面向钢轨的无线结构健康监测的挑战与应用

胡 泮,王海涛,田贵云,2,高运来,曾 伟

(1.南京航空航天大学 自动化学院，南京 211106； 2.纽卡斯尔大学 电子与计算机工程学院，纽卡斯尔 NE1 7RU)



面向钢轨的无线结构健康监测的挑战与应用

胡 泮1,王海涛1,田贵云1,2,高运来1,曾 伟1

(1.南京航空航天大学 自动化学院，南京 211106； 2.纽卡斯尔大学 电子与计算机工程学院，纽卡斯尔 NE1 7RU)

对面向钢轨的无线结构健康监测的挑战和应用进行综述。从传感器优化布置、能量采集和节能、时间同步和可靠性技术出发，提出了钢轨结构健康监测背景下的挑战；列举了相关的有助于解决这些挑战的应用。

无线传感器网络；结构健康监测；优化布置；能量

列车多运行在高速、重载、高密度的状态下，因此作为承载列车运行的钢轨的安全问题越来越受到重视。在20世纪20年代末，由于美国铁路行业的需求，Elmer Sperry博士研制了用于钢轨监测的漏磁检测方法，从此钢轨结构监测开始成为新兴的研究方向[1-2]。目前有多种方法可实现对钢轨的监测，如超声法[3]、电磁法[4]、热成像法[5]及脉冲涡流法[6]等，然而大多数无损检测与评估方法仍无法实时提供完整结构状态信息。

传统结构健康监测是由沿着被测结构的分布式传感器网络进行监测的，数据通过有线电缆方式传输至监测中心进行处理和分析[7]。科技的发展带动了传感器技术、电子封装、信号处理、诊断学、应用力学、材料科学等学科的技术突破，常规监测技术逐步向连续、实时监测结构完整性和自动化的方向发展[8]，而发展成为结构健康监测技术。在结构健康监测方法中，基于Lamb波的损伤检测方法已广泛应用[9]于结构健康监测中。在有线结构健康监测系统中，由于需要有线来实现功率和数据传输，从而增加了系统的复杂性和维护的困难程度，增加了系统的成本。例如，用于高层建筑结构健康监测中的每个传感器通道的成本超过5 000美元；香港青马大桥的结构健康监测系统中，350个传感器通道的总成本超过800万美元[8]。

近年来，无线传感网络技术得到了飞速的发展，它由目标监测区域内放置的大量传感器节点，通过无线通信的方式，形成一个自组织的多跳网络；该网络可感知、采集和处理网络所覆盖区域内被监测对象的参数信息，可在任何时间和环境条件下获取大量信息。

通过在钢轨结构健康监测系统中引入无线传感网络技术，可大大降低系统复杂性和安装维护成本。某面向钢轨监测的无线传感网络系统框图如图1所示，该系统具有以下特点：① 不同的传感器被安装在钢轨所需检测位置；② 传感器节点可对数据进行采集和预处理，节点间使用无线传输协议与基站进行通信；③ 基站整理数据并将其发送到监测中心，监测中心可实时分析数据并管理网络节点。在这种背景下，笔者对基于无线传感网络的结构健康监测的挑战和应用进行综述。

图1 面向钢轨的无线结构健康监测系统

1 关键技术

在传统无线传感网络中，虽然定位、安全等方面问题很重要，但它们并非钢轨结构健康监测系统关注的焦点。与被应用于其他领域的无线传感器网络应用相比，面向钢轨结构健康监测的无线传感网络有一些特殊的问题需要解决。具体将重点关注以下几个方面的问题：传感器优化布置、节能和能量采集技术、时间同步和可靠性。

1.1 传感器优化布置

典型的结构健康监测系统一般由三个主要部分组成：传感器系统、数据处理系统(包括数据采集、预处理、传输和存储)和健康评估系统(包括结构诊断算法和数据管理)[10]。文中关注的传感器系统部分，具体是指传感器的布置是否能够完整反映结构状态信息。

传感器系统是铁路结构健康监测系统的重要组成部分。从理论上讲，传感器节点的数量越多，越能够获得全面的结构响应信息。但由于成本等客观因素的限制，传感器节点的数量总是有限的，如何安排有限数量的传感器并通过优化布置传感器来实现对结构完整性状态信息的获取是结构健康监测的关键技术。

1.2 节能和能量采集技术

钢轨结构健康监测系统通常被部署在偏远并且无电源供应的地点[12]，所以传感器节点通常只可采用电池供电。这样，如何降低节点的能量消耗[13]并尽可能通过能量采集技术对电池进行充电，成为系统的关键技术。

对于一个传感器节点，大部分的能量要用在数据采集、预处理和传输上。则，传感器节点每个部分的能量消耗主要体现在以下方面：

(1) 数据采集时，不同传感器的响应时间是不同的，从传感器开始工作，到输出一个稳定的精确信号需要一定的时间，此时传感器的工作电流不能被忽略。

(2) 数据预处理时，测量传感器信号需进行一系列预处理，包括滤波、放大并被节点的AD采用，因此模拟电路的功耗不可忽视。

(3) 数据传输时，通信模块将数据发送到路由节点或协调节点也需要一定的时间，而这个无线传输期间的功耗是比较大的。

为了确保无线传感器网络的长时间工作，研究人员已开始寻求替代能源。通过收集环境能源转换成电能再给无线传感网络节点充电是一种具有广阔前景的方法，但目前各种能量采集方法大多无法提供持续的能源供应，因此采集零星可用的能源成为了新的研究方向[15]。

1.3 时间同步

时间同步是资源调度和管理的重要前提，它在无线传感器网络中具有重要的意义。不同的监测和缺陷诊断方法对于时间同步有不同需求，如应用于压电阵列技术时，尤其采用时域分析方法分析钢轨结构不同测量点的测量数据时更需要精确的时间同步。无线传感网络中时间同步误差源包括：发送时间、访问时间、传播时间和接收时间。其中，发送时间[16]是构建消息并将消息发送到MAC层所花的时间；访问时间[16]是等待无线通信信道空闲时产生的时间，其受信道条件的影响。

1.4 可靠性

可靠性是决定网络性能的重要因素之一[17]，其又包括设备的可靠性和通信的可靠性。

从设备的可靠性来说，节点通常部署在恶劣的环境中，故在进行无线传感网络节点设计时，必须充分考虑环境的影响，如采用耐高低温、防水、漏电保护设计等。

从通信可靠性的角度来说，灰尘、污垢、高湿度水平和太阳辐射都会引起节点故障，并降低信号强度[17]，从而可能对链路连接和数据间歇性发送产生负面影响。这都是设计时应考虑的因素。

2 应用现状

2.1 传感器优化布置

在传感器的优化布置方面,JIN[18]提出了一种结合改进声搜索(HS)和模态保证准则(MAC)算法，优化传感器布置的方式。文献[19]采用最大期望效用理论和贝叶斯线性模型，用于优化传感器的位置，同时提升了模态识别性能。为了避免模态参数和测量响应之间的非线性关系，文献[19]通过模态响应选择优化的传感器位置。

2.2 节能与能量采集传感器节点一旦能量消耗殆尽，将不能正常工作。已经有大量文献对节点节能进行了研究，文章关注的是能源的采集问题。近年来，收集各种环境能量，并将其转换成电能的研究逐渐成为热点[15]。目前，被认为适用于无线传感网络的环境能量主要有太阳能、机械能(振动或应变)、热能和电磁能[20]。

然而，使用最广泛的太阳能电池板的供电方式，也有一些实际的缺点，如电池板需要经常清洗，天气恶劣时太阳能电池板的转换效率[21]会降低。笔者主要介绍两种能量采集器：压电[22]和电磁能量采集器[23]。

(1) 压电振动能量采集器

压电材料在受机械应变时可产生电能，如应变施加在轨道上或列车驶过时轮对与钢轨接触可产生电能[21]。压电材料具有能够承受恶劣环境并可提供大量能量的优点。WISCHKE[24]发现铁路轨枕具有可用的振动能量和足够的安装空间，设计了压电振动采集器并配备了电源接口电路。NELSON[25]利用轨道的垂直运动产生的能量，并可产生1 mW的平均功率。

(2) 电磁振动能量采集器

电磁式振动能量采集器(EM-VEHs)的设计依据法拉第电磁感应定律[21]的工作原理。ZHU[26]改进了Halbach阵列，增加了能量采集器的输出功率。LEE[27]通过拓扑优化方法提出了一种电磁能量采集器，显著提高了采集器电磁性能。

2.3 时间同步

时间同步是影响无线传感网络性能的重要组成部分。时间不同步，不仅会影响能量的消耗，而且影响结构损伤识别算法的效果。QIU[28]提出了一种基于生成树的时间同步算法(STETS)，有效地结合了两个时间同步方案：发送-接收协议(SRP)和接收-接收协议(RRP)。在文献[29]的研究中提出了一种按需时间同步协议，命名为AOTSP；通过理论分析和仿真结果，其具有以下优点：① 弱的空间集聚效应；② 相当低的通信成本；③ 低的计算复杂度；④ 精度高；⑤ 高可扩展性。

3 结语

无线钢轨结构监测系统，更利于对钢轨状态进行无线监测，为列车运行提供安全保障。但在传感器优化布置、节能和能量采集、可靠性等关键技术上存在挑战。尽管无线结构健康监测技术在铁路无损检测领域中仍有一段相当长的路要走，但是随着科学技术的发展，其将在无损检测和结构健康监测领域有着更广泛的应用。

[1] ALLISON A B. Sperry rail service[J]. Bull Natl Railway Historical Soc, 1968,33:6.

[2] CLARK R. Rail flaw detection: overview and needs for future developments[J]. NDT & E International, 2004, 37(2):111-118.

[3] ZENG W, WANG H, TIAN G, et al. Detection of surface defects for longitudinal acoustic waves by a laser ultrasonic imaging technique[J]. Optik-International Journal for Light and Electron Optics, 2015, 127(1):415-459.

[4] TIAN G Y, SOPHIAN A. Study of magnetic sensors for pulsed eddy current techniques[J]. Insight, 2005, 47(5):277-279.

[5] GAO Y, TIAN G Y, WANG P, et al. Ferrite-yoke based pulsed induction thermography for cracks quantitative evaluation[C]∥2015 IEEE Far East NDT New Technology & Application Forum.[S.l]:[s.n], 2015:197-201.

[6] TIAN G Y, SOPHIAN A. Defect classification using a new feature for pulsed eddy current sensors[J]. Ndt & E International, 2005, 38(1):77-82.

[7] FEDERICI F, ALESII R, COLARIETI A, et al. Design of wireless sensor nodes for structural health monitoring applications[J]. Procedia Engineering, 2014, 87:1298-1301.

[8] SU Z, YE L. Identification of damage using Lamb waves: from fundamentals to applications[M]. Springer London: Springer Science & Business Media, 2009:1-12.

[9] QIU L, YUAN S. On development of a multi-channel PZT array scanning system and its evaluating application on UAV wing box[J]. Sensors & Actuators A Physical, 2009, 151(2):220-230.

[10] MUFTI A A. Structural health monitoring of innovative canadian civil engineering structures[J]. Structural Health Monitoring, 2002, 1(1):89-103.

[11] FIDANOVA S, MARINOV P, ALBA E. Ant algorithm for optimal sensor deployment[J]. Studies of Computational Intelligence, 2012,399(5):21-29.

[12] HODGE V J, O′KEEFE S, WEEKS M, et al. Wireless sensor networks for condition monitoring in the railway industry: A survey[J]. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(3):1088-1106.

[13] ANASTASI G, CONTI M, DI FRANCESCO M, et al. Energy conservation in wireless sensor networks: A survey[J]. Ad Hoc Networks, 2009,7(3): 537-568.

[14] GUPTA P, KAKDE B. Challenges and design issues in WSN[J]. International Journal of Science, Engineering and Technology Research, 2014, 3(11):3126-3131.

[15] SEAH W K G, TAN Y K, CHAN A T S. Research in energy harvesting wireless sensor networks and the challenges ahead[M]. Autonomous Sensor Networks: Springer Berlin Heidelberg, 2012:73-93.

[16] SONG S, HE L, JIANG Y, et al. Wireless sensor network time synchronization algorithm based on SFD[J]. Advances in Wireless Sensor Networks Communications in Computer and Information Science, 2013, 334(2): 393-400.

[17] SALAM H A, KHAN B M. IWSN-standards, challenges and future[J]. IEEE Potentials, 2016, 35(2):9-16.

[18] JIN H, XIA J, WANG Y Q. Optimal sensor placement for space modal identification of crane structures based on an improved harmony search algorithm[J]. Journal of Zhejiang University SCIENCE A, 2015, 16(6):464-477.

[19] LI B, DER K A. Robust optimal sensor placement for operational modal analysis based on maximum expected utility[J]. Mechanical Systems and Signal Processing, 2016, 75:155-175.

[20] VULLERS R J M, SCHAIJK R V, VISSER H J, et al. Energy harvesting for autonomous wireless sensor networks[J]. Solid-State Circuits Magazine, IEEE, 2010, 2(2):29-38.

[21] KHAN F U, AHMAD I. Review of energy harvesters utilizing bridge vibrations[J]. Shock & Vibration, 2016, 2016(2):1-21.

[22] JEON Y B, SOOD R, JEONG J H, et al. MEMS power generator with transverse mode thin film PZT[J]. Sensors & Actuators A Physical, 2005, 122(1):16-22.

[23] CHIU M C, CHANG Y C, YEH L J, et al. Optimal design of a vibration-based electromagnetic energy harvester using a simulated annealing algorithm[J]. Journal of Mechanics, 2012, 28(4):691-700.

[24] WISCHKE M, KRONER M, WOIAS P, et al. Vibration harvesting in traffic tunnels to power wireless sensor nodes[J]. Smart Materials & Structures, 2011, 20(8):85014-85021.

[25] NELSON C A, PLATT S R, ALBRECHT D, et al. Power harvesting for railroad track health monitoring using piezoelectric and inductive devices[C]∥The 15th International Symposium on: Smart Structures and Materials & Nondestructive Evaluation and Health Monitoring.[S.l.]: International Society for Optics and Photonics, 2008.

[26] ZHU D, BEEBY S, TUDOR J, et al. Increasing output power of electromagnetic vibration energy harvesters using improved Halbach arrays[J].Sensors & Actuators A Physical,2013,203(12):11-19.

[27] LEE J, YOON S W. Optimization of magnet and back iron topologies in electromagnetic vibration energy harvesters[J]. IEEE Transactions on Magnetics, 2014, 51(6):1.

[28] QIU T, CHI L, GUO W, et al. STETS: A novel energy-efficient time synchronization scheme based on embedded networking eevices[J]. Microprocessors & Microsystems, 2015, 39(8):1285-1295.

[29] HUANG G, ZOMAYA A Y, DELICATO F C, et al. An accurate on-demand time synchronization protocol for wireless sensor networks[J]. Journal of Parallel & Distributed Computing, 2012, 72(10):1332-1346.

Challenges and Applications of Structure Health Monitoring for Railway Based on Wireless Sensor Network

HU Pan1, WANG Hai-tao1, TIAN Gui-yun1,2, GAO Yun-lai1, ZENG Wei1

(1.College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China; 2.School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, NE1 7RU, UK)

This paper reviews the recent progress for Wireless Sensor Network (WSN) based Structure Health Monitoring (SHM) technology for railway applications. Special challenges including optimal sensor placement, energy conservation and harvesting, time synchronization and reliability under the background of railway are enumerated. Case studies were made on related applications which may help to address these challenges.

WSN; SHM; Optimal placement; Energy

2016-06-22

国家重大仪器专项资助项目(61527803);江苏省研究生培养创新工程资助项目(KYLX16_0338)

胡 泮(1989-)，男，博士研究生，主要研究方向为结构健康监测。

王海涛，E-mail: htwang@nuaa.edu.cn。

10.11973/wsjc201612008

TG115.28

A

1000-6656(2016)12-0032-04