Simulering af Menneske-induceret Vibrations Baseret på Karakteriseret In-field Fodgænger Behavior

Summary

En protokol præsenteres til karakterisering af den i marken fodgænger adfærd og simuleringen af ​​den resulterende strukturelle svar. Field-test viser, at in situ identificeret pacing sats og synkronisering blandt deltagerne udgør et væsentligt input til simulering og verifikation af de menneskeskabte belastninger.

Abstract

For slank og lette konstruktioner, vibrationer servicevenlighed er et spørgsmål om stigende bekymring, der ofte udgør den kritiske design krav. Med designs underlagt den dynamiske ydeevne under menneskeskabte belastninger, eksisterer en stærk efterspørgsel efter kontrol og forfinelse af tiden tilgængelige belastningsmodeller. Det nuværende bidrag bruger en 3D inerti bevægelsessporing teknik til karakterisering af i marken fodgænger adfærd. Teknikken er først testet i laboratorieforsøg med samtidig registrering af de tilsvarende formalet reaktionskræfter. Forsøgene omfatter walking personer samt rytmiske menneskelige aktiviteter såsom hoppe og vugger. Det er vist, at den registrerede bevægelse muliggør identifikation af den tid variant stimuleringsfrekvensen af ​​aktiviteten. Sammen med vægten af ​​den person, og anvendelsen af ​​de generelle kraft modeller til rådighed i litteraturen, de identificerede tid-variant pacing procentsats giver til characterize de menneskeskabte belastninger. Desuden tidssynkronisering blandt de trådløse motion trackers tillader identifikation synkroniseringen blandt deltagerne. Efterfølgende teknik, der anvendes på en rigtig gangbro, hvor både bevægelsen af ​​personer og de inducerede strukturelle vibrationer registreres. Det er vist, hvordan kendetegnet ved-felt gående adfærd kan anvendes til at simulere den inducerede strukturelle svar. Det er påvist, at den in situ identificeret pacing sats og synkronisering rate udgør et væsentligt input til simulering og verifikation af de menneskeskabte belastninger. De vigtigste potentielle anvendelser af den foreslåede metode er estimeringen af ​​menneske-struktur interaktion fænomener og udvikling af egnede modeller for sammenhængen mellem fodgængere i reelle trafikforhold.

Introduction

Drevet af den økonomiske efterspørgsel af effektivitet og den stigende styrke (nye) materialer, arkitekter og ingeniører at flytte grænserne for at bygge stadigt længere, højere og lettere strukturer. Typisk, lys og slanke konstruktioner har en eller flere fysiske frekvenser, der ligger inden for den dominerende spektrum af fælles menneskelige aktiviteter såsom gåture, løb eller hoppe. Forventes at være omfattet (nær-) resonant excitation, er de ofte urimeligt lydhøre over for menneskelig bevægelse, hvilket resulterer i forstyrrende eller endog skadelige ¹ vibrationer. For disse slanke og lette konstruktioner, vibrationer servicevenlighed er et spørgsmål om stigende bekymring, der ofte udgør den kritiske design krav.

Det menneskelige bevægelse og de resulterende jorden reaktionskræfter (GRF) er normalt identificeres eksperimentelt under laboratorieforhold. I øjeblikket er designerne tvunget til at stole på - hvad der antages at være "konservativ" - svarende lOAD modeller opskaleret fra enkelt-personers kraftmålinger. Med designs undergivet den dynamiske ydeevne under høje crowd tætheder, eksisterer en stærk efterspørgsel efter kontrol og forfinelse af de aktuelt tilgængelige belastningsmodeller.

Den nuværende protokol anvender en 3D inerti bevægelsessporing teknik til karakterisering af den naturlige bevægelse af fodgængere. Det er vist, hvordan denne information kan anvendes til at definere korrelationen mellem fodgængere samt de tilsvarende inducerede belastninger. I et efterfølgende trin bringes kendetegnet fodgænger adfærd anvendes til numerisk simulere inducerede strukturelle svar. Sammenligning med den registrerede strukturens reaktion gør det muligt at kvantificere virkningen af afregnet human-struktur interaktion fænomener, fx det tilsatte dæmpning på grund af tilstedeværelsen af fodgængerne. Metoden er illustreret for fuldskala forsøg på en rigtig gangbro, hvor den strukturelle respons og bevægelsen af ​​partagerne registreres samtidigt.

Protocol

Alle procedurer blev godkendt af den etiske komité af universitetshospitalet i KU Leuven og hvert fag gav et skriftligt informeret samtykke forud for deltagelse.

1. 3D Motion Tracking: Konfiguration og datafangst

1. Sørg for, at de enkelte sensorer er fuldt opladet (figur 1A). Dette trin tager omkring 1 time, men kan udføres på de dage forud for den faktiske målinger. Følg producentens opladning protokol.
2. MT manager - Data erhvervelse ^2:
   1. Aktiver den trådløse forbindelse med sensorerne og angiv den ønskede sample rate (Trådløs konfiguration> Aktiver alle trådløse mestre).
      Bemærk: For at give mulighed for en nøjagtig karakterisering af fodgænger adfærd, er en sampling rate på mindst 60 Hz anbefales. Det enkelte sensorer rekord 3D lineær acceleration, vinkelhastighed (jord) magnetfelt og atmosfærisk tryk data.
   2. Aktiver driftstilstand og indlede tilstand måling: gøre langsomme bevægelser med sensorerne i ca. 1 min (Trådløs konfiguration> Start måling på alle trådløse mestre).
   3. Display inerti og magnetiske data fra alle aktive sensorer (Vis> Vis> inertidata). Sørge for, at, mens stationære, orienteringen af ​​sensoren ikke chance.
      Bemærk: En skiftende orientering af stationære sensor ville indikere en magnetisk forstyrret miljø og dermed unøjagtige orientering information.
3. Orientering reset: Påfør et objekt / overskrift reset (Objekt / overskrift> Nulstil retning) for at definere den globale referenceramme af forsøgene (Figur 1B) ^2.
4. Anbring sensoren så tæt som muligt på kroppen tyngdepunkt (COM) placeret på niveau med den femte lændehvirvel (figur 1C). Fastgør en enkelt sensor stramt og håndfast på hver deltager med specially designet klik-i hele kroppen stropper (Figur 1C).
5. Optag data efter behov.
6. Læg optegnelser af interesse (åben fil), angiv eksport (Redskaber> Indstillinger> eksportører) og eksportere accelerationen (og orientering matrix) data til efterfølgende analyse ² (File> Export).

2. Kraft Plate: og konfiguration

Bemærk: Det aktuelle trin diskuterer anvendelsen af ​​en kraft plade til at registrere de GRF. I tilfælde af at en gå / løbe personen er involveret, en serie af kraft plader eller en instrumenteret løbebånd skal bruges til at registrere belastningen fremkaldt af efterfølgende trin ^3, selve protokollen er analog.

1. Sikre, at den kraft plade er sikkert fastgjort til laboratoriet gulvet (fig 2).
2. Konfigurer enhedens indstillinger og erhvervelse ⁴ (NDI Open Capture> data> Enhedsindstillinger> SettiNGS). Vælg den rigtige "gain" og "sample rate". Konfigurere og kontrollere de eksterne indstillinger trigger, hvis det kræves ^4.
   1. Vælg gevinsten og samplingfrekvens i overensstemmelse med den ønskede nøjagtighed og den involverede læsning type. For nærværende ansøgning, skal du bruge en gevinst på 128 (Maximum Kraft 4879 N) og en samplingfrekvens 200 Hz.
3. Start og slut hvert forsøg med en tom kraft plade: Tara kraften pladen når den er tom (NDI Open Capture> Data> Enhedsindstillinger> Indstillinger> Tare).
4. Til kontrolformål: Placer en kendt vægt på toppen af ​​kraft pladen før og efter hvert forsøg.
   Bemærk: I nærværende ansøgning er brugt en masse på 5 kg, dog kan brugen af ​​en anden velkendt stiv masse (> 2 kg) lige tjene denne kontrol test.
5. Optag og gem GRF data efter behov. Eksporter GRF til efterfølgende analyse ^4.

3. Måling af strukturfondene Accelerationer

Bemærk: De nuværende trin formål at indsamle de strukturelle vibrationer ved et eller flere relevante steder på strukturen. Nærværende ansøgning beskæftiger GeoSIG GMS optagere (figur 3) for at registrere de strukturelle accelerationer. Andre sensor typer med ordentlige egenskaber for den involverede ansøgning, kan lige så anvendes.

1. Sørg for, at de enkelte sensorer er fuldt opladet. Dette trin kan tage flere timer, men kan udføres på de dage forud for den faktiske målinger. Følg producentens opladning protokol.
2. Installer sensorerne på de ønskede placeringer af den primære struktur: niveau sensorerne og om nødvendigt, give ordentlig fiksering til den primære struktur (fx ved hjælp af magneter).
   Bemærk: i betragtning af den store masse af den enkelte GMS optagere (> 6 kg), og de involverede lavfrekvente svingninger (<6 Hz), ingen ekstra fiksering var nødvendigt i dette tilfælde.
3. For GeoDAS data erhvervelse ^5: Konfigurer og aktivere det trådløse GMS netværk og forbindelse med sensorerne ^5. Tjek tidsindstillinger og synkroniseringsindstillinger (om nødvendigt) (højreklik på sensoren> Mere information).
4. Placer sensorerne på det ønskede sted og niveau efter aftale med den globale referenceramme.
5. For GeoDAS data erhvervelse ^5: Eksporter de optagede data til efterfølgende analyse (højreklik på sensoren> Instrument Kontrol> Send en forespørgsel> User anmodning> GETEVT ^5).

4. Forsøg på en kontrolleret laboratoriemiljø

1. Konfigurer / Setup 3D bevægelse sporing (som diskuteret i afsnit 1).
2. Konfigurer / Setup kraft plade (som omtalt i afsnit 2).
3. Under drift: visuelt kontrollere realtid målinger af både de trådløse inertisensorer og den kraft plade til at verificere deres driftstilstand.
4. Spørg selv kan bidrage medant til at træde ind på den kraft plade og stå stille i mindst 30 sek: gør det muligt at identificere vægten af ​​hver enkelt.
5. Konfigurer metronom signal: Vælg den ønskede rytme, dvs grundlæggende tvinger frekvens.
   Bemærk: Den metronom signal kan let konfigureres ved hjælp af gratis online eller smartphone-applikationer.
6. Start optagelse af data af både kraft plade og de trådløse inerti sensorer.
7. Spørg deltageren at indlede den ønskede aktivitet: vandreture, hoppe eller vugger på (målrettet pacing) sats som angivet af metronom signal (se figur 4).
8. Optag det valgte antal læssecyklusser, fx, trin, hopper eller vugger cyklusser. Spørg deltageren at komme væk fra kraft pladen.
   Bemærk: validering anbefales det at overveje nogle ekstra optagetid i disse aflæsset betingelser. I litteraturen er der ingen klar konsensus om det mindste antal læssecyklusser kræves til characterize cyklus-til-cyklus variabiliteter ^6. Baseret på erfaringer og arbejdet præsenteret i ^[6], undersøgelsen præsenteres her mener 60 på hinanden følgende cyklusser, hvor de første og sidste fem læssecyklusser er udelukket fra yderligere analyse for at udelukke uregelmæssigheder i lastning mønster i starten og slutningen af forsøget.

5. Eksperimenter In Situ

1. Konfigurer / Setup netværket af 3D inerti sensorer, der sporer bevægelsen af deltagerne (se afsnit 2 og figur 5).
2. Konfigurer / Setup GMS netværk af trådløse accelerometre, der registrerer de strukturelle accelerationer (se afsnit 4).
3. Under drift: (visuelt) kontrollere de realtid målinger af de trådløse inertisensorer at kontrollere deres tilstand.
4. Definere en klar protokol, der tillader at synkronisere de involverede målesystemer, hvis det kræves.
   Bemærk: Dette trin er nødvendigt, når det pågældendedataopsamlingssystemer ikke tillader en direkte synkronisering på grund af manglen på en trigger eller fælles kanal. Sidstnævnte er tilfældet for de trådløse målesystemer anvendt i in situ eksperimenter (5.1 og 5.2). Derfor har en klar protokol blev vedtaget på stedet, der gør det muligt at synkronisere datasæt offline. I den foreliggende ansøgning, er de involverede målesystemer synkroniseret ved registrering af et identisk begivenhed, dvs. virkninger, ved begyndelsen og slutningen af hvert forsøg, registreret af mindst en sensor for hver af de involverede målesystemer. Korrekt justeret tid vektorer efterfølgende opnås gennem offline tilpasning af disse begivenheder.
5. Konfigurere metronom signal: in situ, til anvendelsen af en megafon amplificere målrettede slag er påkrævet.
6. Indsamle et tilstrækkeligt antal forsøg til at kontrollere repeterbarhed af eksperimentet. Baseret på erfaringer, forfatterne anbefaler at optage mindst 3, eller fortrinsvis 4, trIALS.

6. Data Analysis

1. Pre-proces de rå data for den involverede udstyr som forlanges: Anvend de korrekte filtre til at fjerne uønskede påvirkninger såsom irrelevante højfrekvente bidrag og måling støj, og fastholde de relevante tidsvindue ifølge producentens protokol.
   Bemærk: De filtrering egenskaber skal vælges i overensstemmelse med ansøgningen. I den foreliggende undersøgelse, er MATLAB Signal Processing Toolbox ⁷ anvendes til at udføre en lavpasfiltrering med en afskæringsfrekvens på 20 Hz for alle involverede signaler.
2. For hver deltager: Beregn den diskrete Fouriertransformation af de registrerede accelerationer i CoM MATLAB Signal Processing Toolbox ⁷ og identificere den gennemsnitlige belastning frekvens som frekvensen af den dominerende top af den grundlæggende harmoniske i det opnåede spektrum.
3. Identificer tiden i mellem to nominelt identiske begivenheder udmattelsesgrænsens ved hjælp af metoden beskrevet i ^[3] eller lc_timing redskab for PediVib MATLAB værktøjskasse ⁸
   1. Indlæs data vektor (lc_timing> Load).
   2. Angiv sampling rate og estimere den gennemsnitlige belastning frekvens. Angiv det relevante tidspunkt vinduet, hvis det kræves. Gem den identificerede timingen af nominelt identiske begivenheder, dvs. lastcykler (lc_timing> Gem).
4. Beregn den gennemsnitlige belastning frekvens som den inverse af den gennemsnitlige tid i mellem de efterfølgende lastcykler (som identificeret i 6.3).
5. Til eksperimenter i laboratoriet: Påfør proceduren i 6.3 for både de resulterende jorden reaktionskræfter og ved acceleration registreret ved CoM enkelte.
   Bemærk: Dette trin fungerer som validering for den procedure, som anvendes til in situ eksperimenter, hvor de GRF ikke kan måles direkte. Metoden beskrevet i ^[3] viser, hvordan tiden variant pacing satsen forfodgænger kan identificeres ved at karakterisere forholdet mellem de accelerationer, der er registreret i nærheden af ​​CoM individets og de deraf følgende GRF.
6. For forsøgene in situ: Påfør proceduren i 6.3 de accelerationer, der er registreret på CoM enkelte.

7. Simulering og analyse af strukturens reaktion

Bemærk: udføres de efterfølgende trin ved hjælp af MATLAB ^7. Den strukturelle respons beregnes ved hjælp af PediVib værktøjskassen, en Matlab værktøjskasse er udviklet af forfatterne ⁸ (figur 6): de menneskeskabte kræfter bestemmes ved anvendelse af generelle belastning modeller af defineret af Li et al ⁹ (til fods) og Bachmann. et al. ¹ (spring, løb og vandal belastning), og den strukturelle model er formuleret i modal koordinater ^10. Den medfølgende vejledning indeholder tutorials, der tydeligt illustrererfølgende trin.

1. Simulering af den strukturelle respons
   1. Definer de modale parametre af testen struktur: Naturlige frekvenser, modal dæmpning nøgletal, masse-normaliseret modale forskydninger, koordinerer de tilsvarende knuder (PediVib> Strukturelle parametre> Ny). Kontrollér visuelt modal input oplysninger (PediVib> Strukturelle parametre> Vis).
   2. Definere egenskaberne ved gågaden og de tilsvarende inducerede belastninger: load type, vægt, vandreveje / placering, gennemsnitlige stimuleringsfrekvens, debut af hvert læs cyklus (PediVib> Single fodgænger> Ny). Kør og gem den simulerede strukturelle respons for de involverede deltagere. Kontrollér visuelt resultaterne (PediVib> Single fodgænger> Vis).
2. Beregn den samlede strukturelle respons gennem superposition af de individuelle svar, dvs. summation af de tilsvarende vektorer, og sammenligne resultatet med den målte strukturelle respons,fx ved at skabe en figur, som viser den målte og simulerede strukturelle svar.

Representative Results

Det første er det vist, hvordan de accelerationer, der er registreret i nærheden af ​​CoM af de personer kan bruges til at karakterisere de deraf følgende GRF. Resultaterne diskuteres her for en walking individ ^3. Fuldt sammenlignelige observationer foretages, når rytmiske menneskelige aktiviteter, dvs., spring og vugger, betragtes. Figur 7A og 7B viser, at amplituden spektrum af de kontinuerlige vertikale fod kræfter og de ​​tilsvarende accelerationsniveauer registreret nær CoM af gågaden er kvalitativt meget ens , dvs i form og frekvens. Den gennemsnitlige stimuleringsfrekvens af aktiviteten kan identificeres som frekvensen af ​​den første dominerende top i disse spektre. Analyse af de registrerede GRF og accelerationer af COM viser, at den samme gennemsnitlige stimuleringsfrekvensen er på denne måde identificeret op til ± 0,1%. Efterfølgende timingen af ​​nominelt identiske hændelser identificeret frabout de GRF og accelerationer nær CoM hhv. Denne procedure er illustreret i figur 8, hvor GRF og ved acceleration af den fælles markedsordning er normaliseret til vægten af den person og alvor Jorden (g = 9,81 m / sec²), hhv. Analyse af de forskellige forsøg viser, at på denne måde, det tidsrum, hver cyklus, og dermed den tid-variant stimuleringsfrekvens af aktiviteten, kan identificeres fra accelerationer i personens com med et 95% konfidensinterval, der er lavere end 3% i forhold til den, som identificeres ud fra de registrerede GRF (se tabel 1) ^3. Regnskab derudover for starttidspunktet for den første læsning cyklus, gør det muligt at beregne starten af ​​alle lastning cyklusser.

Desuden er denne information anvendes til at simulere de GRF vha PediVib værktøjskasse ^8. Figur 9 visualiserer små kvantitative og kvalitative forskelle mellem den målte og simuleredelodrette enkelt skridt mund kræfter. Disse små forskelle er resultatet af anvendelsen af en generaliseret enkelt trin belastning model som defineret i litteraturen ⁹ og kan minimeres ved at anvende den midlede vertikale enkelt trin fod kraft den betragtede person for den tilsvarende ganghastighed. Men direkte kraftmålinger er generelt ikke tilgængelige for de involverede i eksperimenterne in situ personer. Endvidere i sammenligning med små variationer i stimuleringsfrekvensen, følsomheden af den inducerede strukturens reaktion på små variationer i kraftamplituden eller kontakttid kan betragtes neglegible ^3,11. Figur 9 viser også, at timingen af fodspor, og derfor , tid-variant pacing sats, er præcist identificeret fra den registrerede bevægelse af fodgængere. figur 10 viser amplituden spektrum af de simulerede og målte GRF. I modsætning til de perfekt periodiske kræfter, der udelukkende composed af harmoniske af trin frekvens, de små variationer i stimuleringsfrekvens resultere i en fordeling af kræfter omkring de dominerende harmoniske ^12,13. Ved at tage hensyn til den identificerede variable stimuleringsfrekvensen, disse snævre bånd kræfter er også til stede i de simulerede kræfter (figur 10). To skalære mængder efterfølgende bruges til at repræsentere ligheden mellem amplituden spektrum af den målte og de simulerede kræfter : (1) den lineære rang eller korrelation [-], Der varierer mellem 0 og 1, og for hvilke 1 afspejler en perfekt korrelation, og (2) den normaliserede 2-norm [%]:

Amplituden spektre sammenlignes i frequency rækkevidde relevant for lavfrekvente civile strukturer (0-10 Hz). Figur 10 viser, at en høj korrelationskoefficient på mere end 0,96 er fundet. Antages den walking adfærd at være helt periodisk, resulterer i en lineær korrelation på mindre end 0,5. Den normaliserede 2-normen er ca. 20%, hvor det resterende afvigelse er primært et resultat af at anvende en generaliseret enkelt trin load model. Til referenceformål bemærkes det, at når GRF simuleres med den identificerede gennemsnitlige enkelt trin walking belastning, korrelationen stiger op til 0,99 og den tilsvarende 2-norm med hensyn til de faktiske registrerede kræfter falder til mindre end 8 procent. På denne måde, analyse af de forskellige forsøg viser, at simuleringer baseret på generelle belastning modeller og den identificerede tid-variant stimuleringsfrekvens, give mulighed for en god tilnærmelse af de ufuldkomne virkelige GRF fremkaldt af den menneskelige bevægelse.

jegn tilføjelse til karakterisering af de enkelte inducerede belastninger, tid synkronisering af de trådløse motion trackers gør det muligt at analysere synkroniseringen blandt deltagerne. Synkroniseringen sats [-] Er defineret som:

hvor T _s [sek] er den periode af aktiviteten og AT _s [sek] er tidsforskydningen mellem de cykler af forskellige deltagere. Denne synkronisering sats er kun relevant, når sammenlignelige lastcykler er involveret. Tiden skifter AT _s er derfor kun i betragtning til de cykler, der forekommer inden for den relevante tidsramme [t - ½T _s <t <t + ½T _s]. Som følge heraf synkroniseringen sats kan variere mellem nul og enhed,hvorved denne afbilder perfekt synkronisering. Denne procedure er illustreret for de forsøg med seks fodgængere for hvilke den samme trin frekvensen pålagt under anvendelse af en metronom (se figur 5B). Figur 11A repræsenterer den identificerede indtræden af hver lastning cyklus af hver deltager med en enkelt lodret linje. Sammenfaldende linjer, som observeret under den første 40 sekunder, indikerer en høj synkronisering. Spredte linjer, som observeret mellem 50 og 60 sek af den betragtede forsøg, indikerer en lav eller tab af synkronisering blandt deltagerne. Lignende observationer kan foretages fra figur 11B præsentere den tilsvarende synkronisering sats og figur 11C og 11D, hvor den identificerede tid-variant pacing sats anvendes til at simulere de inducerede lodrette belastninger.

Endelig er protokollen anvendes til at udføre en detaljeret analyseaf vibrationerne induceret af menneskelige aktiviteter på Eeklo gangbro (se figur 5). Figur 12 viser de modale egenskaber ved de første seks former for strukturen. Forsøgene involverer folk gå ^3, hoppe og vugger med en stimuleringsfrekvensen pålagt af en metronom og rettet mod den grundlæggende eller anden naturlig frekvens. Svaret af strukturen er registreret under anvendelse af fem triaksiale sensorer (se figur 3 og 5B). Efterfølgende måles strukturelle respons sammenlignet med de numeriske simuleringer, der tegner sig for den kalibrerede numerisk model af strukturen, de eksperimentelt identificerede modal dæmpning nøgletal og kendetegnet ved marken fodgænger adfærd.

Først er resultaterne diskuteret i de forsøg med seks fodgængere hvis trin frekvens vælges til at matche den første (f _s = f ₁ (f _s = f _2/2 = 1,49 Hz) af strukturen. Fodgængerne er anbragt asymmetrisk (alle foret én efter én) eller symmetrisk (to og to) i forhold til den langsgående akse af strukturen for at maksimere excitation af den første og den anden tilstand, henholdsvis (se figur 12). For at illustrere effekten af ​​den faktiske ufuldkomne gå adfærd af deltagerne, er den strukturelle respons først forudsagt antager perfekt periodiske walking kræfter. For det andet, er inden for og mellem-personers variabilitet taget hensyn til ved at betragte den identificerede tid-variant pacing sats og dermed også den sande synkronisering blandt fodgængere.

Figur 13A viser den målte og simulerede lodrette acceleration ved midspan for de personer, walking to og to, med en stimuleringsfrekvens rettet mod f _2/2. ther figur illustrerer, at når walking adfærd antages at være perfekt periodisk, er den strukturelle respons overvurderet med mere end en faktor fire. Regnskab for den sande ufuldkomne walking adfærd forbedrer aftalen med det målte respons betydeligt selvom de forudsagte vibrationsniveauer er tre gange større.

Figur 13B viser den målte og simulerede acceleration ved midspan for de personer, gå på den ene side af broen, med en stimuleringsfrekvens rettet mod f _s = f _1. I dette tilfælde er det registrerede og simuleret lateral respons ved midspan præsenteret, dvs. den dominerende bestanddel i den første modus. Figur 13B viser, at når den bevægende kraft model anvendes og perfekt antages periodisk walking adfærd, spidsværdi af accelerationen respons er overvurderet med en faktor to. Et fald i meakost- acceleration iagttages efter ca. 40 sekunder på grund af en reduceret synkronisering af fodgængerne. En lignende tendens afspejles også i den simulerede respons, når der tegner sig for de identificerede tid-variant pacing satser. Sidstnævnte fører til en langt bedre kvalitativ aftale med den målte respons, der er dog stadig en smule overvurderet.

Figur 14 og 15 udgør en tilsvarende sammenligning af den målte og simulerede strukturelle respons involverer spring og vugger, hhv. Igen ses det, at strukturens reaktion er stærkt overvurderet når menneskeskabte belastninger antages at være helt periodisk. Regnskab for den identificerede tid-variant stimuleringsfrekvensen fører til en langt bedre kvalitativ aftale med det målte respons.

Den resterende afvigelse mellem målt og simuleret struktral reaktion kan skyldes fejl i modellen vedrørende (a) den strukturelle adfærd og (b) fodgænger-induceret belastning. Inddragelse af den strukturelle model, den største usikkerhed vedrører de modale dæmpning nøgletal. Imidlertid kovariansen af de modale parametre som opnået fra SSI-CoV ¹⁴ var lave og desuden fri henfald analyser viser, at den modale dæmpning forhold næppe afhænger af vibrationer amplituder ^3. Med hensyn til fodgænger excitation, den identificerede tid-variant pacing sats er en tilnærmelse til den virkelige ufuldkomne walking adfærd, hvorved der kan opstå små forskelle som følge af anvendelsen af ​​den generelle kraft model. Forskellen i amplitude mellem den forudsagte og den målte respons i figur 13-15 er slående, og kan ikke bare skyldes disse resterende usikkerhedsmomenter. Det kan imidlertid forklares ved en øget dæmpning, dvs. på grund af ændringerne i de dynamiske egenskaber af den koblede menneske-struktur systamceller i forhold til dem af den tomme struktur. Men der tegner sig for de involverede tid-variant pacing satser gør det muligt at kvantificere den resterende uoverensstemmelse, der er på grund af disse menneske-struktur interaktion (HSI) effekter ^10,15-17. På denne måde, den metode præsenteres her giver væsentlige input til verifikation af de menneskeskabte belastninger og kvantificering af HSI-effekter.

Figur 1. (A) Xsens - MTW Development Kit bestående af flere trådløse inerti enheder (MTW s) ^2, (B) platform designet til at definere orientering referenceramme, og (C) den specialdesignede klik i hele kroppen stropper ^2. klik her for at se en større version af dette tal.

Figur 2. kraft plade ⁴ påføres registrere GRF under hoppe / vugger. Klik her for at se en større version af dette tal.

Figur 3. Wireless triaksiale Geosig sensorer ⁵ anvendes til at registrere de strukturelle accelerationer. Klik her for at se en større version af dette tal.

Figur 4. < strong> Konfiguration setup for de laboratorieforsøg, der involverer menneskelige rytmiske eksperimenter. Klik her for at se en større version af dette tal.

Figur 5. (A) Eeklo gangbro og (B) synkroniseret gå seks deltagere (dette tal er blevet ændret fra ^[3]). Klik her for at se en større version af dette tal.

Figur 6. PediVib Toolbox ⁸ anvendes til at simulere de menneskeskabte vibrationer.= "Https://www.jove.com/files/ftp_upload/53668/53668fig6large.jpg" target = "_ blank"> Klik her for at se en større version af dette tal.

Figur 7. Den lineære spektrum af (A) de lodrette GRF (summen af venstre og højre fod) og (B) de tilsvarende accelerationsniveauer nær KOM (dette tal er blevet ændret fra ^[3]). Klik her for et større version af denne figur.

Figur 8. den normaliserede (AC) lodret enkelt trin (stiplet) og kontinuerlige (faste) GRF (BD) de normaliserede accelerationer nær CoMog (AB) den identificerede timingen af nominelt identiske hændelser (lodret linje) fra GRF (fast) og ved acceleration nær KoM (stiplet) (dette tal er blevet ændret fra ^[3]). Klik her for at se en større version af dette tal.

Figur 9. normaliseret målt (fast) og tilsvarende simuleret (stiplede) lodrette GRF under gang (dette tal er blevet ændret fra ^[3]). Klik her for at se en større version af dette tal.

Figur 10. [3]). Klik her for at se en større version af dette tal.

Figur 11. Den identificerede walking opførsel af seks fodgængere: (A) hvert trin af hver person vist ved et enkelt lodret linie (B) synkroniseringen sats, og (CD) tilsvarende simulerede lodrette kræfter induceret af venstre (grå) og højre (sort ) fod (dette tal er blevet ændret fra ^[3]). klik her for at se en større version af dette tal.

together.within-side = "1">
Figur 12. Den eksperimentelt identificeret modale parametre for de første seks tilstande i Eeklo gangbroen: naturlig frekvens (f _j), modal dæmpningsforhold (ξ _j) og tilstand form: (A) mode 1 (f ₁ = 1,71 Hz, ξ ₁ = 2,3%); (B) mode 2 (f ₂ = 2,99 Hz, ξ ₂ = 0,2%); (C) mode 3 (f ₃ = 3,25 Hz, ξ ₃ = 1,5%); (D) mode 4 (f ₄ = 3,46 Hz, ξ ₄ = 3,0%); (E) tilstand 5 (f ₅ = 5,77 Hz, ξ ₅ = 0,2%); og (F) tilstand 6 (f ₆ = 5,82 Hz, ξ ₆ = 0,2%). Klik her for at se en større version af dette tal.

indhold "fo: holde-together.within-side =" 1 ">
Figur 13. De accelerationer på midspan for personer walking (A) to og to med en stimuleringsfrekvens rettet mod f _s = f _2/2 og (B) i enkelt fil ad stimuleringsfrekvens f _s = f _1: målt (sort) og forventede respons uden (grå) og med (blå) in situ identificeret pacing sats (dette tal er blevet ændret fra ^[3]). klik her for at se en større version af dette tal.

Figur 14. De accelerationer på midspan for personer, hoppe på en stimuleringsfrekvens rettet mod (A) f _s = f _2/2 og ( s = f _1:. målt (sort) og forventede respons uden (grå) og med (blå) in situ identificeret pacinghastighed Klik her for at se en større version af dette tal.

Figur 15. De accelerationer på midspan for personer, vugger ved en stimuleringsfrekvens rettet mod (A) f _s = f _2/2 og (B) f _s = f _1: målt (sort) og forventede respons uden (grå) og med ( blå) in situ identificeret pacing sats. klik her for at se en større version af dette tal.

ganghastighed	trin frekvens	# trin	KoM
[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

Tabel 1. For hvert forsøg: de diffeleje walking hastigheder, den gennemsnitlige skridt frekvens, antallet af registrerede trin og 95% konfidensinterval for den identificerede starten af hvert trin er baseret på bevægelse registreret nær KOM (denne tabel er blevet ændret fra ^[3]).

Discussion

Den menneskelige bevægelse og deraf GRF identificeres sædvanligvis ved anvendelse af kraft plader, instrumenteret løbebånd samt optisk motion capture teknologi såsom Vicon ¹⁸ og CODA ^19. Anvendelsen af ​​disse teknikker er dog begrænset til laboratoriemiljø. Som svar på denne ulempe, er potentialet i innovative teknikker, der tillader måling af "naturlige" person, opførsel over mange gentagne og uafbrudt cyklusser i øjeblikket undersøgt ^20. Alternative teknikker omfatter anvendelse af tryk- følsom indersål systemer ²¹ eller instrumenterede sko ^22. Disse systemer giver mulighed for direkte måling af kontaktpunkter styrker på strukturer, men generelt kun give den lodrette komponent og ikke fange den globale krop adfærd, f.eks stammen bevægelse ^20. En anden ambulant teknik anvender kombinerede magnetisk-inerti sensorer, dvs. accelerometry ^20,23 (f.eks bløddele artefakter ^24, tilslutningsmuligheder, etc.), det giver et stort potentiale for den indirekte karakterisering af menneskeskabte belastning samt til analyse af enkeltpersoner, grupper og crowd adfærd ^23,24. I nærværende undersøgelse, er en 3D inerti bevægelsessporing teknik udviklet til bevægelsen videnskab og underholdningsindustrien undersøgt og en metode er udviklet til den i marken karakterisering af menneskelig bevægelse og de deraf GRF.

Et første afgørende skridt i metoden præsenteres her består af en omfattende eksperimentel undersøgelse i laboratorieforhold, hvor menneskelig bevægelse og GRF registreres samtidigt. Dette datasæt bør omfatte et relevant sæt af pacing satser og enkeltpersoner for hver af de menneskelige aktiviteter i fokus. Efterfølgende kan dette datasæt anvendes til at identificere relationen mellem registerød bevægelse af deltagerne og de deraf GRF. Dernæst kan en procedure udvikles til identifikation af timingen af ​​nominelt identiske hændelser i hver lastning cyklus fra både den registrerede bevægelse og de tilsvarende GRF. På denne måde disse datasæt ikke blot tjene som validering under proceduren til formål at karakterisere de menneskeskabte belastninger, men også gør det muligt at kvantificere den tilsvarende nøjagtighed.

For det andet synkroniseringen mellem de involverede målesystemer er af stor betydning. Sidstnævnte opnås fortrinsvis ved anvendelse af en enkelt datafangstsystem eller en delt trigger kanal ^2. Et godt designet og konsekvent udført protokol (som tidligere beskrevet) kan tjene som et nyttigt alternativ, især til anvendelse in situ.

Fremgangsmåden som diskuteret i det foreliggende arbejde fungerer perfekt op til 10 eller 12 deltagere. Men da antallet af deltagere yderligere increases og dermed som antallet af trådløse motion tracking enheder stiger, det tilsvarende datafangst system kræver samplingfrekvens at fjerne væsentlige. Selvom besværlig, kan målesystemet forlænges med flere Xsens datafangst stationer for som igen er data synkroniseres ved anvendelse af en fælles trigger kanal. Når målet er at overvåge adfærd større grupper og skarer, kunne anvendelsen af ​​alternative teknikker såsom video / billedbehandling blive udforsket.

In situ observationer er den eneste kilde til information for at opnå detaljerede og nøjagtige oplysninger om repræsentative operationelle indlæsning af data. Yderligere forskning vil derfor omfatte fuld-skala målinger på reelle gangbroer, der involverer store grupper og skarer. Den nuværende teknik kan anvendes til at identificere den naturlige walking adfærd af deltagerne og dermed give væsentlige input til udviklingen af ​​passende models for korrelationen mellem fodgængere i reelle trafikforhold. Derudover identificeres walking adfærd, i kombination med for tiden tilgængelige belastningsmodeller, kan anvendes til at simulere den inducerede strukturelle svar. Sammenligning med de tilsvarende målte strukturelle vibrationer gør det muligt at verificere og kalibrere de anvendte belastningsmodeller, fx ved at estimere de relevante menneske-struktur interaktion fænomener som tilføjet dæmpning.

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).