全功能无线同步桥梁结构监测系统的研究及应用*

刘志强,李 娜,喻 言,毛幸全,杨志涛,牛立群

(1.中交公路规划设计院有限公司,北京 100088;2.大连理工大学电子科学与技术学院,辽宁 大连 116024)



全功能无线同步桥梁结构监测系统的研究及应用*

刘志强1,李 娜1,喻 言2*,毛幸全1,杨志涛2,牛立群2

(1.中交公路规划设计院有限公司,北京 100088;2.大连理工大学电子科学与技术学院,辽宁 大连 116024)

大型桥梁在改善城市交通状况及促进社会经济发展等方面起着重要作用。长期监测运营中的桥梁,并及时评估其安全状况对保障人们生命财产安全方面具有重要意义。开发了可以综合监测桥梁结构的全功能无线传感系统,提出了精度满足系统要求、能量开销更低的时间同步算法LP-TPSN。并对厦门某悬索桥进行了桥面振动测试。结果表明,该无线监测系统测试桥面振动准确度高,同时具有操作方便、实时性好、同步开销低等特点,在桥梁结构监测及状态评估领域中有良好的应用前景。

大型桥梁;全功能;无线传感系统;时间同步

大型桥梁通常由桥面、桥墩、斜拉索或悬索组成,桥梁的每个部位在桥梁结构中起着至关重要的作用。在长期承受荷载的作用及遭受自然环境的侵蚀下,桥梁结构将会受到损伤[1-3]。全面地监测桥梁各个部位才能综合地评估整个桥梁的安全状态。本文开发了可以同时监测桥梁整体信息、局部信息及环境信息的全功能无线传感系统。

在桥梁监测中,很多传感器节点协同工作,共同完成数据的采集,而这些节点只有同步采集才能保证数据分析的结果是有效的。由于节点本身的差异及环境因素的影响[4-5],各个节点的时钟是不同步的。为了使节点时钟保持同步,研究了经典时间同步算法TPSN,并提出了一种改进型时间同步算法LP-TPSN。

1 全功能无线桥梁监测系统

1.1 系统整体架构

根据桥梁结构监测系统的原理,所开发的系统包括全功能无线传感器系统和监测中心。可以对桥梁进行实时监测,系统的整体架构如图1所示。

图1 系统架构

首先,由构成树状网络拓扑结构的全功能无线传感系统,对结构信息数据进行采集并完成无线传输。所有节点间以ZIGBEE协议进行相互通信。监测中心通过数据线发送控制命令给根节点,并且根节点作为整个网络的控制中心。根节点收到来自监测中心的控制命令后,再发送相应的操作命令给自己的子节点,子节点再重复这个过程,直到网络内所有的节点都收到操作命令。收到操作命令的节点通过外接传感器或内置集成传感器对结构的相关信息数据进行记录采集,并将数据以无线的方式发送到父节点,最终全部发送到根节点。根节点再将获得的数据发送到监测中心。

其次,监测中心由PC机和数据采集管理系统软件组成,其中采集管理软件连接着数据库,通过软件界面可以对数据库进行操作。数据采集管理系统可以发送控制命令,全功能无线传感系统收到控制命令后,对桥梁结构的关键信息进行采集,并返回这些数据信息。采集系统监听PC机串口获取数据,实时显示数据波形。同时数据被实时插入数据库中,并且采集系统可以对数据库进行操作及简单的数据分析。

1.2 全功能无线传感器节点

在监测系统中,传感器节点的功能是对桥梁多种信息进行采集、打包处理及无线发送。本课题采用了嵌入式技术和MEMS(微机电)技术[6-8]开发了全功能无线传感器节点,节点的硬件部分主要包括传感器单元及接口电路、微处理单元及存储单元、无线通信单元及电源管理单元。其中传感器包括力平衡式加速度传感器、MEMS加速度传感器、应变计、倾角传感器、温湿度传感器等,实现对桥梁各个部位的关键信息的监测。传感器节点的封装图如图2所示。

图2 节点封装

2 时间同步算法

时间同步对于保证传感器网络有效工作有着至关重要的作用。当无线传感器节点被布设到环境中,所有的无线节点组成一个无线网络,然后以协同的方式共同完成被测目标的多点数据采集和传输。时间记录着事情发生的时刻,是确保采集的数据具有意义的关键。通常情况下,被测物体需要多个传感器节点在相同时刻开始采集数据,才能实现传感器网络的定位、数据融合、协同睡眠、TDMA调度等[9-12]。

2.1 TPSN算法

2.1.1 TPSN算法的原理

TPSN由SaurabhGaneriwal等在2003年提出的一种基于网络分层的时间同步算法。该算法采用双向交换消息的方式进行同步,其过程由层次发现和时间同步两阶段组成。

①层次发现阶段

在层次发现阶段,每个节点都默认设置一个节点号(ID)和层次号(Level Number)(默认为0),并按等级进行分层,等级相同的节点同属于一个层次,最终形成一个树状网络。首先设置根节点的层次号为0,由根节点发起分层,其广播一个分层信息包,该信息包包括自身的节点号及层次号。收到信息的节点将层次号加1,作为自己新的层次号,接着该节点再广播一个新的分组信息包。其包括自身的节点号和新的层次号,这样依次进行下去,直到所有的节点被分配一个新的层次号,已经收到信息包的节点不再接收其他节点发送的信息包。节点分层后的网络结构如图3所示。

图3 TPSN算法层次发现阶段

②时间同步阶段

TPSN算法采用了双向同步机制,节点间通过交换时间信息来计算时间偏差和传播延迟,对时间偏差进行补偿,从而实现节点间的时间同步。首先,根节点广播一个时间消息包,层次号为1的节点收到信息包后与根节点双向交换消息进行时间同步,完成同步后,下一层的节点再与上层的节点以同样方式完成同步,最终完成全网的同步。

节点间的双向时间同步过程如下:首先,父节点广播一个消息包,发起同步信号,子节点接收到后立即返回一个时间信息包,该时间信息包包括发送时的时间戳T1,并且是在MAC层记录。父节点接收到时间信息包后,记录下时间戳T2,也包括T1。接着父节点再向子节点发送一个时间信息包,该信息包包括时间戳T1、T2及发送该时间包时记录下的时间戳。最后子节点接收到后,立即记下接收时刻的时间戳T4。假设两节点之间的信息传播时间是td,时间偏差是γ,则T1+γ+td=T2,T3-γ+td=T4,则可以得到时间偏差为γ=[(T2-T1)-(T4-T3)]/2,传播时间为td=[(T4+T2)-(T3+T1)]/2,因此子节点调整自己的时间为t-γ,从而将自己同步到父节点。这个过程中两个节点之间信息交换以及时间戳标记示意图如图4所示。

图4 TPSN算法同步阶段

TPSN算法采用双向信息交换机制,并且交换信息时是在MAC层上记下时间戳,因此其具有很高的同步精度。但是所有节点与上层节点的同步都要双向交换信息,所以同步过程中能量开销也非常大。

2.1.2 TPSN算法的改进及研究现状

由于TPSN算法的具有较高的同步精度,且可以实现全网的同步,因此该算法比较适合传感器节点较多且对同步精度要求较高的网络中。但是该算法同步过程中的能量开销太大,而且每过一段时间就需要同步一次。而传感器网络由于其自身小型化的特点以及工作环境的限制,无法携带大量能源,减少能量开销非常重要。所以,TPSN算法如何进行优化,保证同步精度满足需求的同时,减少能源开销是一个重要的研究方向。

国内部分学者[13-14]采用了减少时间同步过程中信息交换的次数,减少能量交换,从而提出了基于TPSN的改进型算法。其中一个重要的方向是在交换信息的过程中采用双向交换机制和单向交换机制相结合的方法。如西安电子科技大学的陈伊卿[14]提出了改进型算法ITPSN,该算法的原理如下:

网络层次分配完成后,由父节点发起时间同步。首先,父节点广播一个消息包,指定其中一个子节点与其进行双向交换消息同步,并记录下时间戳T1,所有其他子节点接收到消息包之后记录下时间戳t1,指定节点记下时间戳T2,作为自己接收到消息的时刻。接着,只有指定节点向父节点返回消息包,并记下时间戳T3,返回消息包中包含了T3。父节点接收到消息后记下时间戳T4,然后计算出指定子节点与它的时间偏差θ;其再发送一个消息包,这个消息包含有指定节点记录下来的时间戳T2和相对于父节点的时间偏差θ。所有的子节点接收这个消息包,其中指定节点根据时间偏差θ,将自己的本地时钟同步到父节点。其他子节点根据第1次接收到时间消息包时的时间戳及指定节点记录下的T2,先计算出自己与指定子节点的时间偏差Δ=t1-T2,然后再根据指定节点与父节点的时间偏差θ,将自己的本地时钟t改为t-Δ+θ,从而达到与根节点的同步。这种改进型的算法很大程度上减少了消息交换的次数,有效的减少了时间同步过程中的能量消耗。其同步过程的示意图如图5所示。

图5 ITPSN算法同步过程

2.2 LP-TPSN算法

2.2.1 LP-TPSN算法提出的依据

以上算法ITPSN通过改变时间同步过程的信息交换方式,采用双向信息交换和双向信息交换相结合的方式,减少了信息交换次数,从而降低了能量开销。通过分析发现,在节点时间同步过程中,无线射频模块发送和结束消息时的能耗在整个能量开销中的比例较大。因此同步过程中的能量开销大小最终由无线射频模块的发射功率、接收功率、传输数据包大小、消息传输的次数等决定。通常情况下,射频模块的发射功率比接收功率大很多。因此,在同步过程中,减少信息发射的次数,系统能耗也将随之下降。

本课题从减少时间同步过程中消息的发射次数的角度出发,提出一种层次优化的改进型TPSN算法LP-TPSN。该算法在传感网络形成分层网络后,对网络的层次进行优化,减少消息发射的次数,最终达到进一步降低能量开销的目的。

2.2.2 LP-TPSN算法的原理

首先,传感器节点已经形成了层次型网络,每个节点都被分配了层次号,层次号相同的节点处于网络的同一级中。在分层的过程中,由每一层次的父节点发送分层消息包寻找自己的子节点并作为下一层次的节点。TPSN算法中,当子节点最先收到某个上一层节点发送的消息包时,就宣布该节点是自己的父节点,并不再接收其他节点发送的消息包。事实上,如果子节点在多个上一层次节点的通信距离接收范围内,那么该子节点可能会收到多个上一层节点发送的分层消息包。

LP-TPSN算法的关键就是,当子节点最先收到某个上一层节点发送的消息包时,宣布该节点是自己的父节点的同时,选择继续接收上一层其他节点的消息包,收到消息包后,就把发送消息包的节点当作自己的备用父节点存储起来。当整个传感器网络形成之后,就对所有父节点进行判断,当某个父节点的所有子节点都有备用父节点时,就宣布放弃自己所有的子节点。如图6所示,7号和8号都是3号的子节点,但是都有备用父节点,即2号。因此3号宣布放弃自己的所有的子节点,那么7号和8号就变成了2号的子节点。这样,逐步优化,最终完成了整个网的层次优化。

图6 LP-TPSN原理示意图

对网络的层次结构进行优化的最终目的是减少节点发射信息的次数,从而减少同步过程中的能量开销。同ITPSN的同步阶段一样,LP-TPSN也采用了双向交换消息同步和单向发送消息同步相结合的方式。在层次优化之前,2号与两个子节点进行同

步,其中2号的子节点5号与2号进行双向同步,6号与2号单向同步,并参考5号计算时间偏差,最终完成同步。3号节点与其子节点具有相同的同步过程。在双向同步的过程中,一共需要进行3次信息发送,所以这两个子网络同步过程中,共进行了6次信息发射。而在层次优化之后,2号与3号节点与5号、6号、7号、8号节点之间的同步只需要进行一次双向同步,因此这两个子网络完成同步,一共只需进行3次信息发射,并且接收信息次数不变。这样,优化后的网络总的信息发射次数减少了,继而降低了整个系统的功耗。图7展示了优化后的网络同步过程。LP-TPSN算法的流程图如图8所示。

图7 LP-TPSN算法优化后同步阶段

图8 LP-TPSN算法流程图

2.3 算法的建模及仿真

为了验证 LP-TPSN 的可行性,采用了软件建模进行仿真。采用VC++6.0编译环境及C++编程语言对无线传感器节点进行建模。无线节点模型主要包括处理机、发射机、接收机以及本地时钟组成。

其中,处理机的主要功能是处理消息交换过程中的相关数据。发射机的功能是发射分层消息和同步消息。接收机的功能是接收分层消息和同步消息。本地时钟模块给节点分配一个本地时钟,作为节点的本地时钟计时。

2.4 仿真结果及分析

2.4.1 TPSN、ITPSN、LP-TPSN 3种算法时间同步精度仿真

在仿真中,将节点的分布范围设置成半径等于2 000 m的圆形区域内,节点通信距离设置300 m,节点数量设置100个。为了模拟真实环境,所有节点由随机函数随机生成,自组织组成网络。总共进行30次仿真,对仿真结果求平均值,进行统计。而且,每次仿真都是重新随机生成节点,以便统计出节点在自组织形成不同层次结构时的仿真结果。仿真结果如图9所示。

图9 同步误差仿真

由仿真结果可以可知,改进的算法LP-TPSN和ITPSN相比,同步误差几乎相同,因为两者的同步阶段运用了相同的机制,都是双向交换信息和单向发送信息结合的方式。而这两者都比TPSN的同步精度略低,因为TPSN所有子节点和父节点的同步都是双向信息交换的方式,因而具有更高的时间同步精度。

2.4.2 TPSN、ITPSN、LP-TPSN 3种算法同步功耗仿真

在3种算法同步功耗仿真中,节点的数量分别设置成50、100、150、200、250、300进行仿真,每次仿真30次,同样采用均值法对结果进行统计。分别统计出3种算法的整个同步过程中总的发射信息次数和总的接收信息次数。另外,以节点中的无线模块的发射功率和接收功率(接收功耗25 mA,发射功耗160 mA)为依据,假设节点每次发射或接收一次同步信息的时间为T(一般在us级),计算出3种算法分别在整个网络一次同步过程中的能量消耗。仿真结果如下列图所示。

图10 总的接收次数仿真

从图10和图11可以看出,这3种算法中LP-TPSN同步过程中的信息接收次数是最少的,但是与ITPSN算法及TPSN算法的相差不是很大。当节点数量不断增多时,LP-TPSN同步过程中的信息发射次数远低于另外两种算法。而TPSN的信息发射次数几乎成倍数地增长,ITPSN相比于TPSN,明显降低了发射次数,当节点数量为300时,ITPSN算法的信息接收次数只有TPSN算法的一半。在LP-TPSN算法中,节点的数量逐步增加时,信息发射次数非常缓慢地增加。当节点数从200开始时,LP-TPSN算法的信息接收次数只有ITPSN的一半。这正是LP-TPSN算法的优势,LP-TPSN算法在分层阶段,对网络层次结构进行了优化,使得在同步阶段,信息发射次数和TPSN及ITPSN相比明显减少,从而更加降低了网络同步过程中的能量开销。

图11 总的发射次数仿真

另外从图12也能看出,LP-TPSN算法在网络进行一次同步过程中,其总的能量消耗大大降低,并且随着节点数量增多,能量消耗具有缓慢增加的趋势。在无线传感器网络的应用中,同步算法需要周期性执行,如何减少整个网络的开销具有重要意义。因此,由以上分析可知,本课题所提出的改进型算法LP-TPSN虽然时间同步精度与TPSN算法相比略低,但是显著降低了能量开销,可以应用于大规模传感器网络的时间同步。

图12 总的能量消耗仿真

3 实验验证及分析

为了验证所开发无线系统可以准确地监测桥梁的整体性态,进行了实际桥梁测试实验。实验对象为厦门海沧大桥。厦门海沧大桥是由东渡互通立交引桥、东航道桥、西航道桥、西引桥、石塘立交桥等大型工程组成,全长为5 926.572 m。

海沧大桥的桥面测试场景图如图13所示,在桥面区域布设18个加速度计和6个无线节点,每个节点连接3个加速度计。对所有的节点进行同时实时采集,记录桥面振动的加速度信号。

图13 海沧大桥桥面测试场景

3.1 实验数据及分析

将无线监测系统采集的数据进行时域分析,并列出部分传感器记录的数据的分析结果,如图14和图15所示。这些分析结果反应了桥面不同测试点的振动状态,其振动加速度大多在100 mg以内。

图14 1号和2号加速度计记录的数据时程图

将采集的数据进行统计计算分析得到如表1所示。

表1 数据统计分析

从表1可以看出,系统噪声较小,说明无线节点的低频特性好,可以滤掉桥梁振动中的高频噪声;另外,在100 m～200 m范围内数据丢包率较小,而且所采集的数据精度较高,因此,所研发的无线节点可以准确、有效地测量大型桥梁振动。

图15 3号和4号加速度计记录的数据时程图

4 结论

本文第1部分介绍了全功能无线同步桥梁监测系统的整体架构以及传感器节点的设计。第2部分重点讨论了针对无线传感器系统的时间同步算法。该部分研究了经典时间同步算法TPSN,描述了国内学者提出的改进算法ITPSN,并在前两种算法的基础上提出了一种改进算法LP-TPSN。通过算法仿真验证及结果分析表明所提出的算法在保证同步精度满足系统要求的同时,明显降低了同步过程中总的能量开销。最后对厦门某悬索桥进行了桥面振动测试,实验数据分析结果表明所开发的系统在大型桥梁结构监测及评估领域有很好的应用前景。

[1] Housner G W,Bergman L A,Caughey T K,et al. Structural Control:Past,Present,and Future[J]. Journal of Engineering Mechanics,1997,123(9):897-971.

[2] 李爱群,丁幼亮,王浩,等. 桥梁健康监测海量数据分析与评估——“结构健康监测”研究进展[J]. 中国科学:技术科学,2012(8):972-984.

[3] 孙晓燕. 桥梁结构健康监测技术研究进展[J]. 中外公路. 2006,26(2):141-146.

[4] Van Greunen J,Rabaey J. Lightweight Time Synchronization for Sensor Networks[C]//ACM International Conference on Wireless Sensor Networks and Applications,Wsna 2003,San Diego,Ca,Usa,September,2003:11-19.

[5] Sichitiu M L,Veerarittiphan C. Simple,Accurate Time Synchronization for Wireless Sensor Networks[C]//Wireless Communication and Networking,IEEE,2003,2:1266-1237.

[6] 吕西臣.嵌入式数据采集系统中的关键技术研究[D]. 郑州:郑州大学,2007.

[7] Huang G,Zomaya A Y,Delicato F C,et al. An Accurate on-Demand Time Synchronization Protocol for Wireless Sensor Networks[J]. Journal of Parallel and Distributed Computing,2012,72(10):1332-1346.

[8] Jang U J,Lee S G,Park J Y,et al. Fault-Tolerant WSN Time Synchronization[J]. Wireless Sensor Network,2010,2(10):739-745.

[9] Sundararaman B,Buy U,Kshemkalyani A D. Clock Synchronization for Wireless Sensor Networks:A Survey[J]. Ad Hoc Networks,2005,3(3):281-323.

[10] Sivrikaya F,Yener B. Time Synchronization in Sensor Networks:A Survey[J]. Network IEEE,2004,18(4):45-50.

[11] Elson J,Girod L,Estrin D. Fine-Grained Network Time Synchronization Using Reference Broadcasts[J]. Acm Sigops Operating Systems Review,2002,36(1):147-163.

[12] Su P. Delay Measurement Time Synchronization for Wireless Sensor Networks[J]. IRB-TR-03-013,Intel Research Berkeley Lab,2003.

[13] 陶志勇,胡明.基于等级层次结构的TPSN算法改进[J]. 传感技术学报,2012,25(5):691-695.

[14] 陈伊卿.无线传感器网络时间同步算法研究[D]. 西安:西安电子科技大学,2011,18(4):45-50.

刘志强(1976-),男,工学博士,教授级高级工程师,主要研究方向为无线传感器网络、大型土木工程(建筑与桥隧轨)结构健康监测和智能养护管理等,liuzhiqiang@hpdi.com.cn;

喻 言(1977-),教授,博士,博士生导师,研究方向为无线传感器网络,结构健康监测等,yuyan@dlut.edu.cn。

Research and Application on Full-Function Wireless Synchronous Bridge Structural Monitoring System*

LIUZhiqiang1,LINa1,YUYan2*,MAOXingquan1,YANGZhitao2,NIULiqun2

(1.China Communications Construction Company,Beijing 100088,China;2.College of Electronic Science and technology,Dalian University of Technology,Dalian Liaoning 116024,China)

Large bridges play a significant role in the development of both the urban traffic condition and the social economy. It is of high importance to monitor the operational bridges and to assess their security from the perspective of people’s life and property safety. In this paper,a wireless bridge structure monitoring system was developed and a lower energy cost time synchronization algorithm LP-TPSN which can meet the system requirement was proposed. Then the deck vibration test of a bridge in Xiamen was carried out. The study shows that the wireless sensing system has the advantage of high accuracy,and the feature of easy operation,good instantaneity,and low overhead costs,which has a good application prospect in the field of structure monitoring and condition assessment of the bridges.

large bridges;full-function;wireless sensing system;time synchronization

项目来源:国家国际科技合作专项项目(2015DFG82080);辽宁百千万人才工程项目;NSFC项目(5167082091,51678108);宁波市科技计划项目(2015C110020);辽宁省高校优秀人才计划项目(LJQ2015028)

2016-07-31 修改日期:2017-01-17

TN92

A

1004-1699(2017)03-0484-07

C:6140;6150P;7210

10.3969/j.issn.1004-1699.2017.03.025