Jakie metody identyfikacji kształtu modalnego mostu są najskuteczniejsze?

VSM (Vehicle–Bridge System Model) jest szczególnie skuteczną metodą w kontekście identyfikacji kształtów modalnych o wysokiej gęstości i lokalizacji uszkodzeń mostów. Aby móc zidentyfikować kształt modalny mostu, najpierw należy ustalić odpowiadającą mu częstotliwość. W tym celu odpowiedzi modalne dla konkretnej częstotliwości mostu można wydzielić z odpowiedzi pojazdu lub kontaktu za pomocą filtrów pasmowych lub technik dekompozycji modalnej. Następnie, z wyodrębnionej odpowiedzi modalnej, można odzyskać chwilową amplitudę przy użyciu technik takich jak transformata Hilberta (HT) (Yang i in., 2014), STFT (Malekjafarian i O'Brien, 2014), WT (Jian i in., 2020; Xu i in., 2023a, 2023c) i innych. Następnie, przekształcając chwilową amplitudę z dziedziny czasu na dziedzinę przestrzenną, uzyskuje się kształt modalny mostu. Jednakże kształt modalny uzyskany za pomocą powyższego procesu jest przedstawiony w wartości bezwzględnej. Ostateczny kształt modalny powinien zostać skorygowany na podstawie doświadczenia i oceny inżyniera.

Druga metoda polega na użyciu pojazdu poruszającego się po moście, który pozwala uchwycić globalną odpowiedź modalną mostu, oraz pojazdu stojącego, który zapewnia odpowiedź referencyjną w stałej lokalizacji mostu, co pomaga usunąć wpływ tłumienia (Yang i in., 2024a). Trzecia metoda wykorzystuje korelację przestrzenną pomiędzy przednimi i tylnymi punktami kontaktowymi pojazdu dwuosiowego w celu ustanowienia globalnej odpowiedzi modalnej mostu wzdłuż jego rozpiętości, w różnych momentach, w miarę jak pojazd przejeżdża przez most (Xu i in., 2024b). Wykorzystując korelację przestrzenną między przednią a tylną odpowiedzią kontaktową, tworzy się rekurencyjny wzór do usunięcia zniekształceń wynikających z tłumienia dla chwilowej amplitudy odpowiedzi modalnej mostu. Obie z tych metod nie wymagają wcześniejszej znajomości współczynnika tłumienia mostu, co zostanie omówione szczegółowo w rozdziałach 10 i 11.

Od lat 90. XX wieku termin „interakcja pojazd–most” został wprowadzony przez Yang i współpracowników, aby podkreślić równą wagę zarówno drgań pojazdu, jak i mostu w badaniach nad dynamicznymi problemami mostów, w przeciwieństwie do większości wcześniejszych badań, które koncentrowały się głównie na jednym z tych elementów (Yang i Lin, 1995; Yang i in., 1995, 2004b; Yang i Yau, 1997; Yau i in., 1999). Relację między mostem a pojazdem można porównać do systemu „matka–dziecko”. Zachowanie pojazdu testowego (czyli dziecka), który ma stosunkowo małą masę, jest głównie zdominowane przez dynamiczne zachowanie mostu (matki). Na tej podstawie Yang i in. (2004a) zaproponowali VSM, początkowo znane jako metoda pośrednia, do ekstrakcji częstotliwości mostu z odpowiedzi pojazdu testowego po raz pierwszy. W ciągu ostatnich dwóch dekad zespół badawczy Yang’a poczynił znaczny postęp w różnych aspektach VSM. Sekcja ta dzieli się na sześć części: modele pojazdów i mostów oraz ich mechanizmy drgań, udoskonalone metody identyfikacji częstotliwości mostu, identyfikacja kształtów modalnych mostów, identyfikacja współczynnika tłumienia mostu oraz identyfikacja uszkodzeń mostu.

Znaczenie współczynnika tłumienia mostu, mimo że jest powszechnie uznawane, często jest niedoceniane w praktyce inżynierskiej. Choć identyfikacja częstotliwości oraz kształtu modalnego jest istotna, właściwa analiza i zrozumienie tłumienia mostu w znacznym stopniu wpływa na trafność wyników i dokładność procedur diagnostycznych. W związku z tym należy poświęcić szczególną uwagę zarówno identyfikacji tłumienia, jak i jego wpływowi na proces analizy drgań mostu, aby zapewnić wiarygodność dalszych etapów oceny stanu technicznego mostu.

Jakie postępy w monitorowaniu mostów przy użyciu telefonów komórkowych w pojazdach przejeżdżających?

W ostatnich latach, technologia monitorowania stanu strukturalnego mostów, zwłaszcza przy użyciu telefonów komórkowych zamontowanych w przejeżdżających pojazdach, zdobyła znaczną popularność. Jest to nowatorska metoda, która umożliwia ocenę stanu technicznego mostów przy minimalnym zaangażowaniu kosztownych systemów sensorowych. Badania przeprowadzone w tym zakresie wskazują na możliwości wykorzystania telefonów komórkowych jako taniego, powszechnego narzędzia do monitorowania infrastruktury, zwłaszcza mostów, w warunkach rzeczywistych.

Pierwsze próby wykorzystania urządzeń mobilnych w tak zaawansowanym monitoringu datują się na kilka lat wstecz. Shirzad-Ghaleroudkhani i Gül (2021) zaproponowali metodologię wstecznego filtrowania dla identyfikacji częstotliwości mostów, której skuteczność została potwierdzona za pomocą smartfonów w przejeżdżających pojazdach. Ich prace bazowały na analizie częstotliwości modalnych mostów, które można zidentyfikować przy użyciu prostych sensorów mobilnych, takich jak akcelerometry wbudowane w telefony komórkowe.

Jednym z kluczowych wyzwań w tym obszarze jest dokładność identyfikacji modalnych częstotliwości mostów. Metody oparte na samochodach i urządzeniach mobilnych pozwalają na identyfikację tych częstotliwości z dokładnością porównywalną do tradycyjnych, kosztownych systemów monitorujących, jak zauważają Sitton, Rajan i Story (2020a). Istotnym problemem jest również eliminowanie zakłóceń związanych z zmiennymi warunkami drogowymi oraz różnorodnością pojazdów, które mogą wpływać na dane pomiarowe.

Zastosowanie telefonów komórkowych w monitorowaniu stanu mostów pozwala na tworzenie tzw. "inteligentnych miast", w których infrastruktura jest monitorowana w czasie rzeczywistym, przy niskich kosztach. Zastosowanie takich technologii opiera się na dużej dostępności danych zbieranych z przejeżdżających pojazdów, co jest jednym z najnowszych trendów w monitoringu zdrowia konstrukcji. W tym kontekście, technologia crowdsourcingu staje się kluczowym narzędziem, umożliwiającym pozyskiwanie danych od użytkowników dróg w sposób masowy, co może prowadzić do bardziej precyzyjnego i regularnego monitorowania stanu mostów.

Jednakże, aby technologia ta była skuteczna na szeroką skalę, konieczne jest rozwiązanie kilku wyzwań. Przede wszystkim, konieczne jest rozwinięcie metod analizy danych, które pozwolą na dokładne rozróżnienie pomiędzy naturalnymi wibracjami mostu a wibracjami generowanymi przez pojazdy. Użycie zaawansowanych metod obliczeniowych, takich jak transformaty czasowo-częstotliwościowe, które pozwalają na lepsze przetwarzanie sygnałów w warunkach zmienności, staje się niezbędne do poprawy dokładności wyników.

Dodatkowo, ważnym elementem jest integracja takich systemów z innymi technologiami inteligentnych miast, takimi jak sieci 5G, które umożliwią szybszą transmisję danych w czasie rzeczywistym. Zastosowanie tego typu technologii w przyszłości może zapewnić jeszcze większą dokładność i szybkość diagnozowania potencjalnych problemów z mostami.

Innym obszarem, który wymaga dalszych badań, jest wykorzystanie tych technologii do monitorowania mostów w różnych warunkach atmosferycznych oraz w przypadku bardziej złożonych struktur, takich jak mosty wiszące czy mosty kolejowe. Badania prowadzone przez Tsunashimę i innych autorów (2014, 2020) pokazały, że parametry wibracyjne mogą być również wykorzystywane do szacowania stanu torowisk, co w połączeniu z monitorowaniem mostów może prowadzić do bardziej kompleksowego podejścia do monitorowania infrastruktury transportowej.

Jakie metody detekcji uszkodzeń mostów są oparte na częstotliwościach i kształtach modów?

Współczesne podejścia do detekcji uszkodzeń mostów bazujące na częstotliwościach naturalnych oraz kształtach modów oferują coraz bardziej precyzyjne rozwiązania, które pozwalają na identyfikację i lokalizację uszkodzeń w konstrukcjach mostowych. Te techniki wykorzystują zmiany dynamicznych właściwości mostów, takich jak częstotliwości drgań czy kształty modów, w odpowiedzi na zmiany w strukturze spowodowane uszkodzeniami. Z pomocą nowoczesnych algorytmów i technologii sensorycznych możliwe jest nie tylko wykrywanie obecności uszkodzeń, ale również ocena ich powagi i lokalizacji.

Jednym z pionierskich podejść jest metoda zaproponowana przez He i Ren (2018), którzy wykorzystali zmiany częstotliwości wywołane przez zaparkowany pojazd. Dzięki technice aktualizacji FEM (metoda elementów skończonych) możliwe było wykrywanie uszkodzeń na podstawie pomiarów częstotliwości uzyskanych z pojazdu zaparkowanego w różnych miejscach mostu. Badania numeryczne oraz eksperymentalne potwierdziły skuteczność tego podejścia. Z kolei Cao i inni (2021) opracowali wskaźnik lokalizacji uszkodzeń, który wykorzystywał wskaźnik zmiany częstotliwości systemu VBI (Vehicle-Bridge Interaction) przed i po uszkodzeniu mostu. Związek między zmianą częstotliwości a stopniem uszkodzenia pozwalał na oszacowanie jego skali.

Kolejnym podejściem bazującym na częstotliwościach, stosowanym w detekcji uszkodzeń mostów, jest metoda zaproponowana przez González i innych (2023), która porównuje oszacowane widmo mocy mostu z danymi referencyjnymi w bazie danych. Dodatkowo, wpływ nierówności nawierzchni drogi jest eliminowany przez porównanie odpowiedzi kontaktowych przy różnych prędkościach w przestrzennym domenie.

W obszarze metod opartych na kształtach modów, Zhang i inni (2012) zaproponowali metodę przybliżonego wyodrębniania kwadratów kształtów modów (MOSS) z danych przyspieszeniowych pojazdu przejeżdżającego przez most. Z kolei Oshima i współpracownicy (2014) wykorzystywali oszacowane kształty modów w celu identyfikacji uszkodzeń mostu, takich jak unieruchomienie podpory obrotowej czy zmniejszenie sztywności belki w środkowym punkcie. Pomimo, że ta metoda wykazuje dużą efektywność w rozpoznawaniu stanu mostu z poważnymi uszkodzeniami, jej odporność na szumy jest ograniczona.

Jedną z bardziej obiecujących metod lokalizacji uszkodzeń opartą na kształtach modów jest ta zaprezentowana przez He i innych (2018a). Zastosowali oni kształty modów wyodrębnione z pojazdu poruszającego się wzdłuż mostu, tworząc wskaźnik oparty na krzywiźnie kształtu modów w wybranych rejonach mostu przed i po uszkodzeniu. Badania numeryczne wykazały, że wskaźnik ten jest bardziej odporny na szumy w porównaniu do tradycyjnie stosowanych metod. Ponadto, He i współpracownicy (2019) zbadali zależność między rozmiarem uszkodzeń a zmianami w krzywiźnie kształtu modów, co pozwala na dokładniejsze określenie ich zakresu.

Detekcja uszkodzeń na podstawie kształtów modów staje się coraz bardziej zaawansowana, a eksperymenty laboratoryjne oraz badania numeryczne potwierdzają jej efektywność w kontekście zarówno uszkodzeń lokalnych, jak i globalnych. Dzięki zastosowaniu różnych technik, takich jak transformacja Hougha (HT), czy analiza widma mocy, możliwe jest uzyskanie wiarygodnych wyników, które pozwalają na wczesne wykrywanie uszkodzeń w mostach.

Ważne jest, aby zrozumieć, że skuteczność metod detekcji uszkodzeń zależy nie tylko od wyboru odpowiedniej techniki pomiarowej, ale także od umiejętności radzenia sobie z problemami związanymi z hałasem, zmiennością warunków eksploatacyjnych oraz różnorodnością konstrukcji mostowych. Każda z przedstawionych metod ma swoje ograniczenia, które mogą wpływać na jakość wyników. Dlatego konieczne jest dalsze rozwijanie tych technologii, a także ich testowanie w warunkach rzeczywistych, aby zapewnić jeszcze większą dokładność i niezawodność wykrywania uszkodzeń w mostach.

Jak nowoczesne technologie przyczyniają się do identyfikacji uszkodzeń mostów?

Współczesne technologie wykorzystywane w monitorowaniu stanu technicznego mostów, szczególnie metody oparte na sztucznej inteligencji i analizie danych, stają się coraz bardziej zaawansowane. Ich celem jest nie tylko identyfikacja uszkodzeń strukturalnych, ale także ocena stanu technicznego mostu w kontekście zmieniających się warunków operacyjnych i środowiskowych. W ostatnich latach duże postępy poczyniono w zakresie wykorzystania sieci neuronowych, w tym głębokich sieci konwolucyjnych (CNN), oraz technik opartych na analizie sygnałów uzyskanych z pojazdów przejeżdżających przez mosty. Badania pokazują, jak efektywne mogą być te metody w wykrywaniu uszkodzeń w rzeczywistych warunkach, które są często zdominowane przez szumy i zakłócenia środowiskowe.

Kolejną interesującą metodą zaprezentowaną przez Cheema i in. (2022) było połączenie technik redukcji wymiarów z nieliniowym podejściem do analizy danych z wykorzystaniem UMAP (Uniform Manifold Approximation and Projection) oraz algorytmu klasteryzacji przestrzennej HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Noise). Takie podejście umożliwiło integrację różnych technik analizy danych, oferując nowoczesne rozwiązania w zakresie oceny uszkodzeń mostów. Z kolei Calderon Hurtado i współpracownicy (2023) zaprezentowali ramy uczenia nienadzorowanego z wykorzystaniem autoenkodera opartego na modelu przeciwnym (adversarial autoencoder), który wykorzystywał jedynie dane uzyskane z pojazdu przejeżdżającego przez most, co stanowiło istotny krok w kierunku automatyzacji procesów monitorowania stanu technicznego mostów bez konieczności używania zaawansowanych czujników.

Zastosowanie komputerowego rozpoznawania obrazu w połączeniu z metodami nienadzorowanego uczenia się w kontekście detekcji uszkodzeń mostów stało się także ważnym punktem badań. W badaniu Hurtado i in. (2024) porównano dwie nowoczesne metody generatywnego uczenia maszynowego, tj. konwolucyjne wariacyjne autoenkodery (CVAE) i konwolucyjne autoenkodery przeciwstawne (CAAE), pod kątem oceny uszkodzeń mostów. W tym przypadku wykorzystywano błędy rekonstrukcji między obrazem oryginalnym a obrazem zrekonstruowanym, co stało się wskaźnikiem uszkodzeń.

Wszystkie te metody mają swoje zalety, ale również wyzwania, takie jak konieczność dostosowania do różnych typów mostów, zmieniających się warunków pogodowych, ruchu pojazdów oraz szumów w danych. Istotne jest, aby technologie te były zintegrowane w taki sposób, by mogły być stosowane w rzeczywistych, zmiennych warunkach, w których standardowe metody monitorowania nie zawsze są wystarczająco efektywne.

W kontekście dalszych poszukiwań warto również zauważyć, że implementacja technologii w procesie monitorowania stanu mostów wymaga uwzględnienia nie tylko zaawansowanych algorytmów analitycznych, ale także odpowiedniej infrastruktury sprzętowej, która pozwoli na zbieranie i przetwarzanie danych w czasie rzeczywistym. Ponadto, zastosowanie tych technologii wymaga współpracy pomiędzy inżynierami, specjalistami od analizy danych oraz samymi wykonawcami mostów, aby zapewnić kompleksowe i efektywne monitorowanie ich stanu.

Jak obliczyć reakcje kontaktowe pojazdu dwuosiowego na moście oraz ich wykorzystanie do analizy modalnej konstrukcji?

Równania ruchu pojazdu dwuosiowego, poruszającego się po moście, można opisać uwzględniając zarówno pionowe, jak i obrotowe przemieszczenia jego nadwozia, a także wpływ tłumienia i sztywności zawieszenia na każdej osi. W tym celu stosuje się metodę Galerkina do rozwiązania modalnych równań przemieszczeń belki mostu. Po podstawieniu rozkładu modalnego i wykorzystaniu warunków ortogonalności funkcji sinusoidalnych uzyskujemy zestaw równań modalnych, których rozwiązanie pozwala określić modalne współrzędne ugięć belki.

Pomiar bezpośredni tych reakcji kontaktowych jest jednak niemożliwy, ponieważ punkty kontaktu poruszają się wraz z pojazdem. Zamiast tego reakcje kontaktowe są wyliczane wstecznie na podstawie sygnałów z dwóch czujników przyspieszeń umieszczonych na nadwoziu pojazdu – jednego na osi przedniej i drugiego na osi tylnej. Wykorzystuje się tutaj równania ruchu pojazdu, które uwzględniają masę, moment bezwładności, sztywności i tłumienie zawieszenia obu osi. Zarejestrowane przyspieszenia pionowe i rotacyjne są następnie używane do rozwiązania układu równań, pozwalającego wyznaczyć przyspieszenia reakcji kontaktowych.

Obliczone reakcje kontaktowe, początkowo traktowane jako sygnały ciągłe, są w praktyce dyskretyzowane z uwagi na charakter danych pomiarowych. Tak uzyskane sygnały stanowią punkt wyjścia do dalszej analizy modalnej mostu. Metoda ta jest uniwersalna i nie zależy od typu konstrukcji mostu, co potwierdzają liczne badania terenowe.

W dalszej fazie analizy, do wydzielenia modalnych składowych sygnału reakcji kontaktowych, wykorzystuje się wariacyjną dekompozycję modów (VMD). VMD jest zaawansowaną techniką rozkładu sygnałów, która pozwala na rozdzielenie złożonych sygnałów na ograniczone pasmowo komponenty modalne, każdą o wyznaczonym paśmie częstotliwości. Poprzez iteracyjne rozwiązywanie problemu wariacyjnego uzyskuje się funkcje modów i ich częstotliwości środkowe.

Ponadto, w analizie reakcji kontaktowych należy mieć na uwadze, że pomimo eliminacji częstotliwości pojazdu, sygnały są wrażliwe na właściwości dynamiczne samego pojazdu, takie jak masa, sztywności czy tłumienie zawieszenia. Dokładność i wiarygodność obliczeń w dużym stopniu zależy od precyzyjnego poznania tych parametrów.

Zrozumienie tych zależności i mechanizmów jest kluczowe dla poprawnej interpretacji wyników oraz efektywnego wykorzystania testów z pojazdami dwuosiowymi w inżynierii mostowej. Dzięki temu możliwe jest monitorowanie stanu mostów w czasie rzeczywistym i szybkie wykrywanie zmian wpływających na ich bezpieczeństwo i trwałość.