水工建筑物的安全隱患檢測系統的制作方法
本發明涉及一種水工建筑物的安全隱患檢測系統，屬于水利水電工程技術領域。
背景技術：
水工建筑物，因其服役環境特殊，要長期承受著高速水流、冰凍、溫度、地震等多種環境荷載的影響，會導致其結構因腐蝕和疲勞而產生結構損傷，且這些損傷又常存在于結構的水下位置，不易被發現而形成安全隱患。我國已建成的各類水庫中，絕大部分運行時間過長，老化失修嚴重，存在嚴重的病險問題，長期的安全隱患在持續的外界環境荷載影響下，易發生嚴重的垮壩事件，造成不可估量的人員傷亡和經濟損失。由此可見，加強水工結構的安全檢測，盡早排查其安全隱患，保障其安全運行已勢在必行。
從對水工建筑物是否造成影響的角度講，現有的水工建筑物安全檢測方法分為無損檢測法和有損檢測法。有損檢測法效率低下且對被檢測物有損害，難以滿足新時期水閘工程檢測的需要；無損檢測方法(如回彈法、超聲波法、地震波法、地質雷達法等)需要事先知道隱患的近似位置，且檢測儀器能夠到達隱患近似位置，受水的影響，傳統無損檢測方法難以實現對結構水下部位的隱患檢測。
技術實現要素：
鑒于上述原因，本發明的目的在于提供一種水工建筑物的安全隱患檢測系統，通過動態激勵源激勵水工建筑物，利用布設于水工結構中的若干傳感器獲取激勵作用下的動力反應信號，對動力反應信號進行處理與分析，檢測水工建筑物的隱患范圍與結構損傷程度。
為實現上述目的，本發明采用以下技術方案：
一種水工建筑物的安全隱患檢測系統，包括動態激勵源、測點優化布置子系統、信號采集子系統、信號處理子系統、預警子系統，
動態激勵源，用于對水工建筑物進行外界激勵，使水工建筑物產生振動而發出動力響應信號；
測點優化布置子系統，用于根據水工建筑物的具體結構，得到用于感測動力響應信號的各傳感器的最優組合與布設位置；
信號采集子系統，采集布設的各傳感器所感測的動力響應信號；
信號處理子系統，用于對各傳感器感測的動力響應信號進行處理、分析；
預警子系統，用于根據對動力響應信號的處理結果，發出預警信息。
所述動態激勵源是環境激勵、人為激勵、電磁波、超聲波、雷達、地震波中的一種或是幾種的組合。
所述測點優化布置子系統基于Fisher信息矩陣、信息熵、互信息、模態能量、模型縮減、可控/可觀性、結構識別概率，利用非線性規劃、序列法、隨機類、克隆選擇和離散粒子群混合算法計算各傳感器的最優組合與布設位置。
所述各傳感器包括加速度傳感器、速度傳感器、位移傳感器、聲波傳感器，各傳感器的信號輸出端經相應的信號電纜、光纖與所述信號處理子系統的信號輸入端相連接，以將感測的信號傳輸給所述信號處理子系統。
所述信號處理子系統對動力響應信號進行處理的過程包括：對采集的動力響應信號進行降噪處理，提取出有效的動力響應信號；對有效的動力響應信號進行模態參數識別；提取用于標識水工建筑物敏感結構的特征量作為檢測指標。
所述檢測指標包括：頻域指標、時域指標、時頻域指標、模態指標，根據各指標的變化情況，判斷水工建筑物結構的不同位置的健康狀況、隱患范圍、結構損傷程度。
對應各檢測指標設定相應的隱患閾值，將所述信號處理子系統處理得到的各檢測指標值與相應的隱患閾值進行比較，當檢測指標值達到或超過隱患閾值時，判斷水工建筑物的安全隱患已達到一定程度，通過所述預警子系統進行報警。
對二灘水電站水墊塘進行安全隱患檢測，其中：采用水電站泄洪天然來水作為動態激勵源，于4#表孔拱冠梁處布設A32傳感器，高程1204.8m，于2#中孔啟閉機上游壁面處布設A31傳感器，高程1136m，水墊塘表面沿河床中軸線上布設A1～A12傳感器，高程為980m，水墊塘右側廊道內依次布設A22-A30傳感器，水墊塘左側廊道內依次布設A13-A19傳感器，水墊塘左側邊坡廊道布設A20-A21傳感器，利用以上各傳感器采集水墊塘不同測點的振動信號，對采集的振動信號進行幅值域處理與分析、頻域處理與分析、時域處理與分析，將信號處理結果與預設的相應的預警閾值進行比較，若信號處理結果到達或超過相應的預警閾值，啟動預警子系統進行預警。
本發明的優點是：
1、利用動態激勵源模擬對水工建筑物的外界荷載作用，不會對結構造成影響；
2、于水工建筑物布設若干傳感器，以獲取動態激勵源作用下水工建筑物產生振動而發出的動力反應信號，可據此檢測結構內部的隱患范圍、結構損壞位置，全面檢查水工建筑物的整體健康狀況；
3、利用信號處理子系統對動力反應信號進行處理與分析，當隱患到達一定程度時，經預警子系統發出預警，可及時開展預案處理，保證水工建筑物的正常使用，避免造成損失；
4、各傳感器、信號電纜等硬件經過防水處理，可進行水下檢測。
附圖說明
圖1是本發明的系統組成框圖。
圖2是本發明的檢測指標體系結構圖。
圖3是本發明的克隆選擇和離散粒子群混合算法的流程圖。
圖4是一具體實施例中傳感器的布設結構圖。
具體實施方式
以下結合附圖和實施例對本發明作進一步詳細的描述。
如圖1所示，本發明公開的水工建筑物的安全隱患檢測系統，包括動態激勵源、測點優化布置子系統、信號采集子系統、信號處理子系統、預警子系統；
動態激勵源，用于對水工建筑物進行外界激勵，使水工建筑物產生振動而發出動力響應信號。動態激勵源可以是環境激勵、人為激勵、電磁波、超聲波、雷達、地震波等中的一種或是幾種的組合。
測點優化布置子系統，用于根據水工建筑物的具體結構，基于特定算法得到傳感器的最優布設位置。該特定算法是指在約束條件下尋找滿足某種性能要求的最優解，即尋求最大限度滿足特定準則的傳感器布置方案，獲取能夠有效反應結構動力響應的信息；準則例如是基于Fisher信息矩陣、信息熵、互信息、模態能量、模型縮減、可控/可觀性、結構識別概率，利用非線性規劃、序列法、隨機類等算法計算傳感器的最優組合。
信號采集子系統，根據測點優化布置子系統的計算結果，于水工建筑物內部的特定位置布設若干傳感器，各傳感器感測在動態激勵源的激勵作用下水工建筑物所產生的動力響應信號。根據不同的動態激勵源，可相應布設的傳感器包括加速度傳感器、速度傳感器、位移傳感器、聲波傳感器等，各傳感器的信號輸出端經信號電纜、光纖等與信號處理子系統的信號輸入端相連接，以將感測的信號傳輸給信號處理子系統。
信號處理子系統，用于采集信號采集子系統感測的動力響應信號，對動力響應信號進行處理、分析，處理方法包括：
1)對采集的動力響應信號進行降噪處理，提取出有效的動力響應信號；
受外界復雜環境的影響，各傳感器實際采集的動力響應信號成分復雜，需要先對采集的動力響應信號進行降噪處理，去除其中的干擾和噪聲信號，提取出有效的動力響應信號。降噪處理方法包括，經驗模態分解(EMD)、小波分析、集合經驗模態分解(EEMD)等。
2)對有效的動力響應信號進行模態參數識別；
對提取出的有效的動力響應信號進行模態參數識別，模態參數提取方法包括：峰值拾取法、頻域分解法、Ibrahim時域法、最小二乘復指數法、時間序列法、特征系統實現算法、隨機子空間法等，可識別出結構不同狀態不同位置處的固有頻率、阻尼比、振型等特征指標，初步判斷結構是否處于健康工作狀態。
3)提取用于標識水工建筑物敏感結構的特征量作為檢測指標；
該敏感結構的特征量能夠突出表征水工建筑物結構的特征，多個不同特征量的組合能夠對水工建筑物的結構特征進行較為全面的刻畫。如圖2所示，檢測指標包括：頻域指標、時域指標、時頻域指標、模態指標等，根據各指標的變化情況，判斷水工建筑物結構的不同位置的健康狀況、隱患范圍、結構損傷程度等。
預警子系統，用于根據信號處理子系統對動力響應信號的處理結果，發出預警信息。對應各檢測指標設定相應的隱患閾值，將信號處理子系統處理得到的各檢測指標與相應的隱患閾值進行比較，當檢測指標值達到或超過隱患閾值時，判斷水工建筑物的安全隱患已達到一定程度，通過預警子系統進行報警，啟動相應的預案處理程序，及時修復損傷結構。
于一具體實施例中，利用本發明的水工建筑物的安全隱患檢測系統對二灘水電站水墊塘進行安全隱患檢測，實現軟基底部脫空區范圍的檢測和結構破壞的檢測，其中：
動態激勵源采用水電站泄洪天然來水，利用水流沖擊水電站水墊塘，使得水墊塘產生流激振動而發出動力響應信號。
測點優化布置子系統，利用克隆選擇和離散粒子群混合算法CSA-DPSO(A hybrid intelligence algorithm of clonal selection algorithm and discrete particle swarm optimization)優化兩個適應度函數，計算水墊塘地板測點布置優化方案。
粒子群優化算法在運行過程中，如果某粒子發現了一個當前最優位置，其他粒子將迅速向其靠攏，出現“聚集”現象，導致種群多樣性的降低。如果當前所發現的最優位置是局部最優點，粒子群就無法在解空間內重新搜索，算法陷入局部最優，出現早熟收斂現象。針對傳感器空間優化布置問題的特殊性，如圖3所示，本發明提出一種新型克隆選擇和離散粒子群混合算法，并引入遺傳算法中的換位算子和移位算子作為克隆選擇算法中的高頻變異算子，可以將粒子群算法的快速收斂性能與克隆選擇算法的局部搜索特性有效結合，使其具有更強的全局尋優能力。
信號采集子系統，布設DP型地震式低頻振動傳感器，測點與傳感器選型統計見表1。如圖4所示，測點A32位于4#表孔拱冠梁處，高程1204.8m，測點A31位于2#中孔啟閉機上游壁面處，高程1136m，水墊塘表面1#～12#測點(A1-A12)高程為980m，其余測點高程為976.5m。水墊塘表面12個測點位于水墊塘沿河床中軸線上，22#～30#測點(A22-A30)依次布置于水墊塘右側廊道內，13#～19#測點(A13-A19)布置于水墊塘左側廊道內，20#～21#測點(A20-A21)布置在水墊塘左側邊坡廊道。利用以上傳感器采集水墊塘不同測點的振動信號。各傳感器及相應的信號電纜、光纖等均經過防水處理。
表1
根據已有的試驗資料，水墊塘內水流脈動壓力及底板塊所受上舉力的主要能量集中在0～15Hz之間，因此，在信號采集過程中，按照下述試驗條件采集三組振動信號：
A、設定采樣頻率fs＝100Hz，相應的采樣間隔Δt＝0.01s，樣本容量N＝4096，采樣時間長度T＝40.96s；
B、設定采樣頻率fs＝50Hz，相應的采樣間隔Δt＝0.02Hz，樣本容量N＝4096，采樣時間長度T＝81.92s；
C、設定采樣頻率fs＝25Hz，相應的采樣間隔Δt＝0.04Hz，樣本容量N＝4096，采樣時間長度T＝162.84s。
信號處理子系統，對信號采集子系統采集的振動信號進行處理與分析，包括：
(1)對各傳感器采集的原始的振動信號進行濾波處理，包括：
I、褶積濾波，計算公式為：
其中：xi為經濾波后的信號；xi-k為濾波前的信號；i＝0，1，…，N；k＝-n，-n+1，…，0，…n-1，n；gk為濾波系數，N為正整數。
II、高通濾波以去除低頻噪聲；
由于DP型地震式低頻振動傳感器截至頻率的下界為0.35Hz，該截至頻率以下可能混入大量噪聲，而對于低頻特征明顯的水墊塘底板之類的大型水工建筑物而言，低頻噪聲的能量是不容忽視的，因此設定高通濾波的截至頻率為0.348Hz。
(2)對濾波處理后的振動信號，從幅值域、時域和頻域角度進行處理與分析，具體包括：
I、幅值域分析
①均值：
其中，x(t)表示t時刻的振動信號，T表示信號采集時間。
②方差：
③概率分布函數：F(x)定義為隨機變量不大于常數值P的累積概率，表示為：
F(xk)＝P(x≤xk) (4)
其中，x表示某一時刻的振動位移，xk表示k時刻位移。
④概率密度函數f(x)：
f(x)為隨機變量的瞬時幅值落在增量Δx范圍內可能出現的概率與增量Δx之比，表示為：
正態分布的概率密度函數為：
其中，μ、σ為正態分布的均值和標準差。
經過對濾波處理后的水墊塘的振動信號進行幅值域分析，可得，水墊塘底板正常振動的振幅均方根范圍位于0～12.38μm以內，雙倍幅值范圍在0～81.22μm以內。結合其他工程和模型經驗，設定各項隱患閾值，包括：
振動正常的均方根范圍是0～20μm，振動異常的均方根范圍是20～60μm，而大于60μm歸于險情狀態；
偏差系數CS正常狀態在-0.5～+0.5間，
峰度系數CE正常狀態約在2～4之間，
振幅比系數λ正常狀態應小于1.5，
最大振幅取值的K值的正常范圍在2.44～4.00之間。
上述偏差系數、峰度系數、振幅比系數、K值若超出相應的正常范圍，水墊塘底板運行即處于異常狀態或險情狀態。
由此，根據采集的振動信號，經濾波處理后，其幅值域分析結果屬于上述異常或險情狀態時，即啟用預警子系統進行預警。
II、時域分析
①自相關函數Rx(τ)
定義信號x(t)的自相關函數Rx(τ)為：
自相關函數是τ的周期函數，周期為T，當τ＝0或者T的整數倍時，Rx(τ)達到最大。
②互相關函數
定義兩隨機信號x(t)與y(t)的互相關函數Rxy(τ)為：
其中，τ為兩個振動信號的時差。
根據對水墊塘的振動信號進行時域分析，將時域指標結果與相應的隱患閾值進行比較，若時域指標到達或超過相應的隱患閾值，則啟動預警子系統進行預警。
III、頻域分析
①傅立葉變換
正變換：
逆變換：
為提高運算速度，通常使用快速傅立葉變換方法(FFT)，但此時所得到的頻譜是不連續的曲線，具有一定的頻率分辨率Δf，且Δf＝SF/N，其中，SF為信號采樣頻率，N為FFT分析點數(常為1024點)。由于頻率分辨率的存在，以及時域信號為有限長度等原因，使FFT分析結果具有泄露的可能，可利用平滑、加窗、能量修正、細化分析等方法消除泄露。
②自功率譜密度函數
平穩隨機信號x(t)的自相關函數為Rx(τ)，且Rx(τ→∞)＝0，則定義其傅里葉變換為x(t)的自功率譜密度函數，并記為Sx(f)，即：
根據對水墊塘的振動信號進行頻域分析，將頻域指標結果與相應的隱患閾值進行比較，若頻域指標到達或超過相應的隱患閾值，則啟動預警子系統進行預警。
以上所述是本發明的較佳實施例及其所運用的技術原理，對于本領域的技術人員來說，在不背離本發明的精神和范圍的情況下，任何基于本發明技術方案基礎上的等效變換、簡單替換等顯而易見的改變，均屬于本發明保護范圍之內。
- 還沒有人留言評論。精彩留言會獲得點贊！