I den pågående analysen av bøyning og respons i buede broer har det vist seg at identifiseringen og verifikasjonen av modusformene er avgjørende for å forstå strukturell oppførsel, spesielt under belastning. Teknikker som Variational Mode Decomposition (VMD) og Synchrosqueezed Wavelet Transform (SWT) er nyttige verktøy for å evaluere de vertikale og radiale vibrasjonsmodene til slike broer, der både teoretiske og numeriske metoder blir brukt for å oppnå nøyaktige resultater. Forståelsen av hvordan disse metodene kan verifiseres gjennom numeriske simuleringer, er essensiell for å kunne anvende dem i praksis for å forutsi strukturelle responsmekanismer.

I kapittel 12.6, som beskriver numerisk verifikasjon, er hovedmålet å validere de moduser som er oppnådd gjennom VMD-SWT teknikken. Først ble de vertikale og radiale komponentene av responser fra kontaktpunktene til den buede broen isolert og analysert. Disse komponentene ble hentet fra de vertikale og radiale responsene som ble dekomponert ved hjelp av VMD-teknikken, og resultatene ble fremstilt gjennom tidsfrekvensdiagrammer. Gjennom anvendelsen av SWT, ble øyeblikkelige frekvenser for hver responskomponent beregnet, og dette resulterte i en synkrosquusert transformasjon som kunne brukes til å bygge opp modusformene med høy presisjon.

Det er viktig å merke seg at de frekvenser som vises i tidsfrekvensdiagrammene, selv om de fremstår som horisontale linjer, har varierende amplituder ettersom kjøretøyet som kjører på broen, beveger seg fremover. Dette gir et dynamisk bilde av hvordan broens respons varierer med tid, og det gir grunnlag for å konstruere presise moduser, spesielt for de første vertikale og radiale modene.

Når de identifiserte modene sammenlignes med teoretiske beregninger, viser det seg at avvikene i de første to vertikale og første radiale modene er minimale. Dette avviket skyldes hovedsakelig kantene på broen, der vibrasjonene er svakere nær støttepunktene. Det kan imidlertid konkluderes med at den foreslåtte metoden for å rekonstruere modene ved hjelp av VMD-SWT-teknikken gir nøyaktige resultater, noe som er bekreftet ved hjelp av Modal Assurance Criterion (MAC). Verdiene for MAC for de første vertikale og første radiale modene var 0.994, 0.990 og 0.991, henholdsvis, noe som indikerer høy grad av nøyaktighet i forhold til teoretiske moduser.

Videre ble en parametrisk studie gjennomført for å evaluere robustheten til metoden under ulike forhold, inkludert variasjoner i broens krumningsradius, kjøretøyets hastighet og veibane-rugositet. Studien viste at for buede broer med en konstant spennvidde, påvirkes de vertikale frekvensene minimalt av radiusen på broens krumning, mens de radiale frekvensene endrer seg betydelig når radiusen øker. Dette er en viktig observasjon som understreker viktigheten av å ta hensyn til geometriens innvirkning på vibrasjonsresponsen. I tillegg ble det funnet at metodene gir pålitelige resultater selv for et bredt spekter av radiusvariasjoner, noe som demonstreres i figuren som viser moduser for broer med forskjellige radiusverdier.

En ytterligere viktig aspekt er hvordan VMD-SWT-teknikken kan anvendes til å forstå spesifikke vibrasjonsmønstre i buede broer, og hvilke effekter som kan observeres når strukturelle egenskaper endres. For eksempel, i tilfeller med større radius av krumning, vil den radiale responsen endre seg betydelig. Det er viktig for ingeniører og designere å være oppmerksomme på disse forskjellene for å kunne forutsi broens oppførsel under forskjellige belastnings- og hastighetsforhold.

I tillegg til de teoretiske beregningene og numeriske verifikasjonene som ble utført, er det viktig å merke seg at teknikken som beskrives i denne artikkelen, også kan anvendes i praktiske situasjoner for å overvåke tilstanden til eksisterende broer, spesielt de som er buede. Dette kan gi verdifulle data for vedlikeholdsplanlegging og for å vurdere hvorvidt en bro fortsatt kan håndtere de nødvendige lastene på en sikker måte. Det er også viktig å forstå at metoden ikke bare er begrenset til simuleringer, men kan integreres med sanntids måledata, som gir en enda mer presis vurdering av broens tilstand under normale driftsforhold.

Hvordan overvåking av tog og kjøretøysensorer kan forbedre vedlikeholdet av jernbaneinfrastruktur og broer

Bruken av kjøretøyrespons i vurderingen av sporgeometri har blitt et viktig verktøy for å identifisere kritiske feil og forbedre vedlikeholdsoperasjonene på jernbaneanlegg. Dette har blitt videreutviklet gjennom flere metoder for å detektere feil og forbedre kvaliteten på vedlikeholdet. En av de mest interessante tilnærmingene er basert på responsene fra kjøretøyene, som i kombinasjon med simulasjoner og numeriske analyser kan gi detaljerte data om tilstanden til både spor og strukturer.

I en studie foreslo Kraft et al. (2018) en metode for vurdering av sporgeometri basert på kjøretøyrespons ved hjelp av multikroppssimulering. Gjennom dette ble feil detektert ved å overvåke overskridelser i sporgeometri og kjøretøyresponsparametre. På lignende måte utviklet Rapp et al. (2019) en modell for å generere kontinuerlige akselerasjonsdata for ulike typer kortbølget feil. Fem forskjellige metoder ble undersøkt for automatisert feilanalyse, inkludert amplitudeanalyse, frekvensanalyse via vinduede spektrale akselerasjonsdensiteter, korrelasjonsanalyse, bølgeletanalyse og feildeteksjon basert på klassifisering av topper etter amplitude og bølgelengde. Alle disse metodene viste seg å være effektive for å oppdage lokale uregelmessigheter på korrekt sted.

En annen viktig tilnærming ble introdusert av Tsunashima og Hirose (2020), som benyttet HHT (Hilbert-Huang Transform) for å identifisere sporfeil basert på akselerasjonen av bilkarosseriet. Gjennom både numeriske studier og feltprøver ble det påvist at HHT gir utmerket tid-frekvens-oppløsning, og at de beregnede IMF-ene (Intrinsic Mode Functions) gir detaljerte data om sporfeil. Denne tilnærmingen har vært avgjørende for å øke nøyaktigheten og detaljrikdommen i vurderingen av sporens tilstand.

Bai et al. (2020) tok det et steg videre ved å utvikle en datadrevet modell for feildiagnostisering og bias-korreksjon, hvor akselerasjonsmålinger fra operative kjøretøy ble brukt. Modellen består av to delmodeller: en for å korrigere feilaktige sporvibrasjonsdeteksjoner som kan ha blitt fanget opp av sporinspeksjonsinstrumenter, og en for å diagnostisere årsakene til vertikale og laterale vibrasjoner i kjøretøykabinen, som kan skyldes sporfeil. Denne metoden ble validert med faktiske måledata fra Lanxin-jernbanen.

Vedlikehold og overvåkning av jernbanebroer har også blitt betraktelig forbedret med bruk av kjøretøyrespons. Zhan et al. (2023) utviklet en metode for skadeidentifikasjon på broer ved hjelp av virtuelle responsdata fra tog som krysser broene. Denne metoden utnytter spektral entropi fra tids-frekvens-dataene til å lokalisere skader på broen, noe som har vært et viktig fremskritt for raskt å identifisere kritiske strukturelle problemer.

Nyere forskning, som den presentert av Wang et al. (2024), går enda et steg videre med utviklingen av metoder for å oppdage skader på høyhastighetsjernbanebroer ved hjelp av responsbasert følsomhetsanalyse av høyhastighetstog. Her benyttes sammenslåtte responser fra flere kjøretøy for å utvikle en skadeindikator basert på endringer i interaksjonskraften før og etter skadeoppståelse. Denne metoden er spesielt viktig for broer som ofte blir utsatt for belastninger fra høye hastigheter.

I tillegg til de tekniske metodene som er nevnt, har utviklingen av kunstig intelligens (AI) vist seg å være en kraftig alliert i denne prosessen. Hajializadeh (2023) har utviklet en dyp CNN (Convolutional Neural Network) som automatisk kan oppdage skader ved å analysere akselerasjonssignaler fra instrumenterte tog. Algoritmen ble optimalisert ved hjelp av Bayesiansk optimalisering og ble eksperimentelt evaluert for flere ulike skadescenarioer, som viser seg å ha høy nøyaktighet for skadeoppdagelse på ulike lokasjoner og hastigheter.

Det er også viktig å merke seg den økende bruken av smarttelefonbaserte IoT-systemer i vedlikehold av brostrukturer. Konseptet "smarte byer" har fremmet bruken av mobile enheter, som smartphones, til helsesporing og overvåkning av infrastrukturen. McGetrick et al. (2017) sammenlignet ytelsen til smarttelefon-sensorer med tradisjonelle akselerometre og fant at kostnadene ved å bruke smartphones var omtrent 100 ganger lavere enn spesialutstyr. Dette har åpnet for en mer tilgjengelig og kostnadseffektiv måte å overvåke broer på, særlig når dataene samles inn fra mange kjøretøy. Matarazzo et al. (2022) viste at ved å kombinere data fra flere smarttelefoner kunne de forbedre presisjonen i å identifisere broens modale egenskaper.

Et spennende aspekt ved denne teknologien er dens potensial for å øke levetiden på broer uten store ekstra kostnader. Ved å bruke crowdsourced data til å lage vedlikeholdsplaner kan man forlenge levetiden til broer med over 14 år, noe som representerer en økning på 30 % i broens levetid, ifølge funnene fra Matarazzo et al. (2022).

Det er tydelig at integrasjonen av teknologier som sensorer, kunstig intelligens og IoT har revolusjonert metoder for vedlikehold og overvåkning av både jernbanespor og broer. Denne utviklingen gjør det mulig å detektere feil raskere og mer nøyaktig, noe som igjen forbedrer sikkerheten og reduserer vedlikeholdskostnader på lang sikt.

Samtidig er det viktig å være oppmerksom på at disse teknologiene, selv om de gir stor verdi, har sine egne utfordringer. Faktorer som påliteligheten av dataene som samles inn, kvaliteten på sensorer i ulike miljøer og de tekniske kravene for å implementere slike systemer på stor skala, krever ytterligere forskning og utvikling. I tillegg er det avgjørende å vurdere hvordan man best kan kombinere disse teknologiene for å oppnå optimal effekt i vedlikeholdsstrategiene på tvers av ulike typer infrastruktur.

Hvordan den japanske livsstilen kan berike vår hverdag
Hvordan Minack-teateret og Porthcurno reflekterer Cornwalls unike sjarm og historie
Hvordan Oppnå Feiltolerant Konsensus i Trådløse Nettverk?
Hva er de helsemessige og miljømessige konsekvensene av syntetiske muskstoffer, PEG og petroleumsgelé?
Hvordan bioaktive glass påvirker mekanotransduksjon og immunsystemets respons
Hvordan målrettet feilinformasjon påvirker dagens nyhetsmiljø