Come identificare le frequenze di un ponte in presenza di rumore ambientale e irregolarità superficiali?

L'analisi delle risposte dinamiche di un veicolo che attraversa un ponte rappresenta un metodo non invasivo e potenzialmente efficace per identificare le frequenze proprie della struttura. Tuttavia, la precisione di tale metodo dipende sensibilmente da diversi fattori, tra cui la velocità del veicolo, il livello di rumore ambientale e la rugosità della superficie stradale. Le risposte del veicolo e quelle al contatto ruota-struttura forniscono indicazioni complementari, ma non equivalenti: mentre le prime risultano sensibili a molteplici disturbi, le seconde conservano una maggiore fedeltà nella rilevazione delle frequenze strutturali.

In condizioni ideali, su superfici lisce e con rumore ambientale contenuto, è possibile individuare chiaramente almeno le prime due frequenze del ponte dal solo spettro delle accelerazioni registrate al contatto tra veicolo e ponte. Anche con livelli di disturbo significativi (ad esempio, Ep = 20%), la risposta di contatto mantiene la capacità di evidenziare le frequenze fondamentali, confermandone la robustezza rispetto ai segnali contaminati dal rumore. Al contrario, lo spettro delle accelerazioni del veicolo tende a perdere rapidamente capacità discriminante già con livelli di rumore moderati, rendendo non più visibili le componenti legate alla dinamica della struttura.

Il ruolo dello smorzamento del veicolo (indicato con il coefficiente ξᵥ) emerge in modo critico quando si introducono condizioni ambientali sfavorevoli. Aumentando ξᵥ da 0.05 a 0.20 si osserva una riduzione progressiva dell’impatto del rumore ambientale sullo spettro delle risposte di contatto, mantenendo distinguibili anche le frequenze più alte della struttura. Questo comportamento non si rispecchia nelle risposte del veicolo stesso, che continuano a presentare una significativa sovrapposizione tra le proprie frequenze naturali e quelle del ponte, specialmente quando il manto stradale presenta irregolarità.

La rugosità della superficie, modellata in accordo con la funzione di densità spettrale ISO 8608 (Classe A), esercita un’influenza determinante nella qualità delle risposte acquisite. In presenza di irregolarità, le risposte del veicolo mostrano una forte amplificazione della propria frequenza caratteristica, fino a mascherare totalmente le frequenze modali del ponte superiori alla seconda. Questo fenomeno, definito effetto di oscuramento ("overshadowing"), persiste anche in condizioni favorevoli (ad esempio quando f_b,1 < √2·f_v), e risulta solo parzialmente mitigabile attraverso l’incremento dello smorzamento veicolare. Al contrario, le risposte di contatto riescono a sopprimere tale effetto, eliminando la componente veicolare dallo spettro e restituendo una visione più pulita delle frequenze strutturali.

La validità della risposta di contatto viene quindi riaffermata anche in scenari con traffico assente e pavimentazione degradata. L’impiego di tecniche di filtraggio (come il moving average filter, MAF) o l’utiliz

Come la Rugosità del Pavimento Influenza la Frequenza dei Ponti: Un'Analisi Pratica

La pavimentazione dei ponti, in generale, si comporta in modo migliore rispetto alle strade. Tuttavia, la maggior parte degli studi sui ponti assume che i veicoli interagiscano con il ponte tramite un "contatto puntiforme", mentre un "contatto a disco" sarebbe più realistico. Il contatto puntiforme tende a esagerare i componenti ad alta frequenza della rugosità della pavimentazione, come confermato da studi recenti (Chang et al. 2011; Xu et al. 2023). Sulla base di queste considerazioni, la rugosità della pavimentazione generata dalle formule ISO della Classe A è stata smorzata tramite il filtro MAF, come mostrato nella Fig. 4.15.

In presenza di questa rugosità, l'accelerazione del corpo del veicolo e lo spettro della Fast Fourier Transform (FFT) sono stati analizzati. Come evidenziato nella Fig. 4.16(b), solo la prima frequenza del ponte può essere identificata, mentre le altre frequenze del ponte vengono completamente sovrastate dalle frequenze della rugosità della pavimentazione. Rispetto ai casi con superficie liscia, si osserva un forte eccitamento delle frequenze del veicolo f1 e f2, come mostrato nella Fig. 4.16(b), un chiaro indicativo delle difficoltà nell'estrazione delle frequenze del ponte dovute alla rugosità.

Le risposte delle ruote del veicolo, calcolate retroattivamente utilizzando l'Equazione (4.23), mostrano che, nonostante la corrispondenza perfetta tra i risultati ottenuti dall'Equazione e il modello agli elementi finiti (FEM), solo la frequenza del veicolo f2 è identificabile, come visibile nella Fig. 4.17(b). Le frequenze del ponte sono annullate dal mascheramento della rugosità della pavimentazione. Al contrario, i risultati relativi alla risposta al contatto, ottenuti con l'Equazione (4.28) e il FEM, mostrano un altro scenario. In questo caso, come illustrato nella Fig. 4.18(b), le frequenze del veicolo f1 e f2 vengono filtrate, mentre la frequenza del ponte f_b1 risulta chiaramente visibile.

Ciò evidenzia l'effetto dominante della rugosità della pavimentazione nell'oscurare le frequenze del ponte, anche nel caso di risposta al contatto. Questo fenomeno si manifesta ancor più chiaramente quando il sistema è sottoposto a condizioni pratiche, come il traffico in corso, che può introdurre altre variabili come il rumore ambientale e gli errori di misura. Un aspetto interessante, evidenziato in questa analisi, è che il traffico continuo non necessita di essere fermato durante il test. Al contrario, il traffico in movimento può giocare un ruolo positivo nel contrastare l'effetto negativo della rugosità della pavimentazione, aumentando l'energia che il veicolo trasferisce al ponte, facilitando così l'identificazione delle frequenze del ponte.

In questa fase, sono stati introdotti tre veicoli aggiuntivi di diverse masse, che si spostano a velocità diverse e con orari di ingresso diversi nel ponte, simulando così il traffico in corso. I dati relativi a questi veicoli sono riportati nella Tabella 4.3. Le risposte del corpo e delle ruote del veicolo, analizzate nelle Fig. 4.19 e 4.20, mostrano che solo la prima frequenza del ponte può essere identificata nella risposta del corpo del veicolo, principalmente a causa dell'effetto di smorzamento del veicolo. Il confronto tra i risultati ottenuti in condizioni più realistiche e quelli ottenuti in presenza di rugosità della pavimentazione mostra un netto miglioramento nella visibilità delle frequenze del ponte, dovuto a due fattori: la riduzione dell'ampiezza delle frequenze del veicolo f2 a causa dello smorzamento e l'aumento dell'energia del ponte dovuto al traffico in corso.

Ulteriormente, il calcolo della risposta al contatto, come illustrato nella Fig. 4.21, mostra che le frequenze del ponte f_b1, f_b2 e f_b3 diventano decisamente più evidenti rispetto ai casi precedenti. Questo conferma che, in condizioni pratiche, le prime frequenze del ponte possono essere identificate con successo dalla risposta al contatto, nonostante l'influenza della rugosità della pavimentazione.

Un aspetto da considerare in queste simulazioni è che l'introduzione di variabili reali come il traffico e il rumore ambientale contribuisce a un miglioramento della capacità di identificare le frequenze del ponte. Inoltre, è fondamentale comprendere che la rugosità del pavimento non solo influisce sulla rilevabilità delle frequenze, ma può anche complicare l'analisi in contesti pratici, dove il traffico e le condizioni ambientali giocano un ruolo cruciale.

Come migliorare l'efficienza nell'identificazione delle frequenze del ponte attraverso veicoli di test e metodi avanzati di elaborazione dei dati

L'efficienza dell'identificazione delle frequenze di un ponte è un aspetto fondamentale per garantire la sicurezza e la longevità delle infrastrutture stradali. Nel contesto dell'interazione tra il veicolo di test e il ponte, sono stati proposti vari metodi per migliorare l'accuratezza dei risultati. Il VMD (Variational Mode Decomposition) combinato con il filtro particellare (BPF) è stato adottato per la sua capacità di migliorare l'efficienza nella creazione delle modalità di oscillazione intrinseche (IMFs), come suggerito da Yang et al. (2021e). Altri metodi di elaborazione dei dati, come l'analisi delle componenti singolari (SSA), la GPSA (Generalized Particle Swarm Algorithm) e l'SSI (Singular Spectrum Interpolation), sono stati esplorati per affrontare problematiche simili, inclusi gli effetti della frequenza propria del veicolo di test che spesso oscura le frequenze del ponte stesso (Yang et al., 2013a; Li et al., 2019a; Yang e Chen, 2016).

Uno dei problemi principali che si incontra durante l'identificazione delle frequenze del ponte è la predominanza della frequenza propria del veicolo, che rende difficile l'identificazione delle frequenze del ponte. A tal fine, sono stati introdotti metodi basati sull'analisi delle componenti singolari (SSA) per rimuovere l'effetto della frequenza propria del veicolo, permettendo così di estrarre più facilmente le frequenze del ponte (Yang et al., 2013a). Inoltre, l'uso del filtro particellare è stato proposto per ottenere segnali contenenti solo le frequenze del ponte, eliminando interferenze dovute a fattori esterni (Wang et al., 2018). L'effetto della sospensione del veicolo, che distorce le vibrazioni, è stato affrontato con l'uso della funzione di risposta in frequenza del veicolo (FRF) e l'EEMD (Ensemble Empirical Mode Decomposition) per migliorare l'affidabilità delle misurazioni (Eshkevari et al., 2020a).

Un approccio semplice ma molto efficace consiste nell'utilizzare la risposta del contatto veicolo-ponte, calcolata retrospettivamente dalla risposta del veicolo stesso, invece della risposta del veicolo, come proposto da Yang et al. (2018a) e Xu et al. (2021). In questo modo, la frequenza propria del veicolo viene completamente eliminata, consentendo di recuperare più facilmente le frequenze del ponte. Questo approccio è stato verificato attraverso test teorici ed esperimentali, confermando la sua validità per migliorare la precisione delle identificazioni delle frequenze del ponte (Yang et al., 2018a, 2020f, 2022g; Xu et al., 2021).

Oltre alle tecniche di elaborazione dei dati, anche il veicolo di test, come principale componente hardware, gioca un ruolo fondamentale nell'affidabilità dei risultati. Nei primi studi, il veicolo di test utilizzato da Yang e colleghi era un rimorchio a singolo asse (trainato da un trattore), che si adattava perfettamente al sistema a grado di libertà singolo (DOF) usato nella formulazione teorica (Yang et al., 2004a). Sebbene questo modello fosse semplice, esso permetteva di comprendere facilmente il meccanismo di interazione tra il veicolo in movimento e il ponte. Tale configurazione è stata adottata da numerosi ricercatori nel corso degli anni (Yang e Lin, 2005; Yang et al., 2014, 2020f; Kong et al., 2016; Urushadze e Yau, 2017; Wang et al., 2017; Tan et al., 2019; Zhan e Au, 2019; Li et al., 2019b; Xu et al., 2021).

Per migliorare ulteriormente le misurazioni, è stato proposto di montare il sensore di vibrazione su un cantilever regolabile, rigidamente collegato all'asse del veicolo, al fine di amplificare la risposta del veicolo stesso. Questo sistema sfrutta le condizioni di disaccordo e accordo tra la massa del sensore e quella dell'asse del veicolo, consentendo una rilevazione più accurata delle vibrazioni (Yang et al., 2021d; Xu et al., 2023e). Un altro sviluppo significativo è l'espansione del sistema a singolo asse a un sistema a due assi, che consente di generare una risposta residua tra i due veicoli, praticamente immune all'effetto della rugosità del pavimento. Questo approccio è stato adottato per ridurre l'interferenza causata dalla superficie stradale (Yang et al., 2012a), e un veicolo a due assi offre maggiore stabilità rispetto a uno a singolo asse, migliorando la qualità delle misurazioni (Yang et al., 2022f).

Anche l'aggiunta di eccitazioni supplementari, come l'uso di un camion accompagnatore o traffico casuale, è stata proposta per incrementare la vibrazione del ponte e ridurre l'effetto della rugosità della strada (Lin e Yang, 2005; Xu et al., 2021). Un approccio innovativo consiste nell'inserire un shaker sul ponte per aumentare le vibrazioni del ponte mentre si riduce l'effetto della rugosità. La posizione e la frequenza dello shaker sono parametri cruciali da analizzare per ottimizzare l'efficacia del sistema di misurazione delle vibrazioni del ponte. L'uso di formule semplici per la regolazione dello shaker consente di ottimizzare le prestazioni del VSM (Vehicle Scanning Method) in modo più versatile.

Per garantire che il veicolo di test non alteri le proprietà dinamiche del ponte, è importante che esso non sia troppo pesante. Tuttavia, nei casi in cui il ponte sia particolarmente rigido, il veicolo da solo potrebbe non riuscire ad eccitarne adeguatamente le vibrazioni. In questi casi, l'uso dello shaker si dimostra una soluzione efficace per stimolare adeguatamente il ponte, migliorando così la qualità delle misurazioni e l'affidabilità dei risultati.

Il miglioramento delle tecniche di misurazione delle vibrazioni dei ponti tramite l'uso di veicoli di test e metodi avanzati di elaborazione dei dati non è solo una questione di accuratezza nella rilevazione, ma anche di ottimizzazione delle risorse per ridurre il rischio di errori nelle valutazioni strutturali. Le innovazioni, come l'uso del veicolo-shaker-ponte, sono destinate a rendere le tecniche di monitoraggio più precise e meno influenzate da variabili esterne, come la rugosità del pavimento, e a garantire che i ponti siano sottoposti a un’analisi dinamica accurata che ne garantisca la sicurezza a lungo termine.