LabVIEWL实现鸟巢等大型结构健康监测

简介: LabVIEWL实现鸟巢等大型结构健康监测

LabVIEWL实现鸟巢等大型结构健康监测


管理国家地震防备和减灾的政府机构中国地震局(CEA)选择了七座新建的巨型结构作为结构健康监测(SHM)技术的测试台。这些标志性建筑包括北京2008年夏季奥运会场馆(包括北京国家体育场和北京国家游泳中心)、上海104层的世贸中心、北京66层的柏悦酒店综合建筑群、240米的二滩混凝土拱坝、8266米的汕头斜拉桥以及北京的地基隔震CEA数据中心。


主要目标是开发先进的解决方案,通过使用现代计算、传感器和通信技术实时监测结构健康特征,包括稳定性、可靠性和宜居性。


系统基于LabVIEW和CompactRIO设计,旨在捕捉结构的振动特征并检测结构特点是否有任何突然的变化。每个单元由两个或三个CompactRIO系统、多个用于振动测量的加速度计和一个用于实时同步的GPS接收器组成。


系统旨在捕捉结构的振动特征并检测结构特点是否有任何突然的变化。检测到的振动可能是由各种刺激引起的,此类刺激包括自然岩土波和活动现场的观众等。就像心脏病专家通过测量脉搏和血压来诊断人类心脏病一样,结构工程师通过持续监测加速度计测量的加速度时间历史得出的固有频率、阻尼比和滞后图来确定结构性能。例如,如果高层办公楼的主要结构构件(例如梁或柱)因地震而发生永久形变,则其固有频率(刚度与质量的函数)可能会降低。


该系统的两个关键要求是持续和实时的结构监测。由于大多数灾难是突发的且不可预测的,因此在不利事件期间和之后立即实时了解结构的情况是应急管理和对突发灾难的有效反应的基础。此外,由于结构的健康状况会随着时间的推移而逐渐下降,因此通过持续监测和捕捉健康衰退的早期症状,工程师可以将关键健康指标与之前记录的水平进行比较。


北京国家游泳中心也是2008年奥运会的主要场馆,配备了CGM Engineering的SHM系统,用于监测建筑物的结构健康状况。


借助NI平台,我们开发了两种不同的定制系统来满足CEA的SHM要求。由封装在坚固耐用的NEMA外壳(该外壳允许系统在高湿度环境和-40至+70°C的温度范围内运行)中的客户端服务器架构提供九个64通道系统和两个36通道系统。


九个64通道单元各包含三个CompactRIO系统,而两个36通道设备各包含两个。每台设备还包含用于振动测量的多个加速度计以及用于实时同步的GPS接收器。使用LabVIEW FPGA模块和GPS规范时钟在±10 µs内实现实时机箱内同步。在GPS信号不可用的区域,工程师可以使用计算机时钟同步系统。此外,使用LabVIEWReal-Time模块进行用户可配置的滤波,以提高系统进行低频测量的精度,并防止不必要的噪声。


所采集的数据存储在每个系统内的嵌入式单板计算机(SBC)上。通过使用系统软件架构中的LabVIEW共享变量引擎,多个用户可以通过互联网从嵌入式SBC远程实时访问和分析记录的数据。此外,我们可以使用单变量或多变量架构配置系统,以便在事件发生时通过电子邮件通知离线用户。



在众多竞争方案中选择了我们基于LabVIEW的解决方案,主要出于以下几点原因。两个关键因素是高精度的实时GPS同步能力和从全球任何位置远程访问数据的能力。系统还以超低的成本提供了非常高的通道数。系统基于CompactRIO和模块化的NI C系列I/O硬件进行设计,可以实现高达128个的通道数,16位系统的平均每通道成本约为500美元,24位系统的平均每通道成本约为800美元(不包括传感器),并可使用GPS同步扩展到更高的通道数。


在不到一年的时间里完成了设计、原型化和部署,打造了一个具有GPS同步功能的高通道数SHM系统。通过将LabVIEW和CompactRIO用作计算平台,部署了一个嵌入式监测系统,该系统具有卓越的精度、价格优势与灵活性。通过这种组合,我们以超低的单系统平均成本为CEA提供了一个精度比最初设想高于10倍的系统。


这是LabVIEW的一个功能介绍,更多的使用方法与开发案例,欢迎登录官网,了解更多信息。有需要LabVIEW项目合作开发,请与我们联系。

相关文章
|
1月前
|
传感器 监控 搜索推荐
智能纺织品:健康监测与生活方式的结合
【10月更文挑战第22天】智能纺织品融合了传感器、导电纤维和微电子元件等先进技术,不仅改变了穿着体验,还为健康监测和生活方式的改善带来了新机遇。它们能实时监测心率、血压等生理数据,通过无线通信技术传输至手机或云端,实现远程监控与数据分析。未来,智能纺织品将更加智能化、个性化和环保,成为日常生活中不可或缺的一部分。
|
4月前
|
传感器 数据采集 测试技术
工程结构健康状况评估是保持建筑物和桥梁等基础设施安全性和稳定性的重要工作
工程结构健康状况评估是保持建筑物和桥梁等基础设施安全性和稳定性的重要工作
工程结构健康状况评估是保持建筑物和桥梁等基础设施安全性和稳定性的重要工作
|
6月前
|
运维 监控
LabVIEW在大型风电机组状态监测系统开发中的应用
LabVIEW在大型风电机组状态监测系统开发中的应用
44 5
|
6月前
|
机器学习/深度学习 传感器 算法
构建未来:基于机器学习的智能健康监测系统
【5月更文挑战第12天】 在数字医疗领域,智能健康监测系统的出现正在革新我们对健康管理和疾病预防的理解。本文将探讨一个基于机器学习技术的智能健康监测系统的设计与实现,它能够实时跟踪个体的健康指标并通过预测性分析提前警示潜在的健康问题。通过融合生物统计学、数据挖掘及模式识别等先进技术,该系统旨在为个人用户提供量身定制的健康建议,并为医疗专业人员提供决策支持。文章首先概述了系统框架和关键技术,随后详细讨论了机器学习模型的建立过程以及如何优化这些模型以提高预测的准确性。最后,我们通过实验结果验证了系统的有效性,并讨论了未来的发展方向。
|
传感器 数据采集 机器学习/深度学习
刮板输送机数字孪生监测系统
刮板传输机是煤矿、矿山等行业中常见的一种物料输送设备,但是由于工作环境恶劣、运行状态复杂多变,使得刮板传输机的监测难度较大。数字孪生技术可以通过对传感器数据进行实时采集和分析,构建刮板传输机的数字模型,实现刮板传输机的实时监测。
205 0
|
机器学习/深度学习 传感器 存储
工业4.0预测性维护指南
预测性维护是一种预防代价高昂的制造设备故障的方法,它可以通过分析整个生产过程中的数据来提前查明异常行为,以确保可以采取适当的措施来避免长时间的生产停机。在制造环境中广泛采用IoT之前,专业人员和机器操作员必须经常定期安排维护时间,以便确定可能需要维修的内容。
1093 0
工业4.0预测性维护指南
|
机器学习/深度学习 人工智能 自然语言处理
健康监测技术如何改变我们应对全球流行病的方式
2019年12月31日,世界卫生组织(WHO)被告知,中国武汉市有44例原因不明的肺部炎症。在进行调查的同时,在世界的另一端,加拿大健康监视公司BlueDot已警告其客户有关疫情的信息。
308 0
健康监测技术如何改变我们应对全球流行病的方式
|
运维 数据可视化 安全
工业4.0时代,如何进行自动化车间的预测性维护 – 以机械臂维护为例
机器维护及故障成本 在现代化的生产环境中,机器人应用于各种自动化任务,例如托举,焊接,涂漆,包装,产品检查和其他任务。机器人可以高效率,高持久性的工作。不过一旦出现故障,就将带来很大的经济损失。华尔街日报曾估计工业制造商的停机成本大约为每年500亿美金。
|
传感器 数据可视化 物联网
3D可视化管理应对物联网数据过载
在物联网管理应用中,将传感器数据和状态直观展示在三维模型上,极大地增强了人们理解和处理物联网数据的能力。
2361 0
|
存储 数据可视化 数据库
混合现实手术规划模拟系统——阿里云资源+MR技术在医疗行业的典型应用
混合现实手术规划模拟系统是一款主要用于外科手术方案规划和模拟的现代医学影像控制系统,以及与之配套的云服务平台和数据服务的总称。借助三维图像技术、混合现实技术、人机交互技术等一系列前沿计算机科技,将患者身体的各个组织、器官,以直观、准确的可视化三维图形呈现在混合现实设备中,并提供了一系列数字模拟工具,使手术医生可以在此数据的基础上,对即将进行的手术进行模拟,从而更好的制定手术方案并与他人交流沟通。
3926 0
下一篇
无影云桌面