Hvordan frekvensidentifikasjon av broer kan forbedre vedlikehold og sikkerhet i jernbaneinfrastrukturen

I arbeidet med jernbaneinfrastrukturen har nøyaktig identifikasjon av broens dynamiske egenskaper blitt et sentralt tema for både vedlikehold og sikkerhet. En av de mest grunnleggende oppgavene innenfor vibrasjonsstyringsmetoder (VSM) er å identifisere broens frekvenser, moduser og dempningsforhold, ettersom disse parametrene reflekterer broens strukturelle tilstand. I nyere studier har det blitt lagt særlig vekt på metoder som kan utnytte kjøretøyers dynamiske respons for å trekke ut disse parametrene, som gir innsikt i broens tilstand og eventuelle skader.

Frekvensidentifikasjon er fundamentalt for VSM, og det har blitt gjennomført mange studier for å vurdere hvordan denne prosessen kan forbedres. Et sentralt aspekt er hvordan kjøretøyets respons kan brukes til å identifisere broens naturlige frekvenser. Denne tilnærmingen er særlig nyttig når det gjelder broer med varierende tilstand, da den gjør det mulig å oppdage endringer i broens dynamiske oppførsel som kan indikere skader eller svakheter.

Modellene som benyttes for å analysere kjøretøy og broens vibrasjonsmekanisme er et viktig element i frekvensidentifikasjonen. Tidlige undersøkelser, som de utført av McGetrick et al. (2009), viste at en to-masses kjøretøymodell kan brukes til å overvåke broens frekvenser, og at nøyaktigheten er høyere ved lavere kjøretøyhastigheter og på glattere veiunderlag. Andre forskere har videreutviklet denne tilnærmingen, som Siringoringo og Fujino (2012), som benyttet en instrumentert toakslet lett kjøretøy for å estimere broens frekvenser gjennom både analytiske og eksperimentelle metoder.

Denne fremgangsmåten forutsetter at kjøretøyets dynamiske respons registreres når det krysser broen, og analysen av kjøretøyets akselerasjonsspektrum kan avsløre den første frekvensen til broen. Denne metoden er imidlertid påvirket av faktorer som broens tilstand og veiforhold, og nøyaktigheten kan variere avhengig av disse elementene. For å øke presisjonen har det blitt utviklet mer sofistikerte modeller, som den to-akslede stive kjøretøymodellen brukt av Yang et al. (2020), som tar høyde for både vertikal og rotasjonsbevegelse av kjøretøyet.

Forskning på broens modale egenskaper har også vært rettet mot å utvikle metoder for å oppdage endringer i broens strukturelle dempingsforhold. Dette er av særlig betydning når det gjelder å identifisere potensielle skader på broen som kan påvirke dens stabilitet og sikkerhet. For eksempel har Kim et al. (2017) undersøkt bruken av en instrumentert kjøretøy for å oppdage både endringer i naturlige frekvenser og strukturelle dempningsforhold. Deres forsøk viste at det er mulig å oppdage slike endringer ved å analysere kjøretøyets respons under bevegelser over en bro.

Sammen med disse metodene har også teorien bak bølgebroens vibrasjonsmodeller blitt utviklet for å bedre kunne simulere broens reaksjon på dynamiske belastninger. Metoder som den avanserte bevegelsesmetoden for interne noder (MINE) foreslått av Yang et al. (2021), har vist seg å være effektive i å analysere broer med bevegelsesbelastninger. Denne metoden forenkler beregningene ved å eliminere behovet for interpolasjon mellom kjøretøyet og broen.

I den videre utviklingen av disse metodene, er det viktig å forstå at presisjonen i frekvensidentifikasjonen ikke bare avhenger av den valgte modellen for kjøretøyet eller broen, men også av hvordan målingene utføres i praksis. Støy fra kjøretøyets akselerasjon, som kan være et resultat av veiens tilstand eller kjøretøyets egne vibrasjoner, kan komplisere analysen. Derfor er det essensielt å anvende nøyaktige måleteknikker og metoder for signalbehandling for å oppnå pålitelige resultater.

For videreutvikling av teknologiene som brukes til frekvensidentifikasjon, er det også viktig å vurdere hvordan flere typer broer reagerer på dynamiske laster. Forsøkene med forskjellige brotyper, som for eksempel skråstilte Euler-bjelker under bevegelige laster (Yang et al., 2020), gir verdifull innsikt i hvordan strukturen til broen kan påvirke dens respons på kjøretøybevegelser. Dette kan hjelpe ingeniører med å tilpasse identifikasjonsmetodene til spesifikke brotyper og forhold.

Endelig er det avgjørende at frekvensidentifikasjonsteknikker kombineres med andre tilstandsovervåkingsmetoder for å gi et mer helhetlig bilde av broens tilstand. Skader kan være subtile, og i mange tilfeller er det først ved omfattende analyser at de blir tydelige. Derfor er det viktig at disse metodene sees på som en del av et større overvåkingssystem som inkluderer både numeriske simuleringer og eksperimentelle målinger for å sikre at vedlikeholdstiltak kan iverksettes i tide, og at sikkerheten opprettholdes.

Hvordan kan man estimere øyeblikkelige frekvenser i brostrukturer ved hjelp av kjøretøydata?

Metoder for å estimere de øyeblikkelige frekvensene til broer har fått økt oppmerksomhet i de siste årene, da de gir muligheter for mer nøyaktig overvåkning og vedlikehold av infrastruktur. Dette kan bidra til å forbedre både sikkerhet og levetid for broene. Flere studier har utviklet teknikker og metoder som kombinerer eksperimentelle målinger og numeriske simuleringer for å estimere disse frekvensene basert på kjøretøyets respons mens det krysser broen.

I en studie av Zhang og Tan (2021) ble det utviklet en semi-analytisk tilnærming for å vurdere den dynamiske responsen i et VBI-system (Vehicle-Bridge Interaction), der man tar hensyn til effekten av kjøretøyets treghet og de tilhørende variasjonene i de øyeblikkelige frekvensene både for kjøretøyet og broen. Teknikken for frekvensmodulering ble brukt til å generere dynamiske responser som inkluderte tid-varyende øyeblikkelige frekvenser. De genererte svarene viste god overensstemmelse med både numeriske simuleringer og tidligere publiserte laboratoriemålinger.

I en annen studie foreslo Zhang et al. (2021) en metode for identifisering av øyeblikkelige frekvenser ved hjelp av en modifisert S-transform reassignment. Dette ble videre utviklet av Yang et al. (2022), som brukte en filtrert iterativ referanse-drevet S-transform-teknikk for å identifisere tid-varyende egenskaper av VBI-systemet. Denne metoden viste seg å ha lavere interferens sammenlignet med andre tids-frekvensanalysemetoder som er basert på kjøretøyrespons.

Jin et al. (2022) introduserte en multivariat metode, MOESP (Multivariable Output Error State Space), for å estimere brofrekvenser fra kjøretøyets dynamiske respons ved to passeringer over broen. For å eliminere tid-varyerende effekter ble SVD-basert pseudoinvers-algoritme brukt før implementeringen av MOESP-metoden. Numeriske eksperimenter demonstrerte en vellykket identifikasjon av broens strukturelle frekvenser, selv under høye kjøretøyhastigheter og ujevne veibetingelser.

Metoder som bruker synkrosqueezing-transformasjon (Tan et al., 2023) og S-transform (Yang et al., 2023) har vist seg å være nyttige for å fange de tid-varyerende karakteristikkene i VBI-systemer, og har blitt brukt til både numeriske simuleringer og laboratorieeksperimenter. Disse tilnærmingene viser at både frekvensene for kjøretøyet og broen kan variere i tid, og demonstrerer et stadig mer presist bilde av strukturelle responser.

He et al. (2023b) introduserte en ny formulering for å estimere skaleringsfaktorer ved hjelp av kjøretøyinduserte endringer i brofrekvenser. Denne metoden eliminerer behovet for å håndtere tilfeldig skalerte modusformene som vanligvis oppnås gjennom utelukkende modaltester, og tillater en effektiv estimering av skaleringsfaktorer uten å måtte konstruere et finitt element-modell.

Nyere forskning har videreutviklet teknikkene for frekvensidentifikasjon ved hjelp av metoder som inkluderer generaliserte mønstersøk (GPSA), både for å estimere første brofrekvense og stivhet gjennom kjøretøyets respons, samt forbedrede dekomponeringsmetoder som Empirical Mode Decomposition (EMD) og Ensemble Empirical Mode Decomposition (EEMD), som bidrar til å overvinne utfordringer som modusrøring (Singh og Sadhu, 2023). Bruken av slike teknikker har blitt verifisert både numerisk og gjennom eksperimentelle studier og gir lovende resultater for brofrekvensestimering under ulike kjøreforhold.

Det er viktig å merke seg at veibanen og kjøretøyhastigheten kan påvirke de dynamiske egenskapene og gjøre det utfordrende å isolere brofrekvenser fra kjøretøyresponsen. For å håndtere dette, har forskere utviklet metoder som for eksempel å analysere tverrspektre mellom kjøretøyets dynamikk ved forskjellige hastigheter (Lu et al., 2023) eller ved å bruke forskjellige sensorer for å forbedre nøyaktigheten (Lan et al., 2023).

For leseren er det essensielt å forstå at selv om mange av de nevnte metodene har vist seg å være effektive for å identifisere brofrekvenser, er de fortsatt i utvikling, og hvert teknisk fremskritt bidrar til mer presise og praktiske løsninger for infrastrukturområdet. Spesielt for høye kjøretøyhastigheter og dårlige veiforhold er det nødvendig å ta hensyn til de komplekse dynamiske interaksjonene som kan påvirke frekvensene, og dette krever fortsatt omfattende forskning og forbedringer av de tilgjengelige teknikkene.

Hvordan identifisere modeformer for broer ved hjelp av kjøretøyresponser

Metodene for identifikasjon av modeformer for broer ved hjelp av dynamiske kjøretøyresponser har utviklet seg betydelig de siste årene, og flere ulike teknikker er blitt foreslått og validert gjennom både numeriske simuleringer og eksperimentelle studier. En av de mest brukte metodene er basert på målingene av kjøretøyets akselerasjoner når det passerer over broen. Ved å analysere disse responsene kan man få verdifull informasjon om broens naturlige frekvenser og modeformer.

En tilnærming som har vist seg effektiv er bruken av den såkalte HT-teknikken (Hilbert Transform) i kombinasjon med spektralanalyse. Zhan et al. (2020) foreslo en metode som estimerer overflatestrukturen til en bro ved hjelp av en dobbelt-pass dobbel-kjøretøy-teknikk. Ved å bruke den normaliserte kontaktresponsen, kan man hente ut frekvenser og modeformer gjennom spektralanalyse og HT-teknikken. Denne metoden ble validert numerisk på en kontinuerlig bro med tre spenn.

For å forbedre presisjonen til VSM (Vibrational Shape Method) for modal identifikasjon, ble det foreslått å bruke et korrekt justert elliptisk filter, som erstattet det tradisjonelle bandpass-filteret, som brukt av Yang og Wang (2022b). HT-teknikken ble deretter benyttet for å beregne den analytiske signalet fra det smale båndsresponsen. I tillegg ble MINE-metoden (Mutual Information-based Network Extraction) implementert for å forbedre den beregningsmessige effektiviteten i VSM-modellen.

Zhou et al. (2023) tok i bruk HT-teknikken og en to-peak spektrumfiltreringsfunksjon for å trekke ut modeformene for en bro fra responsene til et toakslet kjøretøy. Laboratorietestene viste at broens frekvenser og modeformer kunne identifiseres med høy presisjon fra akselerasjonene til et passerende kjøretøy. Zhang et al. (2023) benyttet en testbil kombinert med en stasjonær shaker for å fremkalle en tvingende vibrasjon i broen, noe som gjorde det mulig å hente ut presise modeformer ved hjelp av HT-teknikken for å analysere kjøretøyets akselerasjonsinnpakning.

Metoder som Wavelet-transformasjon har også blitt benyttet til å forbedre nøyaktigheten ved identifikasjon av modeformer. Jian et al. (2020) presenterte en metode for å identifisere modeformer ved hjelp av bølgelet-analyse, der akselerasjonene mellom to tilstøtende trailere ble brukt til å forbedre nøyaktigheten i nærvær av målefeil.

For å håndtere effekten av kjøretøyets lengde på identifikasjonen av modeformer, foreslo Liu et al. (2023) en metode for å "splice" modeformene. Dette gjør det mulig å effektivt bruke de virtuelle kontaktresponsene fra et kjøretøy for å ekstrahere modeformer, selv når kjøretøyet er langt.

En av de største utfordringene i denne typen forskning er hvordan man kan redusere støy og forstyrrelser fra forskjellige kilder, som kjøretøyets akselerasjon og ujevnheter på veiens overflate. Malekjafarian og OBrien (2014) brukte STFDD-teknikken (Short-Time Frequency Domain Decomposition) for å rekonstruere broens modeformer, og viste hvordan man kan redusere de negative effektene av slike forstyrrelser ved å benytte ekstern eksitasjon eller ved å bruke residual akselerasjonsrespons.

Samlet sett gir disse teknikkene et bredt spekter av metoder for å identifisere broens naturlige frekvenser og modeformer ved hjelp av kjøretøyresponser. De gir en mer praktisk og effektiv måte å overvåke broens helsetilstand på, noe som kan være svært nyttig for vedlikehold og sikkerhet. I tillegg har mange av disse metodene vist seg å være robuste i forhold til støy og andre forstyrrelser, noe som gjør dem til pålitelige verktøy for ingeniører og forskere.

I tillegg til de tekniske metodene som er nevnt, er det viktig å merke seg at valg av kjøretøy, veiens tilstand og kjøretøyets hastighet kan ha stor innvirkning på kvaliteten av de innhentede dataene. Det er derfor avgjørende å tilpasse disse metodene til spesifikke forhold for å oppnå de beste resultatene. I praksis vil det ofte være nødvendig å kombinere flere teknikker for å optimalisere identifikasjonen av modeformer og frekvenser.

Hvordan analysere akselerasjoner på kjøretøy for å oppdage spor- og brofeil

For å forstå hvordan moderne teknikker kan forbedre vedlikehold og sikkerhet i jernbanesystemer, er det viktig å se nærmere på metodene som benytter seg av akselerasjonsmålinger fra kjøretøy. En av de mest effektive tilnærmingene for å analysere akselerasjoner fra et tog består i å bruke teknikker som kan beregne og vurdere stivheten i sporene basert på kjøretøyets respons. En slik tilnærming har blitt bevist effektiv for å identifisere lokale variasjoner i sporstivheten, og har vist seg å være svært nyttig for tidlig deteksjon av strukturelle problemer i sporene.

En metode som har vist seg nyttig for å estimere stivheten i spor er basert på kryssentropioptimalisering. Denne teknikken ble brukt for å finne sporstivhetsprofiler som gir en kjøretøysrespons som stemmer overens med de vertikale akselerasjonene som er målt fra et jernbanevogns bogie. Gjennom numeriske studier har det blitt demonstrert at denne metoden er effektiv for å estimere lokale variasjoner i sporstivhet. Dette ble videreutviklet til å detektere skader på jernbanebroer, hvor teknikken benyttes til å analysere profiler som blir registrert av kjøretøyet under bevegelse.

Broens defleksjoner, som er estimerte ved hjelp av sporirregularitetsdata, viser en sterk overensstemmelse med målinger som er utført på stedet, og understøtter påliteligheten av denne metoden. Videre har Zhan et al. (2021a) forbedret teknikker for identifisering av modalfrekvenser til jernbanebroer, og brukt responsene fra to-akslede kjøretøy for å gjøre dette. Denne tilnærmingen har forbedret tid-domain subtraction metoden (TSM) for to sammenkoblede to-akslede kjøretøy for å redusere effekten av sporirregulariteter på brofrekvensene. Ved å kombinere dataene fra flere kjøretøy er det også mulig å fjerne støy fra kjøretøyresponsen som kan påvirke nøyaktigheten i identifikasjonen av brofrekvenser.

For å analysere og detektere sporfeil som skader eller defekter i jernbanesporene, har flere forskere benyttet seg av akselerasjonsdata fra togene. Teknikker som bølgelengdeanalyse (WT) og wavelet-pakkeanalyse har vist seg å være nyttige for å vurdere tilstanden på sporet, særlig når det gjelder å identifisere kort-pitch korrugeringer og andre sporfeil. Caprioli et al. (2007) viste at WT kan gi pålitelige resultater for å detektere feil i sporet, selv når andre mer komplekse teknikker kan være vanskelige å implementere for ingeniører i felten. Deres studie understreket behovet for å finne en balanse mellom tekniske metoder og praktisk anvendelse.

En av de mest lovende teknikkene for sporfeildeteksjon er den baserte på automatisk vurdering av lokale sporfeil ved hjelp av vertikale akselerasjoner fra et bevegelses-tog. Denne metoden gjør det mulig å identifisere områder med høy energi som kan indikere en isolert uregelmessighet i sporet. Monte Carlo simuleringer har blitt brukt for å validere metodens effektivitet i forskjellige scenarier og for forskjellige kjøretøyegenskaper.

Når det gjelder vedlikehold og sikkerhet på jernbanen, er det også viktig å merke seg at mange av de nevnte metodene kan brukes i en datafusion-sammenheng. Det vil si at man kan kombinere data fra flere tog som passerer over samme spor, for å få en mer nøyaktig og pålitelig vurdering av tilstanden på sporet eller broen. Dette kan gjøres ved å bruke teknikker som Kalman-filtere, som gjør det mulig å håndtere usikkerhet og variasjoner i dataene, noe som kan være spesielt nyttig for å overvåke spor over tid.