Integrované sledování zdravotního stavu ( CSI ), je realizace procesu a realizace strategie detekce a charakterizace poškození konstrukcí staveb . Zde je poškození definováno jako změny fyzických a / nebo geometrických vlastností systému CSI, včetně změn okrajových podmínek a konektivity systému, které nepříznivě ovlivňují výkon systému. Proces CSI zahrnuje pozorování systému v průběhu času pomocí dynamických a vzorkovaných měření, která jsou prováděna periodicky z řady senzorů, extrakce charakteristik citlivých na poškození prostřednictvím těchto měření a statistická analýza těchto charakteristik k určení aktuálního zdravotního stavu systému. Pro dlouhodobou CSI jsou výstupy tohoto procesu pravidelně aktualizovány a poskytují informace týkající se schopnosti struktury plnit zamýšlenou funkci s ohledem na její nevyhnutelné stárnutí a degradaci v důsledku provozního prostředí. Po intenzivních událostech, jako jsou zemětřesení nebo výbuchy, se CSI používá k rychlému skríningu zdraví a jeho cílem je poskytnout v téměř reálném čase spolehlivé informace týkající se integrity struktury.
Kvalitativní a diskontinuální metody se již dlouho používají k hodnocení struktur a jejich schopnosti vykonávat zamýšlené funkce. Od počátku XIX th století, zaměstnanci železnic používá zvuk kladiva dopadajícího na kolo vlaku aby zjistili, zda je přítomno poškození. V rotujících strojích se monitorování vibrací používá po celá desetiletí jako technika pro hodnocení výkonu. V oblasti CSI existují dvě techniky na jedné straně Raghavan a Cesnik, které jsou založeny na šíření vln a na druhé straně techniky založené na vibracích. Obecně lze literaturu pro CSI, která je založena na vibracích, rozdělit na dva aspekty: první, kde jsou navrženy modely poškození k určení dynamických charakteristik, známé také jako přímý problém, například odkaz na jednotný rámec (en) a druhý, ve kterém se používají dynamické charakteristiky k určení charakteristik poškození, také známý jako inverzní problém. Za posledních deset až patnáct let se objevily technologie CSI a vytvářely vzrušující nové pole v různých oborech strojírenství. V tomto období byly realizovány akademické konference a časopisy zaměřené konkrétně na CSI. Tyto technologie jsou nyní stále běžnější.
K problému CSI lze přistupovat v kontextu paradigmatu rozpoznávání statistických vzorů . Toto paradigma lze rozdělit do čtyř částí: (1) Provozní hodnocení, (2) Sběr a čištění dat, (3) Extrakce znaků a komprese dat a (4) Vývoj statistického modelu pro diskriminaci znaků. Při pokusu o použití tohoto paradigmatu na data ze struktur reálného světa je rychle zřejmé, že schopnost očistit, komprimovat, normalizovat a roztavit data pro zohlednění provozní a environmentální variability je předmětem zájmu. 4 jsou přiblíženi tohoto paradigmatu. Tyto procesy lze implementovat prostřednictvím hardwarové nebo softwarové podpory a obecně se použije kombinace těchto dvou přístupů.
Tento koncept se běžně označuje jako hodnocení strukturální integrity nebo CSI a je široce používán v různých formách infrastruktury, zejména když země z celého světa vstupují do většího období výstavby různých infrastruktur, od mostů po mrakodrapy . Je důležité si uvědomit, že existují fáze zvyšujících se obtíží vyžadujících znalosti předchozích fází, zejména pokud jde o poškození konstrukcí, a to:
1. Zjistěte existenci poškození ve struktuře
2. Najděte poškození3. Identifikujte druhy poškození
4. Vyčíslení závažnosti škody
Je nutné použít zpracování signálu a statistickou klasifikaci k převodu dat o stavu infrastruktury senzorů na informace o poškození pro vyhodnocení.
Provozní hodnocení se pokouší odpovědět na čtyři otázky týkající se implementace dovednosti identifikace poškození:
i) Jaké jsou bezpečnostní a / nebo ekonomické důvody pro provádění CSI? ii) Jak je definována škoda pro systém, který je předmětem přezkumu, a v případě vícenásobného poškození, které případy jsou nejzávažnější? iii) Jaké jsou provozní a environmentální podmínky, za kterých funguje monitorovaný systém?Provozní hodnocení začíná definovat hranice toho, co bude monitorováno a jak bude monitorování prováděno. Toto posouzení začíná přizpůsobovat proces identifikace poškození konkrétním charakteristikám sledovaného systému a pokouší se využít jedinečné vlastnosti poškození, které je třeba zjistit.
Součástí procesu CSI sběru dat je výběr excitačních metod, typů senzorů , jejich počtu a umístění a zařízení pro sběr, ukládání a přenos dat. Tento proces bude opět záviset na konkrétní aplikaci. Při rozhodování budou hrát hlavní roli ekonomické aspekty. Rovněž je třeba zohlednit intervaly, ve kterých by měly být údaje shromažďovány.
Protože data lze měřit za různých podmínek, stává se pro proces identifikace poškození velmi důležitá schopnost normalizovat data. Normalizace dat je proces oddělování změn ve čtení senzorů způsobených poškozením od změn způsobených různými provozními a okolními podmínkami. Jedním z nejběžnějších postupů je normalizace odpovědí měřených měřenými vstupy. Pokud je problémem environmentální nebo provozní variabilita, může být nutné data v průběhu času normalizovat, aby se usnadnilo srovnání dat naměřených v podobných bodech environmentálního nebo provozního cyklu. Měly by být identifikovány a co nejvíce minimalizovány zdroje variability v procesu sběru dat a v monitorovaném systému. Obecně nemůžeme eliminovat všechny zdroje variability. Proto je nutné provést příslušná měření, aby bylo možné tyto zdroje statisticky kvantifikovat. Variabilita může vzniknout z měnících se podmínek prostředí a testů, změn v procesu redukce dat a nekonzistencí mezi jednotkami.
Čištění dat je proces selektivního výběru dat, která se mají z procesu výběru funkcí přenášet nebo odmítat. Proces čištění dat je obecně založen na znalostech získaných osobami přímo zapojenými do získávání dat. Například kontrola nastavení testu může odhalit, že je senzor namontován volně, a proto na základě úsudku jednotlivců provádějících měření může být tato sada dat nebo data z konkrétního senzoru z procesu výběru funkcí zvláště odstraněna . Techniky zpracování signálu, jako je filtrování a převzorkování, lze také považovat za postupy čištění dat.
Nakonec část získávání dat, normalizace a vyčištění procesu CSI by neměla být statická. Informace získané prostřednictvím procesu výběru funkcí a procesu vývoje statistického modelu poskytnou informace o změnách, které mohou zlepšit proces získávání dat.
Součástí procesu CSI, kterému se v odborné literatuře věnuje největší pozornost, je identifikace datových charakteristik, které rozlišují mezi zdravou strukturou a poškozenou strukturou. Kondenzace dat je nedílnou součástí tohoto procesu výběru funkcí. Nejlepší vlastnosti pro identifikaci poškození jsou opět specifické pro konkrétní aplikaci.
Jedna z nejběžnějších metod extrakce vlastností se spoléhá na korelaci velikostí měřených odpovědí systému, jako je amplituda nebo frekvence vibrací, s pozorováním degradujícího systému z první ruky. Další metodou vývoje charakteristických znaků pro identifikaci poškození je aplikace poruch na systémy podobné těm, které se očekávají za skutečných provozních podmínek, a rozvoj počátečního porozumění parametrům, které jsou citlivé na očekávané poškození. Poruchový systém lze také použít k ověření, že diagnostická měření jsou dostatečně citlivá k rozlišení identifikovaných charakteristik neporušeného systému a poškozeného systému. Hlavním přínosem v tomto procesu může být použití analytických nástrojů, jako jsou experimentálně ověřené modely konečných prvků. V mnoha případech se analytické nástroje používají k provádění numerických experimentů, kde se vady zavádějí do počítačové simulace. K identifikaci vhodných charakteristik lze také použít testování akumulace poškození, při kterém je značný počet konstrukčních prvků studovaného systému degradován vystavením realistickým podmínkám zatížení. Tento proces může zahrnovat testování indukovaného poškození, testování únavy, růst koroze nebo teplotní cyklování, aby se urychlily akumulace určitých typů poškození. Vhled do vhodných charakteristik lze získat z několika typů analytických a experimentálních studií, jak jsou popsány výše, a je obvykle výsledkem informací získaných kombinací těchto studií.
Provozní implementační a diagnostické měřicí techniky potřebné k provádění CSI přinášejí více dat než tradiční použití informací o strukturální dynamice. Kondenzace dat je výhodná a nutná, když se vezme v úvahu srovnání mnoha sad charakteristických znaků získaných během životnosti konstrukce. Kromě toho, protože data budou získávána ze struktury po dlouhou dobu a v provozním prostředí, je třeba vyvinout robustní techniky redukce dat, aby byla zachována citlivost vlastností rysů na strukturální změny zájmu za přítomnosti „environmentálních a provozních variabilita. Aby se dále usnadnilo získávání a zaznamenávání údajů o kvalitě potřebných k provádění CSI, měla by být charakterizována a použita v procesu kondenzace statistická významnost charakteristických vlastností.
Část procesu CSI, které se v odborné literatuře dostalo nejmenší pozornosti, je vývoj statistických modelů pro rozlišení mezi charakteristickými rysy neporušených a poškozených struktur. Vývoj statistických modelů se týká implementace algoritmů, které působí na extrahované entity za účelem kvantifikace stavu poškození struktury. Algoritmy použité při vývoji statistických modelů obecně spadají do tří kategorií. Pokud jsou k dispozici data z neporušené i poškozené struktury, spadají algoritmy statistického rozpoznávání vzorů pod obecnou klasifikaci nazvanou supervizované učení. Skupinová klasifikace a regresní analýza jsou kategorie supervizovaných algoritmů učení. Učení bez dozoru se týká algoritmů použitých na data, která neobsahují příklady poškozené struktury. Detekce odlehlých hodnot nebo novinek je primární třídou algoritmů používaných v aplikacích bez učení. Všechny algoritmy analyzují statistické distribuce měřených nebo odvozených charakteristik za účelem zlepšení procesu identifikace poškození.
Na základě rozsáhlé literatury, která se o CSI vyvinula v posledních dvou desetiletích, lze tvrdit, že toto pole dospělo do bodu, kdy se objevilo několik základních axiomů nebo obecných principů. Tyto axiomy jsou uvedeny takto:
Mezi prvky systému CSI patří:
Příkladem této technologie je integrace senzorů do struktur, jako jsou mosty a letadla. Tyto senzory poskytují monitorování různých strukturálních změn, jako jsou napětí a přetvoření, v reálném čase. V případě stavebních konstrukcí se data poskytovaná senzory obvykle přenášejí do vzdálených center pro sběr dat. Pomocí moderní technologie je možné ovládání struktur v reálném čase (Active Structural Control) na základě informací ze senzorů.
Integrovaný monitorovací systém větru a zdraví je sofistikovaný monitorovací systém mostů, který stojí 1,3 milionu USD a který používá hongkonské dálniční oddělení k zajištění pohodlí a bezpečnosti uživatelů mostů Tsing Ma . , Ting Kau , Kap Shui Mun a kameníků .
Aby bylo možné monitorovat integritu, trvanlivost a spolehlivost mostů, má integrovaný systém řízení větrné energie a zdraví čtyři různé provozní úrovně: senzorické systémy, systémy sběru dat, místní centralizované počítačové systémy a celkový centrální počítačový systém.
Senzorický systém se skládá z přibližně 900 senzorů a jejich příslušných propojovacích jednotek. S více než 350 senzory na mostě Tsing Ma, 350 na Ting Kau a 200 na Kap Shui Mun se měří strukturální chování mostů 24 hodin denně, sedm dní v týdnu.
Mezi senzory patří akcelerometry, tenzometry, snímače posunu, stanice pro detekci hladiny, anemometry, teplotní senzory a senzory dynamické pohybové hmotnosti. Měří vše od teplotních a asfaltových napětí v konstrukčních prvcích po rychlost větru a vychýlení a otáčení kilometrů kabelů a jakýkoli pohyb mostů a věží.
Tyto senzory představují systém včasného varování pro mosty a poskytují základní informace, které pomáhají dálničnímu oddělení přesně sledovat celkový zdravotní stav mostů.
Konstrukce byly postaveny tak, aby vydržely až do průměrné rychlosti větru 95 m / s . V roce 1997, kdy Typhoon Victor zasáhl přímo Hongkong, byla zaznamenána rychlost větru 110 až 120 km / h . Nejvyšší zaznamenaná rychlost větru však byla během Typhoonu Wanda v roce 1962, kdy byla zaznamenána 3sekundová vichřice rychlostí 78,8 metrů za sekundu, 284 km / h .
Informace z těchto stovek různých senzorů jsou přenášeny do jednotek pro sběr dat. Na mostě Tsing Ma jsou tři jednotky pro sběr dat, tři na Ting Kau a dvě na Kap Shui Mun.
Výpočetní výkon pro tyto systémy je v administrativní budově využívané dálničním oddělením v Tsing Yi. Centrální a místní počítačový systém poskytuje kontrolu nad sběrem dat, následným zpracováním, přenosem a ukládáním. Celkový systém se používá pro sběr a analýzu dat, hodnocení fyzikálních podmínek a strukturálních funkcí mostů a pro integraci a manipulaci procesů sběru, analýzy a vyhodnocení dat.
Mezi největšími projekty monitorování mostů, které právě probíhají, jsou v současné době známy tyto projekty:
Monitorování stavu velkého mostu lze provádět současným měřením zatížení mostu a účinků těchto zatížení. Obecně zahrnuje monitorování:
S touto znalostí může inženýr:
Stát Oregon ve Spojených státech, konkrétně ministerstvo dopravy, oddělení mostního inženýrství, vyvinulo a implementovalo program integrovaného monitorování zdraví (CSI), jak je uvedeno v tomto technickém dokumentu. Steven Lovejoy, hlavní inženýr.
K dispozici jsou odkazy, které poskytují úvod do aplikace senzorů z optických vláken na integrované monitorování stavu na mostech.
Katedra strojírenství
Budova pro zemědělství a stavebnictví, University of Manitoba
Spojené státy americkéMezinárodní společnost pro integrované monitorování zdraví inteligentních infrastruktur (ISHMII).
Laboratoř technologie betonu a strukturního chování (LABEST) v Portu.
švýcarský
Australská integrovaná monitorovací síť pro zdraví (CSI).