摘要：针对具有可靠性鉴定需求的大量既有建筑物，目前普遍开展的监测项目主要为沉降、倾斜、变形等在短时间内变化不明显的数据监测。现阶段基于振动响应等动态数据的建筑可靠性鉴定尚缺乏深入研究及广泛运用。与此同时，绝大多数既有建筑物并未安装结构健康监测系统，这种现实状况导致获取及时有效的结构振动数据存在一定困难。本文主要讨论现有标准涉及到的在振动响应方面的结构健康监测，包括结构安全性等级评定和建筑振动舒适度评价。
关键词：可靠性鉴定，既有建筑，振动响应，结构健康监测，振动舒适度。
 

 
 
Abstract: For a large number of existing buildings with the demand of reliability appraisal, the present extensively carried out monitoring projects are mainly focus on settlement, tilt, deformation and other monitoring data with unobvious changes in a short time.  The appraisal of reliability of buildings based on dynamic data such as vibrational responses is still lack of in-depth research and intensive application.  Meanwhile, majority of existing buildings have not installed the systems of structural health monitoring, which makes it difficult to timely and effectively obtain structural vibration data. This paper mainly discusses the structural health monitoring in terms of vibrational responses related to the existing standards, including the eva1uation of structural safety grade and vibration comfort eva1uation of buildings.
Keywords: reliability appraisal, existing building, vibrational responses, structural health monitoring, vibration comfort.
 
1 背景
      在居民生活质量迅速提升的大背景下，城市内大量老旧民用建筑及大型公共建筑在结构健康监测方面的需求日益迫切。现有大部分老旧建筑亟须在结构安全性和使用性两个方面对其进行健康监测。建筑结构健康监测不仅对结构损伤修复提供数据支撑，也可对后续结构整体加固提出针对性建议[1,2]。当前建筑结构质量检测项目主要依靠专业技术人员进行现场人工检测或实验室采样分析。这些检测方式需要耗费大量人力、物力和时间成本，同时检测人员的技术水平也会影响检测的准确可靠度。
      针对监测项目现实需求迥异和建筑构件数量繁多的特点，现阶段市场上推出的建筑结构健康平台大多集中在整体结构的监测，例如地基沉降、结构整体倾斜和变形、周围环境监测等[3]。对于特定构件的监测项目，如受压构件挠度及侧弯、裂缝宽度、应力应变等往往根据客户的现实需求，针对性的对具体构件进行健康监测。对于构件耐久度、材料强度等检测项目，因为缺乏相应有效的传感器，尚需使用专业仪器设备进行现场检测或采样取回分析[4]。当考虑振动对建筑结构影响时，传统测量方法通常采用现场获取结构振动强度幅值、频率等相关数据，然后依据现行标准来判定结构是否安全稳定。然而，现场测量方法通常不能够实时获取结构振动信息，因而容易错失对结构安全性、随机产生的外界振动等至关重要的振动反应数据。例如，深圳赛格广场大厦在2021年5月18日突发对大厦内部人员有感的异常振动。事发后，多家监测机构对大厦主体结构进行大量监测：建筑结构的整体倾斜率在0.01%～0.02%之间，符合《建筑地基基础设计规范》中须低于0.2%的规范设定值；大厦的沉降监测结果显示其沉降稳定，监测结果在0.00mm～-0.05mm之间，未超出相应标准要求。在大厦振动监测方面，中冶建筑研究总院（深圳有限公司）及哈尔滨工业大学（深圳）两家机构分别测得大厦69层在第二日13时51分产生最大振动加速度，0.045m/S2和0.044m/S2,其数值远低于《高层建筑混凝土结构技术规程》JGJ 3-2010规定的办公、旅馆顶点风振加速度限值0.25m/S2。尽管后续专家判断大厦顶部产生的桅杆风致涡激共振为大厦振动主因，但由于大厦缺乏配套的振动监测系统获取事发时大厦的原始振动数据，致使事后分析振动成因存在一定困难。
      建筑结构沉降和倾斜等常规监测数据在短时间内变化不明显，监测频率往往不需设置太高，因此对数据传输带宽和平台数据分析处理的能力要求不高。但是，获取结构振动数据通常需要较高采样频率和较长采样时间，因此要求配套的建筑健康监测系统具有很高的数据传输带宽及分析处理能力[3]。近些年市场上推出了一些可提供振动分析的建筑结构健康监测平台。例如武汉华和物联技术有限公司研发的WH-BSMS建筑物安全监测系统可以对既有民用及工业建筑、大型公共高层建筑等振动数据进行自动化高频采集，获取的数据通过无线网络传输到监测平台，通过数据分析实时监测建筑健康状态。市场上现有的建筑健康监测系统通常具备对振动数据的高频采样和高速传输能力，但是很多监测平台的振动数据处理分析并未和现有标准紧密结合。本文主要讨论现有标准涉及到的基于结构振动的建筑安全性等级评定，以及未来可发展并运用在建筑健康监测系统中的结构振动舒适度监测。
 
2 结构振动安全评定
      现行市场上推出的部分监测平台依据《建筑结构荷载规范》GB 50009规定在风荷载标准值作用下，住宅楼和公寓结构顶点的顺风向和横风向振动最大加速度应不超过0.15m/S2,办公楼和旅馆的结构顶点风振最大加速度应不大于0.25m/S2。本节讨论《民用建筑可靠性鉴定标准》GB 50292-2015中在振动方面评定结构的安全性等级，并给出实验案例分析。针对不同的建筑类别和主振频率范围，该标准划定不同振速安全限值，详情见表1。
 

 
      表1中振动速度采用监测点在相互垂直的三个方向上的最大值，同时对于安全性等级高的建筑可取表1中安全振速上限值，反之取下限值。实验案例采用美国麻省理工大学土木与环境工程学院研究团队组装的多层钢框架结构，该框架使用三轴加速度传感器获取结构节点的加速度时程数据[5]。本文对获取的结构振动数据进行处理分析，并评定结构的安全性等级。图1为组装完成的三层两跨钢框架结构模型，18个加速度计分别安装在结构每个节点附近，如图2所示。一个振动器安装在靠近编号18的节点位置用来激发结构振动。
 

 
      在多组振动测试中，结构每个节点都在X方向上产生最大加速度，方向坐标见图1。这种现象解释相比于Y和Z方向，框架结构在X方向上的刚度最小[6]。图3（a）为编号3节点在X方向上的一段加速度时程数据，采样频率为6000Hz，采样时长为3s。在实验室环境下，结构的外部激励荷载相对于框架自身质量很大，同时钢框架结构刚度比现实建筑结构的刚度小很多，因此这段加速度时程数据最大值达到10.967m/S2。当依据《民用建筑可靠性鉴定标准》GB 50292-2015对此钢结构框架进行安全性等级评定时，我们分别利用积分运算和傅里叶变换将加速度时程数据转换为速度时程数据和频程数据[7]，如图3（b）和图3（c）。图中显示振动速度峰值为-0.0108m/s,主振频率为128.7Hz。由于该标准中表1未给出钢结构的安全振速限值，在此我们保守的采用钢筋混凝土建筑类别对应的结构振动速度安全限值。表1列出主频振动大于50Hz的安全振速限值0.045m/s，因此数据处理分析得到的速度峰值绝对值0.0108 m/s小于该限值，因此钢框架结构安全等级较高。

 

图3. 结构节点原始加速度时程反应（a）；积分转换后的速度时程反应（b）；傅里叶变换后的频谱图（c）。
 
      在实际获取高层建筑振动数据时应首选加速度传感器。相对于测量速度或位移等振动物理量，加速度反应对微弱的建筑振动来说更加灵敏，测量结果也更加精确。现阶段市场上推出的加速度传感器可以分为有线传感器和无线传感器两大类。有线传感器是一种常规测量仪器，数据传输稳定高效，可用作全天候长时程的振动数据测量。但其布线耗时繁琐，同时也需确保用电的可持续供应。无线传感器是一类新颖测量器件，数据无线传输便捷，设备安装高效。但考虑到其自带电池有限的存贮容量，需要不定时的补充电量，因此长时间可持续监测很难达到。为了减少耗电量，可以选择分时段监测，同时降低数据采样频率以减少其用电功耗。当对监测的既有建筑结构作安全性等级评定时，无线传感器的采样频率设置在200Hz到300Hz范围内可基本满足测量要求。根据表1给出的主振频率范围，过高的采样频率对后续的振动数据分析没有实际作用。通过对加速度传感器获取的振动数据进行实时处理分析，可以把监测预警信息或安全性等级评定结果及时传送到建筑健康监测云平台上，使其在未来具有更加综合高效的智慧诊断能力。
 
3 建筑振动舒适性评价
      近年来人们对建筑结构的使用体验和功能要求变得越来越高，人员活动及周围环境引起的结构振动监测对建筑内部使用者的感受体验变得愈发重要[8]。值得注意的是，当今建筑结构更多考虑使用轻质、大跨、悬挑、高柔等建材构件,因此对建筑结构振动舒适度方面的监测已成为设计及研究者们关注热点。通常情况下，建筑内部人员活动以及建筑外部环境激励（如风荷载、建筑周边施工、车流等交通因素）引发的结构振动通常不会损害建筑结构的安全性,但会容易令建筑内部工作和生活的人员不安，影响他们的体感舒适度。
      目前国际上广泛采用《国际标准化组织振动舒适度评价标准》(IS0 2631-2)、《美国钢结构协会振动舒适度评价标准》(AISC 11)和《英国振动舒适度评价标准》(BSI 6841)评价振动舒适度。我国在建筑结构振动舒适性方面的研究尚处于起步阶段。主要参考国际标准ISO 2631所颁布的《建筑结构容许振动标准》GB 50686-2012列出了各种环境作用下建筑结构的振动控制及影响评价。该标准采用1/3倍频程分析方法来量化人体对振动的感受程度，并且明确列出了以加速度容许振动值为表征的人体舒适度评价指标。例如，该标准第七章评价建筑物周边交通对建筑结构振动的影响。表2规定了不同类型建筑物在不同位置及不同频率范围内的容许振动值。对于主振频率在10Hz～100Hz范围内的基础处容许振动速度峰值采用线性插值确定。
 

 
      除了上述可以用来评价振动舒适度的标准外，《城市区域环境振动标准》GB 10070采用铅垂向振动的振级为指标列出建筑物在不同地带范围内的振级标准值。振级值为加速度与基准加速度之比的以10为底的对数乘以20，按下列公式计算：

其中VAL表示铅垂向振动振级，单位是分贝（dB）； 为测量的加速度有效值，单位为m/S2;为基准加速度，其值是10 -6m/S2。铅垂向振级的测量及评价量可以依据《城市区域环境振动测量方法》GB 10071计算得出。
楼板构件由于其结构轻薄，具有柔性大和振动基频小的特点。建筑物内任何较小的激励（如人员活动、重物搬运、机器运行等）都可能引起楼板的有感振动，因此基于楼盖结构的振动舒适度监测显得尤为重要。2020年开始实施的《建筑楼盖结构振动舒适度技术标准》JGJ/T 441-2019 详细说明了各种激励形式（如行走激励、室内设备振动、室外振动等）引起的楼盖振动对人体舒适度的影响。另外，在建筑结构设计中楼板的竖向振动频率建议不低于3Hz，《高层建筑混凝土结构技术规程》JGJ 3-2010 给出人员在不同活动环境下楼板的竖向振动加速度峰值限值，详情见表3。当楼板的竖向自振频率在2Hz～4Hz之间时，采用线性插值法确定峰值加速度限值。
 

人员活动环境	峰值加速度限值（m/）
	竖向自振频率不大于2Hz	竖向自振频率不小于4Hz
住宅、办公	0.07	0.05
商场及室内连廊	0.22	0.15

 
4 结语
      未来开发的既有建筑健康监测系统应是在传统人工现场作业的经验基础上，利用5G技术实现监测平台与安装在建筑物上的传感器之间数据信息的高速传输。同时，结合监测平台上的云计算和大数据分析能力以及针对特定检测项目开发的智能传感器，令整个监测系统在外业采集和内业处理上基本超越当前人工作业方式。现有结构健康监测平台可以通过不断改进和优化使其对结构振动数据进行持续获取以及数据分析，并可对监测建筑物的安全性等级进行及时评定。同时，平台也可不断拓展对既有建筑振动舒适性的持续监测。在监测时不仅要考虑建筑使用功能和人员活动环境，也要计算铅垂向振动振级、结构顶点振动最大加速度、竖向振动频率等数据参数。总之，未来优化后的既有建筑结构健康监测平台可将逐步替代传统人工作业对结构振动数据的获取和分析，并可对结构安全进行及时预警和振动舒适度实时监测。
 
参考文献
1．祝庭,白杰,杨叶,张树理.既有城镇建筑结构的健康监测技术及方案[J].工程建设, 2019, 51(08):64-67.
2. 李俊杰.既有城镇建筑的结构健康监测技术及策略分析[J].工程质量, 2020, 38(12):9-11,20.
3. 任毅,袁兵,曹淑上.基于物联网的既有建筑结构健康智能化监测云平台设计[J].重庆建筑, 2020, 19(12):8-10.
4. Farrar C R, Worden K. Structural health monitoring: a machine learning perspective[M]. New York: John Wiley & Sons, 2012.
5. Long J, Büyüköztürk, O. Decentralised one‐class kernel classification‐based damage detection and localisation[J]. Structural Control and Health Monitoring, 2017, 24(6), e1930.
6. Cha Y J, Wang Z. Unsupervised novelty detection–based structural damage localization using a density peaks-based fast clustering algorithm[J]. Structural Health Monitoring, 2018, 17(2): 313-324.
7. 黎明安, 钱利. Matlab/Simulink动力学系统建模与仿真[M]. 北京：国防工业出版社, 2015.
8. Wang Z, Cha Y J. Unsupervised deep learning approach using a deep auto-encoder with a one-class support vector machine to detect damage[J]. Structural Health Monitoring, 2021, 20(1): 406-425.