海上風機支撐結構狀態(tài)監(jiān)測研究進展＊

張學森,吳香國,李偉濤,蘇家戰(zhàn),胡曉江

（1.中國廣核新能源控股有限公司，北京 100070；2.福州大學土木工程學院，福建 福州 350108；3.哈爾濱工業(yè)大學結構工程災變與控制教育部重點實驗室，黑龍江 哈爾濱 150090；4.黑龍江大數(shù)據(jù)產業(yè)發(fā)展有限公司，黑龍江 哈爾濱 150001)

1 引言

在公共投資[1]和全球氣候變化的推動下，世界范圍內對可再生能源的開發(fā)量逐年增加。2017年全球市場風電裝機容量為52492MW，約占全球總容量的10%[2]。由于海上風機具有風力更強、更穩(wěn)定，大型機組更容易運輸和部署，視覺干擾更小等優(yōu)點，風電場越來越多地建在海上[3]。然而，為確保風電機組在其使用期內(通常為20-25年)保持最佳性能，海上風電機組的維護成本較高，約為海上安裝成本的25%[4]。

風電系統(tǒng)的維護可以是被動性、預防性或預測性的[5-6]。預測性維護策略可以對故障進行預警，往往成本更低[7]。狀態(tài)監(jiān)測可為海上風力發(fā)電機組運行和維護提供重要依據(jù)，用于預測性維護策略。由于海上風機的運行環(huán)境惡劣，長期暴露在含鹽的海洋環(huán)境中，使得海上風電支撐結構更容易受到腐蝕[8]。此外，結構要承受長期的動力荷載作用，例如風荷載、海浪和冰荷載，疲勞問題尤其突出，因此需要準確預測結構遭受的實際疲勞損傷。綜上，要求風機支撐結構具有較高的耐腐蝕性，以及較高的強度和疲勞強度。同時，為了提高風電場的經濟效益和競爭力，也需要不斷加強運行維護。目前，針對風機支撐結構狀態(tài)監(jiān)測的研究還很少，而且大多沿用傳統(tǒng)的結構健康監(jiān)測策略。

本文在Web of Science 和中國知網(wǎng)上根據(jù)“海上風機”、“風機支撐結構”、“運維”、“智能運維”、“狀態(tài)監(jiān)測”、“智能結構健康監(jiān)測”等關鍵詞及其組合篩選了50余篇相關領域的文獻進行研究綜述，介紹目前風機支撐結構狀態(tài)監(jiān)測領域的研究現(xiàn)狀，總結現(xiàn)有研究的成果和特點。同時，本文還結合智能健康監(jiān)測技術在土木工程相關領域[9]的成功應用，展望風機支撐結構等基礎設施狀態(tài)監(jiān)測的未來發(fā)展和研究方向，期望給相關領域的科研工作者提供借鑒和參考。

2 風機支撐結構的狀態(tài)監(jiān)測

風機支撐結構狀態(tài)監(jiān)測的研究現(xiàn)狀，主要集中于風機塔架和基礎兩部分。目前的風機塔架應用較廣泛的結構形式包括鋼結構、混凝土結構、以及鋼-混凝土組合結構等，而基礎主要是鋼筋混凝土結構。當面臨復雜的海洋風、浪、流、環(huán)境作用，以及處于動力加載情況時，很難確定真實結構的破壞(如疲勞損傷)程度，而對結構進行服役期的狀態(tài)監(jiān)測可以不斷地評估結構損壞程度[10]。本節(jié)從數(shù)據(jù)來源的角度對風機支撐結構的狀態(tài)監(jiān)測研究成果進行分類，綜述近年來相關領域的主要關注點。

2.1 基于聲學的結構監(jiān)測

聲波的衰減、反射或飛行時間的變化，通常可用于檢測和定位損傷[11]。從結構聲發(fā)射監(jiān)測技術的發(fā)展脈絡來看，早在2011年，Mudge PJ 等[12]就介紹了使用低頻超聲導波來提供遠程監(jiān)測整個塔架結構的方法，其中包括了對覆蓋范圍、靈敏度和現(xiàn)場經驗的考慮。2012年，Godinez-Azcuaga VF 等[13]討論了一種原本用于鋼筋混凝土橋梁監(jiān)測和預判的自供電無線傳感器節(jié)點的發(fā)展狀況。但這一發(fā)展的影響超越了橋梁健康監(jiān)測領域，延伸到多個領域，比如風機葉片等。2014年，Urban S等[10]展示了海上風機基礎隨時間變化的疲勞過程的有限元模擬，并提出了包括實驗室測試在內的疲勞監(jiān)測概念，從而能夠檢測混凝土結構的真實退化程度。在測試過程中，該研究認為超聲波為最合適的方法。2017年，Poozesh P等[14]提出了一種基于聲學監(jiān)測的非接觸測量技術，通過使用單個麥克風或波束成形陣列觀察聲輻射來檢測結構內部的裂縫或損傷。試驗表明，聲學波束成形和基于CLEAN的點傳播函數(shù)減法(CLEAN-based subtraction of point spread function)都能以足夠高的保真度識別測試結構的損傷。2020年，Beale C等[15]根據(jù)結構空腔邊界的聲學可透射性變化的可檢測性，研究了一種主動聲發(fā)射結構損傷檢測方法。

特別地，對海上風機裝配式平臺來說，混凝土灌漿連接的性能對結構安全至關重要，在這一領域應用聲發(fā)射技術進行結構監(jiān)測也得到了重視。比如，針對灌漿料在使用過程中可能發(fā)生退化的問題，2018年，Brett CR等[16]提出使用低于100kHz 的掃頻超聲波技術給出海上風機基礎結構的共振特征及監(jiān)測各種故障狀態(tài)，制定了將傳感器送至基礎中相關區(qū)域的方法，在一個運行中的風力發(fā)電場進行了海上試驗，效果良好。2019年，Gunn DA等[17]采用低頻超聲波背散射法對兩塊鋼板之間灌漿料的完整性進行了試驗測試，通過比較試驗與建模的結果對灌漿狀態(tài)進行分類，包括狀態(tài)良好、灌漿料與任一鋼面板之間有縫隙和完全沒有灌漿料，使用Pearson相關系數(shù)和Kolmogorov-Smirnov(K-S)相似性檢驗，從后者獲得顯著性水平，支持背散射低頻超聲波在灌漿料狀態(tài)檢測中的潛在應用。2020年，Tziavos NI 等[18]在彎曲試驗中使用了聲發(fā)射檢測技術，研究灌漿連接內部的損傷演化和失效機理。聲發(fā)射活動與荷載-位移測量結果和觀察到的試樣失效模式相關聯(lián)，聲發(fā)射信號的數(shù)量和信號持續(xù)時間被用來識別加載過程中的損傷演變，均方根和上升時間與振幅的比值作為關鍵性能指標，用于損傷預判。

2.2 基于振動(加速度)數(shù)據(jù)的監(jiān)測

基于振動的損傷識別的基本思想是，物理特性(質量、阻尼和剛度)的變化將導致結構的模態(tài)參數(shù)(自然頻率、模態(tài)阻尼和模態(tài)形狀)和描述結構動力響應的其他損傷敏感特征的可檢測變化[11]。在文獻中，可以找到一些從各種模型中提取損傷敏感特征的研究[11]，基于振動的方法無法檢測非常小的損傷或定位損傷，然而，他們提供了整體結構狀態(tài)的信息，并且需要較少的傳感器數(shù)量，使他們成為結構全局狀態(tài)監(jiān)測的最常用方法之一。

為了解決風機支撐結構在復雜多變的工作環(huán)境下的結構健康監(jiān)測問題，很多學者基于振動加速度數(shù)據(jù)進行了這方面的研究。比如，2016年，Weijtjens W 等[19]提出基于共振頻率的海上風機基礎結構的健康監(jiān)測方法，考慮到具有風機自振頻率的運行和環(huán)境變化可能掩蓋結構變化，采用(非)線性回歸模型來補償環(huán)境變化，并提出逐個監(jiān)測策略來解決運行情況變化問題。2018年，Oliveira G等[20]介紹了基于最重要振動模態(tài)的模態(tài)特性來對陸上2.0-MW 風力發(fā)電機組進行振動監(jiān)測的方法，提出基于回歸模型的統(tǒng)計程序，用于最小化運行和環(huán)境效應對用于檢測風機結構變化的特征的影響，分析了三種常見的損傷情況：陸上基礎損傷、海上基礎沖刷損傷和葉片損傷，評估系統(tǒng)檢測損傷的適用性。最近，Jiang YF等[21]從監(jiān)測算法本身出發(fā)，提出了一種高效的元啟發(fā)式算法，命名為天牛群優(yōu)化(BSO)，利用有限的海上風機結構振動(數(shù)值和試驗)測量數(shù)據(jù)對結構損傷進行定位和量化，克服了天牛須搜索算法(BAS)收斂比例顯著依賴于高維問題的隨機方向和差值(須的長度)的缺點，數(shù)值結果表明，即使在噪聲和溫度變化的數(shù)據(jù)污染環(huán)境中，BSO 也能準確定位和量化各種類型的損傷，同時獲得了比BAS 和粒子群優(yōu)化(PSO)算法更高的精度和更快的收斂速度。

疲勞損傷問題和多荷載激勵問題也是近期研究的主要關注點。2018年，Cianetti F等[22]提出一種通過簡單的時間處理參考信號，如塔頂加速度(典型的實驗采集)或塔基彎矩(典型的數(shù)值測量)來在線評估和預測潛在疲勞損傷的工具，并將其轉換為Simulink代碼，通過協(xié)同仿真方法用于多體仿真。2019年，Luczak MM等[23]比較了兩種基于振動的實驗室尺度模型進行損傷檢測的方法，一種方法是在模態(tài)分析中使用加速度信號(輸入-輸出模態(tài)分析)，另一種基于運行模態(tài)分析(僅輸出模態(tài)分析)，通過計算模態(tài)參數(shù)并跟蹤它們的偏差來監(jiān)測連續(xù)損傷。兩種方法應用在不同支撐條件和激勵(振動臺、擺錘、水盆中的波浪激勵)下的損壞和未損壞的結構，指出對于檢測和評估結構開裂是有效的。

2.3 基于應變傳感器的監(jiān)測

為了適應應變測量的需求，應變傳感技術本身的發(fā)展是早期研究的側重點。比如，2011年，Bang HJ等[24]開發(fā)了一種用于高速應變傳感的波分復用(WDM)布拉格光柵傳感系統(tǒng)，適用于高速以及低速動態(tài)應變的傳感，介紹了對陸上風機塔架結構動態(tài)應變監(jiān)測的現(xiàn)場測試結果。2016年，Saafi M等[25]首次展示了一種用于結構健康監(jiān)測的新型混合超離子長規(guī)格傳感器，成功實現(xiàn)了結構中高精度的溫度和拉伸應變傳感。

應變傳感器廣泛應用于對鋼筋混凝土基礎進行狀態(tài)監(jiān)測，本文總結為三個主要方面：

(1) 裂縫檢測方面。由于使用不合格的混凝土摻合料、基礎設計錯誤或在惡劣天氣條件下進行多階段混凝土澆筑等因素，風力發(fā)電機組的鋼筋混凝土基礎可能出現(xiàn)裂縫[26]。考慮到基礎裂縫通常發(fā)生在地面以下，對基礎開裂行為的持續(xù)測量可以量化基礎進水和鋼筋腐蝕的風險，2017年，Perry M 等[27]概述了地下光纖傳感器的設計、制造和現(xiàn)場安裝，用于監(jiān)測風機運行期間基礎裂縫的開口和側向位移，指出測量的基礎裂縫開口位移隨著塔架應變線性變化。2018年，McAlorum J等[26]在陸上風機基礎中安裝光纖應變傳感器來檢測表面下裂縫，分析隨著時間的推移結構退化的嚴重程度和規(guī)模，提出將裂縫退化類型劃分為“反應性(reactive)”、“永久性(permanent)”和“行為性(behavioural)”。

(2) 基礎設計優(yōu)化方面。2018年，Rubert T 等[28]介紹了對運行中的風機基礎進行實時應變監(jiān)測的初步結果，在混凝土澆筑之前，對選定的鋼筋裝上了金屬封裝的光纖應變傳感器，實測應變數(shù)據(jù)與測得的塔架位移和基礎有限元模型的結果都表現(xiàn)出很強的相關性，該研究的一個特色是嘗試幫助運營商和政策制定者量化現(xiàn)有設計規(guī)范的保守性。

(3) 基礎環(huán)損傷檢測方面。由于在大量的現(xiàn)有基礎中觀察到基礎環(huán)的底部法蘭板周圍有局部損傷，而風機基礎缺乏結構冗余度，塔架-基礎界面是薄弱點，界面的惡化將降低基礎的有效性[29]。2019年，He MJ 等[29]在連續(xù)采集風機基礎應變信號的基礎上，對1.5-MW 陸上風機帶有基礎環(huán)的基礎結構進行異常狀態(tài)預警，建立局部混凝土變形行為與施加在基礎上的特征荷載之間的關系，指出風速和風向對施加在基礎上的荷載和基礎內部的局部混凝土變形起主導作用。

綜上所述，總之，目前的風機支撐結構的狀態(tài)監(jiān)測具有如下特點：

(1) 結構隱蔽性

首先，風機基礎結構一般埋置在地面或者海面以下，很難通過外部觀察了解其表觀裂縫和疲勞損傷。此外，由于基礎結構具有一定的體量，即使采用挖掘檢查的方式也很難發(fā)現(xiàn)結構內部的損傷。對于風機塔架結構，針對一些干連接預應力混凝土塔架，考慮到海上惡劣的風、浪、腐蝕運行環(huán)境，往往對螺栓連接等部位做灌漿保護，塔架與基礎的連接處也常常做灌漿連接處理。這些因素導致了風電支撐結構的隱蔽性，為表觀狀態(tài)監(jiān)測方法帶來一定的挑戰(zhàn)。

(2) 數(shù)據(jù)異構性

監(jiān)測數(shù)據(jù)主要涉及聲學、振動加速度、應變以及位移[30]等，數(shù)據(jù)選擇的重要考量是基于力學概念的可解釋性和不受視覺遮擋的限制。目前，監(jiān)督控制與數(shù)據(jù)獲取(SCADA)系統(tǒng)在風電機組中廣泛應用[31-35]，蘊含大量關于風場和風機運行狀態(tài)的信息，將現(xiàn)有傳感數(shù)據(jù)與SCADA數(shù)據(jù)聯(lián)合，以便開發(fā)更有效的風電支撐結構狀態(tài)監(jiān)測系統(tǒng)具有一定的前景。但多樣化的數(shù)據(jù)也將導致數(shù)據(jù)的高度異構化[4]，給數(shù)據(jù)融合帶來一定的挑戰(zhàn)。

(3) 技術傳統(tǒng)性

目前，風機支撐結構狀態(tài)監(jiān)測領域智能化程度相對較低，對前沿的智能技術應用較少，主流的研究思路集中在傳統(tǒng)的基于振動的模態(tài)分析和基于監(jiān)測數(shù)據(jù)的異常值的經驗判斷上。比如用某些測點的應變大幅增加來表征混凝土基礎出現(xiàn)了裂縫，根據(jù)混凝土壓應變值確定報警的閾值[29]，以及利用模態(tài)參數(shù)檢測損傷[23]等等。

3 分析及展望

從上述分析可以看出，對風機支撐結構的狀態(tài)監(jiān)測研究有以下特點：(1)著眼于結構的損傷檢測和分類；(2)嘗試應用多種不同類型的數(shù)據(jù)實現(xiàn)最好的狀態(tài)監(jiān)測效果；(3)著力完善相關的檢測模型和算法，體現(xiàn)出顯著的交叉學科特點；此外，(4)對風機支撐結構的狀態(tài)監(jiān)測面臨著數(shù)據(jù)獲取不充分以及處理手段相對傳統(tǒng)和單一的現(xiàn)狀?？傮w來說，目前關于風電支撐結構狀態(tài)監(jiān)測的研究過于依賴傳統(tǒng)的分析思路，比如模態(tài)分析手段以及直接針對獲取的數(shù)據(jù)時程曲線給定一個閾值等，有時不能滿足結構運維提出的高效、準確地實時診斷甚至預測未來故障的要求。

自從2006年以來，深度學習成為了一個快速發(fā)展的研究方向，重新定義了很多領域的最高性能標準[36]，特別是在結構健康監(jiān)測領域，深度學習等機器學習技術的應用成為近年來的研究熱點。為此，本文總結了應用機器學習的結構智能狀態(tài)監(jiān)測技術在除風機以外的其他土木工程領域的幾個主要應用場景，為闡述風機支撐結構應用相關技術進行狀態(tài)監(jiān)測的前景提供研究背景。

通過CiteSpace軟件進行文獻共被引分析，得到聚類分析結果，如圖1所示。圖1中節(jié)點(深色小圓點)表示所分析的各篇文獻，小圓點越大表明其被引頻次越多，可視為越關鍵的文獻。圖中將相關文獻分為17 個主題類別(以#加數(shù)字標記)，各類別主題詞的選擇采用CiteSpace軟件對數(shù)似然分析得到[52-53]，并分別用不同顏色的背景輪廓表明所囊括的文獻范圍。結合進一步的手動篩選，本文總結出與風機狀態(tài)監(jiān)測相關的土木其他領域的智能健康監(jiān)測主要集中于以下幾個方面：

圖1 CiteSpace[52-53]文獻共被引及聚類分析得出的主要研究主題

(1) 混凝土結構和鋼結構的表面裂縫檢測問題[37-45]。比如2018年，Modarres C等[37]用卷積神經網(wǎng)絡處理圖像，識別組合板的剝離和混凝土橋的裂縫。2018年，Dorafshan S等[41]在同一個混凝土高清圖像數(shù)據(jù)集上比較了普通邊緣檢測器和深度卷積神經網(wǎng)絡(DCNN)在基于圖像的混凝土結構裂縫檢測中的性能，分析了6種常見的邊緣檢測方案以及三種不同模式下的AlexNet DCNN架構，指出在不考慮訓練過程的情況下，DCNN計算時間短、能分辨更精細的裂縫、精度高。Yang X[42]使用全卷積神經網(wǎng)絡對不同尺度的像素級裂紋進行語義識別和分割，把預測精度提高到了像素級。之后，像素級分割得到迅速發(fā)展。

(2) 螺栓松動檢測問題[46-47]。比如2019年Zhao XF等[46]提出將深度學習與機器視覺相結合的螺栓松動角度檢測技術，并在不同拍攝角度和不同光照條件下獲取的圖像集上驗證了模型的有效性。2020年，Zhang Y 等[47]用更快速的基于區(qū)域的神經網(wǎng)絡模型檢測螺栓松動情況，采用不同螺紋高度，并分別對應不同拍攝角度、光照條件和振動條件獲得圖像進行檢測，效果良好。

(3) 結構動力響應特征提取與損傷分類問題[48-51]。比如2019年，Kim H 等[48]提出了一種自動峰拾取方法，利用基于區(qū)域的卷積神經網(wǎng)絡和可能的目標位置來準確識別物理量圖像的波峰，并從梁、桁架和斜拉索的三種測試結構獲得的加速度響應進行實驗室和現(xiàn)場測試。2020年，Zhang B 等[49]提出了一種基于深度遷移學習的多任務集成監(jiān)測方法，采用導波卷積神經網(wǎng)絡作為一般特征提取模型，并訓練淺層回歸網(wǎng)絡評估損傷程度，該方法有效地將損傷程度監(jiān)測模型遷移到損傷位置監(jiān)測模型中。Zhang Z 等[50]設計了17 種不同類型、大小和方向的損傷狀態(tài)，用于訓練集的特征提取和損傷敏感特征的選擇，指出基于支持向量機(SVM)的Lamb 波損傷檢測方法可以高效、準確地識別損傷程度和方向。該研究考慮了結構不確定性，比如噪聲的干擾；并注重提取基于物理意義的特征，模型可解釋性強。Sajedi SO 等[51]開發(fā)了一個全卷積編-解碼器神經網(wǎng)絡，通過網(wǎng)格環(huán)境在自動特征提取過程中考慮傳感器的空間相關性，在10層10跨鋼筋混凝土受彎框架模型中得到良好的損傷定位全局測試準確率和對16種損傷機制的分類準確率。

風機支撐結構同樣面臨著結構表面裂縫檢測、連接螺栓松動檢測、結構動力響應特征提取與損傷分類等問題，但相關的智能分析手段，比如通過深度學習模型處理結構的高清圖像等，并沒有在風機支撐結構上廣泛應用。而相關的技術在土木其他領域的成功應用為風機支撐結構的智能監(jiān)測提供了很好的研究范例，所以提升風機支撐結構狀態(tài)監(jiān)測的智能化水平具有很好的研究基礎和前景。

4 結束語

本文從數(shù)據(jù)來源的角度對風機支撐結構狀態(tài)監(jiān)測領域的研究現(xiàn)狀進行分類綜述，指出目前相關領域的研究具有三個鮮明特點，即(1)監(jiān)測對象的結構隱蔽性，(2)監(jiān)測條件的數(shù)據(jù)多樣性，和(3)監(jiān)測手段的技術傳統(tǒng)性。

針對第(3)個特點，本文通過簡要概括智能監(jiān)測技術在土木工程其他相關領域中的廣泛應用，比如混凝土結構和鋼結構表面裂縫以及螺栓松動的檢測問題，以及結構動力響應特征提取問題等，指出提高風機支撐結構狀態(tài)監(jiān)測智能化水平的必要性和發(fā)展前景，為相關從業(yè)人員和研究者提供參考。