一种基于智能传感器的钢构件稳定性监测方法与流程

本技术涉及结构健康监测，具体为一种基于智能传感器的钢构件稳定性监测方法。

背景技术：

1、钢结构因强度高、自重轻、施工便捷等优势，在超高层建筑、大跨度场馆、桥梁工程等领域得到广泛应用。钢构件在服役过程中受荷载变化、环境侵蚀、材料老化等因素影响，可能发生局部或整体失稳。现有技术中已出现利用应变传感器监测应力状态、利用声发射技术检测材料内部损伤的多种方案，为钢结构的安全监测提供了基本手段。

2、然而，现有的钢构件稳定性监测方案存在一个突出的共性问题：无法有效区分荷载变化引起的应变波动与材料退化引起的应变异常。在实际服役环境中，钢构件承受的荷载随时间不断变化（如风荷载、车辆荷载、温度荷载等），应变传感器采集的信号是荷载效应和材料状态变化的叠加结果。当应变出现异常波动时，监测系统无法判断是外部荷载增大导致的正常响应，还是材料退化导致的承载能力下降，从而容易产生误报或漏报。

3、为了解决上述问题，现有技术中虽有将声发射技术与应变监测技术分别应用于钢结构监测的方案，但这些方案通常仅利用应变数据进行损伤评估，未涉及声发射信号的应用，并且现有技术中也有将声发射技术用于钢结构损伤检测的方案，但这些方案通常独立使用声发射信号，未将声发射信号与应变信号进行关联分析，未能利用荷载恒定时段的声发射信号特征来表征材料的内部退化状态。目前尚无一种方案能够在钢构件稳定性监测中，通过声发射信号与应变信号的协同分析来区分荷载效应和材料退化效应。

4、所以有必要提供一种基于智能传感器的钢构件稳定性监测方法来解决上述问题。

5、需要说明的是，本背景技术部分中公开的以上信息仅用于理解本技术构思的背景技术，并且因此，它可以包含不构成现有技术的信息。

技术实现思路

1、基于现有技术中存在的上述问题，本技术所要解决的问题是：提供一种基于智能传感器的钢构件稳定性监测方法，达到提高的效果。

2、本技术解决其技术问题所采用的技术方案是：一种基于智能传感器的钢构件稳定性监测方法，包括以下步骤：

3、s1、在钢构件上同步布设声发射传感器和应变传感器，所述声发射传感器用于采集钢构件内部因材料微观活动产生的弹性波信号，所述应变传感器用于采集钢构件表面的应变响应；

4、s2、同步采集声发射信号和应变信号，对两种信号进行时间戳对齐；

5、s3、基于对齐后的数据识别恒荷载时段：提取应变信号中变化幅度低于预设阈值的连续时间区间，作为恒荷载时段，以滤除由荷载波动诱发的声发射噪声，使恒荷载时段内的声发射信号仅反映材料退化的本征活动；

6、s4、分析恒荷载时段内的声发射信号，统计该时段内的声发射事件密度和声发射信号能量；

7、s5、根据恒荷载时段内声发射事件密度和声发射信号能量的分析结果，判定钢构件的稳定性状态。

8、进一步的，步骤s5中，所述根据恒荷载时段内声发射事件密度和声发射信号能量的分析结果，判定钢构件的稳定性状态，具体包括：

9、当恒荷载时段内无声发射事件或声发射事件密度低于第一预设阈值时，判定钢构件处于正常稳定状态；

10、当恒荷载时段内声发射事件密度超过第一预设阈值但声发射信号能量低于第二预设阈值时，判定钢构件存在轻微材料退化，建议加密监测；

11、当恒荷载时段内声发射事件密度超过第一预设阈值且声发射信号能量超过第二预设阈值时，判定钢构件存在显著材料退化或局部损伤，发出预警信号。

12、进一步的，步骤s4中，还包括对恒荷载时段内声发射信号的频谱特征进行分析：

13、对恒荷载时段内的声发射信号进行频谱分析，提取声发射信号的主频率和频率分布特征；

14、将提取的声发射频率特征与预先标定的不同材料损伤机制对应的声发射频率特征库进行比对；

15、根据比对结果识别产生声发射信号的材料损伤机制类型，所述材料损伤机制类型包括晶粒间滑移、微裂纹萌生和微裂纹扩展。

16、进一步的，还包括根据声发射信号的频率特征判断屈曲模态类型：

17、预先通过试验或有限元分析建立不同屈曲模态对应的声发射频率特征映射关系；

18、将恒荷载时段内识别出的声发射频率特征与所述映射关系进行匹配，判断当前钢构件最可能发生的屈曲模态类型，所述屈曲模态类型包括弯曲屈曲、扭转屈曲和局部屈曲。

19、进一步的，步骤s1中，还包括在钢构件上布设振动加速度传感器；

20、步骤s3中，还包括提取恒荷载时段内振动加速度信号的频谱，获取钢构件在当前状态下的固有频率；

21、将获取的固有频率与初始基准状态的固有频率进行对比，当固有频率下降幅度超过预设阈值时，作为钢构件刚度退化的辅助判定指标。

22、进一步的，所述识别恒荷载时段的方法为：

23、对时间戳对齐后的应变信号进行滑动窗口分析，在每个滑动窗口内计算应变信号的变化幅度；

24、当滑动窗口内应变信号的变化幅度低于预设小阈值时，将该滑动窗口对应的时间区间标记为候选恒荷载时段；

25、对连续的候选恒荷载时段进行合并，当合并后的时间区间长度超过预设最短时长要求时，确认为有效恒荷载时段。

26、进一步的，还包括基于声发射事件密度的时间趋势进行稳定性预判：

27、连续记录多个恒荷载时段内的声发射事件密度，形成声发射事件密度的时间序列；

28、对所述时间序列进行趋势分析，当声发射事件密度呈单调递增趋势且增长速率超过预设阈值时，判定钢构件的材料退化处于加速阶段，提前发出升级预警。

29、进一步的，还包括对声发射传感器和应变传感器的同步采集质量进行校验：

30、在每个恒荷载时段内，检查声发射信号中是否存在因电磁干扰或环境噪声引起的伪声发射事件；

31、所述伪声发射事件的识别方法为：当声发射事件发生时，检查同一时刻各声发射传感器接收到的信号是否满足弹性波在钢构件中的传播规律，包括到达时间顺序和幅值衰减规律；不满足传播规律的声发射事件判定为伪事件并予以剔除。

32、进一步的，步骤s1中，所述声发射传感器和应变传感器的布设方式为：

33、在钢构件的关键截面处，沿截面周向等间距布设至少四个声发射传感器，用于通过声发射信号的到达时间差进行声发射源定位；

34、在声发射传感器之间布设应变传感器，使得每个应变传感器的测点位于相邻两个声发射传感器的连线上。

35、进一步的，还包括对声发射传感器的工作状态进行自检：

36、各声发射传感器定期接收数据处理中心发送的模拟激励信号，通过对比接收到的信号与预期信号判断声发射传感器的工作状态是否正常；

37、当检测到某声发射传感器工作异常时，自动标记该传感器为故障状态，并利用其余正常工作的声发射传感器的信号进行声发射源定位补偿。

38、本技术的有益效果是：本技术提供的一种基于智能传感器的钢构件稳定性监测方法，通过恒荷载时段信号截取策略，利用应变平稳段分析滤除荷载波动诱发的摩擦噪声，实现材料退化本征信号的高信噪比提取。结合频谱特征库精准识别损伤机制与屈曲模态，解决了环境干扰导致的误报难题。

39、除了上面所描述的目的、特征和优点之外，本技术还有其它的目的、特征和优点。下面将参照图，对本技术作进一步详细的说明。