Wisepower Srl propone un sistema di monitoraggio strutturale statico e dinamico wireless che ha visto la sua prima installazione su alcuni viadotti lungo la S.S. 675 “Umbro-Laziale” (ex raccordo “Civitavecchia-Orte”) nel 2018.
Recentemente, in collaborazione con il Laboratorio di Dinamica delle Strutture del Dipartimento di Ingegneria Civile e Ambientale dell’Università degli Studi di Perugia e il Dipartimento di Meccanica strutturale e ingegneria idraulica presso l’Università di Granada, è stata svolta un’attività di analisi dei dati prodotti dai sensori volta a validare la bontà degli stessi per analisi modale in vibrazioni ambientali (OMA, acronimo Inglese di Operational Modal Analysis).
L’aspetto più significativo del sistema di monitoraggio installato da Wisepower consiste nel fatto che è costituito da una rete di sensori accelerometrici MEMS (noise spectral density, all axes: 22,5 μg/√Hz e sensibilità 3,9 μg/LSB) senza fili alimentata mediante sistemi di Energy Harvesting, che recuperano energia ambientale allungando la vita e i cicli manutentivi dei dispositivi.
Nello specifico, è stato preso in analisi il viadotto Biedano utilizzando il software P3P [1] sviluppato dall’Università degli Studi di Perugia in collaborazione con il Politecnico di Milano e l’Università degli Studi di Padova, Università che peraltro partecipano sin dalla sua costituzione al Consorzio FABRE, su incarico di ANAS SpA.
Il viadotto è costituito da due carreggiate separate, ciascuna con uno schema statico di trave continua a più campate, con impalcati a sezione mista acciaio-calcestruzzo (Figura 1 sopra).
La tecnologia di energy harvesting
L’energy harvesting vibrazionale, brevettato da Wisepower, consente di risolvere il problema dell’alimentazione di dispositivi di misura in cui l’utilizzo di cablaggi o delle batterie classiche risulta limitante, non conveniente o non fattibile.
Grazie alle proprietà di recupero dell’energia si genera elettricità carbon neutral. La soluzione innovativa ha introdotto un nuovo approccio capace di aumentare significativamente l’efficienza dei meccanismi di conversione dell’energia rispetto ai metodi tradizionali.
Questo consente di utilizzare la tecnologia proprietaria anche in casi particolarmente sfidanti come le strutture rigide.
La vibrazione che serve al sistema di harvesting può essere di origine ambientale (vento o altre fonti) oppure generata dal passaggio di veicoli sulla carreggiata.
L’analisi dei segnali accelerometrici
Sul viadotto sono stati installati da Wisepower 16 accelerometri triassiali con tecnologia MEMS auto-alimentati la cui posizione è rappresentata in Figura 3 mentre la Figura 4 mostra i 48 canali di misura così come inseriti nel software P3P.
Le vibrazioni sono state acquisite con una frequenza di campionamento di 31,25 Hz e pre-trattati per eliminare eventuali derive lineari e frequenze fuori dal range da 0,2 a 12 Hz. Le serie temporali dei segnali così lavorate sono rappresentate in Figura 4.
Da tali diagrammi emerge che i sensori manifestano una chiara sensibilità al passaggio dei carichi da traffico veicolare, con un rapporto segnale/rumore notevolmente elevato.
Anche l’analisi nel dominio della frequenza mostra una buona risposta dei sensori. In particolare, si osserva in Figura 6 l’esistenza di una concentrazione di energia nell’intervallo di frequenze da 1,5 Hz a 5,5 Hz con alcuni picchi di risonanza compatibili con le frequenze naturali della struttura.
L’identificazione modale del viadotto
A valle della pre-elaborazione dei segnali, è stata eseguita l’identificazione modale del viadotto utilizzando la tecnica FDD (Frequency Domain Decomposition).
I canali sono stati organizzati in sottogruppi di sensori distribuiti su ciascuna delle tre campate. Successivamente, sono state determinate le matrici di densità spettrale di potenza delle accelerazioni.
Il metodo FDD parte dal calcolo della matrice di densità spettrale [2]:
dove:
r = numero totale di canali analizzati.
Una volta costruita tale matrice per diversi valori della frequenza si esegue la sua decomposizione in valori singolari: le frequenze risonanti possono essere stimate selezionando i picchi del primo valore singolare rappresentato in funzione della frequenza [3], mentre le forme modali in campo complesso sono con buona approssimazione rappresentate dal primo autovettore valutato in corrispondenza di ciascuna frequenza di risonanza.
La Figura 8 mostra i valori singolari per ciascuna campata. Si osserva chiaramente la presenza di diversi picchi nell’intervallo di frequenza da 1 a 10 Hz. I principali picchi di risonanza identificati sono riassunti in Figura 7 e confrontati con le frequenze naturali identificate nella campagna di collaudo della struttura.
Per validare l’identificazione delle forme modali si analizza una campata tipo: in particolare, la terza. Partendo dai dati dei cinque sensori (15 canali) presenti sulla campata (Figura 9) vengono elaborati i dati in analogia con quanto presentato sopra sia per quanto riguarda la fase di pre-trattamento dei segnali (Figura 10), che per quanto riguarda la tecnica FDD (Figura 9).
La Figura 10 mostra in conclusione le prime sei forme modali ottenute dall’identificazione. Si osserva una certa regolarità delle forme modali, in particolare i primi due modi corrispondono a oscillazioni flessionali verticali del primo ordine con una certa asimmetria, molto probabilmente dovuta alla continuità strutturale con le campate adiacenti e alla natura obliqua dell’impalcato.
Le forme modali del terzo e del sesto modo suggeriscono movimenti torsionali del primo ordine. Infine, le forme dei modi 4 e 5 sono compatibili con modi flessionali verticali del secondo ordine.
Da notare in particolar modo che la matrice dei MAC (modal assurance criterion) delle forme modali identificate è pressoché diagonale come ci si attende nel caso di modi tra loro ortogonali. Ciò suggerisce la natura strutturale/fisica dei modi identificati e costituisce una indicazione indiretta della buona qualità dei risultati ottenuti.
Conclusioni
L’attività condotta ha messo insieme i dati prodotti dal sistema di monitoraggio strutturale basato sui sensori wireless autoalimentati di Wisepower Srl installati sul viadotto Biedano e il software P3P sviluppato dal gruppo composto dal Politecnico di Milano e dalle Università di Perugia e Padova per ANAS SpA.
Le analisi hanno preso in considerazione delle registrazioni accelerometriche acquisite direttamente dal campo e hanno evidenziato innanzitutto che gli accelerometri mostrano una spiccata sensibilità alle vibrazioni indotte dai carichi veicolari con un rapporto segnale rumore molto buono.
Inoltre, è stato possibile identificare sei frequenze naturali per ciascuna campata del viadotto. Tali frequenze naturali sono in linea con quelle registrate nell’iniziale campagna di caratterizzazione del viadotto e sono consistenti tra una campata e l’altra.
Le forme modali appaiono regolari e in linea con quanto atteso per la tipologia di struttura. Esse sono anche approssimativamente ortogonali tra loro come ci si attende a livello teorico.
I sensori auto-alimentati, quindi, forniscono dati sincroni e validi per monitorare adeguatamente le proprietà modali del viadotto traendo tutti i vantaggi di un’architettura wireless pur garantendo i requisiti necessari al compito.
Bibliografia
[1]. E. Garcia-Macias, A. Ruccolo, M.A. Zanini, C. Pellegrino, C. Gentile, F. Ubertini, P. Mannella – “P3P: a software suite for autonomous SHM of bridge networks”, Journal of Civil Structural Health Monitoring, in press, DOI 10.1007/s13349-022-00653-6, 2022.
[2]. J.J. Shynk – “Probability, random variables, and random processes: theory and signal processing applications”, John Wiley & Sons, 2012.
[3]. R. Brincker, L. Zhang, P. Andersen – “Modal identification of outputonly systems using frequency domain decomposition”, Smart materials and structures, 10(3), 441, 2001.
> Se questo articolo ti è piaciuto, iscriviti alla Newsletter mensile al link http://eepurl.com/dpKhwL <