نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

خلاصه

نظارت بر عملکرد پل ها برای اطمینان از ایمنی آنها و برنامه ریزی عملیات تعمیر و نگهداری آنها یک وظیفه حیاتی است. بنابراین، نظارت بر رفتار پل ها و تجزیه و تحلیل داده های اندازه گیری شده آنها بسیار مهم است. در این مطالعه، از تحلیل‌های همبستگی سری‌های زمانی و طیف فرکانس برای مطالعه عملکرد پل فو-سوی تحت بارهای سخت محیطی و ترافیکی استفاده می‌شود. این عملکرد پل را بر اساس یک سیستم نظارت بر کرنش در زمان واقعی بررسی می‌کند و بارهای محیطی و ترافیکی محیطی مطالعه و مورد بحث قرار می‌گیرد. علاوه بر این، یک روش ساده مبتنی بر پردازش سیگنال توسعه یافته و برای تخمین حجم ترافیک استفاده می‌شود. نتایج این مطالعه نشان می‌دهد که تأثیر بارهای ترافیکی بر کرنش استاتیکی به وضوح کمتر از تغییرات دمای هوا و دمای سطح مقطع پل است. رفتار غیر خطی پل در تابستان بیشتر از زمستان است. و پایداری کل پل در فصل زمستان بیشتر از تابستان است. سری‌های زمانی و تحلیل‌های ارتعاشی نیز نشان می‌دهند که عملکرد پل از نظر صلبیت و پایداری در فصل زمستان بالاتر است.
کلید واژه ها: 

پل ; کرنش ; تحلیل همبستگی ; ترافیک ; درجه حرارت

 

1. معرفی

برای تخمین عملکرد سازه‌ها، اخیراً سیستم‌های نظارت بر سلامت سازه (SHM) با استفاده از حسگرهای اندازه‌گیری پیشرفته و شبکه‌های مانیتورینگ توسعه و تقویت شده‌اند [ 1 ، 2 ]. SHM برای تشخیص جابجایی ها و آسیب های زیرساخت های مهندسی عمران بر اساس تغییرات خصوصیات فیزیکی آنها مانند جرم و سختی استفاده می شود [ 3 ، 4 ]. تغییرات ساختارهای اساسی را می توان بر اساس تغییرات پارامتر ساختار، مانند فرکانس های تشدید، شکل مد و میرایی مودال تخمین زد. پارامترهای سازه تحت تأثیر شرایط مختلف عملیاتی و محیطی قرار می گیرند [ 4]. در سیستم های SHM از دو نوع حسگر برای جمع آوری داده های ساختاری استفاده می شود. نوع اول برای جمع آوری داده های ورودی (محیط زیست، ترافیک و غیره ) و نوع دوم برای جمع آوری رفتار سازه (تغییر مکان، شتاب، کرنش و غیره ) استفاده می شود. سون و همکاران [ 3 ] مروری بر ادبیات SHM، تجزیه و تحلیل ارتعاش و تشخیص آسیب ارائه کرد. علاوه بر این، فولن و همکاران. [ 5 ] مروری بر ادبیات SHM قبلی و استفاده از آن برای شناسایی عملکرد پل ها ارائه کرد.
اندازه‌گیری‌های کرنش به‌طور گسترده برای مطالعه ایمنی سازه‌ها استفاده می‌شوند، زیرا اطلاعات غنی در مورد تنش‌های تجربه شده توسط سازه‌ها در طول عملیات خود ارائه می‌دهند [ 1 ، 6 ، 7 ]. سیستم‌های پایش بلادرنگ یا پایش مداوم طولانی‌مدت کرنش دینامیکی در ارزیابی، بازرسی و تصمیم‌گیری پل‌ها و تعمیر و نگهداری دیگر سازه‌های مهندسی حیاتی هستند [ 7 ، 8 ]. به عنوان مثال، فولن و همکاران. [ 5] رویدادهای کامیون را بر اساس اندازه گیری های کرنش شمارش کرد. بنابراین، اندازه گیری کرنش می تواند برای ارزیابی عملکرد پل ها تحت تأثیر بارهای ترکیبی مورد استفاده قرار گیرد. اندازه‌گیری‌های کرنش شامل اندازه‌گیری کرنش‌ها و نویزهای استاتیک و دینامیکی است. عملکرد کرنش استاتیک به دلیل اثر ترکیبی دما و بارهای ترافیکی است [ 8 ، 9 ]. علاوه بر این، وانگ و همکاران. [ 9 ] به این نتیجه رسیدند که میدان دمای روزانه یا فصلی باعث ایجاد سطوح کرنش بحرانی می‌شود، حتی بالاتر از فشارهای ناشی از ترافیک. بنابراین، تغییرات غیرعادی همبستگی بین میدان دما و اثر کرنش استاتیکی آن می‌تواند نشان‌دهنده تخریب عملکرد استاتیک سازه‌های پل باشد. میائو و همکاران [ 4] بیان کرد که شرایط دما یک پارامتر مهم رایج در ارزیابی وضعیت سازه ها است. از سوی دیگر، کرنش دینامیکی به پیک‌ها یا اندازه‌گیری‌های کرنش ضربه‌ای اشاره دارد که می‌توان از آن برای تخمین حجم ترافیک عبوری روی پل استفاده کرد. علاوه بر این، صداهای تحت پوشش اندازه گیری ها باید ابتدا با اعمال یک فرآیند فیلتر حذف شوند. در این مطالعه، از یک سیستم SHM دما و کرنش برای تجزیه و تحلیل عملکرد پل فو-سوی، چین استفاده شده است. به این ترتیب، این مطالعه بر روی اندازه‌گیری فشار برای ارزیابی پل فو-سوی تمرکز دارد و حجم ترافیک را بر اساس یک روش توسعه‌یافته ساده شمارش می‌کند.
تحلیل همبستگی سری زمانی یکی از روش هایی است که به طور گسترده در تجزیه و تحلیل و طبقه بندی داده ها در سیستم های SHM استفاده می شود. Omenzetter و Brownjohn [ 10 ] از مدل میانگین متحرک یکپارچه اتورگرسیو (ARIMA) برای سیگنال های کرنش ثبت شده استفاده کردند و عملکرد پل را بر اساس مشاهده تغییرات ضرایب ARIMA و تحلیل همبستگی پارامترهای ARIMA تجزیه و تحلیل کردند. لیو و همکاران [ 6 ] همبستگی بین ایمنی اجزای پل را تحت داده های ترافیک و کرنش واقعی مورد مطالعه قرار داد. آنها همچنین حساسیت اندازه‌گیری‌های کرنش را بر اساس مدل‌سازی سیستم، همبستگی‌ها، توزیع احتمال، خطاهای اندازه‌گیری و تعداد مشاهدات نشان دادند. فولن و همکاران [ 5] از تحلیل همبستگی تابع چگالی احتمال برای تخمین رفتار پل ها و مطالعه تشخیص آسیب بر اساس اندازه گیری های کرنش استفاده کرد. وانگ و همکاران [ 9 ] از همبستگی مدل‌سازی رگرسیون خطی چند متغیره، تحلیل مؤلفه‌های اصلی و تحلیل کرنش باقیمانده برای مطالعه عملکرد پل‌های فولادی به دلیل تأثیرات تغییرات دما استفاده کرد. Hu و Kaloop [ 11 ] بر اساس تغییرات همبستگی پارامترهای شناسایی مدل با شناسایی مدل موجک ورودی-خروجی، عملکرد پل ها را در طول اثرات شدید محیطی مورد مطالعه قرار دادند.
تجزیه و تحلیل دامنه فرکانس برای تشخیص عملکرد دینامیکی سازه ها استفاده می شود [ 12 ، 13 ]. هونگ و همکاران [ 12 ] کاربرد فرکانس زمانی و چگالی طیف توان شبیه‌سازی کرنش را برای تخمین شکست مواد معرفی کرد. وو و همکاران [ 14 ] عملکرد دینامیکی پل ها را بر اساس اندازه گیری های کرنش مطالعه کردند و دریافتند که نویز بر محاسبه حالت های فرکانس تأثیر می گذارد. علاوه بر این، آنها دریافتند که حالت های فرکانس پایین به دلیل تغییرات دما رخ می دهد. ماتا و همکاران [ 15] عملکرد دینامیکی یک سد بتنی را با استفاده از تحلیل همبستگی زمان – فرکانس سنسور جابجایی و تغییرات دمای هوا مورد مطالعه قرار داد. آنها در مطالعه خود به این نتیجه رسیدند که از این روش می توان برای ارزیابی مستمر عملکرد و ایمنی سد استفاده کرد. تغییرات خصوصیات دینامیکی پل ها بر اساس تغییرات دمای هوا در Xia و همکاران بررسی شده است. [ 16 ]. شیا و همکاران [ 16 ] نشان داد که فرکانس اساسی پل ها با دمای هوا همبستگی منفی بالایی دارد، در حالی که نسبت میرایی در حالت فرکانس اساسی با دما همبستگی مثبت دارد.
سری‌های زمانی و طیف فرکانس در این مطالعه بر روی داده‌های جمع‌آوری‌شده هم برای کرنش‌های بلادرنگ و هم برای تغییرات دما اعمال می‌شوند. علاوه بر این، یک کاربرد جدید از پردازش سیگنال برای تخمین حجم ترافیک بر اساس اندازه‌گیری‌های کرنش استفاده می‌شود. شناسایی مدل ساده شده برای طبقه‌بندی بارهای تحت‌تاثیر در اندازه‌گیری‌های کرنش استفاده می‌شود و عملکرد کرنش استاتیکی پل تحت تأثیرات محیطی خشن مورد مطالعه قرار می‌گیرد. علاوه بر این، چگالی طیف توان اندازه‌گیری‌های کرنش واقعی ارائه و مورد بحث قرار می‌گیرد.

2. پل فو سوئی و سیستم SHM

هدف نظارتی این تحقیق پل فو-سوی است که برای عبور از رودخانه سونگهوا و اتصال بزرگراه سریع فو-سوی به طول کل 1170 متر طراحی شده است. عرشه پل از یک جعبه تیر بتنی پیش تنیده اصلی تشکیل شده است. این پل از هشت دهانه پیوسته تشکیل شده است. دو دهانه بیرونی هر کدام 80 متر و شش دهانه داخلی هر کدام 150 متر ( شکل 1 ). تیر اصلی پل از قطعاتی است که در جای خود با فولاد پس تنیده ریخته شده اند. همانطور که در شکل 1 نشان داده شده استج، مقطع تیر اصلی یک جعبه تک سلولی است که ارتفاع آن از 9 متر (بخش پایه) تا 3.5 متر (بخش میانی دهانه) متغیر است، شامل دال بالایی به عرض 11.25 متر، دال پایینی. با عرض 5.85 متر و طول 2.7 متر از صفحات وب در هر طرف. آب و هوا در منطقه سایت پل در زمستان بسیار سرد است و در ماه نوامبر تا آوریل بعدی امکان کار در فضای باز وجود ندارد.
سیستم نظارت درست پس از باز شدن پل برای ترافیک طراحی شد و نصب آن در اواسط آوریل 2012 انجام شد. به منظور ثبت تغییرات دمایی بتن تیر تیر به طور منظم، 24 سنسور کرنش FBG ( S ) همانطور که در شکل 1 ب نشان داده شده است، در شش موقعیت (چهار حسگر در هر موقعیت) در بالا و پایین داخل صفحات جعبه تیر نصب شده اند . کرنش ( Si ) نشان‌دهنده شماره سنسور کرنش i است (که i = 1، 2، …، 24) برای به دست آوردن داده‌های کرنش استاتیک محوری به طور مداوم. علاوه بر این، یک سنسور دمای FBG ( T ) در هر یک از اینها ( i) بخش ها؛ در حالی که شش حسگر دما در داخل و خارج بخش شماره “3” نصب شده است، همانطور که در شکل 1 ب نشان داده شده است. ( Ti ) عدد i- امین سنسور دما را نشان می دهد (که i = 1, 2, …, 12) برای اندازه گیری مداوم داده های میدان دما. از آنجایی که تغییرات دما و کرنش بسیار زیاد و سریع است، فرکانس نمونه برداری از جمع آوری داده ها روی مقدار مناسب 25 هرتز تنظیم شده است. علاوه بر این، چهار سنسور شتاب تک محوری در چهار دهانه میانی پل برای به دست آوردن داده های دینامیکی و ده زیرسیستم تراز هیدرواستاتیک (HLS) برای اندازه گیری جابجایی استاتیک نصب شده است. جزئیات بیشتر در مورد سیستم نظارت و مطالعات قبلی را می توان در [ 11 ، 17 ،18 ].
در این مقاله، عملکرد پل در مقطع 5 مورد بررسی قرار می‌گیرد، جایی که داده‌های نظارت کامل در دسترس است. در این بخش، چهار نقطه فشار مانیتورینگ، S 19، S20، S21 و S22، دو نقطه مانیتورینگ دما، Ti (داخل) و To (خارج)، و یک نقطه شتاب‌سنج ( A ) نصب شده‌اند، همانطور که در شکل 1 ب نشان داده شده است. این مطالعه طی چهار ماه انتخاب شده برای تخمین اثر تغییرات دما بر عملکرد مقطع انجام شد. بیشترین تغییرات دما در می 2012 و مارس 2013 رخ داد، در حالی که حداکثر و حداقل دمای محیط مشاهده شده در می 2012 و ژانویه 2013 رخ داد [ 11 ]. شکل 2حداکثر و حداقل دمای مشاهده شده در سایت پل را در طول یک سال نشان می دهد. بیشترین و کمترین تغییرات دما به ترتیب در ماه های می و ژوئن 2012 و ژانویه 2013 ذکر شده است. حداکثر تغییر بین تیرهای درون و بیرون جعبه پل در ماه می 2012 (12.27 درجه سانتیگراد) و مارس 2013 (10.15 درجه سانتیگراد) رخ داد. علاوه بر این، مثبت و منفی پایین به ترتیب در اکتبر 2012 (7.42 درجه سانتیگراد) و ژانویه 2013 (-21.92 درجه سانتیگراد) بود. علاوه بر این، حداکثر و حداقل دمای ثبت شده 30.25 درجه سانتیگراد و -21.92 درجه سانتیگراد بود. با این حال، برای مطالعه عملکرد کامل پل با تغییرات محیطی و تغییرات دما در عرشه پل، ماه های زیر انتخاب می شوند: (1) می و اکتبر 2012 (دوره تغییرات دمای بالا در طول زمان نظارت)، با فرض که به عنوان زمان تابستان;

3. اندازه گیری داده ها و پیش پردازش

3.1. پیش پردازش دما و کرنش

کرنش S 19 و دمای بیرون برای اندازه گیری های 21 مه 2012 در شکل 3 نشان داده شده است . از نتایج مطالعات قبلی [ 4 ، 5 ، 19 ]، بیان شده است که اندازه‌گیری‌های کرنش به وضوح نشان می‌دهند که ضربه‌های اوج توسط بارهای ترافیکی ایجاد می‌شوند. بنابراین، برای برآورد تغییرات دما و کرنش، ابتدا باید اثرات ترافیکی و صداها حذف شوند. علاوه بر این، هر نقطه اوج مربوط به زمانی است که ترافیک از پل عبور می کند [ 5 ، 19 ]، در حالی که کرنش استاتیک پاسخ بالایی را با تغییرات دما نشان می دهد، همانطور که در شکل 3 نشان داده شده است.. اندازه گیری داده های کرنش و دما با حذف اثرات ترافیک و نویز با استفاده از فیلتر میانگین متحرک (MA) پالایش و صاف می شود. بر اساس نتایج آزمایش‌های متعدد مراحل فیلتر MA، مشخص شد که یک فیلتر MA پایین گذر ساده با تقریباً یک مرحله ۱ ثانیه به ما امکان می‌دهد اندازه‌گیری‌ها را به اجزای استاتیک و دینامیک جدا کنیم. داده های صاف شده (مولفه استاتیک) در شکل 3 نشان داده شده است . همبستگی بالا و عدم تلفات اطلاعاتی را برای اندازه گیری دما و کرنش استاتیک نشان می دهد.
از شکل 3 مشاهده می شود که اندازه گیری دما و کرنش هوا تقریباً روند مشابهی دارد. علاوه بر این، عملکرد کرنش از یک منحنی سینوسی با روند تقریباً مشابه تغییرات دما پیروی می کند. بنابراین، اثر دما عامل اصلی عملکرد کرنش است. شکل 4 داده های پایش دمای هموار شده روزانه در داخل و خارج بخش مورد مطالعه را برای ماه های می 2012، اکتبر 2012، ژانویه 2013 و مارس 2013 نشان می دهد.
همانطور که در شکل 4 نشان داده شده است، دمای هموار داخل بخش در طول کل دوره مطالعه تقریباً ثابت است، در حالی که حداکثر تغییر دمای هوا بین 15+ و 5+ درجه سانتی‌گراد برای می و اکتبر 2012 به ترتیب و 7- و 10- متغیر است. درجه سانتی گراد برای ژانویه و مارس 2013، به ترتیب. بنابراین، دمای هوا و تغییرات دمای مقطع بر اساس همبستگی بین پاسخ کرنش و اثرات دما، تأثیرگذارترین عوامل تغییر کرنش استاتیکی هستند، همانطور که در شکل 3 نشان داده شده است .

3.2. شمارنده فشار ترافیک

دقت اندازه گیری کرنش استفاده شده بالا است و محدوده اندازه گیری از -1500 تا +1500 microstrain است. جزئیات بیشتر در مورد حسگرهای مورد استفاده را می توان در Chen et al. [ 17 ]. شکل 5 a اندازه‌گیری کرنش‌ها را در ژانویه 2013 نشان می‌دهد. نشان می‌دهد که حساسیت کرنش‌های بالایی و پایینی بالا بوده و به دلیل اثرات ترافیکی همزمان رخ داده است. به منظور اندازه‌گیری حجم ترافیک عبوری از پل، اندازه‌گیری‌های کرنشی که قبلاً توسط [ 4 ، 5 ] استفاده شده بود، اتخاذ می‌شوند. روش فولن [ 5] رویدادهای کامیون های سنگین را که در بالای یک آستانه معین (فرت) از سویه های ثبت شده ایجاد می شوند، شمارش کرد. همچنین فقط زمانی کار می کند که نویز کوچکی بر اندازه گیری کرنش تأثیر بگذارد. علاوه بر این، Miao و همکاران. [ 4] روش های پیچیده و پارامتری را برای شمارش رویدادهای ترافیکی ارائه کرده است و روش آنها نیاز به انتخاب پارامتر دستی دارد. بنابراین، توسعه فعلی بستگی به دقت اندازه گیری کرنش دارد و یک روش ساده و غیر پارامتری با آستانه محاسبه شده است. بر این اساس، داده ها باید برای حذف نویزهای اندازه گیری فیلتر شوند. آستانه های مورد استفاده در این مورد به نسبت نویز بستگی دارد. داده های اصلی برای افزایش دقت کرنش و امکان محاسبه حجم ترافیک با مقادیر آستانه کوچک هموار می شوند. مراحل روش توسعه‌یافته برای محاسبه حجم ترافیک عبارتند از: ابتدا اندازه‌گیری‌ها برای تخمین عملکرد کرنش دقیق تحت بارهای ترافیکی فیلتر می‌شوند. برای این منظور، تجزیه موجک برای فیلتر کردن اندازه‌گیری‌های کرنش استفاده می‌شود. جزئیات بیشتر در مورد این فیلتر را می توان در [1 ، 9 ، 20 ]. سطح تجزیه موجک 12 با مادر موجک db10 “موجک Daubechies مرتبه 10” و یک آستانه تطبیقی ​​در این مطالعه اعمال شده است ( شکل 5ب)؛ دوم، اندازه گیری ها برای تخمین عملکرد استاتیک هموار می شوند. سوم، باقیمانده بین داده های فیلتر شده و صاف شده حاوی پاسخ ضربه ای بارهای ترافیکی بدون یا با اثر نویز کم است. در نهایت، تعداد تکانه‌های باقیمانده مطلق با آستانه کوچک اعمال شده محاسبه می‌شود (انحراف استاندارد، SD، باقیمانده‌ها در این مطالعه اعمال می‌شود) تا کوچک‌ترین نویزهای باقی‌مانده را حذف کنیم تا میزان ترافیک مشخص شود. علاوه بر این، برای طبقه بندی انواع ترافیک، از آستانه های مختلف با دو اندازه گیری استفاده می شود که اندازه گیری کرنش و اندازه گیری ویدئویی است.
برای تأیید روش شمارش ترافیک توسعه یافته، از داده های ارائه شده در Kolev [ 19 ] برای مقاصد مقایسه استفاده می شود. در مطالعه او، دو دقیقه اندازه گیری سنسور کرنش با هفت کامیون که از روی پل عبور می کنند جمع آوری شده است ( شکل 6 a). روش دیجیتالی کردن [ 21 ] برای تخمین تغییرات کرنش استفاده می‌شود، و روش پردازش سیگنال توسعه‌یافته برای تشخیص شماره وسایل نقلیه استفاده می‌شود ( شکل 6 ب). روش اعمال شده نشان می دهد که هفت کامیون همانطور که در شکل 6 ب نشان داده شده است شمارش می شوند، بنابراین قابلیت اطمینان روش توسعه یافته در شمارش تعداد وسایل نقلیه عبوری از پل تأیید می شود.
در این مطالعه، روش توسعه‌یافته نیز بر اساس شماره وسیله نقلیه اندازه‌گیری شده از دو سویه، همانطور که در شکل 5 نشان داده شده است، تأیید می‌شود . شماره خودرو بر اساس دو سنسور کرنش S 19 و S 22 برابر است. برای اجرای کامل این روش می توان کارهای تجربی یا مشاهده میدانی بیشتری با اندازه گیری های ویدئویی انجام داد. علاوه بر این، مقادیر آستانه بر اساس دقت ابزارهای کرنش تغییر می‌کنند. شکل 7 فلوچارت ساده شده طراحی شمارنده ترافیک را نشان می دهد و شکل 5 ج حجم ترافیک در ژانویه 2013 را با استفاده از اندازه گیری کرنش S 19 نشان می دهد.
در این مطالعه، انحراف استاندارد باقیمانده های کرنش به عنوان آستانه ای برای حذف صداهای باقی مانده استفاده می شود [ 4]]. حجم ترافیک محاسبه شده نشان می دهد که تعداد وسایل نقلیه عبوری از پل در تاریخ های انتخاب شده به ترتیب برای روزهای 21 اردیبهشت و 21 مهر 1391 و 21 ژانویه و 21 مارس 2013 294، 373، 430 و 458 دستگاه بوده که نشان دهنده افزایش حجم ترافیک است. از زمان افتتاح پل در ماه می 2012 تا مارس 2013، 55 درصد افزایش یافته است. به این ترتیب، حجم ترافیک یکی از عوامل مهم در مطالعه عملکرد پل با دمای هوا و تغییرات دمای مقطع است. از سوی دیگر، همبستگی بالا (0.95) بین فیلتر و پاسخ کرنش اندازه‌گیری به این معنی است که فیلترهای تجزیه موجک سطح 12 می‌توانند برای حذف نویز اندازه‌گیری‌های کرنش استفاده شوند.

4. ارزیابی عملکرد پل

4.1. عملکرد به دلیل بارهای تحت تأثیر

وانگ و همکاران [ 9 ] عملکرد پل های فولادی را تحت تأثیر بارهای کرنش و دما مورد مطالعه قرار داد. آنها به این نتیجه رسیدند که رفتار کرنش تحت تأثیر سه جزء است: دما، تغییرات دما و بارهای کرنش. علاوه بر این، آنها به این نتیجه رسیدند که تأثیر بارهای کرنش ها در داده های کرنش کمتر از تغییرات دما و دما است. برای پل های بزرگراه، بارهای ترافیکی بر فرکانس طبیعی پل ها تأثیر می گذارد [ 4 ]. شیا و همکاران [ 16] رابطه بین خواص ارتعاشی سازه های فولادی و بتنی با تغییرات دما را مطالعه کرد. آنها به این نتیجه رسیدند که تغییرات در فرکانس سازه های بتنی بسیار مهمتر از سازه های فولادی است. بنابراین، در این مطالعه، یک مدل رگرسیون تک خروجی چند ورودی برای توصیف رابطه بین پاسخ کرنش و بارهای تحت تأثیر استفاده شده است. به طور کلی، مدل های رگرسیون برای شناسایی رابطه بین پارامترها ساده و راحت هستند [ 9 ، 16 ، 22 ]. بنابراین، اثرات دمای هوا ( T )، تغییر دما ( DT ) و ترافیک ( V (تعداد وسایل نقلیه)) بر روی کرنش ( S )رفتار بر اساس یک مدل رگرسیون قوی ساده شده بررسی می شود. مدل را در نظر بگیرید:

اسمن=آ+ب1تیمن+ب2�تیمن+ب3�من

که در آن a , b 1 , b 2 و b 3 پارامترهای ناشناخته هستند. بنابراین، تعداد مجهولات u = k + 1، k تعداد کمیت های ورودی است. i = 1, …, n ; n تعداد مشاهدات است. پارامترهای مجهول U (معادله (2))، U T = [ a , b 1 , b 2 , b 3 ] Tرا می توان با استفاده از روش حداقل مربعات تخمین زد و از نظر معناداری آماری آزمایش کرد. فرآیند تخمین پس از حذف پارامترهای ناچیز مورد بررسی قرار می گیرد.

�=(آتیدبلیوآ)–1آتیدبلیواس

در جایی که A یک ماتریس طراحی است، W ماتریس وزن است ( W = diag( w 1 ، w 2 ، …، w n ))، w i تابع وزن انتخاب شده به شرح زیر است:

�من={[1–(�من�)2]2 ��� |�من|≤�0 ��� |�من|>� (�=2.2)

که در آن v باقیمانده مشاهدات و عملکرد سویه های تخمین زده شده است ( K = S – AU ). و K = ( v 1 , v 2 , …, v n ). فرض بر این است که خطای پاسخ یک توزیع نرمال است و مقادیر شدید نادر هستند. با این حال، مقادیر شدید رخ می‌دهند و به آنها مقادیر پرت می‌گویند. نقطه ضعف اصلی حداقل مربع ( LS) برازش حساسیت آن به موارد پرت است. نقاط پرت تأثیر زیادی بر تناسب دارند زیرا مربع کردن باقیمانده‌ها تأثیر این نقاط مشاهده شدید را بزرگ‌تر می‌کند. پیش‌بینی‌کننده‌های قوی وزن‌دار دو مربعی در تحلیل رگرسیون برای به حداقل رساندن تأثیر عوامل پرت استفاده می‌شوند. وزن‌های دو مربعی مجموع وزنی مربع‌ها را به حداقل می‌رسانند، که در آن وزن داده شده به هر نقطه مشاهده بستگی به فاصله آن نقطه از خط برازش دارد. نقاط نزدیک خط وزن کامل دارند. در حالی که نقاط دورتر از خط وزن کاهش می یابد. برازش قوی با وزنه‌های دو مربعی از یک الگوریتم LS با وزن مجدد تکراری استفاده می‌کند ، همانطور که در رابطه (3) نشان داده شده است.

حل مدل قوی (معادله (1)) یک مسئله حداقل مربعات وزنی است که به حداقل می رسد ∑�من2�من2. وزن ها و باقیمانده ها به ترتیب به باقیمانده ها و ضرایب تخمینی بستگی دارد. در این مطالعه، سه مدل مورد بررسی قرار می‌گیرند: مدل (1) شامل پارامترهای ورودی دما، تغییرات دما و مقادیر تعداد ترافیک است. مدل (2) فقط شامل دو کمیت ورودی است، تغییرات دما و دما بین بخش بیرون و داخل. و مدل (3) فقط برای اثرات دمای هوا. برای ارزیابی سه مدل از سه معیار استفاده می شود. اولین معیار بررسی پارامترهای مدل بر اساس مقادیر آزمون t ( t = پارامتر/انحراف استاندارد پارامتر) است. مقادیر t با سطح اطمینان 95٪ از پیش تعیین شده و حد اطمینان t f,95٪ t مقایسه می شود.توزیع، که در آن f مرتبه آزادی است. در نتیجه آزمون، پارامترهای ناچیز از تابع حذف می شوند و این روند تا زمانی ادامه می یابد که همه پارامترها معنی دار شوند (مارتین، 2007). معیار دوم خطای پیش‌بینی نهایی آکایک (FPE) است که به صورت زیر تعریف می‌شود:

FPE=(1�)(1+2تو�–تو)∑تی=1�ه2(تی)

جایی که e باقیمانده رفتار کرنش مدل مشاهده و پیش‌بینی است. FPE تعادل بین تعداد پارامترها و تغییرات توضیح داده شده را نشان می دهد. سومین معیار ضریب همبستگی ( R -square) است. مربع R نشان دهنده تعادل بین تغییرات داده های قدیمی و پیش بینی شده است.

مدل رگرسیون برازش قوی رابطه بین مقادیر ورودی و خروجی مشاهده شده کرنش ( S 19) بخش 5 در می 2012 در جدول 1 ارائه شده است . توابع انتقال در نظر گرفته شده در بیان رابطه بین مقادیر ورودی و خروجی مشاهده شده بخش در رابطه (1) ارائه شده است. برای بررسی مدل ها از میانگین دما، تغییرات دما و کرنش با تعداد وسایل نقلیه برای هر 15 دقیقه استفاده می شود. پارامترهای ناشناخته U T مدل های رگرسیون قوی و ماتریس های کوواریانس این پارامترها با استفاده از روش LS پیش بینی شدند ( جدول 1 ). با این حال، به دلیل حساسیتروش LS برای اندازه‌گیری‌های ناسازگار، وجود نقاط پرت با پیش‌بینی‌کننده‌های قوی وزن‌دار دو مربع بررسی شد. در نتیجه بررسی، وزن‌های دو مربعی نزدیک یا نزدیک به «1» یافت شد، که نشان داد در مشاهدات برای سویه‌های هموار شده هیچ نقطه پرت وجود ندارد. علاوه بر این، معیارهای ارزیابی مدل، مقادیر t ، FPE و R -square محاسبه شدند. اهمیت آماری ضرایب مدل، ارائه شده در جدول 1 ، با مقایسه آنها با مرز اطمینان توزیع t مربوط به درجه آزادی در سطح اطمینان 95٪، t f، 95٪ آزمایش شد.. نتایج آزمون نشان داد که ضریب مربوط به ترافیک ( V ) در مدل “1” که نشان دهنده کرنش پل در بخش 5 است ، از نظر آماری ناچیز است زیرا t v < 1.96. از این رو، اثر ترافیک بر روی کرنش پل در تحلیل دامنه زمان کرنش استاتیک نادیده گرفته شد.
از جدول 1 ، مقادیر FPE و R -square مدل‌هایی که کرنش‌های پل را برای مدل‌های «1» و «2» توصیف می‌کنند، تقریباً یکسان هستند. این تایید می کند که ترافیک هیچ تاثیری بر رفتار کرنش استاتیکی پل ندارد. در نتیجه، مدل‌های مورد استفاده برای محاسبه کرنش پل با توجه به ” T ” و تغییر در ” DT ” تعریف شدند (مدل (2)). بنابراین، نتیجه می‌گیریم که تأثیر بارهای ترافیکی در داده‌های کرنش استاتیکی کمتر از تغییرات دما و دما است و می‌توان در مورد مطالعه عملکرد پل بر اساس سیستم پایش کرنش استاتیکی در حوزه زمانی از آن چشم‌پوشی کرد.

4.2. تجزیه و تحلیل عملکرد همبستگی دما

از قسمت قبل مشاهده می شود که تغییرات دما و دمای مقاطع پل، پارامترهای اصلی رفتار کرنش هستند. بنابراین، تجزیه و تحلیل همبستگی بین کرنش استاتیک و تغییرات دما و دما در این بخش نشان داده شده است. شکل 8 اندازه گیری کرنش صاف شده پاسخ بخش “5” را در طول چهار ماه نشان می دهد. توجه شده است که همبستگی بین نقاط کرنش بالایی ( S 20 و S 21) در طی ماه مه و اکتبر 2012 و مارس 2013 بالا است و برای نقاط کرنش پایین تر نیز یکسان است ( شکل 8 ). علاوه بر این، نشان می دهد که تغییرات کرنش نقاط بالایی بیشتر از نقاط کرنش پایینی است. علاوه بر این، Sتغییرات کرنش 20 مشابه تغییرات نقطه پایین تر، S 21 است. این بدان معناست که دمای هوا بیشتر بر نقاط بالایی تأثیر می گذارد، زیرا تأثیر مستقیم دما بر این نقاط است. همچنین نشان می‌دهد که دمای زمستان تأثیر بیشتری بر رفتار کرنش‌های بالا و پایین نسبت به اثرات دمای تابستان دارد. بنابراین، نتیجه گیری می شود که عملکرد انبساط و انقباض حرارتی مواد عرشه پل در فصل زمستان بیشتر از تابستان است.
جدول 2 ضرایب همبستگی بین کرنش های مؤلفه روزانه و دمای هوا در زمان t (ε( s , t ) و To ( T , t) را نشان می دهد.)) برای می 2012، زمان تابستان، و ژانویه 2013، زمان زمستان. مشاهده می شود که همبستگی بین نقاط کرنش پایش و همچنین با اثر دمای هوا در فصل زمستان زیاد است. علاوه بر این، نشان می دهد که همبستگی بالا تنها با نقاط کرنش نظارتی بالایی و همچنین با دمای هوا در همان نقاط در طول تابستان رخ داده است. این بدان معناست که عملکرد پل در تابستان نسبت به فصل زمستان قابل اعتمادتر است و رفتار پل در فصل زمستان پایدارتر از تابستان است.
رفتار کرنش در طول دوره نظارت، تغییرات زیادی را در ماه می 2012 و مارس 2013 نشان می دهد. به این ترتیب، تغییرات دما بر عملکرد پل تأثیر می گذارد. نمودارهای پراکندگی بین میانگین 15 دقیقه تغییرات کرنش S 19 و S 20 و تغییرات دما برای می 2012 و مارس 2013 در شکل 9 نشان داده شده است . این یک همبستگی منفی خطی، تقریبا، بین تغییرات کرنش و تغییرات بخش دما برای نقاط S 19 و S 20 در طول زمان زمستان را نشان می دهد. در حالی که همبستگی منفی خطی فقط برای نقطه S 20 در طول تابستان بیشتر است. علاوه بر این، همبستگی غیر خطی برای نقطه S نشان داده شده است19 در تابستان. این بدان معناست که عملکرد غیر خطی اعضای پل در تابستان بیشتر از زمان زمستان تغییر می کند. علاوه بر این، تغییرات دمایی غیر خطی مقطع، در طول تابستان، تیر صفحه پایینی را بیشتر از صفحه بالایی تحت تأثیر قرار داد. بنابراین، اثر مستقیم دمای هوا بیشتر از اثرات غیرمستقیم دمایی است. علاوه بر این، برازش خطی نشان می‌دهد که عملکرد پل در فصل زمستان پایدارتر از تابستان است.

4.3. تحلیل همبستگی فرکانس

ترافیک تقریباً تغییر فاز حالت‌های فرکانس عملکرد سازه‌ها را منعکس می‌کند [ 23 ]. در پل های بتنی، بارهای عمل کننده و همچنین بقایای مدل های رفتاری [ 15 ] غیر ساکن هستند. بنابراین، دامنه فرکانس را می توان برای مطالعه عملکرد سازه ها بر اساس اندازه گیری های کرنش استفاده کرد [ 24 ]. هنگام مطالعه عملکرد ارتعاش پل ها باید ترافیک را در نظر گرفت [ 13 , 15]. در این مطالعه، از باقیمانده‌های اندازه‌گیری کرنش بین داده‌های اندازه‌گیری شده و هموار شده استفاده می‌شود. علاوه بر این، تجزیه و تحلیل همبستگی چگالی طیف توان (PSD) برای نقاط نظارت شده برای تخمین پایداری و ایمنی عملکرد دینامیکی سازه ها استفاده می شود [ 15 ، 25 ]. یک کد متلب برای طراحی تکنیک فرکانس بر اساس روش P-Welch برای تخمین چگالی طیفی توان [ 26 ] نوشته شده است، در حالی که برای تخمین مبتنی بر ولچ PSD ها، یک پنجره همینگ با طول 256 نمونه با 50 درصد تداخل دارند. و فرکانس نمونه برداری 25 هرتز استفاده می شود. حالت‌های PSD و فرکانس بخش 5 در ماه می و اکتبر 2012 و ژانویه و مارس 2013 در شکل 10 نشان داده شده است.، به ترتیب. علاوه بر این، ضرایب همبستگی می 2012 و ژانویه 2013 PSD در جدول 3 ارائه شده است .
از شکل 10 ، فرکانس غالب کرنش استاتیک و نویز برای چهار ماه در 0.098 هرتز نشان داده شده است. حالت‌های فرکانس ارتعاش می 2012 به دلیل اثر ترافیکی کم در این ماه به وضوح نشان داده نمی‌شوند، در حالی که پل به تازگی در اواسط آوریل 2012 افتتاح شد. حالت‌های فرکانس 0.78، 2.44 و 4.98 هرتز به وضوح از اکتبر 2012 تا مارس 2013 نشان داده شده‌اند. از مدل شبیه سازی [ 18 ] و مدهای فرکانس محاسبه شده، مشاهده می شود که محاسبه مد اول نزدیک به مدهای فرکانس عمودی سوم (0.73 هرتز) و اول جانبی (0.74 هرتز) پل است. حالت های فرکانس طبقه بندی شده به دلیل افزایش ظرفیت ترافیک از زمان افتتاح پل تا مارس 2013 است. PSD قدرت انرژی سیگنال را در حوزه فرکانس نشان می دهد [ 25]، 26 ]. علاوه بر این، بیگدلی و کیم [ 27 ] PSD را برای مطالعه اثر سیستم های جرم بر کنترل ارتعاش سازه ها تحت بارهای دینامیکی به کار بردند و دریافتند که مقادیر کاهش یافته PSD به پاسخ حرکت کنترل شده سازه اشاره دارد. میانگین باقیمانده کرنش PSD از می 2012 تا مارس 2013 تقریباً 40٪ کاهش می یابد. این بدان معناست که با افزایش ترافیک، رفتار پل کنترل‌تر شد.
علاوه بر این، مقادیر PSD از ژانویه تا مارس 2013 با تغییرات دمایی 10 درجه سانتیگراد، به دلیل وقوع انرژی سیگنال با قدرت بالا، تغییر نکرده است. علاوه بر این، محتویات فرکانس و مقادیر PSD ارتعاش پل در طول زمان نظارت در ارتباط هستند. این بدان معنی است که پل با افزایش حجم ترافیک ایمن تر و پایدارتر است. و حجم ترافیک یکی از دلایل اصلی رفتار دینامیکی پل است. علاوه بر این، از جدول 3، همبستگی مقادیر کرنش PSD تقریبا نزدیک به یک است. علاوه بر این، تجزیه و تحلیل ارتعاش در طول زمان زمستان، صلبیت بیشتر پل را با همبستگی بالاتر از زمان تابستان نشان می دهد. به طور کلی تجزیه و تحلیل همبستگی تابستان و زمستان نشان می دهد که عملکرد پل ایمن و قابل اعتماد است. در نهایت می توان نتیجه گرفت که پل در حوزه زمان و فرکانس اندازه گیری کرنش ایمن است. علاوه بر این، اندازه گیری کرنش در زمان واقعی می تواند برای بررسی قابلیت سرویس دهی پل ها در محل استفاده شود.

5. نتیجه گیری ها

سیستم‌های پایش سلامت سازه در زمان واقعی اندازه‌گیری کرنش پویا و استاتیک در ارزیابی، بازرسی و تصمیم‌گیری رفتار پل‌ها حیاتی هستند. نظارت بر کرنش و دما در زمان واقعی پل فو-سوی مورد مطالعه قرار می‌گیرد و یک شمارنده ترافیک بر اساس برنامه‌های فیلتر تجزیه موجک و صاف میانگین متحرک توسعه می‌یابد. شناسایی مدل رگرسیون قوی برای طبقه بندی بارهای مؤثر بر عملکرد پل استفاده می شود. تجزیه و تحلیل همبستگی بین دمای هوا و کرنش استاتیک و تغییرات دما در سری های زمانی استفاده می شود. علاوه بر این، این همبستگی ها در حوزه فرکانس بین باقیمانده های کرنش سطح مقطع پل برای مطالعه قابلیت سرویس دهی و ایمنی رفتار دینامیکی پل در طول اثرات محیطی خشن استفاده می شود. با این بررسی ها،

  • کرنش استاتیک را می توان با استفاده از اندازه گیری های کرنش صاف تخمین زد، در حالی که رفتار کرنش دینامیکی را می توان با فیلتر کردن اندازه گیری های کرنش استخراج کرد. بر اساس این نتیجه‌گیری می‌توان حجم ترافیک را تخمین زد و مطالعه نشان می‌دهد که حجم ترافیک پل فو-سوی در طول یک سال 55 درصد افزایش یافته است.
  • مدل شناسایی رگرسیون قوی چند ورودی تک خروجی اندازه گیری کرنش نشان می دهد که بخش ورودی بارهای ترافیکی در کرنش استاتیک کمتر از دمای هوا و تغییرات دما است و در مورد مطالعه عملکرد می توان از آن صرف نظر کرد. پل مبتنی بر سیستم پایش کرنش
  • تجزیه و تحلیل همبستگی سری زمانی کرنش و دما نشان داد که زمان دمای زمستان تأثیر بیشتری بر رفتار کرنش بالا و پایین نسبت به دمای تابستان دارد، در حالی که رفتار کرنش زمانی تابستان نسبت به زمان زمستان کمتر قابل اعتماد است و رفتار پل در طول زمان زمستان پایدارتر از تابستان است. علاوه بر این، تغییرات دمایی بخش پل در تابستان بیشتر بر تیر صفحه پایینی نسبت به صفحه بالایی تأثیر می گذارد. این بدان معناست که اثر مستقیم دمای هوا بیشتر از اثرات غیرمستقیم دمایی است. برازش خطی بین تغییرات کرنش و دما نشان می‌دهد که عملکرد پل در فصل زمستان پایدارتر از تابستان است.
  • همبستگی تحلیل طیف فرکانس باقیمانده کرنش نشان می‌دهد که افزایش حجم ترافیک روی پل، پایداری پل را در حالت‌های ارتعاشی با ارتعاش پل کنترل‌شده‌تر افزایش می‌دهد. علاوه بر این، دمای هوا و تغییرات دمای بخش‌های پل بر حالت‌های فرکانس و چگالی طیف توان سیگنال‌های کرنش تأثیری نمی‌گذارد. همبستگی چگالی طیف توان نشان می دهد که عملکرد دینامیکی پل در تابستان و زمستان ایمن است.

منابع

  1. Xia، H. ارزیابی وضعیت بر اساس SHM سازه‌های پل در حال خدمت با استفاده از اندازه‌گیری کرنش. Ph.D. پایان نامه، گروه مهندسی عمران و سازه، دانشگاه پلی تکنیک هنگ کنگ، هنگ کنگ، چین، 2011. [ Google Scholar ]
  2. Dahal, S. Structural Health Monitoring برای پل های بزرگراهی در حال خدمت با استفاده از سنسورهای هوشمند. در دسترس آنلاین: http://digitalcommons.uconn.edu/gs_theses/381 (در 5 مه 2016 قابل دسترسی است).
  3. سون، اچ. Farrar، CR; همز، اف.ام. شانک، دی. Stinemates، DW; نادلر، BR; Czarnecki, J. مروری بر ادبیات نظارت بر سلامت ساختاری: 1996-2001 ; گزارش آزمایشگاه ملی لوس آلاموس LA-13976-MS; موسسه فناوری ماساچوست: کمبریج، MA، ایالات متحده آمریکا، 2004. [ Google Scholar ]
  4. میائو، اس. کوندرز، ای. Knobbe، A. تصحیح خودکار خط پایه سیگنال های فشار سنج. ساختار. مانیتور سلامت را کنترل کنید. 2015 ، 22 ، 36-49. [ Google Scholar ] [ CrossRef ]
  5. فولن، سی. سنایی، م. برنر، بی. Vogel, R. امضاهای پل آماری. J. Bridge Eng. 2014 , 19 , 04014022. [ Google Scholar ] [ CrossRef ]
  6. لیو، ام. فرانگوپول، دی. ارزیابی عملکرد سیستم کیم، اس. بریج از پایش سلامت ساختاری: مطالعه موردی. جی. ساختار. مهندس 2009 ، 135 ، 733-742. [ Google Scholar ] [ CrossRef ]
  7. نی، ی. شیا، اچ. وونگ، ک. Ko, J. ارزیابی وضعیت در حین خدمت عرشه پل با استفاده از داده های نظارت بلندمدت پاسخ کرنش. J. Bridge Eng. 2012 ، 17 ، 876-885. [ Google Scholar ] [ CrossRef ]
  8. هاول، دی. شنتون، اچ. سیستمی برای پایش فشار در حین خدمت پل های معمولی. در کنگره ساختارها 2005 ; ASCE: نیویورک، نیویورک، ایالات متحده آمریکا؛ صص 1-7.
  9. وانگ، جی ایکس؛ دینگ، ییل. سان، پ. وو، ال. Yue, Q. ارزیابی عملکرد استاتیکی پل Dashengguan Yangtze با نظارت بر همبستگی بین میدان دما و کرنش‌های استاتیکی آن. ریاضی. مشکل مهندس J. 2015 ، 2015 ، 946907. [ Google Scholar ] [ CrossRef ]
  10. اومنزتر، پی. Brownjohn، JM کاربرد تحلیل سری های زمانی برای نظارت بر پل. اسمارت ماتر. ساختار. 2006 , 15 . [ Google Scholar ] [ CrossRef ]
  11. هو، JW; Kaloop، MR مدل پاسخ حرارتی شناسایی تک ورودی-تک خروجی پل با استفاده از ARX غیرخطی با شبکه های موجک. جی. مکانیک. علمی تکنولوژی 2015 ، 29 ، 2817-2826. [ Google Scholar ] [ CrossRef ]
  12. هونگ، سی. بنگ، اچ. کانگ، اچ. Kim, C. تشخیص آسیب در زمان واقعی برای مواد کامپوزیتی هوشمند با استفاده از حسگرهای فیبر نوری. در مجموعه مقالات سیزدهمین کنفرانس بین المللی مواد کامپوزیتی (ICCM-13)، CD-ROM ID-1509، پکن، چین، 25-29 ژوئن 2001.
  13. کالوپ، م. البلتاگی، ای. Elnabwy، M. Bridge مانیتورینگ با تجزیه و تحلیل مولفه اصلی موجک و طیف بر اساس اندازه‌گیری‌های GPS: مطالعه موردی پل منصوره در مصر. J. اجرا کنید. ساخت و ساز آسان. 2015 ، 29 ، 04014071. [ Google Scholar ] [ CrossRef ]
  14. وو، بی. لی، ز. وانگ، ی. چان، تی. جداسازی و استخراج داده‌های کرنش دینامیکی پل. آرشیت. مدنی مهندس چین 2009 ، 3 ، 395-400. [ Google Scholar ] [ CrossRef ]
  15. ماتا، جی. کاستو، AT; Costa, J. تحلیل فرکانس زمانی برای کنترل ایمنی سد بتنی: همبستگی بین تغییرات روزانه پاسخ سازه و دمای هوا. مهندس ساختار. 2013 ، 48 ، 658-665. [ Google Scholar ] [ CrossRef ]
  16. شیا، ی. چن، بی. ونگ، اس. نی، ی. Xu، Y. اثر دما بر خواص ارتعاشی سازه‌های عمرانی: بررسی ادبیات و مطالعات موردی. J. Civ. ساختار. مانیتور سلامت. 2012 ، 2 ، 29-46. [ Google Scholar ] [ CrossRef ]
  17. چن، سی. Kaloop، MR; وانگ، ZL; گائو، QF; Zhong، JF طراحی یک سیستم نظارت طولانی مدت برای یک پل جعبه-تیر پیوسته PSC. مهندس کلید ماتر 2014 ، 619 ، 1-9. [ Google Scholar ] [ CrossRef ]
  18. چن، سی. Kaloop، MR; گائو، کیو. وانگ، زی. اثرات زیست محیطی و شناسایی مدل تنها خروجی پاسخ پل پیوسته. KSCE J. Civ. مهندس 2015 ، 19 ، 2198-2207. [ Google Scholar ] [ CrossRef ]
  19. کولف، وی. بریج وزن در حرکت نظارت بر ترافیک طولانی مدت در ایالت کانکتیکات. در دسترس آنلاین: http://digitalcommons.uconn.edu/gs_theses/838 (در 5 مه 2016 قابل دسترسی است).
  20. ژانگ، XZ; Rui، YQ; Wang, WX یک روش فیلتر جدید در حوزه موجک برای صدای روده. بین المللی J. Adv. محاسبه کنید. علمی Appl. 2012 ، 1 ، 26-31. [ Google Scholar ]
  21. Rohatgi، A. ابزار مبتنی بر وب برای استخراج داده ها از نمودارها، تصاویر و نقشه ها. در دسترس آنلاین: http://arohatgi.info/WebPlotDigitizer/ (دسترسی در 5 مه 2016).
  22. Kaloop، MR; لی، اچ. شناسایی مدل چند ورودی-تک خروجی حرکات پل برج با استفاده از سیستم نظارت GPS. اندازه گیری 2014 ، 47 ، 531-539. [ Google Scholar ] [ CrossRef ]
  23. هاسگاوا، اچ. Kanai, H. تجزیه و تحلیل فرکانس کرنش پوسته استوانه ای برای ارزیابی ویسکوزیته. Jpn. J. Appl. فیزیک 2005 ، 44 ، 4609-4614. [ Google Scholar ] [ CrossRef ]
  24. لی، اس. تحلیل مدل Wu، Z. بر روی اندازه‌گیری‌های ریز لکه از سنسورهای فیبر نوری با گج طولانی توزیع شده. جی. اینتل. ماتر سیستم ساختار. 2008 ، 19 ، 937-946. [ Google Scholar ]
  25. Martin, H. Matlab Recipes for Earth Sciences , 2nd ed.; Springer: برلین، آلمان؛ هایدلبرگ، آلمان؛ نیویورک، نیویورک، ایالات متحده آمریکا، 2007. [ Google Scholar ]
  26. Mathworks Inc. MATLAB, Release 12 ; Mathworks: Natick، MA، ایالات متحده آمریکا، 2008. [ Google Scholar ]
  27. بیگدلی، ی. Kim, D. اثرات میرایی دستگاه‌های کنترل غیرفعال بر کنترل ارتعاش ساختاری: TMD، TLC و TLCD برای جرم‌های کل مختلف. KSCE J. Civ. مهندس 2016 ، 20 ، 301-308. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00061 g001 1024
شکل 1. پل فو-سوئی: ( الف ) نمای; ( ب ) سیستم نظارت؛ و ( ج ) سطح مقطع پل.
Ijgi 05 00061 g002 1024
شکل 2. دمای اندازه گیری شده در طول زمان نظارت.
Ijgi 05 00061 g003 1024
شکل 3. داده های اندازه گیری و هموارسازی شده: ( الف ) کرنش نقطه کرنش S 19; ( ب ) دمای می 2012.
Ijgi 05 00061 g004 1024
شکل 4. دمای سطح مقطع بیرون و داخل: ( الف ) می و اکتبر 2012; ( ب ) ژانویه و مارس 2013.
Ijgi 05 00061 g005 1024
شکل 5. بخش 5 : ( الف ) اندازه گیری کرنش. ( ب ) فیلتر موجک S 19; و ( ج ) محاسبه حجم ترافیک (واحد: تعداد وسایل نقلیه).
Ijgi 05 00061 g006 1024
شکل 6. تأیید شمارش وسیله نقلیه ( a ) اندازه گیری کرنش. ( ب ) تعداد وسایل نقلیه.
Ijgi 05 00061 g007 1024
شکل 7. نمودار جریان شمارنده ترافیک.
Ijgi 05 00061 g008 1024
شکل 8. تغییرات پاسخ کرنش برای: ( الف ) می 2012; ( ب ) اکتبر 2012; ( ج ) ژانویه 2013; و ( د ) مارس 2013.
Ijgi 05 00061 g009 1024
شکل 9. نمودارهای پراکندگی همبستگی بین S 19 و S 20 و تغییرات دما برای ( a , b ) S20 و ( c , d ) S19.
Ijgi 05 00061 g010 1024
شکل 10. PSD کرنش در طول: ( الف ) می 2012; ( ب ) اکتبر 2012; ( ج ) ژانویه 2013; و ( د ) مارس 2013.
جدول
جدول 1. مدل تناسب قوی کرنش S 19 از بخش 5 پل. FPE، خطای پیش‌بینی نهایی.
جدول
جدول 2. ضریب همبستگی بین داده های فشار و دمای هوا نظارت شده.
جدول
جدول 3. ضریب همبستگی بین چگالی طیف توان محاسبه شده (PSD) اندازه گیری کرنش.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370