چکیده
سیستم های نظارت سلامت سازه(SHM)برای سازه ها برای مثال پلها،بناها اجرا میشوند تا عملکرد ووضعیت سلامتی آنها را نظارت کنند. شبکه های سنسوربیسیم(WSNs)درحالت تبدیل شدن به یک فناوری ممکن برای کاربردهای نظارت سلامت سازه است که ازشبکه های سیم دار سنتی مرسوم تر بوده و قابلیت آرایش گیری آسان تری دارد. اگرچه نظارت سلامت سازه چالش جدیدی برای شبکه های سنسور بیسیم به وجود می آورد: به کارگیری مهندسی شده بهینه،حجم وسیعی از اطلاعات،پردازش هوشمند،وغیره. دراین مقاله ما دوچالش مهم را بیان میکنیم: نحوه قرارگیری سنسوروپردازش غیرمتمرکز. ما راهکاری برای آرایش سنسور درمکانهای استراتژیک پیشنهاد میکنیم تا توسط دنبال کردن شیوه آرایش سیستم سنسور سیم دار که زیاد استفاد میشود ازمهندسی عمران /سازه،بهترین تخمین ازسلامتی سازه برای مثال خرابی را به دست آوریم. مادریافتیم که خطاهای ایجادشده توسط خطاهای ارتباطی،اتصال ناپایدار،خطاهای سنسوروغیره دریک چنین شبکه سنسور بیسیم آرایش یافته به میزان زیادی عملکرد نظارت سلامت سازه را تحت تاثیر قرار میدهد. برای ایجاد انعطاف در شبکه سنسور بیسیم نسبت به این خطاها ما شیوه ای بیان میکنیم،که FTSHMنامیده میشود.خطای مجاز در نظارت سلامت سازه تاشبکه سنسور بیسیم را تعمیر کرده و درجه مشخصی از خطای مجاز را ضمانت کنیم. FTSHMنقاط تعمیری گروهها را به شیوهای توزیع شده جستجو میکند و یک سری سنسور پشتیبانی در آن نقاط قرار میدهد، به طریقی که احتیاجات مهندسی را ارضا کند. FTSHMهمچنین شامل یک الگوریتم نظارت سلامت سازه که برای پردازش غیرمتمرکز در شبکه سنسور بیسیمی که انرژی آن محدود شده است،مناسب باشدبا هدف ضمانت اینکه شبکه سنسور بیسیم برای نظارت سلامت سازه در وقوع یک خطا متصل باقی بماند و درنتیجه عمر شبکه سنسور بی سیم را تحت محدودیت های تحویل اطلاعات واتصال زیاد کند. ما مزایای FTSHMرا طی شبیه سازیهای گسترده وتنظیمات تجربی روی یک سازه فیزیکی،بیان میکنیم.
1 - مقدمه
پیشرفتهای جدید درفناوریهای سنسور،شبکه های سنسور بیسیم را برای کاربردهای وسیعی همچون نظارت محیطی، پژوهش علمی و دنبال کردن هدف، راهکاری موثر واز نظر اقتصادی با دوام کرده است. سازه های عمرانی،شامل پلها،بناها،تونلها،هواپیماها،نیروگاه های هسته ای،جدای از بقیه سیستم های مهندسی پیچیده ای هستند که رونق صنعتی واقتصادی جامعه را نوید میدهد. سیستم های نظارت سلامت سازه برای این بناها اجرا میشوند تا بر عملکرد آنها و وضعیت سلامتیشان نظارت کنند. شبکه های سنسور بیسیم درحالت تبدیل شدن به یک فناوری ممکن برای نظارت سلامت سازه هستند که از سیستمهای سیم دار جاری مرسوم تر بوده و قابلیت آرایش گیری آسانتری دارند. پل گلدن گیت در آمریکا،نظارت پل در هند وبرج جدید تلویزیون گوانگژو در چین مثالهایی ازاین موارد هستند.
Abstract
Structural health monitoring (SHM) systems are implemented for structures (e.g., bridges, buildings) to monitor their operations and health status. Wireless sensor networks (WSNs) are becoming an enabling technology for SHM applications that are more prevalent and more easily deployable than traditional wired networks. However, SHM brings new challenges to WSNs: engineering-driven optimal deployment, a large volume of data, sophisticated computing, and so forth. In this paper, we address two important challenges: sensor deployment and decentralized computing. We propose a solution, to deploy wireless sensors at strategic locations to achieve the best estimates of structural health (e.g., damage) by following the widely used wired sensor system deployment approach from civil/structural engineering. We found that faults (caused by communication errors, unstable connectivity, sensor faults, etc.) in such a deployed WSN greatly affect the performance of SHM. To make the WSN resilient to the faults, we present an approach, called FTSHM (fault-tolerance in SHM), to repair the WSN and guarantee a specified degree of fault tolerance. FTSHM searches the repairing points in clusters in a distributed manner, and places a set of backup sensors at those points in such a way that still satisfies the engineering requirements. FTSHM also includes an SHM algorithm suitable for decentralized computing in the energy-constrained WSN, with the objective of guaranteeing that the WSN for SHM remains connected in the event of a fault, thus prolonging the WSN lifetime under connectivity and data delivery constraints. We demonstrate the advantages of FTSHM through extensive simulations and real experimental settings on a physical structure.
1 INTRODUCTION
THE new advances in sensor device technologies make wireless sensor networks (WSNs) effective and economically-viable solutions for a wide variety of applications, such as environmental monitoring, scientific exploration, and target tracking [1]–[4]. Civil structures, including bridges, buildings, tunnels, aircrafts, nuclear plants, among others, are complex engineering systems that ensure society’s economic and industrial prosperity [5]–[9]. Structural health monitoring (SHM) systems are implemented for these structures to monitor their operations and health status. WSNs are becoming an enabling technology for SHM that are more prevalent and more easily deployable than current wired systems. Examples include the Golden gate bridge in the US [5], bridge monitoring in India [7], and Guangzhou new TV tower (GNTVT) in China [10].
چکیده
1 - مقدمه
2 – کارهای مرتبط
3 – روش های آرایش مهندسی شده و محدودیت های آن ها
3 – 1 – شکل های حالت سازه
3-2- پروسه آرایش سنسور
3-3 – محدودیت های این گونه روش های آرایش
3-4- تعداد سنسورهایی که باید آرایش یابد
4- فرمول سازی مسئله و مدل ها
4-1 – مدل ارتباطی
4-2 تحویل داده
4-3 – عمر شبکه (T)
4-4- تعریف مسئله
5- BSP: جایگذاری سنسور پشتیبان
5-1- گروه بندی
5-2- جایگذاری سنسورهای پشتیبان در نقاط تعمیری
6- SHM آنلاین با انرژی بهینه
6-1 الگوریتم شاخص-آسیب
6-2 تحلیل عملکرد
7. ارزیابی عملکرد
7-1. پارامترهای روش و پارامترهای سیستم
7-2 نتایج
8- آزمایشهای اثبات نظر
9- نتیجه گیری
Abstract
1 INTRODUCTION
2 RELATED WORK
3 ENGINEERING-DRIVEN DEPLOYMENT METHODS AND THEIR LIMITATIONS
3.1 Structural Mode Shapes
3.2 Sensor Deployment Procedure
3.3 Limitations with These Deployment Methods
3.4 The Number of Sensors to Be Deployed
4 PROBLEM FORMULATION AND MODELS
4.1 Communication Model
4.2 Data Delivery
4.3 Network Lifetime
4.4 Problem Definition
5 BSP: BACKUP SENSOR PLACEMENT
5.1 Clustering
5.2 Backup Sensor Placement at Repairing Points
6 ENERGY-EFFICIENT ONLINE SHM
6.1 Damage-Indicator Algorithm
6.2 Performance Analysis
7 PERFORMANCE EVALUATION
7.1 Method and System Parameters
7.2 Results
8 PROOF-OF-CONCEPT EXPERIMENTS
8.1 Experimental Results
9 CONCLUSION