Simulering av människan orsakade vibrationer Baserat på kännetecknat av fältet Fotgängare Beteende

Summary

Ett protokoll presenteras för karakterisering av in-området fotgängare beteende och simulering av den resulterande strukturella svar. Fälttester visar att in situ identifierade stimuleringsfrekvens och synkronisering talet bland deltagarna utgör en väsentlig förutsättning för simulering och verifiering av lasterna mänskliga-inducerad.

Abstract

För smal och lättviktskonstruktioner, är vibrationer servicevänlighet en fråga om växande oro, ofta utgör den kritiska kravet design. Med design styrs av den dynamiska prestanda under mänskliga-inducerad laster, finns en stark efterfrågan för kontroll och förfining över annonser för belastningsmodeller. Föreliggande bidrag använder en 3D tröghets motion tracking teknik för karakteriseringen av den in-fältet fotgängare beteende. Tekniken är först testas i laboratorieförsök med samtidig registrering av motsvarande markreaktionskrafter. Experimenten inkluderar promenader personer samt rytmiska mänskliga aktiviteter såsom hoppning och guppande. Det visas att det registrerade rörelse gör det möjligt att identifiera den tidsvarianta stimuleringsfrekvensen av aktiviteten. Tillsammans med vikten av personen och tillämpning av allmänna kraft modeller finns tillgängliga i litteraturen, kan den identifierade tidsvariant stimuleringsfrekvensen till characterize lasterna mänskliga-inducerad. Dessutom, tidssynkronisering mellan de trådlösa rörelse trackers tillåter identifiera synkroniseringsfrekvensen bland deltagarna. Därefter är den teknik som används på en riktig gångbro där både rörelsen av personer och de inducerade strukturella vibrationerna registreras. Det visas hur kännetecknad av-fältet fotgängare beteende kan appliceras för att simulera den inducerade strukturella svar. Det är visat att in situ identifierade stimuleringsfrekvens och synkronisering ränta utgör en väsentlig förutsättning för simulering och verifiering av lasterna mänskliga-inducerad. De viktigaste potentiella tillämpningar av föreslagna metoden är uppskattningen av människo Samverkan byggnad fenomen och utveckling av lämpliga modeller för korrelationen mellan fotgängare i verkliga trafikförhållanden.

Introduction

Driven av den ekonomiska efterfrågan på effektivitet och den ökande styrkan av (nya) material, arkitekter och ingenjörer vidga gränserna för att bygga allt längre, högre och lättare konstruktioner. Typiskt, ljus och slanka konstruktioner har en eller flera fysiska frekvenser som ligger inom den dominerande spektrum av vanliga mänskliga aktiviteter såsom promenader, löpning eller hoppar. Sannolikt att bli föremål för (när-) resonansexcitering, är de ofta felaktigt svarar på mänsklig rörelse, vilket resulterar i störande eller skadliga vibrationer ^1. För dessa slanka och lättviktskonstruktioner, är vibrationsservicevänlighet en fråga om växande oro, ofta utgör den kritiska kravet design.

Den mänskliga rörelser och de resulterande markreaktionskrafter (GRF) vanligen experimentellt identifieras i laboratoriemiljö. För närvarande är designers tvingas förlita sig på - vad som antas vara "konservativa" - motsvarande lOAD modeller förstorade från enstaka personer kraftmätningar. Med design styrs av den dynamiska prestanda under hög publiktäthet, finns en stark efterfrågan för kontroll och förfining av de för närvarande tillgängliga belastningsmodeller.

Det nuvarande protokollet utnyttjar en 3D tröghets motion tracking teknik för karakterisering av naturliga rörelser för fotgängare. Det visas hur denna information kan användas för att definiera korrelationen bland fotgängare liksom de motsvarande inducerade laster. I ett efterföljande steg är karakteriserade fotgängare beteende som används för att numeriskt simulera inducerade strukturella svar. Jämförelse med den registrerade strukturell respons gör det möjligt att kvantifiera effekten av oredovisade människa Samverkan byggnad fenomen, t ex den extra dämpning på grund av närvaron av fotgängare. Metodiken illustreras för fullskaleförsök på en riktig gångbro där strukturella respons och rörelse pargarna registreras samtidigt.

Protocol

Alla förfaranden godkändes av etisk kommitté universitetssjukhuset i KU Leuven och varje ämne gav ett skriftligt informerat samtycke före deltagande.

1. 3D Motion Tracking: Konfiguration och datainsamling

1. Se till att de individuella sensorerna är fulladdade (Figur 1A). Detta steg tar ca en timme, men kan utföras på dagarna före de faktiska måtten. Följ tillverkarens laddnings protokoll.
2. MT Manager - Datainsamling ^2:
   1. Aktivera den trådlösa anslutningen med sensorerna och ange önskad samplingsfrekvens (Trådlös konfiguration> Aktivera alla trådlösa mästare).
      Notera: För att göra det möjligt för en exakt karakterisering av fotgängare beteende, används en samplingshastighet av minst 60 Hz rekommenderas. Den individuella sensorer posten 3D linjär acceleration, vinkelhastighet (jord) magnetfält och atmosfäriska tryckdata.
   2. Aktivera driftläge och initiera mätläget: göra långsamma rörelser med sensorerna för ca 1 min (Trådlös konfiguration> Starta mätningen på alla trådlösa mästare).
   3. Visa tröghets och magnetiska data från alla aktiva sensorer (Visa> Visnings> tröghetssystem). Kontrollera att, medan stillastående, inte chans orienteringen av sensorn.
      Obs: En föränderlig orientering stationär sensor skulle indikera en magnetiskt störd miljö och därmed felaktig orienteringsinformation.
3. Orientering återställning: Applicera ett objekt / rubrik återställning (Objekt / rubrik återställning> Återställ orientering) för att definiera den globala referensramen av experimenten (Figur 1B) ^2.
4. Placera sensorn så nära som möjligt mot kroppen masscentrum (com) ligger i nivå med den femte ländkotan (Figur 1C). Fäst en enda sensor tätt och kraftigt på varje deltagare med sskilt utformade klicka i hela kroppen band (Figur 1C).
5. Registrera uppgifter som krävs.
6. Ladda register av intresse (öppna fil) anger exportinställningarna (Verktyg> Inställningar> exportörer) och exportera accelerationen (och orienteringsmatris) uppgifter för efterföljande analys ² (Arkiv> Exportera).

2. Force Plate: Installation och konfiguration

Obs: Föreliggande steg diskuterar tillämpningen av en kraftplatta för att registrera GRF. I det fall att en gång / löpning personen är inblandad, är en serie av kraftplattor eller en instrument löpband som ska användas för att registrera belastningen som induceras av efterföljande steg ^3, själva protokollet är analog.

1. Se till att kraftplattan är ordentligt fastsatt till laboratoriet våningen (Figur 2).
2. Konfigurera inställningarna för enheten och förvärvs ⁴ (NDI Open Capture> data> Enhetsinställningar> Settings). Välj rätt "vinst" och "samplingsfrekvens". Konfigurera och kontrollera externa trigginställningar vid behov ^4.
   1. Väljer förstärkningen och samplingshastigheten i enlighet med den önskade noggrannheten och den involverade belastande typ. För föreliggande ansökan, använd en vinst på 128 (maximal kraft 4879 N) och en samplingsfrekvens 200 Hz.
3. Börja och avsluta varje prov med en tom kraftplatta: Tara kraftplattan när den är tom (NDI Open Capture> Data> Enhetsinställningar> Inställningar> Tare).
4. Av verifieringsskäl: Placera en känd vikt på toppen av kraften plattan före och efter varje försök.
   Obs: I föreliggande ansökan en massa på 5 kg används, kan dock användningen av en annan välkänd stel massa (> 2 kg) lika tjäna denna verifieringen.
5. Spela in och spara GRF uppgifter som krävs. Exportera GRF för efterföljande analys ^4.

3. Mätning av struktur Acceleransoner

Obs: De nuvarande steg syftar till att samla in de strukturella vibrationer på en eller flera relevanta platser på strukturen. Föreliggande ansökan använder GeoSIG GMS inspelare (Figur 3) för att registrera de strukturella accelerationer. Andra sensortyper med lämpliga egenskaper för de inblandade ansökan, kan också tillämpas.

1. Se till att de individuella sensorerna är fulladdade. Detta steg kan ta flera timmar, men kan utföras på dagarna före de faktiska måtten. Följ tillverkarens laddnings protokoll.
2. Installera sensorerna på de önskade platserna för den primära strukturen: utjämna sensorerna och, vid behov, ge ordentlig fixering till den primära strukturen (t.ex., genom att använda magneter).
   Obs: tanke på den höga massan av de enskilda GMS inspelare (> 6 kg) och de inblandade lågfrekventa svängningar (<6 Hz) krävdes ingen ytterligare fixering i det här fallet.
3. för GeoDAS Datainsamling ^5: Konfigurera och aktivera det trådlösa GMS nätverket och anslutning med sensorerna ^5. Kontrollera tidsinställningar och synkroniseringsinställningar (vid behov) (högerklicka på sensorn> Mer information).
4. Placera sensorerna på önskad plats och nivå dem i samförstånd med den globala referensramen.
5. För GeoDAS Datainsamling ^5: Exportera inspelade data för efterföljande analys (högerklicka på sensorn> Instrumentkontroll> Skicka en förfrågan> Användar begäran> GETEVT ^5).

4. Experiment i en kontrollerad laboratoriemiljö

1. Konfigurera / Inställningar 3D-motion tracking (vilket diskuteras i avsnitt 1).
2. Konfigurera / Setup kraftplatta (vilket diskuteras i avsnitt 2).
3. Under drift: kontrollera visuellt realtidsmätningar av såväl de trådlösa tröghetssensorer och kraftplattan för att kontrollera deras driftsläge.
4. Fråga participant att kliva upp på kraftplattan och stå stilla i minst 30 sekunder: detta gör det möjligt att identifiera vikten av varje individ.
5. Konfigurera metronom signal: Välj önskad rytm, dvs grundläggande tvingar frekvens.
   Obs! Metronom signal kan enkelt konfigureras med hjälp av gratis online eller smartphone applikationer.
6. Börja spela in uppgifter av både kraftplattan och de trådlösa tröghetssensorer.
7. Be deltagaren att inleda önskad aktivitet: promenader, hoppa eller guppade på (riktad stimulering) takt som anges av metronomen signal (se figur 4).
8. Spela in det valda antalet belastningscykler, t.ex., steg, hoppar eller guppcykler. Be deltagaren att få ut kraften plattan.
   Obs! Valideringsändamål är det tillrådligt att överväga några ytterligare inspelningstiden i dessa lossas förhållanden. I litteraturen finns det ingen klar konsensus om det minsta antal belastningscykler som krävs för att characterize cykeln till cykel variabilitet ^6. Baserat på erfarenhet och det arbete som presenteras i ^[6], studien presenteras här anser 60 varandra följande cykler varigenom de första och sista fem lastcykler är undantagna från ytterligare analys för att utesluta oegentligheter i laddningsmönster i början och slutet av försöket.

5. Experiment In Situ

1. Konfigurera / Inställningar nätverket av 3D tröghetssensorer som spårar rörelsen av deltagarna (se avsnitt 2 och figur 5).
2. Konfigurera / Ställ in GMS nätverk av trådlösa accelerometrar som registrerar de strukturella accelerationer (se avsnitt 4).
3. Under drift: (visuellt) kontrollera realtidsmätningar av de trådlösa tröghetssensorer att kontrollera deras driftsläge.
4. Definiera en tydlig protokoll som gör det möjligt att synkronisera de involverade mätsystem, om så erfordras.
   Obs: Detta steg är nödvändigt när den berördadatainsamlingssystem möjliggör inte direkt synkronisering på grund av avsaknaden av en utlösare eller gemensam kanal. Det senare är fallet för de trådlösa mätsystem som används i in situ experiment (5.1 och 5.2). Därför har en tydlig protokoll antagits på plats som gör det möjligt att synkronisera datauppsättningar offline. I föreliggande ansökan, är de involverade mätsystem synkroniseras genom registrering av ett identiskt händelse, det vill säga inverkan, i början och slutet av varje prov, registreras av åtminstone en sensor av var och en av de inblandade mätsystem. Korrekt inriktade tids vektorer därefter erhålls genom offline anpassning av dessa händelser.
5. Konfigurera metronom signalen: in situ, till användningen av en megafon amplifiera den riktade slag krävs.
6. Samla in ett tillräckligt antal försök att kontrollera repeterbarhet av experimentet. Baserat på erfarenheter, författarna rekommenderar att spela åtminstone tre eller företrädesvis fyra, trIALS.

6. Dataanalys

1. Pre-process rådata de inblandade utrustning som krävs: Applicera rätt filter för att avlägsna oönskade påverkan såsom irrelevanta högfrekventa bidrag och mätbrus, och behålla den aktuella tidsfönster enligt tillverkarens protokoll.
   Obs: Filtrerings egenskaper bör väljas i enlighet med ansökan. I föreliggande studie, är MATLAB Signal Processing Toolbox ⁷ anbringas för att utföra en lågpassfiltrering med en gränsfrekvens på 20 Hz för alla inblandade signaler.
2. För varje deltagare: Beräkna den diskreta Fouriertransformen av registrerade accelerationer se med MATLAB Signal Processing Toolbox ⁷ och identifiera den genomsnittliga laddnings frekvens som frekvensen hos den dominerande toppen av grundtons i den erhållna spektrumet.
3. Identifiera tiden i mellan två nominellt identiska händelser belastningscykelns med användning av metoden som beskrivs i ^[3] eller lc_timing verktyget enligt PediVib MATLAB verktygslådan ⁸
   1. Ladda datavektorn (lc_timing> Load).
   2. Ange samplingsfrekvens och uppskatta den genomsnittliga laddningsfrekvensen. Specificera den relevanta tidsfönster, om så erfordras. Spara den identifierade tidpunkten för nominellt identiska händelser, dvs belastningscykler (lc_timing> Spara).
4. Beräkna den genomsnittliga laddnings frekvens som inversen av den genomsnittliga tiden mellan belastnings de efterföljande cykler (som anges i punkt 6.3).
5. För experiment i laboratoriet: Applicera förfarande som beskrivs i 6.3 för båda de resulterande markreaktionskrafter och accelerationer registrerade vid CoM för varje individ.
   Obs: Detta steg fungerar som validering för förfarandet som används för in situ experiment där de GRF inte kan mätas direkt. Den metod som beskrivs i ^[3] visar hur den tidsvariant stimuleringsfrekvensen avfotgängare kan identifieras genom en beskrivning av förhållandet mellan de accelerationer som registrerats nära CoM individens och därmed GRF.
6. För experimenten på plats: Applicera förfarande som beskrivs i 6.3 för accelerationer registrerade vid CoM av varje individ.

7. Simulering och analys av struktur Response

Obs: De efterföljande stegen utförs med hjälp av MATLAB ^7. Den strukturella svar beräknas enligt PediVib verktygslådan, en MATLAB verktygslåda som utvecklats av författarna ⁸ (figur 6): de humana-inducerade krafter bestäms genom tillämpning av allmänna belastningsmodeller definierade av Li et al ⁹ (gång) och Bachmann. et al. ¹ (hoppa, springa och vandal belastning), och strukturmodell formuleras i modal koordinater ^10. Den medföljande manualen innehåller handledning som tydligt illustrerarFöljande steg.

1. Simulering av det strukturella svaret
   1. Definiera modala parametrar i teststrukturen: Natur frekvenser, modal dämpningsförhållanden, mass normaliserade modala förskjutningar, koordinater motsvarande noder (PediVib> struktur parametrar> Ny). Kontrollera visuellt modal ingångsinformation (PediVib> Strukturella parametrar> Visa).
   2. Definiera egenskaperna hos fotgängare och motsvarande inducerade laster: last typ, vikt, vandringsleder / plats, genomsnittliga stimuleringstakten, uppkomsten av varje belastningscykel (PediVib> Single fotgängare> Ny). Kör och spara den simulerade strukturella respons för de inblandade deltagare. Kontrollera visuellt resultatet (PediVib> Single fotgängare> View).
2. Beräkna den totala strukturella respons genom överlagring av de enskilda svaren, det vill säga summan av de motsvarande vektorerna, och jämföra resultatet med det uppmätta strukturella respons,t.ex. genom att skapa en siffra som visar den uppmätta och simulerade strukturella svar.

Representative Results

Först visas det hur accelerationer registrerade nära CoM av individerna kan användas för att karakterisera de därav GRF. Resultaten diskuteras här för en walking individ ^3. Helt jämförbara observationer görs när rytmiska mänskliga aktiviteter, det vill säga, hoppa och guppande, beaktas. Figur 7A och 7B visar att amplituden spektrum av de kontinuerliga vertikala fot krafter och motsvarande accelerationsnivåer som registrerats nära CoM av fotgängare är kvalitativt mycket likartade , det vill säga i form och frekvens. Den genomsnittliga stimuleringsfrekvensen av aktiviteten kan identifieras som frekvensen för den första dominerande toppen i dessa spektra. Analys av de registrerade GRF och accelerationer av den gemensamma organisationen visar att samma genomsnittliga stimuleringstakten är på detta sätt identifierade upp till ± 0,1%. Därefter tidpunkten för nominellt identiska händelser identifierade frOm de GRF och accelerationer nära Com, respektive. Detta förfarande illustreras i figur 8, där GRF och accelerationer av den gemensamma normaliseras till vikten av personen och allvaret i jorden (g = 9,81 m / sec²), respektive. Analys av de olika försöken visar att på detta sätt, den period av varje cykel och därmed tidsvariant stimuleringsfrekvensen av aktiviteten kan identifieras från accelerationer personens COM med en 95% konfidensintervall som är lägre än 3% i jämförelse med en som identifierats från de registrerade GRF (se tabell 1) ^3. Redovisning dessutom för starttiden för den första laddningscykeln, gör det möjligt att beräkna uppkomsten av alla belastningscykler.

Därefter denna information tillämpas för att simulera GRF använder PediVib verktygslådan ^8. Figur 9 visualiserar små kvantitativa och kvalitativa skillnader mellan den uppmätta och simuleradevertikala enda steg fot krafter. Dessa små skillnader är resultatet av att tillämpa en generaliserad enda steg belastningsmodell som definieras i litteraturen ⁹ och kan minimeras genom att tillämpa den genomsnittliga vertikala enda steg fot kraft anses person för motsvarande gånghastighet. Men direkta kraftmätningar är i allmänhet inte tillgängliga för personer som är inblandade i försöken in situ. Dessutom, i jämförelse med små variationer i stimuleringsfrekvensen, känsligheten hos inducerade strukturella svar på små variationer i kraft amplitud eller kontakttiden kan anses neglegible ^3,11. Figur 9 visar också att tidpunkten för fotspår, och därför , den tidsvariant stimuleringsfrekvensen, är korrekt identifierats från den registrerade rörelsen av fotgängare. Figur 10 presenterar amplituden spektrum av de simulerade och uppmätta GRF. I motsats till de perfekt periodiska krafter som uteslutande kompSTÄNGD av övertonerna hos frekvenssteget, de små variationer i stimuleringsfrekvens resultera i en fördelning av krafter kring de dominerande övertoner ^12,13. Genom att ta hänsyn till den identifierade variabel stimuleringsfrekvensen, dessa smala bandkrafter är också närvarande i de simulerade krafter (figur 10). Två skalära mängder används sedan för att representera likheten mellan amplituden spektrum av den uppmätta samt de simulerade krafter : (1) den linjära rang eller korrelation [-] Som varierar mellan 0 och 1 och för vilken en återspeglar en perfekt korrelation, och (2) den normaliserade 2-norm [%]:

Amplitud- spektra jämföres i frequency intervall är relevant för lågfrekventa civila strukturer (0-10 Hz). Figur 10 visar att en hög korrelationskoefficient av mer än 0,96 återfinns. Under antagande av att gång beteende för att vara helt periodisk, resulterar i en linjär korrelation av mindre än 0,5. Den normaliserade 2-norm är cirka 20%, där den återstående avvikelsen är främst ett resultat av att tillämpa en generaliserad enda steg belastning modell. För referensändamål kan det noteras att när GRF simuleras med den identifierade genomsnittliga enda steg gång belastning, ökar korrelationen upp till 0,99 och motsvarande 2-norm med avseende på de faktiska registrerade krafterna minskar till mindre än 8 procent. På detta sätt, visar analys av de olika försöken att simuleringar baserade på de allmänna belastningsmodeller och identifierade tidsvariant stimuleringsfrekvensen, möjliggöra en god approximation av de ofullkomliga verkliga GRF inducerade av mänsklig rörelse.

jagörutom karakterisering av de enskilda inducerade laster, tidssynkronisering av de trådlösa rörelse trackers gör det möjligt att analysera synkroniseringsfrekvensen bland deltagarna. Synkroniseringshastighet [-] Definieras som:

där _Ts [sek] är den period av aktivitet och At _s [sek] är tidsförskjutningen mellan cykler av olika aktörer. Denna synkronisering hastighet är endast relevant när jämförbara belastningscykler är inblandade. Tiden skiftar At _s därför endast i fråga för cyklerna förekommande inom den aktuella tidsfönstret [t - ½T _s <t <t + ½T _s]. Som ett resultat, synkroniseringshastigheten kan variera mellan noll och ett,varvid den senare skildrar perfekt synkronisering. Detta förfarande illustreras för försök med sex fotgängare som samma steg frekvens åläggs att använda en metronom (se figur 5B). Figur 11A representerar den identifierade starten av varje lastcykel varje deltagare med en enda vertikal linje. Sammanfallande linjer, som observeras under den första 40 sekund, indikerar en hög hastighet av synkronisering. Spridda linjer, som observerats mellan 50 och 60 sekunder av den aktuella studien tyder på en låg eller förlust av synkronisering mellan deltagarna. Liknande observationer kan göras från figur 11B presenterar motsvarande synkroniseringshastigheten och Figurerna 11C och 11D, där den identifierade tidsvariant stimuleringsfrekvensen används för att simulera de inducerade vertikala belastningar.

Slutligen är det protokoll som används för att utföra en detaljerad analysav vibrationerna som induceras av mänsklig aktivitet på den Eeklo gångbro (se figur 5). Figur 12 visar de modala egenskaperna hos de första sex lägena i strukturen. Försöken involverar människor som gick ^tre, hoppa och guppade med en stimuleringstakt som följer av en metronom och riktar sig till den fundamentala eller andra naturliga frekvens. Svaret hos strukturen är registreras med fem triaxiella sensorer (se Figur 3 och 5B). Därefter mäts strukturella svar jämfört med de numeriska simuleringar som står för den kalibrerade numerisk modell av strukturen, de experimentellt identifierats modal dämpningsförhållanden och kännetecknas i fält fotgängare beteende.

Först resultaten diskuteras för försök med sex fotgängare vars steg frekvens vald för att matcha den första _(fg = f _{1 (fg} = f _2/2 = 1,49 Hz) av strukturen. Fotgängare är anordnade asymmetriskt (alla uppradade en i taget) eller symmetriskt (två av två) i förhållande till den längsgående axeln hos strukturen för att maximera excitationen av den första och den andra moden, respektive (se Figur 12). För att illustrera effekten av den faktiska ofullkomliga gång beteende av deltagarna är den strukturella svaret först förutspådde antar perfekt periodiska walking krafter. För det andra inom och mellan personer variabilitet beaktas genom att betrakta den identifierade tidsvariant stimuleringsfrekvensen och därmed också den sanna synkronisering bland fotgängare.

Figur 13A visar den uppmätta och simulerade vertikala accelerationen vid midspan för personer gå två och två, med en stimuleringsfrekvens som riktar sig till f _2/2. thär figur illustrerar att när gång beteende antas vara helt återkommande, är den strukturella respons överskattas med mer än en faktor av fyra. Redovisning av den sanna ofullkomliga gång beteende förbättrar avtalet med det uppmätta svaret väsentligt även de förutsagda vibrationsnivåer är tre gånger större.

Figur 13B visar den uppmätta och simulerade acceleration vid midspan för de personer som går på ena sidan av bron, med en stimuleringsfrekvens som riktar sig till f _s = f _1. I detta fall är den registrerade och simulerade svaret sidled vid midspan presenteras, det vill säga, Fig. 13 visar den dominerande delen av den första läge som när drivande kraften modellen tillämpas och perfekt återkommande gång beteende antas, toppvärdet för accelerationen svar överskattas med en faktor två. En minskning i mearade acceleration observeras efter ca 40 sek till följd av en reducerad synkronisering av fotgängare. En liknande tendens återspeglas också i den simulerade svars vid redovisning av de identifierade tidsvarianta stimuleringsfrekvenser. De senare leder till en mycket bättre kvalitativ överensstämmelse med den uppmätta respons som ligger emellertid fortfarande något överskattat.

Figurerna 14 och 15 presenterar en liknande jämförelse av den uppmätta och simulerade strukturell respons involverar hoppning och guppande, respektive. Återigen har det konstaterats att den strukturella svaret är mycket överskattas när lasterna mänskliga-inducerad antas vara helt återkommande. Redovisning för de identifierade tidsvariant stimuleringsfrekvensen leder till en mycket bättre kvalitativ överenskommelse med det uppmätta svaret.

Den återstående skillnaden mellan den uppmätta och simulerade structural respons kan bero på fel i modellen om (a) den strukturella beteende och (b) fotgängare-inducerad belastning. Att involvera den strukturella modellen, gäller de modala dämpningsförhållandena. Huvud osäkerhet Emellertid kovariansen för de modala parametrar som erhållits från SSI-CoV ¹⁴ var låga och, dessutom, analyserar den fria förfall visar att den modala dämpningsförhållanden knappast att bero på de vibrationsamplituder ^3. När det gäller fotgängare excitation, är den identifierade tidsvariant stimuleringsfrekvensen en approximation av den verkliga ofullkomliga gång beteende där små skillnader kan uppstå på grund av tillämpningen av den generaliserade kraft modell. Skillnaden i amplitud mellan den förväntade och den uppmätta svaret i figurerna 13-15 är slående och kan inte bara resultera från dessa återstående osäkerheter. Det kan dock förklaras av en ökad dämpning, dvs på grund av förändringar i de dynamiska egenskaperna hos den kopplade människa-struktur system i jämförelse med de hos den tomma strukturen. Men, som står för de inblandade tidsvariantstimuleringsfrekvenser gör det möjligt att kvantifiera den återstående skillnaden som är på grund av dessa människo struktur interaktion (HSI) effekter ^10,15-17. På detta sätt, den metod som presenteras här ger viktig input för kontroll av lasterna mänskliga-inducerad och kvantifiering av HSI-effekter.

Figur 1. (A) Xsens - Kit Mtw utveckling bestående av flera trådlösa tröghets enheter (MTW: s) ^2, (B) plattform för att kunna definiera orienteringsreferensramen, och (C) den specialdesignade klick i hela kroppen remmar ^2. klicka här för att se en större version av denna siffra.

Figur 2. kraft plattan ⁴ appliceras registrera GRF under hoppa / gupp. Klicka här för att se en större version av denna siffra.

Figur 3. Trådlös treaxlig Geosig sensorer ⁵ tillämpas registrera de strukturella accelerationer. Klicka här för att se en större version av denna siffra.

Figur 4. < strong> Konfiguration för laboratorieexperiment som involverar mänskliga rytmiska experiment. Klicka här för att se en större version av denna siffra.

Figur 5. (A) Eeklo gångbron och (B) synkroniserad gång sex deltagare (denna siffra har modifierats ^[3]). Klicka här för att se en större version av denna siffra.

Figur 6. PediVib Toolbox ⁸ tillämpas för att simulera vibrationer mänskliga-inducerad.= "Https://www.jove.com/files/ftp_upload/53668/53668fig6large.jpg" target = "_ blank"> Klicka här för att se en större version av denna siffra.

Figur 7. Den linjära spektrum av (A) de vertikala GRF (summan av vänster och höger fot) och (B) motsvarande accelerationsnivåer nära KOM (denna siffra har modifierats ^[3]). Klicka här för att se en större version av denna siffra.

Figur 8. Den normaliserade (AC) vertikal enda steg (streckad) och kontinuerliga (fast) GRF (BD) de normaliserade accelerationer i närheten COMoch (AB) den identifierade tidpunkten för nominellt identiska händelser (vertikal linje) från GRF (fast) och accelerationen i närheten COM (streckad) (denna siffra har modifierats ^[3]). Klicka här för att se en större version av denna siffra.

Figur 9. normaliserade uppmätta (fast) och motsvarande simulerade (streckade) vertikala GRF under gång (denna siffra har modifierats ^[3]). Klicka här för att se en större version av denna siffra.

Figur 10. [3]). Klicka här för att se en större version av denna siffra.

Figur 11. Den identifierade walking beteende sex fotgängare: (A) varje steg av varje person som anges av en enda vertikal linje (B) synkroniseringshastighet, och (CD) motsvarande simulerade vertikala krafter som induceras av vänster (grå) och höger (svart ) fot (denna siffra har modifierats ^[3]). klicka här för att se en större version av denna siffra.

together.within-page = "1">
Figur 12. experimentellt identifierades modala parametrar för de första sex lägen i Eeklo gångbro: egenfrekvens (f _j), modal dämpningsförhållandet (ξ _j) och läge form: (A) läge 1 (f ₁ = 1,71 Hz, ξ _en = 2,3%); (B) läge 2 _(f2 = 2,99 Hz, ξ ₂ = 0,2%); (C) läge 3 (f ₃ = 3,25 Hz, ξ ₃ = 1,5%); (D) läge 4 (f ₄ = 3,46 Hz, ξ ₄ = 3,0%); (E) läge 5 (f ₅ = 5,77 Hz, ξ ₅ = 0,2%); och (F) läge 6 (f ₆ = 5,82 Hz, ξ ₆ = 0,2%). Klicka här för att se en större version av denna siffra.

innehåll "fo: keep-together.within-page =" 1 ">
Figur 13. accelerationer vid midspan för personer promenader (A) två och två vid en stimuleringsfrekvens som riktar sig till f _s = _f2 / 2 och (B) i en enda fil på en stimuleringsfrekvens _fs = f _1: uppmätt (svart) och förutsedda svar utan (grå) och (blå) in situ identifierade stimuleringsfrekvens (denna siffra har modifierats ^[3]). klicka här för att se en större version av denna siffra.

Figur 14. accelerationer på midspan för personer som hoppar på en stimuleringsfrekvens som riktar sig till (A) f _s = _f2 / 2 och ( s = F _1:. uppmätt (svart) och förutsedda svar utan (grå) och (blå) in situ identifierade stimuleringsfrekvens Klicka här för att se en större version av denna siffra.

Figur 15. accelerationer på midspan för personer som guppar på en stimuleringsfrekvens som riktar sig till (A) f _s = _f2 / 2 och (B) f _s = f _1: uppmätt (svart) och förutsedda svar utan (grå) och ( blå) in situ identifierade stimuleringsfrekvens. klicka här för att se en större version av denna siffra.

gånghastighet	steg frekvens	# steg	CoM
[Km / h]	[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. För varje försök: den diffehyra gånghastigheter, den genomsnittliga stegfrekvensen, antalet registrerade steg och 95% konfidensintervall av den identifierade uppkomsten av varje steg bygger på rörelse registreras nära COM (denna tabell har ändrats från ^[3]).

Discussion

Den mänskliga rörelse och resulterande GRF identifieras vanligen genom tillämpning av kraftplattor, instrumenterade löpband samt optisk motion capture-teknik såsom Vicon ¹⁸ och CODA ^19. Tillämpningen av dessa tekniker är emellertid begränsade till laboratoriemiljön. Som svar på denna nackdel, är för närvarande undersökte potentialen av innovativa tekniker som tillåter mätning av "naturliga" person beteende under många upprepade och oavbruten cyklerna ^20. Alternativa metoder innefattar användning av tryckkänsliga innersula system ²¹ eller instrumenterade skor ^22. Dessa system gör det möjligt att direkt mätning av kontaktkrafter på strukturer men i allmänhet endast ge den vertikala komponenten och inte fånga den globala kroppen beteende, till exempel stammen rörelse ^20. En annan ambulerande teknik använder kombinerade magnetiska tröghetssensorer, dvs. accelerometry ^20,23 (t.ex. artefakter mjukdels ^24, anslutningsmöjligheter, etc.), erbjuder stora möjligheter för den indirekta karakterisering av människan orsakade belastning samt för analys av individ-, grupp- och publiken beteende ^23,24. I den aktuella studien, är en 3D tröghets motion tracking teknik som utvecklats för rörelsen vetenskap och underhållningsindustrin undersökas och en metod är utvecklad för på fältet karakterisering av mänsklig rörelse och de resulterande GRF.

Ett första viktigt steg i metoden som presenteras här består av en omfattande experimentell studie i laboratoriemiljö där mänsklig rörelse och GRF registreras samtidigt. Detta dataset bör omfatta en relevant uppsättning stimuleringsfrekvenser och privatpersoner för de mänskliga aktiviteter i fokus. Därefter kan detta dataset appliceras för att identifiera förhållandet mellan registeröd rörelse av deltagarna och de resulterande GRF. Därefter kan ett förfarande utvecklas för att identifiera tidpunkten för nominellt identiska händelser i varje lastcykel från både den registrerade rörelse och motsvarande GRF. På detta sätt, är dessa datauppsättningar fungerar inte bara som validering för det förfarande som syftar till att karakterisera de belastningar mänskliga-inducerad, men, också gör det möjligt att kvantifiera den motsvarande noggrannhet.

För det andra är synkroniseringen mellan de involverade mätsystemen av stor betydelse. Det senare åstadkoms företrädesvis genom användning av en enda datainsamlingssystem eller en delad triggerkanal ^2. En väl utformad och konsekvent genomförda protokoll (som tidigare diskuterats) kan fungera som ett användbart alternativ, speciellt för användning på plats.

Förfarandet som diskuteras i detta arbete fungerar perfekt upp till 10 eller 12 deltagare. Men eftersom antalet deltagare ytterligare ökat sjSES och således som antalet trådlösa rörelsespårnings enheter ökar, kräver motsvarande datainsamlingssystem samplingshastigheten för att minska avsevärt. Även besvärliga, kan mätsystemet förlängas med flera Xsens datainsamlingsstationer för vilka i sin tur är data synkroniseras genom tillämpning av en gemensam triggkanal. När syftet är att övervaka beteendet hos större grupper och publik, kan tillämpningen av alternativa tekniker som video / bildbehandling undersökas.

In situ observationer är den enda källan till information för att få detaljerad och korrekt information om representativa drift läsa in data. Ytterligare forskning kommer därför att inkludera fullskaliga mätningar på verkliga gångbroar med stora grupper och publik. Föreliggande teknik kan användas för att identifiera den naturliga gång beteende deltagarna och därigenom ge väsentligt bidrag till utvecklingen av lämplig models för korrelationen mellan fotgängare i verkliga trafikförhållanden. Dessutom den identifierade gång beteende, i kombination med för närvarande tillgängliga belastningsmodeller, kan appliceras för att simulera den inducerade strukturella svar. Jämförelse med motsvarande uppmätta strukturella vibrationer gör det möjligt att kontrollera och kalibrera den pålagda lasten modeller, till exempel genom att uppskatta de relevanta human-struktur interaktion fenomen som lagt dämpning.

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).