基于无线传感器网络的斜拉桥模型动力特性分析
柳成荫,何显银,张海江
(哈尔滨工业大学深圳研究生院 土木与环境学院,广东 深圳,518055)
摘要:通过建立斜拉桥模型的振动试验系统,探讨利用无线传感器网络进行斜拉桥模型结构动力特性研究的可行性。以有线加速度传感器试验系统为参考,使用特征系统实现算法和频域分解法对无线传感器网络实验数据进行了结构模态参数识别,提取的模态参数与有线试验分析结果基本一致。基于Imote2节点的无线传感器网络采集的数据可靠,传输过程无数据丢失现象,表明该无线传感器网络可应用于桥梁结构动力特性试验研究。试验所用斜拉桥模型基本振型为主梁竖向弯曲,模态比较密集,符合斜拉桥特性。
关键词:动力特性分析;斜拉桥模型;无线传感器网络
中图分类号:U446.1 文献标志码:A 文章编号:1672-7207(2014)01-0208-06
Analysis of dynamic characteristics for a cable-stayed bridge model using wireless sensor network
LIU Chengyin, HE Xianyin, ZHANG Haijiang
(School of Civil Engineering and Environment, Harbin Institute of Technology Shenzhen Graduate School,
Shenzhen 518055, China)
Abstract: Dynamic characteristics of a cable-stayed bridge model were studied based on wireless sensors network (WSNs) with the purpose to extend application of WSN to bridge structures dynamic monitoring. Based on the in-house Binzhou Yellow River Highway Bridge reduced scale model, WSN tests were successfully conducted in comparison with parallel traditional wired accelerometer tests. Both Eigensystem Realization Algorithm (ERA) and Frequency Domain Decomposition (FDD) algorithms were used to verify the performance of WSN through identifying the structural modal parameters, including modal shapes and structural natural frequencies. The test results demonstrate that the WSN using Imote2 sensor platform can be employed in the application of bridge model dynamic characteristics analysis. It is also found that the bridge model has intensive vibration modes, which mainly consist of vertical modal shapes.
Key words: dynamic characteristics; cable-stayed bridge model; wireless sensor network
桥梁结构的动力特性分析是结构动力响应、地震分析、风致灾害和碰撞响应等的基础分析,也是结构健康监测的一个重要组成部分。有限元分析和模态实验分析是识别结构动力特性参数、分析结构动力特性的2种主要手段。基于有线传感器的模态实验分析技术已经广泛应用,但存在布线麻烦、困难等问题。鉴于无线传感器网络节省数据传输线和不需要繁重的布线工作,无线传感器已经开始应用在桥梁结构的动力特性分析、动力监测等方面[1],无线传感器网络是由具有特定功能的传感器节点组成,通过自组织的无线通信方式相互传递信息,协同地完成特定功能的智能专用网络[2-6]。本文作者采用由Imote2无线传感节点平台与ISM400传感板组成的无线传感器网络,进行识别实验室斜拉桥模型动力特性参数,即频率和振型,进行模型动力特性分析。通过模型桥梁动力特性参数识别结果,初步掌握节点平台和传感板性能,为无线传感器网络在桥梁动力监测方面的实际应用做一些基础性工作。
1 斜拉桥模型
山东滨州黄河公路大桥,如图1所示,是三塔双索面固接+半漂浮双边箱形预应力混凝土斜拉桥体系。实验室滨州黄河公路大桥斜拉桥模型,如图2(a)所示,是1:40缩尺简化模型。桥梁模型沿纵向在两边塔横梁处截断,仅保留主塔与边塔间两主跨长度,共15.2 m。截取面采用近似固接方式,如图2(b)所示。中塔处,塔梁墩固结;边塔处,主梁属于半漂浮体系。桥塔设计采用了双柱式索塔,上塔柱采用等截面圆端截面,下塔柱逐渐过渡成圆形截面。横截面为双边箱主梁,分布于桥梁纵向两边外侧。横隔梁沿桥纵向一定距离设置,其距离与索距相一致。桥塔附近处横隔梁截面属性与跨内不同,截面惯性矩较大。桥面板下面的附加质量3.64 t质量块。斜拉索48根,索距为55.5 cm,关于索距与中塔平面尺寸的模型桥立面图见图3。桥梁模型材料和尺寸见表1。
2 振动试验系统
采用多点输入多点输出的试验模态分析方法和跑点即参考点的分组测量法。振动试验系统包括激振系统、测量系统、分析系统。本文激振系统和有线采集系统采用了美国国家仪器数字采集设备NI PXI4472,其系统开发使用了LabVIEW8.6软件平台,激振系统LabVIEW前面板见图4。有线传感器使用了力平衡加速传感器和压电传感器。无线采集系统传感器节点选用了Imote2节点平台和ISM400传感板;分析系统采用MATLAB软件进行数据处理。
图1 山东滨州黄河公路大桥
Fig. 1 Binzhou Yellow River Highway Bridge
图2 滨州黄河公路大桥桥梁模型
Fig. 2 Binzhou Yellow River Highway Bridge model
图3 模型桥(半跨)立面图
Fig. 3 Schematic of cable-stayed bridge model (half)
Imote2无线传感器节点硬件平台如图5所示,具有以下特点:(1) 计算处理数据能力强;(2) 数据存储量大;(3) 可扩展性更好;(4) 低功耗,满足长期监测要求。无线传感器节点平台通过传感扩展槽与ISM400传感板连接,配备3节1.5 V AAA电池板组成本文无线传感器节点,见图6。无线传感器节点参数见表2,ISM400传感板参数见表3。本文基于Imote2节点的无线传感器网络软件开发系统,包括时间同步等技术,均源自伊利诺伊大学香槟分校智能结构健康监测实验室和开放系统实验室开发的“伊利诺伊结构健康监测项目(Illinois Structural Health Monitoring Project,ISHMP)[7-10]”。
表1 桥梁模型材料和尺寸
Table 1 Materials and dimensions of bridge model
图4 激振系统LabVIEW VI程序前面板
Fig. 4 Front panel of LabVIEW VI from excitation system
图5 ISM400传感板
Fig. 5 ISM400 sensor board
3 动力特性分析
3.1 有限元分析
本文选用双主梁脊柱式建模方法,采用通用有限元软件ANSYS建立了实验室斜拉桥模型的有限元模型,并进行了模态分析,获得了桥面板前6阶竖向模态,见图7。
图6 无线传感器节点
Fig. 6 Wireless sensor node
结合模型桥立面图,初选传感器参考点分别位于左半跨在离中塔4.8 m和右半跨2.6 m处,其中后者是为了更好的识别竖向第6阶振型,激振点位置与传感器参考点位置相反。
3.2 斜拉桥模型动力特性参数识别
本文基于有线力平衡加速度传感器采集了加速度信号,如图8所示,采样频率250 Hz;基于2个无线传感器节点组成的网络采用跑点—参考点测量法采集了桥面板21个测点的竖向加速度信号,如图9所示,采样频率取100 Hz。采用频域分解法[11](FDD)和特征系统实现算法[12](ERA)识别了斜拉桥模型桥面板前6阶竖向频率和振型。以同一种识别方法为基准,对基于有线和无线数据识别的振型进行了归一化处理,分别见图10和图11。通过图10发现:除第5阶外,基于无线和有线数据识别的振型基本一致,每一阶振型整体保持一致,极值点(将振型比作曲线函数)位置相同。在第5阶2个测点处,振型出现异常:振型系数幅值大小相等但相位相反。在图11中除第3阶振型出现上述同样异常现象外,其余5阶基于无线和有线数据识别的振型基本一致。虽然基于无线传感网络识别的斜拉桥模型模态个别测点振型失真,但识别的振型整体上能够满足斜拉桥模型动力特性参数识别要求。试验过程中无线传感器网络有效数据传输率为100%,无丢包现象。
表2 Imote2无线传感器节点平台硬件性能指标
Table 2 Specimens from wireless sensors node
表3 ISM400传感板参数
Table3 Specimens from ISM400 sensor board
图7 模型桥有限元模型
Fig. 7 Modal shapes of FEM from bridge model
3.3 斜拉桥模型动力特性分析
基于21个测点的加速度原始信号,采用模态参数识别方法识别了滨州黄河公路大桥实验室斜拉桥缩尺模型桥面板的前9阶频率和振型特征,见表4。本试验目前采用2个无线传感器节点组成无线传感器网络进行竖向振动动力测量实验。
图8 力平衡加速度传感器测量桥面板竖向模态
Fig. 8 Vertical deck measurement from force balance sensors
图9 无线传感器网络测量桥面板竖向模态
Fig. 9 Vertical deck measurement from wireless sensors networks
图10 基于FDD的无线与有线识别参数归一化振型
Fig. 10 Mode identified by FDD based on wireless data measured in laboratory
图11 基于ERA的无线与有线识别参数归一化振型
Fig. 11 Mode identified by ERA based on wireless data measured in laboratory
表4 斜拉桥模型桥面板动力特性
Table 4 Dynamic characteristics of bridge model deck
4 结论
(1) 以振型一致为准则,与有线相比,无线数据识别的频率较大误差为竖向第1阶3.41%和竖向第5阶2.26%,其余均小于1%。
(2) 该模型的基本振型为主梁竖向弯曲,符合大跨径塔、梁、墩固结的刚构体系斜拉桥特点;模型除了第1阶振型外,第2~9阶振型比较密集。
(3) 第1阶竖向和横向振动的频率分别为3.96 Hz和10.98 Hz。尤其是前1~3阶和5阶振型均为主梁竖向振型,而第4阶和6阶为主梁横向振型,说明主梁的竖向弯曲刚度(惯性矩10-6量级)相对横向(10-4量级)较小,这与斜拉桥模型主梁分离式双箱梁截面有关。
(4) 主梁扭转振型在第4阶出现,频率为10.98 Hz,为横向与扭转耦合振型,说明模型桥扭转刚度较大。该模型桥的第一扭转频率与第一竖向弯曲频率的比值较大,为2.77。
参考文献:
[1] Talebinejad I, Fischer C, Ansari F. Numerical evaluation of vibration-based methods for damage assessment of cable-stayed bridges[J]. Computer–Aided Civil and Infrastructure Engineering, 2011, 26(3): 239-251.
[2] 彭力. 无线传感器网络技术[M]. 北京: 冶金工业出版社, 2012: 32-33.
PENG Li. Wireless sensor network technology[M]. Beijing: Metallurgical Industry Press, 2012: 32-33.
[3] Nagayama T, Ruiz-Sandoval M, Spencer B F, et al. Wireless strain sensor development for civil infrastructure[C]// First International Workshop on Networked Sensing Systems. INSS, Tokyo, Japan, 2004: 97-100.
[4] Harms T, Sedigh S, Bastianini F. Structural health monitoring of bridges using wireless sensor networks[J]. Instrumentation and Measurement Magazine, IEEE, 2010, 13(6): 14-18.
[5] 陈良洲, 熊宗接. 基于LabVIEW的无线传感器网络数据采集[J]. 测控技术, 2012(3): 48-50.
CHEN Liangzhou, XIONG Zongjie. Data acquisition of wireless sensor network based on LabVIEW[J]. Observation and Control Technology, 2012(3): 48-50.
[6] 周文松, 李惠, 欧进萍, 等. 大型桥梁健康监测系统的数据采集子系统设计方法[J]. 公路交通科技, 2006(3): 83-88.
ZHOU Wensong, LI Hui, OU Jinping, et al. Data acquisition subsystem design procedures of large bridge structure health monitoring system[J]. Highway Traffic Science and Technology, 2006(3): 83-88.
[7] Linderman L E, Rice J A, Barot S, et al. Characterization of wireless smart sensor[J]. Performance Journal of Engineering Mechanics, 2010, 136(12): 1435-1443.
[8] Spencer F B, Ruiz-Sandoval M, Kurata N. Smart sensing technology: Opportunities and challenges[J]. Structural Control and Health Monitoring, 2004, 11(4): 349-368.
[9] Rice J A, Mechitov K A, Sim S H, et al. Enabling framework for structural health monitoring using smart sensors[J]. Structural Control and Health Monitoring, 2011, 18(5): 574-587.
[10] Linderman L E, Rice J A, Barot S, et al. Characterization of wireless smart sensor[J]. Performance Journal of Engineering Mechanics, 2010, 136(12): 1435-1443.
[11] Brincker R, Zhang L, Andersen P. Modal identification from ambient responses using frequency domain decomposition[C]// Proceedings of the 18th International Modal Analysis Conference. San Antonio, Texasa: EXP Mechanics, 2000: 257-262.
[12] Juang J, Pappa R S. An Eigensystem Realization Algorithm for modal parameter identification and model reduction[J]. Journal of Guidance,Control,andDynamics,1985,8(5): 620-627.
(编辑 杨幼平)
收稿日期:2012-12-25;修回日期:2013-03-29
基金项目:国家自然科学青年基金项目(51108129);深圳市基础研究科技计划项目(JC201105160538A);哈尔滨工业大学校创新基金资助项目(HTT.NSRIF.2011076)
通信作者:柳成荫(1978-),男,湖南长沙人,博士,副教授,从事桥梁动力特性、结构健康监测教学与研究;电话:13927457216;E-mail: chengyin.liu08@gmail.com