Simulering av menneskeskapte Vibrations Basert på Preget i Felt Pedestrian Behavior

Summary

En protokoll er presentert for karakterisering av de i felt fotgjenger adferd og simulering av den resulterende strukturelle respons. Felttester viser at in situ identifisert pacefrekvens og synkronisering raten blant deltakerne utgjør en viktig input for simulering og verifikasjon av menneskeskapte belastninger.

Abstract

For slanke og lette konstruksjoner, er vibrasjon service et spørsmål om økende bekymring, ofte utgjør den kritiske utformingen kravet. Med design styrt av den dynamiske ytelse under menneskeskapte belastninger, eksisterer det en sterk etterspørsel etter verifisering og foredling av tilgjengelige lastmodeller. Den foreliggende bidrag benytter en 3D treghetsbevegelsessporing teknikk for karakterisering av de i-feltet fotgjenger adferd. Teknikken blir først testet i laboratorieforsøk med samtidig registrering av de tilsvarende første reaksjonskrefter. Forsøkene inkluderer gående personer samt rytmiske menneskelige aktiviteter som hopping og dupper. Det er vist at den registrerte bevegelse gjør det mulig for identifikasjon av den tids variant pacing rate av aktiviteten. Sammen med vekten av den person og anvendelse av generaliserte styrke modeller som er tilgjengelige i litteraturen, kan den identifiserte tidsvarierende pacing rate å forkulleacterize de menneskeskapte belastninger. I tillegg tidssynkronisering blant de trådløse bevegelses trackere gjør identifisere synkroniseringsfrekvens blant deltakerne. Deretter blir den teknikken som brukes på en ekte gangbro hvor både bevegelse av personer og de induserte strukturelle vibrasjoner registreres. Det er vist hvordan karakterisert v-felt fotgjenger adferd kan brukes for å simulere den induserte strukturelle respons. Det er vist at in situ identifisert pacefrekvens og synkronisering rente utgjør en viktig input for simulering og verifikasjon av menneskeskapte belastninger. De viktigste potensielle anvendelser av den foreslåtte metoden er estimering av human-struktur interaksjon fenomener og utvikling av egnede modeller for korrelasjonen blant gående i virkelige trafikkforhold.

Introduction

Drevet av den økonomiske etterspørselen av effektivitet og økende styrke (ny) materialer, arkitekter og ingeniører presser grensene for å bygge stadig lengre, høyere og lettere konstruksjoner. Vanligvis lys og slanke konstruksjoner har ett eller flere naturlige frekvenser som ligger innenfor den dominerende spekteret av vanlige menneskelige aktiviteter som gåing, løping eller hopping. Sannsynlighet for å bli utsatt for (nær-) resonans eksitasjon, de er ofte urimelig reagerer på menneskelig bevegelse, noe som resulterer i forstyrrende eller skadelig ^en vibrasjoner. For disse slanke og lette konstruksjoner, er vibrasjonsservice et spørsmål om økende bekymring, ofte utgjør den kritiske utformingen kravet.

Den menneskelige bevegelser og de resulterende bakken reaksjonsstyrker (GRFS) er vanligvis eksperimentelt identifisert i et laboratorium. For tiden er designere tvunget til å stole på - det som antas å være "konservative '- tilsvarende lOAD-modeller, oppskalert fra én person kraft målinger. Med design styrt av dynamisk ytelse under høye publikums tettheter, eksisterer det en sterk etterspørsel etter verifisering og avgrensning av de tilgjengelige lastmodeller.

Protokoll benytter en 3D treghet bevegelsessporing teknikk for karakterisering av den naturlige bevegelse av fotgjengere. Er det vist hvordan denne informasjonen kan brukes til å definere korrelasjonen mellom fotgjengere, så vel som de tilsvarende induserte belastninger. I et etterfølgende trinn blir karakterisert fotgjenger adferd brukt til å tallmessig simulere den induserte strukturelle respons. Sammenligning med den registrerte strukturelle respons gjør det mulig å kvantifisere effekten av uforklart human-struktur interaksjon fenomener, for eksempel, de tilsatte demping på grunn av tilstedeværelsen av fotgjengere. Metodikken er illustrert for fullskalaforsøk på en reell gangbro hvor den strukturelle respons og bevegelse av parikere er registrert samtidig.

Protocol

Alle prosedyrer ble godkjent av etisk komité av universitetssykehuset i KU Leuven og hvert fag ga skriftlig informert samtykke før deltakelse.

1. 3D Motion Tracking: Configuration and Data Acquisition

1. Sørg for at de enkelte sensorene er fulladet (figur 1A). Dette trinnet tar ca 1 time, men kan utføres på de dagene før selve målingene. Følg produsentens lade protokoll.
2. MT Manager - Datainnsamling ^2:
   1. Aktiver trådløs forbindelse med sensorene og angi ønsket samplingsfrekvens (Wireless Configuration> Aktiver alle trådløse mestere).
      Merk: For å muliggjøre en nøyaktig karakterisering av fotgjenger atferd, er en samplingsfrekvens på minst 60 Hz anbefales. Den enkelte sensorer posten 3D lineær akselerasjon, vinkelhastighet (jord) magnetfelt og atmosfæriske trykkdata.
   2. Aktiver operasjonsmodus og starte målingen modus: gjør langsomme bevegelser med sensorene i ca 1 min (Wireless Configuration> Start måling på alle trådløse mestere).
   3. Vis treghet og magnetiske data for alle aktive sensorer (Vis> Visning> Treghet Data). Pass på at mens stasjonære, orienteringen av sensoren ikke sjansen.
      Merk: En endring av orienteringen til den stasjonære sensor ville indikere en magnetisk forstyrret miljø og derved unøyaktig orienteringsinformasjon.
3. Reset Orientering: Påfør et objekt / overskriften reset (Object / overskriften> Tilbakestill retning) for å definere den globale referanseramme av forsøkene (Figur 1b) ^2.
4. Plasser sensoren så nær som mulig til kroppen massesenteret (COM) som befinner seg ved nivået for den femte lumbale ryggvirvlene (figur 1C). Fest en enkelt sensor tett og robust på hver deltaker med specially designet klikk-in full body stropper (figur 1C).
5. Rekord data etter behov.
6. Last registreringer av interesse (åpne fil), angir eksportinnstillinger (Verktøy> Innstillinger> eksportører) og eksportere akselerasjon (og orientering matrise) data for senere analyse ² (Fil> Eksporter).

2. Force Plate: Oppsett og konfigurasjon

Merk: Det foreliggende trinn diskuterer anvendelse av en kraft plate for å registrere GRFS. I det tilfellet at en gange / løp person er involvert, er en serie av kraft plater eller en instrumentert tredemølle som skal brukes til å registrere lasting indusert av etterfølgende trinn ^3, protokollen selv er analogt.

1. Sørg for at kraften plate er godt festet til laboratoriet etasje (figur 2).
2. Konfigurer innstillingene for enheten og oppkjøps ⁴ (NDI Åpne Capture> Data> Enhetsinnstillinger> SettiNGS). Velg riktig "gevinst" og "sample rate". Konfigurere og kontrollere de eksterne trigger innstillinger, om nødvendig ^4.
   1. Velge forsterkningen og samplingsfrekvens i samsvar med den ønskede nøyaktighet, og den involverte lastetypen. For den foreliggende søknad, å bruke en gevinst på 128 (maksimal kraft 4879 N) og en samplingsfrekvens 200 Hz.
3. Start og avslutt hver studie med en tom kraft plate: Tara kraften plate når den er tom (NDI Åpne Capture> data> Enhetsinnstillinger> Innstillinger> Tare).
4. For verifisering: Plasser en kjent vekt på toppen av kraften plate før og etter hvert forsøk.
   Merk: I den foreliggende søknad en masse på 5 kg er brukt, kan imidlertid bruken av en annen velkjent stiv masse (> 2 kg) like tjene denne bekreftelsestest.
5. Ta opp og lagre GRF data etter behov. Eksportere GRFS for senere analyse ^fire.

3. Måling av Structural Accelerasjoner

Merk: Den nåværende trinn tar sikte på å samle de strukturelle vibrasjoner på en eller flere relevante steder på strukturen. Den foreliggende søknad anvender GeoSIG GMS opptakere (figur 3) for å registrere de strukturelle akselerasjoner. Andre sensortyper med riktige egenskaper for de involverte søknaden, kan like påføres.

1. Sørg for at de enkelte sensorene er fulladet. Dette trinnet kan ta flere timer, men kan utføres på de dagene før selve målingene. Følg produsentens lade protokoll.
2. Installering av sensorene på de ønskede steder av primærstrukturen: nivå sensorene og, om nødvendig, gi riktig fiksering til den primære strukturen (for eksempel ved hjelp av magneter).
   Merk: gitt den høye massen av den enkelte GMS opptakere (> 6 kg) og de involverte lav-frekvenssvingninger (<6 Hz), uten ekstra fiksering var nødvendig i dette tilfellet.
3. for GeoDAS Datainnsamling ^5: Konfigurer og aktivere trådløs GMS nettverk og tilkobling med sensorene ^5. Sjekk tidsinnstillinger og synkroniseringsinnstillinger (om nødvendig) (høyreklikk på sensoren> Mer informasjon).
4. Plasser sensorene på ønsket sted og nivå dem i samråd med den globale referanseramme.
5. For GeoDAS Datainnsamling ^5: Eksporter de registrerte data for senere analyse (høyreklikk på sensoren> Instrument Kontroll> Send en forespørsel> Bruker forespørsel> GETEVT ^5).

4. Forsøk i et kontrollert laboratoriemiljø

1. Konfigurer / oppsett 3D motion tracking (som omtalt i punkt 1).
2. Konfigurer / Setup kraft plate (som omtalt i punkt 2).
3. Under drift: visuelt kontrollere sanntidsmålinger av både trådløse treghetssensorer og kraften plate for å bekrefte sin driftsmodus.
4. Spør participmaur å gå inn på kraft plate og stå stille i minst 30 sek: gjør dette for å identifisere vekten av hver enkelt.
5. Konfigurer metronom signal: Velg ønsket rytme, dvs. fundamental tvinge frekvens.
   Merk: metronom signal kan enkelt konfigureres ved hjelp av gratis online eller smartphone programmer.
6. Starte innspillingen av data fra både kraft plate og de trådløse treghetssensorer.
7. Spør deltakeren til å sette i gang den ønskede aktivitet: walking, hoppe eller bobbing på (målrettet pacing) rate som indikert av metronomen signal (se figur 4).
8. Spill det valgte antall lastesykluser, f.eks, trinn, hopp eller duver sykluser. Spør deltakeren til å gå av kraft plate.
   Merk: For valideringsformål er det anbefalt å vurdere noen ekstra opptakstid i disse losset forhold. I litteraturen er det ingen klar enighet om minimum antall lastesykluser som kreves for å characterize syklusen-to-syklus variabilities ^6. Basert på erfaring og arbeidet presentert i ^[6], studien presenteres her mener 60 sammenhengende sykluser der første og siste fem lastesykluser er utelukket fra videre analyse for å utelukke uregelmessigheter i lastemønsteret ved starten og slutten av rettssaken.

5. Eksperimenter in situ

1. Konfigurer / Oppsett av nettverk av 3D treghetssensorer som sporer bevegelsen av deltakerne (se punkt 2 og figur 5).
2. Konfigurer / oppsett GMS nettverk av trådløse akselerometre som registrerer de strukturelle akselerasjoner (se kapittel 4).
3. Under drift: (visuelt) sjekk sanntidsmålinger av de trådløse treghetssensorer for å bekrefte sin driftsmodus.
4. Definere et klart protokoll som gjør det mulig å synkronisere de involverte målesystemer, om nødvendig.
   Merk: Dette trinnet er nødvendig når involvertdatafangstsystemer tillater ikke for direkte synkronisering på grunn av mangel på en utløser eller felles kanal. Den sistnevnte er tilfelle for de trådløse målesystemer som er benyttet ved in situ eksperimenter (5.1 og 5.2). Derfor har en klar protokollen er vedtatt på stedet som gjør det mulig å synkronisere datasett offline. I den foreliggende søknad, er de involverte målesystemer synkronisert ved registrering av et identisk arrangement, det vil si, virkningen, i begynnelsen og slutten av hvert forsøk, registrert ved hjelp av minst en sensor i hver av de involverte målesystemer. Riktig justert tids vektorer senere blir innhentet gjennom aktiv justering av disse hendelsene.
5. Konfigurere metronom signal: in situ, ved bruk av en megafon forsterke den målrettede takt er nødvendig.
6. Samle et tilstrekkelig antall forsøk for å undersøke repeterbarheten av forsøket. Basert på erfaring, forfatterne anbefaler å ta minst tre, eller fortrinnsvis fire, trIALS.

6. Data Analysis

1. Pre-prosess rådata om de involverte utstyr som kreves: Påfør riktig filtre for å fjerne uønskede påvirkninger som irrelevante høyfrekvente bidrag og målestøy, og beholde den aktuelle tidsvinduet i henhold til produsentens protokoll.
   Merk: filtreringsegenskaper bør velges i samsvar med søknaden. I denne studien, er MATLAB Signal Processing Toolbox ⁷ brukes til å utføre en low-pass filtrering med en cut-off frekvens på 20 Hz for alle involverte signaler.
2. For hver deltaker: Beregn den diskrete Fourier-transformasjonen av de registrerte akselerasjoner av no ved hjelp MATLAB Signal Processing verktøykassen ⁷ og identifisere den gjennomsnittlige laste frekvens som frekvensen for den dominerende toppen av den fundamentale harmoniske i det oppnådde spektrum.
3. Identifiser gang i mellom to nominelt identiske hendelser av lastesykluss ved hjelp av metoden beskrevet i ^[3] eller lc_timing verktøy for PediVib MATLAB verktøykasse ⁸
   1. Last inn data vektor (lc_timing> Load).
   2. Angi samplingsfrekvens og anslår den gjennomsnittlige laste frekvens. Angi den aktuelle tidsvinduet, om nødvendig. Lagre identifisert tidspunktet for nominelt identiske hendelser, dvs. belastningssykluser (lc_timing> Lagre).
4. Beregn gjennomsnitt lasting frekvens som den inverse av den gjennomsnittlige tid mellom de påfølgende belastningssykluser (som identifisert i 6,3).
5. For de eksperimenter i laboratoriet: Påfør prosedyren beskrevet i 6.3 for begge de resulterende bakken reaksjonsstyrker og akselerasjoner som er registrert på CoM av hver enkelt.
   Merk: Dette trinnet fungerer som validering for prosedyren som brukes for in situ eksperimenter der GRFS ikke kan måles direkte. Metoden beskrevet i ^[3] viser hvordan tiden variant pacefrekvensen avfotgjenger kan identifiseres ved å karakterisere forholdet mellom de akselerasjoner er registrert nær CoM av den enkelte og de påfølgende GRFS.
6. For eksperimentene i situ: Påfør prosedyren beskrevet i 6.3 for akselerasjoner som er registrert på CoM av hver enkelt.

7. simulering og analyse av strukturelle respons

Merk: De etterfølgende trinnene er utført ved hjelp av MATLAB ^7. Den strukturelle respons er beregnet ved hjelp av PediVib verktøykasse, en MATLAB verktøykasse utviklet av forfatterne ⁸ (figur 6): de menneskeskapte kreftene bestemmes gjennom anvendelse av generlast modeller av definert av Li et al ⁹ (walking) og Bachmann. et al. ¹ (hopping, løping og vandal lasting), og den strukturelle modellen er formulert i modal koordinater ^10. Den medfølgende manualen inneholder tutorials som tydelig illustrererfølgende trinn.

1. Simulering av den strukturelle respons
   1. Definer modale parametere for test struktur: Naturlige frekvenser, modal demping forhold, masse normalisert modal forskyvninger, koordinerer av de tilsvarende noder (PediVib> Konstruksjonsparametere> Ny). Visuell kontroll av modal inn informasjon (PediVib> Konstruksjonsparametere> View).
   2. Definer egenskapene til fotgjenger og tilsvarende induserte laster: lasttype, vekt, tursti / plassering, gjennomsnittlig pacefrekvens, utbruddet av hver lastesyklus (PediVib> Enkelt fotgjenger> Ny). Kjør og lagre den simulerte strukturelle respons for de involverte aktørene. Visuelt sjekke resultatene (PediVib> Enkelt fotgjenger> Vis).
2. Beregn den totale strukturelle respons ved overlagring av de individuelle responsene, dvs. summering av de tilsvarende vektorer, og sammenligne resultatet med den målte strukturelle respons,for eksempel ved å lage en figur som viser den målte og simulerte strukturelle respons.

Representative Results

Først blir det vist hvordan de akselerasjoner er registrert nær CoM av enkeltpersoner kan brukes til å karakterisere påfølgende GRFS. Resultatene er diskutert her for en spasertur individuell ^tre. Fullt sammenlign observasjoner er gjort når rytmiske menneskelig aktivitet, det vil si, hopping og dupper, er vurdert. Figur 7A og 7B viser at amplitude spekteret av de kontinuerlige vertikale foten krefter og tilsvarende akselerasjon nivåer er registrert nær CoM av fotgjenger er kvalitativt svært lik , dvs. i form og frekvens. Den gjennomsnittlige pacing rate av aktiviteten kan identifiseres som frekvensen for den første dominerende topp i disse spektra. Analyse av de registrerte GRFS og akselerasjoner av CoM viser at samme gjennomsnittlige pacefrekvensen er på denne måten identifisert opp til ± 0,1%. Deretter blir tidspunktet for nominelt identiske hendelser identifisert from de GRFS og akselerasjoner i nærheten COM, henholdsvis. Denne fremgangsmåten er illustrert i figur 8, hvor de GRFS og akselerasjoner av net er normalisert til vekten av den person og alvoret av jorda (g = 9,81 m / sec²), respektivt. Analyse av de forskjellige forsøk viser at på denne måten, perioden for hver syklus, og dermed den tidsvarierende pacing rate av aktiviteten, kan identifiseres fra akselerasjoner av personens com med et 95% konfidensintervall som er lavere enn 3% i forhold til den ene som er identifisert fra de registrerte GRFS (se tabell 1) ^3. Regnskap i tillegg til starttidspunktet for den første lastesyklus, gjør det mulig å beregne utbruddet av alle lastesykluser.

Deretter blir denne informasjonen brukt til å simulere GRFS bruker PediVib verktøykassen ^8. Figur 9 visualiserer små kvantitative og kvalitative forskjeller mellom målt og simulertvertikale enkelt-trinns fot krefter. Disse små ulikheter er et resultat av å anvende en generalisert ettrinns belastning modell som definert i litteraturen ⁹ og kan bli minimalisert ved å bruke den gjennomsnittlige vertikale ettrinns fot kraft av den betraktes person for den tilsvarende gangfart. Men direkte kraft målinger er vanligvis ikke tilgjengelig for de som er involvert i forsøkene i situ personer. I tillegg, i forhold til små variasjoner i pacing rate, følsomheten av den induserte strukturelle responsen på små variasjoner i kraft amplitude eller kontakttiden kan betraktes neglegible ^3,11. Figur 9 viser også at tidspunktet for skrittene, og dermed , tidsvarierende pacing rate, er nøyaktig identifisert fra den registrerte bevegelsen av fotgjenger. Figur 10 viser amplitudespekteret av de simulerte og målte GRFS. I motsetning til de perfekt periodiske krefter som utelukkende komposed av de harmoniske av tråkkfrekvens, de små variasjonene i pacingfrekvensen føre til en fordeling av kreftene rundt de dominerende harmoniske ^12,13. Ved å ta hensyn til identifiserte variabel pacefrekvens, disse smale bandet krefter er også til stede i de simulerte krefter (figur 10). To skalar mengder blir deretter brukt til å representere likheten mellom amplitudespekteret til den målte og de simulerte krefter : (1) den lineære rang eller korrelasjon [-] Som varierer mellom 0 og 1, og hvor en gjenspeiler en perfekt korrelasjon, og (2) det normaliserte 2-norm [%]:

De amplitude-spektrene er sammenlignet i frfrekvensskiftnøklede utvalg relevant for lavfrekvente sivile strukturer (0-10 Hz). Figur 10 viser at en høy korrelasjonskoeffisient på mer enn 0,96 er funnet. Antas det at gangvirkemåten til å være perfekt periodisk, resulterer i en lineær korrelasjon av mindre enn 0,5. Den normaliserte 2-normen er omtrent 20%, der dette gjenværende avviket er først og fremst et resultat av å bruke en generalisert ettrinns belastning modell. For referanseformål skal det bemerkes at når GRFS er simulert med den identifiserte gjennomsnittlig ettrinns gang belastning, øker korrelasjonen opp til 0,99 og den tilsvarende 2-norm med hensyn til de faktiske registrerte kreftene avtar til mindre enn 8 prosent. På denne måte analyse av de forskjellige forsøk viser at simuleringer basert på den generaliserte belastnings modeller og den identifiserte tidsvarierende pacing rate, gir mulighet for en god tilnærming av ufullkomne virkelige GRFS indusert av menneskelig bevegelse.

jegn tillegg til karakteriseringen av de individuelle induserte belastninger, tidssynkroniseringen av de trådløse bane bevegelses gjør det mulig å analysere synkroniseringsfrekvens blant deltakerne. Synkroniseringen sats [-] Er definert som:

hvor T _s [sek] er den periode av aktiviteten og At _s [sek] er den tidsforskyvning mellom sykluser av forskjellige deltakere. Denne synkroniseringen prisen er kun relevant når sammenlignbelastningssykluser er involvert. Nå skifter At _s er derfor kun vurdert for sykluser skjer innenfor det aktuelle tidsvinduet [t - ½T _s <t <t + ½T _s]. Som et resultat av synkroniseringsfrekvensen kan variere mellom null og samhold,hvorved den sistnevnte viser perfekt synkronisering. Denne prosedyren er illustrert for eksperimentene som involverer seks fotgjengere hvor det samme trinnet frekvens er pålagt ved hjelp av en metronom (se figur 5B). Figur 11A viser den identifiserte angrep av hver laste syklus av hver deltager ved en enkelt vertikal linje. Sammenfallende linjer, som observert i løpet av de første 40 sek, indikerer en høy grad av synkronisering. Spredte linjer, som observert mellom 50 og 60 sek av regnet rettssaken, indikerer en lav sats eller tap av synkronisering blant deltakerne. Lignende observasjoner kan gjøres fra figur 11B presentere den tilsvarende synkroniseringsfrekvensen og figurene 11C og 11D, hvor den identifiserte tidsvarierende pacing satsen påføres for å simulere de induserte vertikale belastninger.

Til slutt blir den protokoll anvendes for å utføre en detaljert analyseav vibrasjonene som induseres av menneskelig aktivitet på Eeklo broen (se figur 5). Figur 12 viser de sperrende egenskapene til de første seks modi av strukturen. Forsøkene involvere folk vandre ^tre, hoppe og dupper med en pacefrekvens pålagt av en metronom og rettet mot den grunnleggende eller andre naturlige frekvens. Responsen av strukturen er registrert ved hjelp av fem triaksiale sensorer (se figur 3 og 5B). Deretter blir målt strukturelle respons sammenlignet med de numeriske simuleringer som står for den kalibrerte numerisk modell av strukturen, er eksperimentelt identifiserte modal dempeforhold og den karakteriseres fotgjenger adferd i-felt.

Først blir resultatene diskutert i eksperimentene som involverer seks fotgjengere som trinn frekvens er valgt for å passe den første _(fs = f _{1 (fs} = f _2/2 = 1.49 Hz) av strukturen. Fotgjengere er anordnet usymmetrisk (geledd en etter en) eller symmetrisk (to og to) i forhold til lengdeaksen av strukturen for å maksimere eksitasjon av den første og den andre modus, henholdsvis (se figur 12). For å illustrere effekten av selve ufullkomne gang oppførsel av deltakerne, er det strukturelle respons første spådd å anta perfekt periodiske walking styrker. For det andre er intra- og inter-person variabilities tatt hensyn til ved å vurdere den identifiserte tids variant pacefrekvens og dermed også den sanne synkronisering blant fotgjengere.

Figur 13A viser målte og simulerte vertikale akselerasjonen på midspan for personer vandre to og to, med en pacefrekvens rettet mot f _2/2. ther av figuren at når løpe oppførsel antas å være perfekt periodisk, blir den strukturelle responsen overvurdert med mer enn en faktor på fire. Regnskap for den sanne ufullkommen gang oppførsel forbedrer avtale med den målte responsen betydelig selv om den anslåtte vibrasjonsnivå er tre ganger større.

Figur 13B viser målt og simulert akselerasjon på midspan for personer som går på den ene siden av broen, med en pacefrekvens rettet mot f _s = f _1. I dette tilfelle blir registrert og simulert lateral respons ved midspan presentert, dvs. Fig. 13B viser den dominerende komponent av den første modus som når den bevegelseskraft modellen anvendes og perfekt periodisk gang oppførsel antas, toppverdien av akselerasjonen reaksjon er overvurdert med en faktor på to. En reduksjon i meanes akselerasjon observeres etter omtrent 40 sekunder på grunn av en redusert synkronisering av fotgjengere. En lignende tendens som også gjenspeiles i den simulerte respons når regnskap for de identifiserte tids variant pacefrekvenser. Det sistnevnte fører til en mye bedre kvalitativ overensstemmelse med den målte respons som ligger imidlertid fortsatt litt overvurderes.

Figurene 14 og 15 gir et tilsvarende sammenligning av de målte og simulerte struktur reaksjon som involverer hopping og dupper, respektivt. Igjen, er det observert at den strukturelle respons er sterkt overvurderes da de menneskeskapte belastninger er antatt å være perfekt periodisk. Regnskap for de identifiserte tids variant pacefrekvens fører til en mye bedre kvalitativ avtale med den målte responsen.

De resterende avvik mellom de målte og simulerte strukturer;ral responsen kan skyldes feil i modellen om (a) den strukturelle oppførsel og (b) fotgjenger-indusert belastning. Involvering den strukturelle modellen dreier det viktigste usikkerheten de modale demping forholdstall. Imidlertid kovariansen til de modale parametre som oppnås fra SSI-cov ¹⁴ var lav og, i tillegg, analyserer den frie forråtnelse viser at den sperrende dempeforholdet neppe være avhengig av vibrasjons amplituder ^3. Når det gjelder fotgjenger eksitasjon, er identifisert tids variant pacingfrekvensen en tilnærming til den virkelige ufullkommen gang atferd der det kan oppstå små forskjeller som følge av anvendelsen av generalisert kraft modell. Forskjellen i amplitude mellom den forutsagte og den målte responsen på figurene 13-15 er slående, og kan ikke bare resultere fra disse ytterligere usikkerhet. Det kan imidlertid forklares ved en økt demping, dvs. på grunn av endringer i de dynamiske egenskapene til menneske-koplet konstruksjon systammen i forhold til de av den tomme struktur. Men, sto for de involverte tids variant pacefrekvenser gjør det mulig å kvantifisere de resterende avvik som skyldes disse menneske-struktur interaksjon (HSI) effekter ^10,15-17. På denne måten metodikken som presenteres her gir viktig input for verifisering av de menneskeskapte belastninger og kvantifisering av HSI-effekter.

Figur 1. (A) Xsens - MTW Development Kit som består av flere trådløse treghet enheter (MTW s) ^2, (B) plattform designet for å definere retningen referanseramme, og (C) spesialdesignet klikk i hele kroppen stropper ^2. klikk her for å se en større versjon av dette tallet.

Figur 2. Kraften plate ⁴ brukes til å registrere GRFS under hopping / duver. Klikk her for å se en større versjon av dette tallet.

Figur 3. Wireless triaxial Geosig sensorer ⁵ brukes til å registrere de strukturelle akselerasjoner. Klikk her for å se en større versjon av dette tallet.

Figur 4. < strong> Konfigurasjon oppsettet til laboratorieforsøk som involverer menneskelige rytmiske eksperimenter. Klikk her for å se en større versjon av dette tallet.

Figur 5. (A) Eeklo gangbro og (B) synkronisert gang seks deltakere (dette tallet har blitt forandret fra ^[3]). Klikk her for å se en større versjon av dette tallet.

Figur 6. PediVib Toolbox ⁸ brukes til å simulere menneskeskapte vibrasjoner.= "Https://www.jove.com/files/ftp_upload/53668/53668fig6large.jpg" target = "_ blank"> Klikk her for å se en større versjon av dette tallet.

Figur 7. Den lineære spekteret av (A) de vertikale GRFS (summen av venstre og høyre fot) og (B) de tilsvarende akselerasjonsnivåer nær COM (dette tallet har blitt forandret fra ^[3]). Klikk her for å vise en større versjon av dette tallet.

Figur 8. normalisert (AC) vertikal enkelt trinn (stiplet) og kontinuerlige (fast) GRFS (BD) de normaliserte akselerasjoner nær CoMog (AB) identifiserte tidspunktet for nominelt identiske hendelser (vertikal linje) fra GRFS (fast) og akselerasjoner i nærheten COM (stiplet) (dette tallet har blitt forandret fra ^[3]). Klikk her for å se en større versjon av denne figur.

Figur 9. normalisert måles (fast) og tilsvarende simulerte (stiplede) vertikale GRFS under gange (dette tallet har blitt forandret fra ^[3]). Klikk her for å se en større versjon av dette tallet.

Figur 10. [3]). Klikk her for å se en større versjon av dette tallet.

Figur 11. Den identifiserte vandre oppførselen til seks fotgjengere: (a) hvert trinn av enhver person angitt ved en enkelt vertikal linje (B) synkroniseringsfrekvens, og (CD) korresponderende simulerte vertikale krefter indusert av venstre (grå) og høyre (sort ) fot (dette tallet har blitt forandret fra ^[3]). klikk her for å se en større versjon av dette tallet.

together.within-page = "1">
Figur 12. Den eksperimentelt identifisert sperrende parametere av de første seks modusene i Eeklo broen: naturlig frekvens (f _j), modal dempningsforhold (ξ _j) og modusform: (A) modus 1 (f ₁ = 1,71 Hz, ₁ ξ = 2,3%); (B) modus 2 (f ₂ = 2,99 Hz, ξ ₂ = 0,2%); (C) -modus 3 (f ₃ = 3,25 Hz, ξ ₃ = 1,5%); (D) modus 4 (f ₄ = 3,46 Hz, ξ ₄ = 3,0%); (E) modus 5 (f ₅ = 5,77 Hz, ξ ₅ = 0,2%); og (F) -modus 6 (f ₆ = 5,82 Hz, ξ ₆ = 0,2%). Klikk her for å se en større versjon av dette tallet.

innhold "fo: keep-together.within-page =" 1 ">
Figur 13. akselerasjoner på midspan for personer vandre (A), to og to på en pacefrekvens rettet mot f _s = f _2/2 og (B) i én fil på en pacefrekvens _fs = f _1: målt (svart) og spådd respons uten (grå) og med (blå) in situ identifisert pacefrekvens (dette tallet har blitt forandret fra ^[3]). klikk her for å se en større versjon av dette tallet.

Figur 14. akselerasjoner på midspan for personer hopping på en pacefrekvens rettet mot (A) f _s = f _2/2 og ( s = _{f. 1:} måles (svart) og predikert respons uten (grå) og med (blå) in situ identifisert pacefrekvens Klikk her for å se en større versjon av dette tallet.

Figur 15. De akselerasjoner på midspan for personer som duver i en pacing hastighet rettet mot (A) f _s = f _2/2 og (B) f _s f = _1: målt (sort) og forutsagt respons uten (grå) og med ( blå) in situ identifisert pacefrekvens. klikk her for å se en større versjon av dette tallet.

Ganghastighet hastighet~~POS=HEADCOMP	Trinn frekvens	# trinn	CoM
[Km / t]	[Hz]	[-]	2σ [%]
3.0	1,55	166	2.8
3,5	1,68	178	2.3
4.0	1,75	1,82	2.1
4.5	1,85	182	2.0
5.0	1.92	193	2.1
5.5	2,00	215	2.0
6.0	2,06	217	2.1

Tabell 1. For hvert forsøk: den diffeleie walking hastigheter, mellomtråkkfrekvens, antall registrerte trinn og 95% konfidensintervall av de identifiserte utbruddet av hvert trinn basert på bevegelse registrert nær COM (denne tabellen er endret fra ^[3]).

Discussion

Den menneskelige bevegelser og resulterende GRFS er vanligvis identifisert ved bruk av makt plater, instrumentert tredemøller samt optisk motion capture-teknologi som Vicon ¹⁸ og CODA ^19. Anvendelsen av disse teknikkene er imidlertid ikke begrenset til laboratoriemiljø. Som svar på denne ulempen, er potensialet for innovative teknikker som tillater måling av "naturlige" person atferd over mange gjentatte og uforstyrret sykluser for tiden undersøkt ^20. Alternative metoder inkluderer bruk av trykkfølsom innersåle systemer ²¹ eller instrumenterte sko ^22. Disse systemene åpner for direkte måling av kontaktkrefter på konstruksjoner, men som regel bare gi den vertikale komponent og ikke fange den globale kroppen atferd, for eksempel stammen bevegelse ^20. En annen ambulant teknikk syssels kombinert magnetisk treghet sensorer, dvs. akselerometer ^20,23 (for eksempel gjenstander bløtvev ^24, tilkoblingsmuligheter, etc.), det gir store muligheter for indirekte karakterisering av menneskeskapt lasting samt for analyse av individ-, gruppe- og publikum atferd ^23,24. I denne studien, er en 3D treghet bevegelsessporing teknikk utviklet for bevegelsesvitenskap og underholdningsindustrien undersøkes og en metodikk er utviklet for i-feltet karakterisering av menneskelig bevegelse og de resulterende GRFS.

Et første avgjørende skritt i fremgangsmåten som presenteres her består av en omfattende eksperimentell undersøkelse i et laboratorium hvor menneskelig bevegelse, og GRFS registreres samtidig. Dette datasettet skal omfatte et relevant sett med pacing priser og enkeltpersoner for hver av menneskelige aktiviteter i fokus. Deretter kan dette datasettet anvendes for å identifisere forholdet mellom registered bevegelse av deltakerne og de resulterende GRFS. Deretter kan en fremgangsmåte være utviklet for å identifisere tidspunktet for nominelt identiske hendelser i hver lastesyklusen fra både den registrerte bevegelse og de tilsvarende GRFS. På denne måte, disse datasettene ikke bare tjene som validering for fremgangsmåten tar sikte på å karakterisere de menneskeskapte belastninger, men gjør det også mulig å kvantifisere den tilsvarende nøyaktighet.

For det andre, er synkroniseringen mellom de involverte målesystemer av stor betydning. Den sistnevnte utføres fortrinnsvis ved bruk av en enkelt datainnhentingssystem eller en felles trigger kanal ^2. En godt utformet og gjennomgående utført protokoll (som tidligere diskutert) kan tjene som et nyttig alternativ, særlig for anvendelse in situ.

Fremgangsmåten som omtalt i det foreliggende arbeidet drives helt opp til 10 eller 12 deltakere. Men som antall deltakere ytterligere økt selvtilses og dermed som antall trådløse bevegelsessporingsenheter øker, krever tilsvarende datainnsamling system samplingsfrekvens for å redusere betraktelig. Selv tungvint, kan målesystemet utvides med flere Xsens datainnsamlingsstasjoner for hvilke, i sin tur, blir dataene synkronisert gjennom anvendelse av en felles trigger kanal. Når målet er å overvåke oppførselen til større grupper og publikum, kan anvendelsen av alternative teknikker så som video / bildebehandling bli utforsket.

In situ observasjoner er den eneste kilden til informasjon for å få detaljert og nøyaktig informasjon om representative drifts lasting av data. Videre forskning vil derfor inkludere fullskala målinger på virkelige gangbruer som involverer store grupper og folkemengder. Den foreliggende teknikk kan anvendes for å identifisere den naturlige gang oppførsel av deltakerne, og derved tilveiebringe viktig input for utviklingen av passende models for korrelasjonen mellom fotgjengere i reelle trafikkforhold. I tillegg er det identifiserte vandre oppførsel, i kombinasjon med tiden tilgjengelige lastmodeller, kan anvendes for å simulere den induserte strukturelle respons. Sammenligning med de tilsvarende målt strukturelle vibrasjoner gjør det mulig å kontrollere og kalibrere anvendt lastmodeller, for eksempel ved å estimere de aktuelle menneske-struktur interaksjon fenomener som tilsettes demping.

Materials

Name	Company	Catalog Number	Comments
MTw Development Kit + MT Manager Software	Xsens	MTW-38A70G20-1	Development kit with wireless, highly accurate, small and lightweight 3D human motion trackers and accompanying click-in full body straps.
True Impulse Kinetic Measurement System + NDI Open Capture Data Acquisition and Visualization System	NDI Northern Digital Inc.	791028	TrueImpulse measures reaction forces exerted by humans during a wide variety of activities.
GMS-24	GeoSIG Ltd	Rev. 03.08.2010	(Wireless) accelerometers to register the structural vibrations.
GeoDAS GeoSIG Data Acquisition System	GeoSIG Ltd	Rev. 03.08.2010	Graphical MS Windows application running under Windows 9x/NT/2000, providing a software interface between users and GeoSIG recorders GSR/GCR/GBV/GT.
PediVib toolbox	KU Leuven		Software interface/toolbox to simulate the structural vibrations induced by pedestrians.
Metronome			A device to indicate the targetted pacing rate of the activity (free applications are available online for pc/laptop/smartphone).