一种智能摩擦摆隔震支座及状态监测与故障诊断系统

技术领域

本发明涉及建筑支座技术领域，具体为一种智能摩擦摆隔震支座及状态监测与故障诊断系统。

技术背景

摩擦摆隔震支座作为一种安装在建筑物上部结构与基础牢固之间，通过调整支座等效曲率半径改变支座隔震周期、水平刚度和阻尼比，以减小地震对上部结构损坏的震动控制技术，目前在建筑隔震领域已得到广泛应用。然而，支座在使用过程中，因长期经受竖向压力、横向剪切力及环境等因素影响，造成的支座疲劳损伤和结构破坏，将直接对建筑物的整体安全性产生严重威胁。为确保支座服役过程中的运行稳定性和服役安全性，设计研发一种智能摩擦摆隔震支座及状态监测与故障诊断系统，实现对重要支座性能的实时监测与评估，是赋予工程结构更安全、更健康、更智能的重要举措。

在工程实际中，摩擦摆隔震支座长期使用所面临的问题主要有三种：一是支座长期在中高负载重压下，摩擦材料与隔震支座整体的结构变形与损伤；二是支座受环境因素如潮湿、干燥、高温、低温等因素影响，隔震功能的减弱及丧失；三是支座隔震过程中滑动能力、抗平扭能力、抗张拔能力和复位能力的准确监测与评估。受限于摩擦摆隔震支座的工程环境和人工检测方法的局限性，支座性能的状态监测及故障诊断往往难以及时有效的被发现与处理，且支座作为主要的承重构件和隔震装置，灾害问题的发生将对国计民生造成巨大的损失。因此，如何及时准确的监测评估支座运行状态和分析诊断支座健康状态成为提升摩擦摆隔震支座性能的关键技术。

发明内容

本发明的目的在于提供一种智能摩擦摆隔震支座及状态监测与故障诊断系统，用以及时准确的监测评估支座运行状态和分析诊断支座健康状态，防止支座因长期受运行工况和环境等因素影响，产生疲劳损伤和结构破坏，进而造成支座运行可靠性和服役安全性的降低，确保支座负载性能和隔震性能的稳定运行，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种智能摩擦摆隔震支座及状态监测与故障诊断系统，由四个部分构成，包括S1：摩擦摆隔震支座性能的有限元分析与计算、S2：支座状态监测及故障诊断系统硬件、S3：系统应用中支座传感器的布置、S4：支座状态监测及故障诊断系统软件。

优选地，本发明提供的一种智能摩擦摆隔震支座及状态监测与故障诊断系统，其中，所述S1具体为：根据工程实际中建筑物上部结构所提摩擦摆隔震支座设计方案，确定支座结构模型，通过有限元分析计算支座在实际工况下的滞回曲线与应力阈值变化特性，结合有限元分析结果对支座性能技术参数进行求取，其中，支座动摩擦系数

(1)

式中：

支座滞回耗能

(2)

式中：

支座结构的Von Mises应力计算表达式：

(3)

式中：

通过在S4：支座状态监测及故障诊断系统软件部分的深度学习网络设定支座性能技术参数指标，对支座失效性行为进行诊断。

优选地，本发明提供的一种智能摩擦摆隔震支座及状态监测与故障诊断系统，其中，所述S2具体为：智能摩擦摆隔震支座及状态监测与故障诊断系统硬件主要分为四部分：

S201：支座材料应变性能采集系统由应变传感器、桥盒、应变测试仪、数据采集器和上位机组成，该模块旨在采集支座内部各组成单元间的动态应力，以便上位机监测和诊断系统对支座长期服役过程中结构机械性能的准确识别，根据摩擦摆支座有限元分析应力阈值变化特性，支座应力主要集中在球冠体与上下支座板的滑动面之间，且支座常用摩擦材料为弹性模量280 MPa、设计强度30 MPa的聚四氟乙烯，由于支座服役过程中长期受高压负载和环境因素易引起摩擦材料的结构变形与损伤，在摩擦材料与上下支座板连结的应力集中处需内嵌应变传感器实时采集支座内部动态应力变化，应变性能采集系统的应变传感器有六组，每组包含有：工作应变片S

S202：支座光电位移采集系统由反射型光电传感器、数据采集器和上位机组成，该模块旨在采集支座服役过程中上下支座板间竖向距离和切向滑移距离，以便于上位机监测和诊断系统对支座的负载性能、抗张拔性能、隔震性能和自回复性能进行识别，根据摩擦摆支座有限元分析滞回曲线，支座滑动时上下支座板应始终保持同向水平运动，且在无切向激励下支座可依靠重力自动回复原始中心位置，无残余位移，光电位移采集系统的光电传感器胶粘在支座的下支座板限位器外侧，在上支座板的平行线处绘制有不同颜色的标识点，当光照射到标识点后经反射传入传感器，即可将采集到的位移信号由连接的数据采集器传输至上位机；

S203：支座加速度采集系统由加速度传感器、数据采集器和上位机组成，该模块旨在采集支座隔震过程中的加速度变化，以便上位机搭载监测和诊断系统对支座的滞回耗能效果进行识别，根据摩擦摆支座有限元分析滞回曲线，支座滑动时滞回曲线所包围面积为滞回耗散能量，若等效刚度与支座弹性变形能保持常量不变，支座滞回耗能效果稳定，加速度采集系统的加速度传感器胶粘在支座的上支座板限位器外侧，当上支座板发生往复滑移时，传感器将采集到的加速度信号由连接的数据采集器传输至上位机；

S204：支座状态监测及故障诊断系统的上位机采用树莓派微型计算机，设备拥有SOC芯片、USB接口、DSI显示器、Wi-Fi和蓝牙模块等，可在内部构建软件系统，实现对多元数据的处理、分析和存储，同时，树莓派可安装拓展板进一步丰富监测及诊断系统的功能，如安装蜂鸣器或指示灯用于系统的安全警报，安装电源控制模块使系统可长期独立工作，安装无线传输模块实现与互联网的联通，安装存储拓展模块增强系统的信息存储量等。

优选地，本发明提供的一种智能摩擦摆隔震支座及状态监测与故障诊断系统，其中，所述S3具体是：系统应用中应变传感器、反射型光电传感器和加速度传感器的布置方法：

S301：应变传感器分两处布置，一处内嵌在摩擦材料与上支座板连接的应力集中处；另一处内嵌在摩擦材料与下支座板连接的应力集中处，每处含有三组应变传感器，每组包含有：工作应变片S

S302：反射型光电传感器布置在支座的下支座板限位器外侧，且在上支座板的平行线处绘制有不同颜色的标识点；

S303：加速度传感器布置在支座的上支座板限位器外侧，

优选地，本发明提供的一种智能摩擦摆隔震支座及状态监测与故障诊断系统，其中，所述S4具体为：搭载于树莓派上位机的支座状态监测及故障诊断系统软件由数据预处理、深度学习模型和信息存储三部分组成：

S401：数据预处理模块的功能是设定采集系统的采样率以及将采集到的数据尽可能真实地还原成支座实际服役状况的最基本数据，在信号预处理过程中，首先应对采集数据进行标定变换，使之还原成具有相应物理单位的数字信号数据，同时，采集过程中由于存在如传感器性能不稳定以及传感器周围的环境干扰，采集系统得到的数据会偏离真实数值，应在预处理环节采用消除多项式趋势项、平滑处理、去噪滤波等方式去除零点漂移和消除噪声；

S402：深度学习模型由基于小波包变换的特征提取和基于孪生网络的卷积故障诊断模型两部分组成，在多元数据监测及诊断过程中，由于各类因素干扰(如光照、温度、抖动等)导致采集到的信号含有不同程度的噪声，为解决噪声环境下状态监测及故障诊断难以识别的问题，采用一种基于小波包变换的特征提取方法，小波包基比普通小波基具有更强的时频分辨能力，有利于提取原始信号中更为精确的时频局域信息作为目标特征，敏锐感知和分辨多元数据中异常信息的产生，确保识别精度与分类能力的准确可靠，针对故障样本不易收集且正常样本较多而造成的故障样本不平衡问题，采用基于孪生网络的卷积神经网络进行处理，通过样本对的方式进行网络输入，能有效减少模型计算过程中网络对数据样本的依赖，且孪生网络相似性度量的方式还能有效减小同类样本间的距离，突显同类样本之间的微小差异，配合支座性能技术参数和摩擦摆隔震支座性能失效准则，能对支座服役过程中的失效性行为进行精确诊断；

S403：信息存储模块的功能是将数据预处理与深度学习诊断结果进行存储，其中数据预处理结果用作深度学习模型的信息源，深度学习诊断结果保存在存储模块中，支座正常服役状态下，状态监测与故障诊断结果的信息存储以短期单位时间留存，若存在监测及诊断识别异常，信息将通过树莓派上位机Wi-Fi功能上传至监测中心，用以提醒后续检测与维修。

与现有技术相比，本发明的有益效果是：

(1)本发明通过对摩擦摆隔震支座进行有限元分析建模，确定了支座的滞回曲线与应力阈值变化特性，为支座状态监测及故障诊断系统的设计提供了精确数值依据和准则要求，解决了系统设计过程中精确性与可靠性的适定难点。

(2)本发明系统硬件可实现对支座内部各组成单元及支座整体结构的应力、加速度及位移状态的实时采集与监测，同时细化系统组成有利于全面表征摩擦摆支座的动态特性，为上位机搭载软件提供实时可靠的多元数据。

(3)本发明系统软件可实现对采集系统多元数据的预处理、深度学习和信息存储。信号预处理与时频分析消除了信号采集过程中的背景噪声，将支座运行状态尽可能真实地还原成实际数据；深度学习采用基于小波包变换的特征提取和基于孪生网络的卷积故障诊断模型，解决了多元数据参数量大，对系统硬件要求高的问题，同时孪生网络以样本对的方式进行输入，有效突显了同类样本之间的微小差异，对多种尺寸和不同类型的故障问题可取得具有精确性和实时性的监测和诊断结果。

(4)本发明采用建模、硬件、软件三位一体的系统设计方式，将摩擦摆支座的动态特性进行全面表征与模式识别，提升了系统的计算精确性、监测实时性、诊断可靠性和服役稳定性。状态监测的工程意义在于能够及时准确对异常信息做出响应，故障诊断的工程意义在于能够精确有效的对故障类型做出诊断，提升了支座长期服役过程中的安全性与可靠性。

附图说明

图1为本发明的流程框架图；

图2为本发明的支座性能分析流程图；

图3为本发明的摩擦摆隔震支座示意图；

图4为本发明的支座性能技术参数滞回曲线示意图；

图5为本发明的支座性能分析滞回曲线示意图；

图6为本发明的支座性能分析应力分布示意图；

图7为本发明中系统硬件的功能流程图

图8为本发明中系统硬件的结构示意图；

图9为系统应用于支座传感器的布置示意图；

图10为系统应用于支座传感器的仰视布置示意图；

图11为系统应用于支座传感器的俯视布置示意图；

图12为本发明中系统硬件的功能流程图；

图13为本发明中系统硬件的结构示意图；

图14为本发明中摩擦摆隔震支座性能失效准则表。

图中：上支座板1、摩擦材料A2、摩擦材料B3、球冠体4、下支座板5、光电传感器6、加速度传感器7、标识点8、应变传感器A9、应变传感器B10、应变传感器C11、应变传感器D12、应变传感器E13、应变传感器F14。

实施方式

下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围；

需要说明的是，在本发明的描述中，需要说明的是，术语“内”、“外”、“上”、“下”、“两侧”、“一端”、“另一端”“左”“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

本发明提供一种技术方案，智能摩擦摆隔震支座及状态监测与故障诊断系统包含有：摩擦摆隔震支座性能有限元分析与计算、支座状态监测及故障诊断系统硬件、系统应用中支座传感器布置和支座状态监测及故障诊断系统软件四部分。

摩擦摆隔震支座性能有限元分析与计算，是根据支座设计方案进行有限元建模，计算获取支座在实际工况下的滞回曲线与应力阈值变化特性，结合分析结果求取支座性能技术参数，并通过支座性能技术失效准则对支座失效性行为进行诊断；支座状态监测及故障诊断系统硬件，是实现对支座内部各组成单元及支座整体结构的应力、位移及加速度状态的实时采集与监测，为上位机搭载软件提供实时可靠的多元数据；系统应用中支座传感器的布置，是对应变传感器、光电传感器和加速度传感器在安装过程中布置方法的描述；支座状态监测及故障诊断系统硬件，是实现对采集系统多元数据的预处理、深度学习和信息存储。通过智能摩擦摆隔震支座及状态监测与故障诊断系统可对多种尺寸和不同类型的工况信息进行实时精确的监测和诊断。

如图2、图3、图4所示，摩擦摆隔震支座性能的有限元分析与计算，是根据工程实际中建筑物上部结构所提摩擦摆隔震支座设计方案构建支座结构模型，利用有限元分析计算支座在实际工况下的滞回曲线与应力阈值变化特性，结合分析结果求取支座性能技术参数。其中，支座动摩擦系数

(4)

式中：

支座滞回耗能

(5)

式中：

支座结构的Von Mises应力计算表达式：

(6)

式中：

如图2、图5和图6所示，根据《建筑摩擦摆隔震支座》规范要求确定性能失效准则表1（图14），对支座模型进行有限元参数化分析得到支座准则范围内的各项技术参数临界阈值以及精确定位支座监测部位，通过在S4：支座状态监测及故障诊断系统硬件部分的深度学习网络设定支座性能技术参数指标，对支座失效性行为进行诊断。

如图7和图8所示，支座状态监测及故障诊断系统的硬件包含有：材料应变性能采集系统、光电位移采集系统、加速度采集系统以及树莓派微型计算机。

支座材料应变性能采集系统是通过搭建应变采集装置采集支座内部各组成单元间的动态应力，根据图6有限元分析应力阈值结果，支座应力集中处位于上支座板1、下支座板5与球冠体4的滑动面之间。由于聚四氟乙烯摩擦材料长期受高压负载和环境影响易引起结构变形与损伤，通过在摩擦材料与上支座板1、下支座板连接的应力集中处内嵌应变传感器A9、应变传感器B10、应变传感器C11、应变传感器D12、应变传感器E13、应变传感器F14，可实时采集支座内部动态应力变化，用于系统对支座结构机械性能进行识别。

支座光电位移采集系统是通过搭建光电位移采集装置，采集支座服役过程中上支座板1的竖向与切向位移变化，根据图5有限元分析滞回曲线结果，支座滑动时上支座板1与下支座板5应始终保持同向水平运动，且在无切向激励下支座可依靠重力自动回复原始中心位置无残余位移。光电位移采集系统的光电传感器6胶粘在支座的下支座板5限位器外侧，在上支座板1的平行线处绘制有不同颜色的标识点8，当光照射到标识点后经反射传入传感器，即可将采集到的位移信号传输至上位机，用于系统识别支座的负载性能、抗张拔性能、隔震性能和自恢复性能。

支座加速度采集系统是通过搭建加速度采集装置，采集支座服役过程中的加速度变化，根据图5有限元分析滞回曲线结果，当上支座板1发生往复滑移时，胶粘在上支座板限位器外侧的加速度传感器7，可将采集到的加速度信号传输至上位机，用于系统对比支座实际滞回耗能效果与计算值的偏差，分析影响支座隔震性能的因素。

支座状态监测及故障诊断系统的上位机采用树莓派微型计算机，设备拥有SOC芯片、USB接口、DSI显示器、Wi-Fi和蓝牙模块等，可在内部构建软件系统，实现对多元数据的处理、分析和存储。同时，树莓派可安装拓展板进一步丰富监测及诊断系统的功能，如安装蜂鸣器或指示灯用于系统的安全警报，安装电源控制模块使系统服役期间可长期独立工作，安装无线传输模块实现与互联网的联通，安装存储拓展模块增强系统的信息存储量等。

如图9-11所示，系统应用中应变传感器A9、应变传感器B10、应变传感器C11、应变传感器D12、应变传感器E13、应变传感器F14，反射型光电传感器6和加速度传感器7的布置方法：应变传感器A9、应变传感器B10、应变传感器C11内嵌在摩擦材料B3与下支座板5连接的应力集中处，应变传感器D12、应变传感器E13、应变传感器F14内嵌在摩擦材料A2与上支座板1连接的应力集中处，每组含有工作应变片S1、补偿应变片S2和补偿应变片S3，应变片应在支座设计组装过程中完成嵌入；反射型光电传感器6布置在支座的下支座板5限位器外侧，且在上支座板1的平行线处绘制有不同颜色的标识点8；加速度传感器7布置在支座的上支座板1限位器外侧。

如图12和图13所示，支座状态监测及故障诊断系统软件由数据预处理、深度学习模型和信息存储三部分组成：

数据预处理模块的功能是设定采集系统的采样率以及将采集到的数据尽可能真实地还原成支座实际服役状况的最基本数据。在信号预处理过程中，首先应对采集数据进行标定变换，使之还原成具有相应物理单位的数字信号数据。同时，采集过程中由于存在如传感器性能不稳定以及传感器周围的环境干扰，采集系统得到的数据会偏离真实数值，应在预处理环节采用消除多项式趋势项、平滑处理、去噪滤波等方式去除零点漂移和消除噪声。

深度学习模型由基于小波包变换的特征提取和基于孪生网络的卷积故障诊断模型两部分组成。在多元数据监测及诊断过程中，由于各类因素干扰(如光照、温度、抖动等)导致采集到的信号含有不同程度的噪声，为解决噪声环境下状态监测及故障诊断难以识别的问题，采用一种基于小波包变换的特征提取方法。小波包变换的特征提取方法是通过对采样得到的时域随机信号序列进行小波包分解，将其映射为时间尺度域各子空间内的随机序列，小波包分解结果中包含的最稳定信息状态为不同种类目标对应的特征状态，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，可以分类用作识别结果。

针对故障样本不易收集且正常样本较多而造成的故障样本不平衡问题，采用基于孪生网络的卷积神经网络进行处理，通过样本对的方式进行网络输入，有效减少模型计算过程中网络对数据样本的依赖，且孪生网络相似性度量的方式能有效减小同类样本间的距离，突显同类样本之间的微小差异。卷积故障诊断模型是将经小波包变换后生成的时域图转化为图像识别问题，通过构建孪生网络进行诊断分析，网络设有两个完全相同的子卷积网络进行特征提取，子网络由两层卷积层和池化层相互交替组成，卷积层与池化层全部采用3*3的卷积核，通道数设定为32、64和128，分别将相同或不同类别的故障样本对输入子网络，可以实现对支座状态的实时监测以及对异常信息故障特征的识别与提取。

信息存储模块的功能是将数据预处理与深度学习诊断结果进行存储，其中数据预处理结果用作深度学习模型的信息源，深度学习诊断结果保存在存储模块中。支座正常服役状态下，状态监测与故障诊断结果的信息存储以短期单位时间留存，若存在监测及诊断识别异常，信息将通过树莓派上位机Wi-Fi功能上传至监测中心，用以提醒后续检测与维修。

本发明用以及时准确的监测评估支座运行状态和分析诊断支座健康状态，防止支座因长期受运行工况和环境等因素影响，产生疲劳损伤和结构破坏，进而造成支座运行可靠性和服役安全性的降低，确保支座负载性能和隔震性能的稳定运行。

本发明未详述之处，均为本领域技术人员的公知技术。

最后所要说明的是：以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改和等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。