置成:
○根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本,其中所述选定样本具有比来自所述多个样本的其它样本的能量更低的能量;
○计算所述选定样本的傅里叶变换的模量;
○将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率;
○针对每个选定样本,发送来自所述集的代表所述最高振幅频率峰值的每个函数的中心频率;
●其中所述第二远程计算单元被配置成:
○针对每个选定样本,接收来自所述集的代表所述最高振幅频率峰值的每个函数的中心频率;
○当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险。
本发明具有许多优点。首先,所测得数据不需要通过GPS信号进行同步或加时间戳。由各个传感器测得的数据可以因此使用无线通信协议发送,并且传感器因此更易于安装。其次,存储在存储器中或传输的数据被最小化并且计算时间被限制,具体地通过选择最小能量样本,将每个选定样本的傅里叶变换的模量分解成代表最高振幅峰值的多个函数以及(如果适用的话)将来自这些函数的参数发送到远程计算单元。因此,有可能实施实时操作的成本更低的系统。成本还可以通过使用包括适于平衡所使用的低成本检波器的频率响应的处理单元的一个或多个检波器来降低。另外,还有可能通过查阅损坏风险指标的历史来确定结构中发生变化的日期,具体地在工作后。因此,还有可能据此识别原因。
附图说明
通过参考附图进行的以下描述,本发明的细节和优点将更清晰地显现,在附图中:
图1示出了根据本发明的实施例的用于检测损坏风险的方法;
图2示出了根据本发明的实施例的用于检测损坏风险的系统。
具体实施方式
图1示出了根据本发明的实施例的损坏检测系统。
损坏检测系统1包括至少一个获取单元2和一个远程计算单元4。
获取单元2包括传感器21和计算单元22,所述传感器适于检测其所置于的结构的振动。计算单元22被配置成:从由传感器21获取的样本中选择代表所述结构的样本;将所述样本分解成代表最高振幅频率峰值的函数集;并且通过执行参考下述图2所描述的步骤S100到S300,通过通信接口22c将与代表最高振幅频率峰值的函数相关的数据发送到远程计算单元4。计算单元22包括计算器22a、能够存储待由计算器实施的指令的存储器22b以及通信接口22c。计算器22a可以是微控制器、处理器或微处理器。计算单元22连接到传感器21,并且可以能够命令传感器获取振动测量结果并且接收这些振动测量结果。在必要时,如果由传感器得到的振动测量结果是模拟的,则计算单元22还可以包括模数转换器。模数转换器可以例如集成到微控制器中。
远程计算单元4包括计算器4a(例如,处理器)、包括旨在由计算器执行的指令的远程存储器4b以及通信接口4c。通信接口4c能够接收与代表每个选定样本的最高振幅频率峰值的函数相关的数据。远程计算单元4被配置成通过执行参考图2所描述的步骤S400到S600从通过通信接口4c接收到的数据中检测损坏风险。具体地,远程计算单元4能够从代表最高频率的函数之一的中心频率变化中检测损坏风险,并将损坏风险指标更新到结构。
进一步地,远程计算单元4包括能够与用户的终端5通信的接口4d,如计算机、智能手机、平板计算机或数据服务器。计算单元4可以例如通过SMS定期向用户的终端5发送损坏风险指标(如果终端是智能手机的话)或仅发送指标的任何更新。计算单元4还可以允许通过例如互联网从用户的终端5对存储在存储器4b中的数据进行远程访问。因此,存储器4b还可以或可替代地包括在指标的状态下收集的数据的历史。
在此处描述的实施例中,应当注意的是,系统1包括仅一个获取单元2。在其它实施例中,系统1可以包括类似于先前所描述的存在于结构上的那些获取单元的若干个获取单元。来自每个获取单元2的与代表最高振幅频率峰值的函数相关的数据可以直接发送到远程计算单元4。可替代地,这些数据可以通过中间模块3收集,所述中间模块被配置成根据第一协议(如或)与获取单元2通信,并且在进行或不进行预处理的情况下通过例如另一种协议使来自各个获取单元的数据集中化到远程计算单元4。因此,中间模块3包括两个通信接口,其中一个被配置成与获取单元通信,并且另一个被配置成例如通过互联网与远程处理单元通信。
有利地,传感器21适于测量其所置于的结构沿至少一个方向的振动。其可以涉及例如能够测量位移的一个或多个压电传感器、能够测量速度的一个或多个检波器或能够测量加速度的加速度计。传感器21适于测量结构沿至少一个检测方向的振动。事实上,当结构的共振模式之一的方向已知或易于确定时,就有可能使用检测方向沿结构的共振模式之一定向的传感器。
另一方面,当共振模式未知或难以识别时,传感器21包括其它检测方向,其中检测方向优选地相互垂直。以那种方式,确保在不关注结构的共振模式的朝向的情况下,可以测量代表结构的振动的信号。
在优选实施例中,传感器21包括两个检波器21a、21b,其中每个检波器都适于获取结构沿检测方向的振动速度。有利地,两个检波器被定位成使得其相应的检测方向是正交的。这种配置是特别有利的,因为所考虑的大多数结构(如建筑物和水坝)都具有两个对称轴,在单个平面中定向的两种不同的共振模式可以与所述两个对称轴相关联。
检波器的使用是特别有利的,因为其适于以较低成本测量振动速度,所述振动速度的频率包含在0.2与20Hz之间,例如优选地包含在1Hz与15Hz之间。具体地,存在连接到能够扩展和平衡所使用的低成本检波器的谱响应的处理单元的检波器。例如在申请FR 17/059513中描述了连接到数字处理单元的检波器的实例。检波器的处理单元可以因此被配置成执行先前所描述的步骤S100到S300。
在另一个实施例中,远程计算单元所执行的步骤是由获取单元直接执行的。然后,系统1仅包括获取单元,每个获取单元包括传感器和实施步骤S100、S200和S400以及任选地步骤S500和S600的处理单元。
图2示出了根据本发明的实施例的用于检测损坏风险的方法。
所述方法包括从在设定时间期间获取的多个样本中选择代表所述结构的状态的样本的步骤S100、将选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集的步骤S200(其中每个代表性函数具有中心频率)以及当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险的步骤S400。
进一步地,当所述方法由包括例如参考图1所描述的远程计算单元的系统实施时,所述方法可以任选地包括将代表最高振幅频率峰值的每个函数的中心频率至少传输到远程计算单元的步骤S300。
在一个实施例中,根据最小能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的样本的步骤S100包括以下子步骤:在设定时间期间获取多个样本;
●计算每个样本在样本中存在的测量点集上的标准偏差;以及
●选择具有最小标准偏差的样本。
在另一个实施例中,根据最小能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的样本的步骤S100包括以下子步骤:
●在设定时间期间获取多个样本;
●计算每个样本的傅立叶变换的模量和谱功率密度,其中谱功率密度定义为傅里叶变换的模量的平方除以样本获取时间的比率;
●在考虑用于确定全局功率谱密度的频带内对每个样本的功率谱密度求积分;
●选择具有全局最小谱功率密度的样本。
选择具有最小能量的样本的步骤用于选择在选择所覆盖的时间期间具有最小寄生振动(即不稳定振动)的样本。因此,具有最小能量的选定样本在考虑的时间内最能代表结构的状态。样本实际上包括与结构的振动模式和例如由于水坝上的泵启动所引起的其它振动相对应的振动。如果此泵在设定时间内被定期致动,则有可能通过从在比泵的致动时间更长的时间内测量的样本中选择具有最小能量的样本来选择不具有与泵的操作有关的振动的样本。此选择步骤用于在所考虑的时间内对暂时的寄生振动进行滤波。基于傅里叶变换的模量计算的方法更有效,因为其考虑了样本的各个频率分量并且用于在选择步骤S100期间所考虑的时间期间选择具有最小寄生振动的样本。选择具有最小能量的选定样本(意味着其能量低于在设定时间期间考虑的其它样本的能量)用于限制待处理和传输的数据的量。接下来,在步骤S200期间,将选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集。
步骤S200包括:
●从选定样本的当前傅里叶变换的模量中检测最高振幅峰值的子步骤;
●确定代表最高振幅频率峰值的函数的子步骤,其中代表性函数是统计分布函数,例如高斯函数;
●在存储器中至少存储对应的代表性函数的中心频率的子步骤。也可以存储代表性函数的其它代表性参数,例如高斯函数的宽度和振幅;
●从当前傅里叶变换的模量中减去代表性函数并且更新当前傅里叶变换的模量的子步骤。
将这些步骤重复预设的次数,直到得到预设数量的代表最高振幅频率峰值的函数为止。
另外,当选择步骤S100基于时域样本的标准偏差进行时,分解步骤S200可以包括初步子步骤,在所述初步子步骤期间,计算选定样本的傅里叶变换。
当选择步骤S100基于傅里叶变换的模量进行时,选定样本的傅里叶变换的模量在第一重复期间与在步骤S100期间计算的傅里叶变换的模量相对应。
在一个实施例中,当所述方法由包括远程计算单元的系统实施时,所述方法包括将代表最高振幅频率峰值的每个函数的中心频率至少传输到远程计算单元的步骤S300。对于一些样本,可能会发送代表性函数的其它参数。然后,有可能根据这些参数重建样本的各个时域测量点,并且计算结构的共振模式的如下所述的本征频率。每个代表性函数的中心频率的传输以及可能地代表性函数的其它参数的传输有助于限制发送到远程计算单元的数据的量。
最后,在一个实施例中,当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险的步骤S400包括:
●选择选定的频带使得所述频带中仅存在与结构的共振模式相对应的频率峰值;
●计算在选定频带中存在的代表性函数中的至少一个代表性函数的初始中心频率与当前中心频率之差的绝对值;
●当所述绝对值大于代表性函数中的至少一个代表性函数的预设阈值时,检测损坏风险。
在另一个实施例中,选择选定的频带使得所述频带中仅存在与结构的共振模式相对应的频率峰值可以在分解步骤S200处开始进行,以仅分解包括本征频率且无寄生峰值的傅里叶变换的模量的一部分。步骤S400然后包括:
●计算在步骤S200期间确定的代表性函数中的至少一个代表性函数的初始中心频率与当前中心频率之差的绝对值;
●当所述绝对值大于代表性函数中的至少一个代表性函数的预设阈值时,检测损坏风险。
有利地,预设阈值是固定的,使得不考虑本征频率的变化上的气候变化。因此,选择预设阈值以使其大于由气候变化引起的本征频率振动。事实上,气候变化引起混凝土的湿度水平变化,并且因此对结构的共振模式的本征频率产生影响。可以根据共振模式以及因此所考虑的共振频率使用不同的阈值。
根据变体,检测结构的损坏风险的步骤S400包括当所述绝对值大于在设定时间期间代表性函数中的至少一个代表性函数的预设阈值时,检测损坏风险。以那种方式,不仅避免了由于异常事件引起的中心频率的变化,而且还考虑了如风暴等瞬变现象。固定时间可以例如为3天到4天,因为风暴很少持续更长时间。
在一个实施例中,选择频带的子步骤包括计算结构的共振模式的本征频率。
在一个实施例中,共振的本征频率是例如根据由传感器通过例如在以下文献中描述的被称为SSI-COV的随机方法的子集获取的时域样本计算的:“用于使用遭受地震激发的土木工程结构的仅输出响应进行损坏检测与定位的算法(An algorithm for damagedetection and localization using output-only response for civil engineeringstructures subjected to seismic excitations)”,F.Frigui、J.-P.Faye、C.Martin、O.Dalverny、F.Peres、S.Judenherc,《第七届机械与材料设计国际会议议程(Proceedingsof the 7th International Conference on Mechanics and Materials in Design)》,葡萄牙阿尔布费拉2017年6月11-15日。也可以使用本领域技术人员已知的其它方法。
在优选实施例中,令人惊讶的是,使用来自代表性函数的参数重构的时域样本用于计算共振的本征频率。然后,使用了在步骤S300期间发送到远程计算单元的包括中心频率以及任选地代表在步骤S200期间计算的最大振幅的函数的振幅的参数。当样本被分解成足够数量的代表性函数时,重构后的样本是足够相关的。本发明的发明人已经表明,分解成16个代表性函数就足够了。然而,重构后的时域样本与所测量的样本不同,因为其是仅使用傅里叶变换的模量进行重构的。不使用傅里叶变换的相位。因此,有可能减少实施所述方法的系统中所需的计算时间和存储空间。在傅里叶变换的模量的计算期间,时域样本事实上仅存储在存储器中。因此,可以使用成本较低的组件。
在替代性实施例中,步骤S400包括:
●识别与结构的共振的本征频率相对应的至少一个中心频率;
●跟踪例如通过计算初始频率与对应电流频率之差的绝对值识别的至少一个本征频率的变化;
●当所述绝对值大于所识别的本征频率中的至少一个本征频率的预设阈值时,检测损坏风险。
通过基于使用先前所描述的SSI-COV方法重构的时域样本的可操作模式分析步骤以及然后通过对例如在文献“区分物理模式和伪模式以进行结构参数识别的稳定化图(Stabilization diagrams to distinguish physical modes and spurious modes forstructural parameter identification)”(Wu,C.、Liu,H.、Qin,X.和Wang,J.,《振动工程杂志(Journal of Vibroengineering)》,第19卷,第4期,2017,第2777-2794页)的第2.1或2.2节中描述的稳定性图的研究获得了与结构的本征频率相对应的中心频率的识别。这种方法对于区分本征频率与寄生频率(如与泵、空调的使用有关的振动的频率)或其它电气频率(如50Hz分支电路供应的谐波或Σ-δ技术功率转换器的“空转音调”)或在模拟信号到数字信号的转换期间产生的寄生频率尤其有效。任选地,所述方法进一步包括将损坏风险的指标发送到用户的终端的步骤S500。此指标可以例如通过SMS发送到用户的移动电话。
任选地,所述方法进一步包括在远程存储器中存储结构的损坏风险的指标和针对选定样本收集的数据的历史的步骤S600。由于此远程存储器是可远程访问的,所以用户可以例如查阅结构损坏风险的历史。
有利地,以上描述的方法是由包括传感器的系统的至少一个获取单元实施的,并且针对由传感器测量的每个检测方向实施。根据一个实施例,足以在检测方向上检测与结构的本征频率之一相对应的代表性函数之一的大于预定阈值的中心频率的变化。
Claims (10)
1.一种用于确定结构的损坏风险的方法,其中所述方法由系统实施,所述系统包括适于从所述结构获取振动测量结果的至少一个传感器以及处理单元,并且所述方法包括以下步骤:
●(S100)根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本,其中所述选定样本具有比来自所述多个样本的其它样本的能量更低的能量;
●计算所述选定样本的傅里叶变换的模量;
●(S200)将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率;
●(S400)当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险。
2.根据权利要求1所述的方法,其特征在于,所述代表性函数为高斯函数。
3.根据权利要求1所述的方法,其特征在于,选择代表所述结构的状态的样本的步骤包括:对于在预设时间期间获取的每个样本,计算每个所获取样本的傅里叶变换的模量,对在预设频带内代表傅里叶变换的模量的信号求积分以及选择所述信号的积分最小的样本。
4.根据权利要求1所述的方法,其特征在于,所述方法进一步包括根据代表所述最高振幅频率峰值的所述函数集计算所述结构的本征频率的步骤。
5.根据权利要求1所述的方法,其特征在于,所述方法进一步包括将代表所述最高振幅频率峰值的每个函数的中心频率发送到远程计算单元的步骤(S300),并且所述检测所述结构的损坏风险的步骤由所述远程计算单元实施。
6.根据权利要求1所述的方法,其特征在于,所述传感器包括适于获取所述结构分别沿第一方向和第二方向的振动速度测量结果的至少两个检波器,其中所述两个检波器被定位成使得所述第一方向和所述第二方向垂直。
7.一种计算机程序产品,其包括当其由处理器实施时,至少用于实施以下步骤的代码指令:
●根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本,其中所述选定样本具有比来自所述多个样本的其它样本的能量更低的能量;
●计算所述选定样本的傅里叶变换的模量;
●将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率。
8.根据权利要求7所述的计算机程序产品,其进一步包括用于实施以下步骤的代码指令:
●当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险。
9.一种用于检测结构(1)的损坏风险的系统,其包括:
●至少一个传感器(21),所述至少一个传感器适于从所述结构获取多个振动测量样本;
●处理单元(22,3,4),所述处理单元被配置成:
○根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本,其中所述选定样本具有比来自所述多个样本的其它样本的能量更低的能量;
○计算所述选定样本的傅里叶变换的模量;
○将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率;
○当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险。
10.根据权利要求9所述的系统,其特征在于,所述处理单元(22,3,4)包括:
●第一计算单元(22)和第二计算单元(4),其中所述第二计算单元(4)为远程计算单元;
●其中所述第一计算单元(22)被配置成:
●根据最低能量标准从在设定时间期间获取的多个样本中选择代表所述结构的状态的选定样本,其中所述选定样本具有比来自所述多个样本的其它样本的能量更低的能量;
○计算所述选定样本的傅里叶变换的模量;
○将所述选定样本的傅里叶变换的模量分解成代表最高振幅频率峰值的函数集,其中每个代表性函数具有中心频率;
○针对每个选定样本,发送来自所述集的代表所述最高振幅频率峰值的每个函数的中心频率;
●其中所述第二远程计算单元(4)被配置成:
○针对每个选定样本,接收来自所述集的代表所述最高振幅频率峰值的每个函数的中心频率;
○当所述代表性函数之一的中心频率对应于所述结构的本征频率之一并且频率随着优选地在设定时间内超过预设阈值的值变化时,检测所述结构的损坏风险。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1856501 | 2018-07-13 | ||
FR1856501A FR3083862B1 (fr) | 2018-07-13 | 2018-07-13 | Procede de determination d'un risque d'endommagement d'une structure et systeme associe |
PCT/FR2019/051772 WO2020012141A1 (fr) | 2018-07-13 | 2019-07-15 | Procédé de détermination d'un risque d'endommagement d'une structure et système associé |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112513607A true CN112513607A (zh) | 2021-03-16 |
CN112513607B CN112513607B (zh) | 2024-06-11 |
Family
ID=63312160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980045657.0A Active CN112513607B (zh) | 2018-07-13 | 2019-07-15 | 用于确定结构和相关联的系统的损坏风险的方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210223137A1 (zh) |
EP (1) | EP3821222A1 (zh) |
CN (1) | CN112513607B (zh) |
CA (1) | CA3105732A1 (zh) |
FR (1) | FR3083862B1 (zh) |
WO (1) | WO2020012141A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090222228A1 (en) * | 2005-09-14 | 2009-09-03 | Gao Robert X | Multi-scale enveloping spectrogram signal processing for condition monitoring and the like |
US20120204646A1 (en) * | 2011-02-10 | 2012-08-16 | National Taiwan University Of Science And Technology | Method for analyzing structure safety |
CN103325388A (zh) * | 2013-05-24 | 2013-09-25 | 广州海格通信集团股份有限公司 | 基于最小能量小波框架的静音检测方法 |
CN104316162A (zh) * | 2014-10-28 | 2015-01-28 | 中国科学院长春光学精密机械与物理研究所 | 大型光电望远镜多级振动频率智能化测量分析方法及系统 |
CN108181107A (zh) * | 2018-01-12 | 2018-06-19 | 东北电力大学 | 计及多分类目标的风电机组轴承机械故障诊断方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6873923B1 (en) * | 2003-09-18 | 2005-03-29 | Agilent Technologies, Inc. | Systems and methods for performing analysis of a multi-tone signal |
US7930128B2 (en) * | 2007-04-16 | 2011-04-19 | Acellent Technologies, Inc. | Robust damage detection |
US8370109B2 (en) * | 2008-05-20 | 2013-02-05 | Dli Engineering Corporation | Machine vibration baseline synthesizer |
US10900864B2 (en) * | 2016-04-29 | 2021-01-26 | Siemens Industry Software Nv | Method and system for accelerated fatigue damage testing of an object |
-
2018
- 2018-07-13 FR FR1856501A patent/FR3083862B1/fr active Active
-
2019
- 2019-07-15 CN CN201980045657.0A patent/CN112513607B/zh active Active
- 2019-07-15 EP EP19753161.9A patent/EP3821222A1/fr active Pending
- 2019-07-15 WO PCT/FR2019/051772 patent/WO2020012141A1/fr unknown
- 2019-07-15 CA CA3105732A patent/CA3105732A1/en active Pending
- 2019-07-15 US US17/259,860 patent/US20210223137A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090222228A1 (en) * | 2005-09-14 | 2009-09-03 | Gao Robert X | Multi-scale enveloping spectrogram signal processing for condition monitoring and the like |
US20120204646A1 (en) * | 2011-02-10 | 2012-08-16 | National Taiwan University Of Science And Technology | Method for analyzing structure safety |
CN103325388A (zh) * | 2013-05-24 | 2013-09-25 | 广州海格通信集团股份有限公司 | 基于最小能量小波框架的静音检测方法 |
CN104316162A (zh) * | 2014-10-28 | 2015-01-28 | 中国科学院长春光学精密机械与物理研究所 | 大型光电望远镜多级振动频率智能化测量分析方法及系统 |
CN108181107A (zh) * | 2018-01-12 | 2018-06-19 | 东北电力大学 | 计及多分类目标的风电机组轴承机械故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
FR3083862B1 (fr) | 2021-09-10 |
FR3083862A1 (fr) | 2020-01-17 |
CN112513607B (zh) | 2024-06-11 |
EP3821222A1 (fr) | 2021-05-19 |
WO2020012141A1 (fr) | 2020-01-16 |
US20210223137A1 (en) | 2021-07-22 |
CA3105732A1 (en) | 2020-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gentile et al. | One-year dynamic monitoring of a historic tower: damage detection under changing environment | |
KR100669070B1 (ko) | 구조물의 모니터링을 위한 동적응답측정용 무선계측 시스템 | |
KR102003382B1 (ko) | 실시간 지진 판별 및 조기 경보 기능을 구비한 지진동 기록 장치 및 이에 사용되는 지진동 판별 방법 | |
CN106289411A (zh) | 一种房屋形变监测系统及其监测方法 | |
Desjardins et al. | Real-time data processing, analysis and visualization for structural monitoring of the confederation bridge | |
JP2007071707A (ja) | リアルタイム地震情報を利用した地震動強さの予測方法および防災システム | |
KR101523355B1 (ko) | 배경잡음에 강인한 지진파 자동 검출 장치 및 그 방법 | |
US8144333B2 (en) | Optical fiber structure monitoring and analysis | |
Ogaja et al. | Toward the implementation of on-line structural monitoring using RTK-GPS and analysis of results using the wavelet transform | |
JP2008096203A (ja) | 情報受信装置及びそれを使用する無地震計情報受信装置若しくはそれを用いた情報受信システム | |
Kaya et al. | Real-time structural health monitoring and damage detection | |
CN112513607A (zh) | 用于确定结构和相关联的系统的损坏风险的方法 | |
JP7201143B2 (ja) | 地震予測装置及び地震予測方法 | |
CN117473263A (zh) | 一种桥梁振动监测的频率与阻尼比自动识别方法和系统 | |
CN117523783A (zh) | 高层建筑震害报警产出系统 | |
JP2003214849A (ja) | 防災監視システム | |
Kaya et al. | Structural health monitoring: real-time data analysis and damage detection | |
Zonno et al. | Preliminary validation of an automatic modal identification methodology for structural health monitoring of historical buildings | |
JP4140699B2 (ja) | 斜面監視システム | |
Chen et al. | A comparison of operational modal parameter identification methods for a multi-span concrete motorway bridge | |
Losanno et al. | Structural monitoring system for the management of emergency due to natural events | |
KR101185465B1 (ko) | 지진의 누적절대속도 추정 장치 | |
JP2010276383A (ja) | 緊急地震速報受信装置 | |
Luthe et al. | Acceleration-based strain estimation in a beam-like structure | |
JP2010529475A (ja) | 地球の表面におけるストーム活動をリアルタイムで監視する方法および装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210818 Address after: Toulouse, France Applicant after: Signal acquisition and measurement Co. Address before: Toulouse, France Applicant before: Staneo Co. |
|
GR01 | Patent grant |