Campagna sperimentale su ponti ferroviari in muratura
per l’individuazione di stati fessurativi con reti wireless di
sensori accelerometrici MEMS.
G.Mannara1, M Autiero2, N. Barbati1, N. Ciancia1, S. Infante1
1
STRAGO Ricerche S.r.l. Via Campana, 233 80078 Pozzuoli Napoli Italia
Tel 00390815240611 Fax 00390815264583 e-mail mannara@[Link],
[Link]@[Link], [Link]@[Link], [Link]@[Link]
2
STRAGO S.r.l. Via Campana, 233 80078 Pozzuoli Napoli Italia
Tel 00390815240611 Fax 00390815264583 e-mail [Link]@[Link]
Key words: monitoraggio fessure, ponti ferroviari in muratura, accelerometro MEMS,
reti wireless, correlazione temporale.
Cracks monitoring, rail masonry bridges, MEMS accelerometer, wireless networks,
time correlation.
SOMMARIO
L’identificazione e il monitoraggio dell’evoluzione dello stato fessurativo su ponti
ferroviari in muratura è un tema rilevante rispetto al fattore sicurezza, specie per strutture
di pubblico utilizzo, e richiede una soluzione dal costo contenuto, dato anche l’alto
numero di strutture potenzialmente interessate.
Il nostro gruppo ha recentemente ideato un metodo e sviluppato un sistema di
monitoraggio dello stato fessurativo innovativi.
Il metodo consiste nello strumentare il ponte ferroviario con una rete adeguatamente
fitta di sensori accelerometrici; nell’eseguire acquisizioni di segnali accelerometrici in
corrispondenza della sollecitazione vibrazionale costituita dal transito del treno;
nell’elaborare i dati confrontando la funzione di correlazione temporale dei segnali
accelerometrici relativi a coppie di sensori contigui a cavallo della fessura con quelli di
coppie sensori posizionati al di qua o al di là della fessura, partendo dall’assunto che
l’onda meccanica generata nella struttura dal transito del treno, nell’attraversare una
discontinuità quale una fessura, subisce uno sfasamento temporale.
Il sistema di monitoraggio è costituito da una rete di sensori accelerometrici a
tecnologia MEMS, i cui dati possono essere preelaborati in loco e inviati via wireless a
un’unità di elaborazione dati centrale. Il sistema opera in continuo, è di facile installazione
e di basso costo.
Essendo state eseguite delle sperimentazioni preliminari in laboratorio per verificare
l’efficacia diagnostica del metodo, si è organizzata una campagna sperimentale su un
ponte ferroviario che presenta una fessura visibile per validare il prototipo di sistema
MEMS in campo. I risultati mostrano che il sistema è efficiente e promettente anche al
fine di individuare stati fessurativi non chiaramente riconoscibili visivamente.
Introduzione
Il problema della manutenzione delle infrastrutture civili presenti in un tracciato
ferroviario riveste particolare importanza per una moderna gestione di una rete ferroviaria
sia perché implica un costo molto elevato e sia perché ha conseguenze sui livelli di
sicurezza.
Inoltre una gran parte delle infrastrutture fu progettata e realizzata in un’epoca nella
quale l’utilizzo previsto era molto inferiore a quello attuale. Basti pensare al forte
incremento che hanno avuto nel tempo alcuni parametri:
- numero di treni transitanti al giorno, che è cresciuto in alcuni casi di 2 ordini di
grandezza;
- carico per asse, che è aumentato di un fattore fino a 25 t/asse
- lunghezza e velocità del singolo treno.
Questo implica un incremento di sollecitazioni derivanti dall’esercizio che può
determinare in alcuni casi una maggiore velocità nell’evoluzione dei fenomeni di degrado
di cui occorre tener conto nella gestione della manutenzione.
Fino ad oggi la manutenzione di una infrastruttura civile è stata eseguita sulla base di:
- interventi ordinari programmati in funzione di uno studio delle caratteristiche
dell’opera e delle condizioni di esercizio;
- interventi straordinari da eseguire al raggiungimento di certe condizioni che ne
predicono (o addirittura determinano) i limiti di utilizzabilità.
Tuttavia, le condizioni sulle quali si basavano (e si basano tuttora) le procedure
suddette, sono cambiate radicalmente, e i tempi che intercorrono tra l’individuazione del
danno, la programmazione/progettazione e la risoluzione del problema, si sono ridotti, al
punto da richiedere necessariamente una riformulazione delle metodologie di
programmazione e controllo strutturale, con tempistiche ridotte e con sistemi
necessariamente automatizzati.
Tra gli altri, il problema del monitoraggio dei ponti ferroviari in muratura ad arco è
tanto rilevante da essere stato oggetto di un progetto di ricerca dedicato all’interno del VI
Programma Quadro: Masonry Arch Bridges ([Link] svoltosi tra il
2003 e il 2007 con la partecipazione di tutti i paesi europei a ovest dell’ex Unione
Sovietica e del Giappone e dell’India. Tra i dati di interesse, citiamo che, su circa 200.000
ponti ferroviari ad arco in muratura presenti sul territorio dei paesi partecipanti, oltre il
25% sono in Italia (56.888) dove costituiscono il 95% del totale dei ponti ferroviari. Tali
ponti, poi, per il 70% circa ha un’età compresa tra i 100 e i 150 anni. L’insieme di questi
numeri indica chiaramente come in Europa, in generale, e nel nostro paese, in particolare,
esiste un enorme potenziale interesse verso il monitoraggio di strutture di tal tipo[1].
Un problema particolarmente diffuso sulle strutture di ponti in muratura, e non solo, è
l’instaurarsi e il degradare di stati fessurativi di entità più o meno grave, il cui
monitoraggio resta oggi relegato, in genere, a ispezioni visive a cadenza periodica
prestabilita, piuttosto dispendiose dal punto di vista economico e inefficienti al fine di
controllare con continuità lo stato strutturale del ponte in relazione al degrado fessurativo,
oppure a sistemi di fessurimetri, estensimetri di tipo meccanico o elettronico, che, in
genere, richiedono la presenza di un operatore per la registrazione delle letture.
Pertanto, seguendo una linea di tendenza comune a tutto il settore del monitoraggio
civile e ambientale, si vanno sviluppando una serie di tecniche di carattere non invasivo
che mirano a superare i limiti dei metodi basati sull’ispezione visiva. Idealmente, il
metodo ottimale dovrebbe essere basato su strumentazione, lavorare in continuo nel tempo
ed essere diffuso nello spazio, consentire non solo di monitorare l’evoluzione di stati
fessurativi già esistenti, ma anche di identificare l’insorgere di nuovi, prevedere
meccanismi di confronto dei valori misurati di parametri identificativi dello stato
fessurativo con quelli individuati come di soglia d’allarme da una modellazione dinamica
della struttura e l’invio di allarmi in tempo reale nel caso di superamento di predette
soglie.
Se guardiamo al quadro attuale delle tecniche di monitoraggio degli stati fessurativi di
tipo strumentale, potremmo dire che molta parte si basa sulla propagazione delle onde. Si
parte dall’assunto che in un materiale omogeneo, isotropo e in stato elastico lineare, la
velocità di propagazione delle onde longitudinali è legata da una relazione fisica al modulo
di Young. Se è nota la massa volumica del materiale, la conoscenza della velocità di
propagazione permette di ricavare il valore di tale modulo di Young. Se si determina
anche la velocità di propagazione delle onde trasversali, è possibile calcolare il
coefficiente di Poisson. Però, la muratura non soddisfa certamente i requisiti di
omogeneità, isotropia ed elasticità lineare. Solo se si prende in considerazione una
porzione di dimensioni abbastanza elevate, è possibile giungere ad una stima abbastanza
rappresentativa dei valori medi delle costanti elastiche nelle singole direzioni. Bisogna
tenere presente che le costanti elastiche così determinate sono quelle dinamiche, che
differiscono da quelle determinabili con una prova statica. Tra queste tecniche, quella più
diffusa per le indagini su calcestruzzo è quella degli ultrasuoni. Sulle murature questa
tecnica normalmente non è applicabile, a causa delle dimensioni eccessive dei blocchi in
rapporto alla lunghezza d’onda e alla elevatissima attenuazione dovuta alla disomogeneità
intrinseca del materiale. Queste difficoltà possono essere superate su murature di buona
qualità e se si dispone di strumentazione adeguata, con potenza di emissione elevata e
sonde a frequenza relativamente bassa (intorno ai 20 kHz) [2,3].
In alternativa, si possono eseguire prove soniche, impiegando come emettitore di
vibrazione un martello strumentato e come ricevitore un accelerometro. In questo caso non
si opera a frequenza fissa come per il metodo ultrasonico, ma l’eccitazione impulsiva
attiva una serie di frequenze contenute in una banda dipendente dalla durezza della testa
del martello. Utilizzando teste relativamente morbide si eccitano basse frequenze, che
consentono di operare anche su materiali molto disomogenei.
Nel metodo delle emissioni acustiche, la generazione spontanea di onde di pressione,
che un materiale strutturale crea sotto sforzo, viene denominata emissività acustica (EA).
Per la rilevazione delle EA si utilizzano generalmente sensori piezoelettrici (PZT),
sfruttando la proprietà di certi cristalli di generare segnali elettrici ogniqualvolta siano
soggetti ad una sollecitazione meccanica [4]. Tuttavia le frequenze in gioco sono molto
elevate e richiedono pertanto una capacità di campionamento dei microaccelerometri fino
anche a 1 GHz [5]. Inoltre, le ampiezze di pressione delle onde elastiche, variabili da
materiale a materiale anche di diversi ordini di grandezza, sono di solito molto deboli ed
inferiori ad un milionesimo della pressione atmosferica. Ne risulta che il segnale elettrico
del trasduttore necessita di un’amplificazione molto elevata (104÷105 volte) prima di
poter essere correttamente elaborato. A tali livelli di amplificazione accade peraltro che i
segnali di disturbo, quali i rumori ambientali, in particolare nelle zone dell’udibile,
sovrastino i segnali EA da elaborare elettronicamente. I segnali di rumore disturbante
devono perciò essere drasticamente ridotti mediante filtri di frequenza e di ampiezza,
ovvero mediante speciali tecniche di discriminazione [6].
Al di fuori delle tecniche di tipo vibrazionale, è da citare la fotogrammetria digitale,
che consente di eseguire un’analisi dimensionale e un monitoraggio nel tempo della
fessura in strutture in muratura: si può ottenere un’accurata raccolta di punti che
definiscano il contorno della fessura in differenti momenti, in modo che si possa per
ciascun momento determinare quantitativamente la dimensione della fessura dai parametri
di forma [7]. Tuttavia questa tecnica, per quanto vantaggiosa in termini di non invasività,
risente della difficoltà di installazione di numerosi sensori per il monitoraggio di una sola
fessura già presente e soffre, come tutte le tecniche di fotogrammetria, della complessità
computazionale degli algoritmi di elaborazione dei dati.
È da citare, infine, tra le tecniche di controllo non distruttive, quelle basate sulle fibre
ottiche che si presentano come una tecnologia innovativa e alternativa agli usuali
fessurimetri[8]. Nel lavoro citato lo scopo è quello di poter controllare le strutture, in
termini di deformazioni, non solo dall’esterno per quelle già esistenti, ma anche
dall’interno per quelle di nuova realizzazione, configurandosi, pertanto, le fibre ottiche
come delle smart structures. I vantaggi di essere di peso e di dimensioni ridotte, immuni
alla interferenze elettromagnetiche, resistenti ad ambienti anche ostili, dimensionabili in
sistemi di piccola e di larga scala, come pure la capacità di individuare e monitorare più
fessure anche non visibili all’esterno[9], sono in parte annullati dalla difficoltà di
calibrazione e dalla complessità computazionale connessa, dalla elevata potenza ottica
richiesta, dai problemi di connessione, con conseguenti perdite per disallineamento
laterale, che richiedono, tra l’altro, personale qualificato per l’installazione con un costo
non irrilevante.
In questo contesto, il nostro gruppo di ricerca negli ultimi anni ha ideato un metodo di
diagnosi [10] e di monitoraggio in continuo dell’evoluzione dello stato fessurativo di ponti
in muratura basato sull’impiego di reti accelerometriche MEMS a intelligenza distribuita e
sull’implementazione di un algoritmo che, a partire dalla correlazione temporale tra
segnali accelerometrici, consente di determinare la localizzazione di una o più fessure da
una prima fase di misura e la eventuale espansione del quadro fessurativo individuato da
una serie di misure ripetute nel tempo.
L’idea di fondo del metodo è che un’onda meccanica, quale quella della sollecitazione
vibrazionale indotta dal transito del treno, propagandosi lungo la struttura del ponte,
subisca uno sfasamento temporale nell’attraversare una qualche discontinuità, come una
fessura (oltre che un’attenuazione in ampiezza cui comunque è soggetta anche
nell’attraversamento di regioni uniformi, anche se, presumibilmente, in misura minore). La
fessura può dunque essere individuata attraverso la misura di tale sfasamento temporale.
Un modo matematicamente elegante ed efficace per misurare lo sfasamento temporale tra
due segnali è calcolarne la funzione di correlazione che, sommando i prodotti di due
segnali punto per punto, fornisce una misura del grado di similitudine degli stessi in
funzione di una traslazione temporale applicata a uno dei due. Nel caso in esame, è atteso
che la funzione di correlazione a traslazione temporale nulla tra due segnali relativi a
posizioni a cavallo di una fessura restituisca un valore sensibilmente più basso rispetto a
quello di una coppia di segnali relativi a posizioni giacenti dallo stesso lato della fessura. È
immaginabile che il metodo diagnostico dello stato fessurativo qui descritto permetta
anche di seguire l’evoluzione temporale del quadro fessurativo individuato e di
diagnosticare precocemente l’insorgenza di nuove fessure in uno stadio in cui non siano
chiaramente visibili per ispezione visiva, qualora sia possibile implementare un sistema
basato su tale metodo che sia in grado di operare un monitoraggio non invasivo continuo
nel tempo e fittamente diffuso nello spazio sull’intera area della struttura di interesse.
Tenendo presenti questo tipo di esigenze di monitoraggio, non disgiunte da richieste di
economicità e semplicità di installazione e di gestione, l’implementazione che di tale
metodo è stata eseguita dal nostro gruppo, una rete wireless di unità funzionali con sensori
accelerometrici a tecnologia MEMS dettagliatamente descritta nel prosieguo, è
estremamente promettente.
A valle di una serie di prove in laboratorio finalizzate alla verifica della fattibilità del
metodo ideato, si è svolta una campagna sperimentale di misure in campo su un tipico
ponte ferroviario in muratura, che presenta un quadro fessurativo evidente su un’ampia
porzione della superficie della volta interna. L’intento era quello di testare in campo il
prototipo di sistema accelerometrico MEMS e di effettuare prove di ripetitività e di
stabilità che consentissero di validare il sistema sia ai fini diagnostici del quadro
fessurativo che ai fini di monitoraggio dell’evoluzione temporale dello stesso. Le modalità
di svolgimento di tale campagna sperimentale e di elaborazione dei dati e i risultati sono
oggetto del presente report.
L’apparato sperimentale
Sito
Il sito è costituito da un ponte in muratura sulla linea 2 della metropolitana di Napoli al
Km 201+852 (località Pozzuoli), su cui insiste una coppia di binari (uno per la direzione
Napoli, l’altro per la direzione Pozzuoli) .
Da precedente sopralluogo (27/01/09), si era constatata la presenza di una fessura sulla
volta interna della struttura in direzione trasversale alla direzione di percorrenza del
convoglio ferroviario.
In Figura 1 è riportata una foto del sito e la vista globale dell’installazione della rete di
sensori accelerometrici MEMS (Micro-Electro-Mechanical Systems), descritta nel
dettaglio nel paragrafo seguente.
Figura 1 . Immagini sito. Vista esterna (sx); vista della volta interna strumentata con la
rete accelerometrica MEMS (dx).
Rete accelerometrica MEMS
STRAGO Ricerche ha recentemente sviluppato delle unità funzionali (UF) autonome
ciascuna delle quali integra un sensore accelerometrico a tecnologia MEMS ad alta
risoluzione, un’unità di elaborazione e un sistema di trasmissione dati. Grazie alla
tecnologia MEMS dispositivi meccanici di dimensioni micrometriche – in questo caso un
sensore accelerometrico – sono incorporati nei chip a semiconduttore fornendoli così di
un’interfaccia di tipo elettronico immediatamente utilizzabile in un circuito stampato. Si
tratta di sensori estremamente avanzati dal punto di vista tecnologico che garantiscono
un’elevata affidabilità, bassi consumi, dimensioni e costi ridotti. L’integrazione sullo
stesso circuito stampato del sensore (accelerometrico) con un microcontrollore (unità di
elaborazione) consente di gestire l’acquisizione e la preelaborazione dei dati acquisiti dal
sensore in loco, mentre l’integrazione con un transceiver (unità di trasmissione) consente
di trasmettere tali dati preelaborati all’unità di acquisizione ed elaborazione dati centrale
(UAD). Tale UAD affianca la rete di UF, costituita da una (o più) unità master che si
occupa della gestione dell’acquisizione, del download dei dati dalle rimanenti unità slave e
dell’upload dei dati verso la UAD e un certo numero di unità slave che effettuano
l’acquisizione secondo le direttive impartite dall’unità master restituendo successivamente
i dati acquisiti.
Il sistema di comunicazione tra le unità della rete (master-slave; slave-slave) può essere
gestito con due diversi approcci, wireless e wired. Tuttavia, a esclusione dei casi in cui sia
fisicamente impossibile, la comunicazione wireless è preferita a quella wired, dato che
offre maggiore flessibilità nella scelta di una topologia di rete (riconfigurabile a seconda
delle esigenze senza l’ausilio di interventi esterni) e la possibilità, unitamente al fatto che
l’alimentazione delle singole unità è a batteria, di ridurre notevolmente le difficoltà
logistiche, i tempi e i costi di installazione dell’apparato in situ.
Una rete di 8 UF è stata installata su una porzione della superficie interessata dalla
fessura in cui lo stato di degrado appare visivamente alquanto avanzato (Figura 2, sx), a
circa 4 m dal lato mare del ponte, con 4 UF da un lato (UF 3, 9, 4, 8) e 4 dall’altro della
fessura stessa (UF 5, 6, 2, 7), secondo una griglia rettangolare di lato minore 25 cm e lato
maggiore 30 cm; un’ulteriore coppia di sensori è stata installata in una zona adiacente alla
suddetta porzione fessurata, in cui lo stato di degrado fessurativo è molto più contenuto
tanto che la presenza della fessura non risulta chiaramente visibile, per quanto
riconoscibile (Figura 2, dx).
Figura 2. Immagine dell’area strumentata. Area strumentata della porzione di fessura a
più elevato livello di degrado visibile (sx): sono indicati i numeri che individuano le UF
accelerometriche, le dimensioni della griglia formata dalle UF installate e le direzioni di
transito del treno denominate Napoli e Pozzuoli. Area strumentata della porzione di
superficie adiacente all’area fessurata suddetta e con minore livello di degrado(dx). I
sensori installati sono due (UF 10, a sx e UF 11, a dx); le distanze tra i sensori e le
direzioni di transito sono identiche a quelle indicate nell’immagine a sx.
Acquisizioni
Sono stati acquisiti 23 passaggi di treno metropolitano nella giornata del 29/04/09 da
metà mattino a metà pomeriggio circa, composti sia di passaggi in direzione Napoli che in
direzione Pozzuoli. Ogni acquisizione è stata avviata manualmente al transito del treno per
una durata massima, prefissata in fase di configurazione del sistema, di 45 s. Durante la
campagna di prove, tale tempo di acquisizione è stato ridotto a 20 s, essendo tale durata
più che sufficiente a registrare l’evento di interesse. Si osservi che i sensori
accelerometrici MEMS a bordo delle UF sono triassiali e che in fase di configurazione si
sono abilitati alla misura tutti e tre gli assi per ottenere un’informazione quanto più
completa possibile circa il vettore accelerazione a seguito dell’eccitazione vibrazionale
provocata dal transito del treno. L’orientamento degli assi era tale che l’asse y dei sensori
accelerometrici coincideva, pressappoco, con la direzione ortogonale alla fessura, mentre
l’asse z a quella ortogonale al piano della volta. La Tabella 1 riassume la configurazione
dei parametri di acquisizione della rete.
Durata singola acquisizione 45 s/ 20s
Modalità di avvio acquisizione manuale
Assi abilitati x, y, z
Frequenza di campionamento 640 Hz
Tabella 1. Valori dei parametri di acquisizione della rete accelerometrica MEMS.
Elaborazione dati
L’elaborazione dei dati accelerometrici è basata sull’idea che il modulo
dell’accelerazione di un sensore a valle della fessura, nella fase in cui la struttura comincia
a oscillare a causa della perturbazione vibrazionale indotta dal transito del convoglio
ferroviario risente, per effetto della presenza di una fessura, di un ritardo temporale
rispetto al modulo dell’accelerazione di un sensore posto a monte della fessura (dove valle
e monte della fessura sono definiti, naturalmente, in funzione del verso di percorrenza del
treno). Per amore di chiarezza, in riferimento allo schema di Figura 2: per un treno in
direzione Pozzuoli, la vibrazione indotta dal transito del treno sarà letta dalle UF 3 e 9 (4 e
8), a valle della fessura, con un leggero ritardo (ed, eventualmente, con una leggera
attenuazione) rispetto alle UF 5 e 6 (2 e 7), che sono a monte della fessura. Viceversa, i
segnali delle UF 3, 4, 9 e 8 sono attesi contemporanei tra loro, come pure quelli delle UF,
dall’altro lato della fessura, 5, 6, 7 e 2.
In fase di analisi dati, si è appurato che le UF 2 e 8 non hanno funzionato correttamente
(per probabili problemi di comunicazione wireless in fase di invio comandi o download
dati). Pertanto ai fini della valutazione di nostro interesse circa l’individuazione della
fessura resta di utilità la fila dei sensori 9-3-5-6. Inoltre, sono state escluse dalla fase di
elaborazione i dati delle acquisizioni svolte inizialmente per prova in forma incompleta,
nel numero di 5, e un’acquisizione in cui è avvenuto contemporaneamente il transito di un
treno in direzione Napoli e uno in direzione Pozzuoli.
Tutte le elaborazioni indicate sono state svolte con il software Matlab.
L’elaborazione dati, per ciascuna acquisizione, è consistita nei seguenti passaggi:
• eliminazione componente continua su ciascun asse
• calcolo del modulo
• calcolo della funzione di correlazione tra ciascuna coppia di UF (funzione
xcorr(X, 0, ‘coeff’)1 di Matlab)
o sui segnali modulo
o sui segnali dell’asse z
o sui segnali dell’asse y (pressappoco ortogonale alla direzione della
fessura)
al variare dell’intervallo temporale su cui la funzione di correlazione è calcolata.
Infine, si sono presi in considerazioni i valori della media delle funzioni di correlazione
delle coppie di sensori 3-9 e 5-6, entrambe costituite da coppie di sensori giacenti da uno
stesso lato rispetto alla fessura, denominata correlazione A, e quelli della funzione di
correlazione per la coppia di sensori 3-5 a cavallo della fessura, denominata correlazione B
(Tabella 2). Si sono calcolate le medie delle correlazioni A e B con i relativi errori
standard, i cui valori sono riportati nella Tabella 3. Nella stessa tabella vengono riportati
pure i valori delle correlazioni A e B ricolcolati escludendo le 4 acquisizioni a minore
velocità, denominate rispettivamente correlazione A′ e B′.
Per quanto concerne i dati acquisiti dalle UF 10 e 11, poste in area della volta interna
del ponte adiacente a quella della fessura, ma con un livello di degrado fessurativo molto
ridotto tanto da rendere dubbia, per ispezione visiva, la presenza di una fessura, si è
eseguito lo stesso tipo di analisi in termini di funzione di correlazione.
Risultati
Vengono riportati i risultati relativi all’elaborazione del modulo del segnale
accelerometrico piuttosto che quelli relativi a una singola componente, dato che in questo
secondo caso si sono registrati dei risultati meno significativi di quelli che andremo a
illustrare per il primo (dati non mostrati).
In Figura 3 e Figura 4 sono riportati due esempi di modulo del segnale accelerometrico
relativo alla coppia di sensori 3 e 5 a cavallo della fessura in corrispondenza del primo
picco di oscillazione dovuto al passaggio del treno (alto) e relativo alla coppia di sensori 3-
9 dallo stesso lato della fessura (centro), oltre che i valori delle funzioni di correlazione per
le varie coppie di sensori (basso, dove nell’ordine si leggono la correlazione del sensore 3
con 4, 5, 6, 7, 9 ; del sensore 4 con 3, 5, 6, 7, 9; etc,…). In particolare, la Figura 3 è
riferita all’acquisizione delle 14:51 con treno in direzione Pozzuoli, mentre la Figura 4
all’acquisizione delle 12:33 in direzione Napoli.
Tre osservazioni fondamentali in proposito.
1. In entrambi i casi, il segnale accelerometrico in modulo risulta sfasato, in
particolare in ritardo, di circa un centinaio di campioni (ovvero circa 0.16 s) per
il segnale del sensore a valle della fessura rispetto a quello a monte. Viceversa i
segnali modulo dell’accelerazione relativi a coppie di sensori dallo stesso lato
della fessura appaiono sincroni.
1
Tale comando di Matlab consente di calcolare il valore della funzione di correlazione tra tutte le possibili coppie di
vettori colonna della matrice X , con la opzione modificabile sul numero di campioni di cui si shiftano i segnali da correlare
(nel nostro caso si è scelto come valore 0, che significa aver calcolato la correlazione fra i segnali modulo senza operare alcuna
traslazione temporale tra i due) e con una normalizzazione attraverso l’opzione ‘coeff’.
2. Ciò che è di primario interesse rilevare è come la funzione di correlazione, in
entrambi i casi, presenti valori più bassi per le coppie di sensori a cavallo della
fessura rispetto alle coppie dallo stesso lato rispetto alla fessura, coerentemente
con quanto già atteso in base alle osservazioni di cui al punto precedente sugli
sfasamenti temporali.
3. Nel valutare quale criterio di scelta dell’intervallo temporale su cui si calcola la
funzione di correlazione massimizzi questa separazione dei valori di correlazione
bassi da quelli alti, ovvero renda più sensibile il metodo proposto per la
individuazione della fessura, si è constatato che tale intervallo temporale ottimale
si può ricavare, approssimativamente, come l’intervallo centrato intorno al
massimo della prima oscillazione del segnale modulo dell’accelerazione relativo
al sensore a monte della fessura e ampio quanto l’intervallo temporale di tale
oscillazione. Tale deduzione segue dall’analisi non solo dei dati mostrati in
Figura 3 e 4, ma dell’intero set di acquisizioni.
Figura 3. Acquisizione delle 14:51 direzione Pozzuoli In alto a sx. Grafico del modulo
del segnale accelerometrico per il sensore 3 (curva rossa) e del sensore 5 (curva blu)
relativamente all’intervallo temporale che abbraccia la prima oscillazione dovuta al
transito del treno. In alto a dx. Grafico del modulo del segnale accelerometrico per il
sensore 3 (curva rossa) e del sensore 9 (curva verde) relativamente all’intervallo temporale
che abbraccia la prima oscillazione dovuta al transito del treno. In basso. Grafico dei valori
delle funzioni di correlazione per le coppie di sensori 3-4, 3-5, 3-6, 3-7, 3-9; 4-3, 4-5, 4-6,
etc… Le diverse curve si riferiscono a diversi intervalli temporali scelti per il calcolo dei
valori della funzione di correlazione, come indicato in legenda.
Figura 4 Acquisizione delle 12:33 direzione Napoli In alto a sx. Grafico del modulo
del segnale accelerometrico per il sensore 3 (curva rossa) e del sensore 5 (curva blu)
relativamente all’intervallo temporale che abbraccia la prima oscillazione dovuta al
transito del treno. In alto a dx. Grafico del modulo del segnale accelerometrico per il
sensore 3 (curva rossa) e del sensore 9 (curva verde) relativamente all’intervallo temporale
che abbraccia la prima oscillazione dovuta al transito del treno. In basso. Grafico dei valori
delle funzioni di correlazione per le coppie di sensori 3-4, 3-5, 3-6, 3-7, 3-9; 4-3, 4-5, 4-6,
etc… Le diverse curve si riferiscono a diversi intervalli temporali scelti per il calcolo dei
valori della funzione di correlazione, come indicato in legenda.
Direzione Orario Velocità (Km/h) Correlazione Correlazione
media A media B
NA 15:19 5 0,74506 0,78417
PO 15:29 5 0,61143 0,57912
PO 15:01 10 0,7133 0,82926
NA 12:06 15 0,5329 0,79444
PO 13:43 15 0,49158 0,60435
PO 13:51 15 0,63911 0,78737
PO 14:51 15 0,70092 0,81795
NA 12:24 30 0,468 0,76307
NA 12:41 30 0,56067 0,8151
NA 11:23 35 0,67692 0,77216
NA 11:56 35 0,5447 0,74008
NA 11:30 50 0,52368 0,74632
NA 12:52 50 0,62544 0,71232
NA 13:25 50 0,55662 0,73688
PO 14:11 50 0,4495 0,69267
NA 12:33 65 0,48612 0,7628
NA 13:12 65 0,67979 0,7429
Tabella 2. Valori della correlazione A e B in funzione della velocità di percorrenza del
treno (con l’indicazione dell’ora di misura e della direzione di percorrenza)
Valore medio ed errore standard Valore medio ed errore standard per la
per la correlazione A correlazione B
0.75±0.07 0.56±0.09
Valore medio ed errore standard Valore medio ed errore standard per la
per la correlazione A′ correlazione B′
0.76±0.07 0.59±0.08
Tabella 3. Valor medio ed errore standard della correlazione A e B su tutte le
acquisizioni analizzate (alto). Valor medio ed errore standard della correlazione A′ e B′
ottenute ricolcolando A e B su tutte le acquisizioni analizzate escluse le 4 a minore
velocità (basso).
Figura 5. Grafico dei valori della correlazione A (curva in verde) e della correlazione
B (curva in blu) in funzione della velocità di percorrenza del treno.
L’andamento qualitativo dei dati mostrati è del tutto analogo a quello registrato
nell’analisi di tutte le acquisizioni effettuate, a prescindere dalla direzione di marcia e dalla
velocità di percorrenza del treno. Tuttavia, a una attenta lettura della Tabella 2, i cui dati in
funzione della velocità sono riportati in Figura 5, è ravvisabile una dipendenza della
sensibilità del metodo proposto per la individuazione di stati fessurativi dalla velocità di
percorrenza che possiamo solo approssimativamente descrivere come di diretta
proporzionalità: alle basse velocità (<10 Km/h) il metodo non risulta efficiente, mentre
non pare ravvisabile una qualche dipendenza specifica a velocità maggiori, tanto più che
sono presenti più esempi di acquisizioni che, pur a parità di velocità, forniscono valori di
correlazione fortemente differenti.
Infine, l’analisi dei dati per la coppia di UF 10 e 11 ha rivelato che è riscontrabile uno
sfasamento temporale tra la coppia di segnali accelerometrici corrispondenti (dati non
mostrati) che fa ipotizzare che sia presente anche nella zona a cavallo delle due UF una
fessura per quanto non chiaramente diagnosticabile a vista.
Conclusioni e sviluppi futuri
In base a quanto esposto nei paragrafi precedenti, si possono tirare alcune conclusioni:
• L’ipotesi di base, per cui l’attraversamento della fessura da parte della vibrazione
indotta dall’eccitazione vibrazionale prodotta dal transito del treno sul ponte
comporta uno sfasamento della vibrazione stessa, si è rivelata, alla luce dei dati
sperimentali, corretta. Conseguentemente, il metodo adottato, consistente nello
strumentare la porzione di struttura in muratura con una rete di sensori
accelerometrici a tecnologia MEMS, è risultato efficace al fine di individuare la
posizione della fessura in base ai valori di correlazione dei profili temporali
accelerometrici (modulo) di coppie di sensori, attesi relativamente bassi per
coppie di sensori a cavallo della fessura rispetto a quelli relativamente alti di
coppie di sensori posti da uno stesso lato rispetto alla fessura.
• L’apparato di misura sviluppato da STRAGO Ricerche consente di implementare
questo metodo in maniera ottimale, realizzando una rete accelerometrica wireless
che, installata con estrema semplicità per l’assenza di cablaggio (grazie alla
comunicazione wireless dei dati e l’alimentazione a batteria delle UF) e
permanentemente, può operare un monitoraggio in continuo, coniugando basso
costo dei sensori e delle UF con un’alta flessibilità di configurazione del sistema,
e che può essere realizzata con un’elevata densità spaziale dei punti misura
grazie, congiuntamente, al basso costo di componenti e di installazione e alla
efficienza computazionale garantita dalla possibilità di elaborazione distribuita
(elaborazione dati in loco su singola UF con conseguente riduzione del carico
computazionale della UAD).
Restano, tuttavia, da chiarire alcuni punti: in primo luogo, l’origine della dimensione
dello sfasamento, che risulta davvero notevole (dell’ordine dei decimi di secondi). Ovvero
c’è da chiedersi
• se tale sfasamento sia dovuto alla fessura unicamente o congiuntamente a
qualche altro fattore strutturale non noto
• se, posto che dipenda solo dalla fessura, quale sia l’entità del danno che
produce un tale sfasamento.
In altri termini, sarebbe necessario cercare di tarare il sistema implementato in questa
campagna sperimentale confrontandone i risultati con quelli di uno di tipo tradizionale che
sia anche in grado di dare un’indicazione, seppure qualitativa, dell’entità del danno
strutturale in modo da correlarla con la dimensione dello sfasamento secondo una qualche
relazione di proporzionalità.
Inoltre, appare singolare la dispersione dei valori di correlazione con la velocità di
transito del treno sul ponte. Ciò potrebbe, in parte, essere attribuito al fatto che l’intervallo
temporale a cavallo della prima oscillazione non è stato determinato secondo una
procedura matematicamente definita in maniera univoca, ma è stato scelto in maniera
semiempirica in base alla esigenza di massimizzare l’incremento di correlazione nei
grafici tipo in Figura 3 e Figura 4, in basso. Non secondario, comunque, resta un fattore di
difficile stima, quale il carico del treno variabile a seconda dell’afflusso dell’utenza alla
metropolitana. Come pure influente può essere lo stato cinematico complessivo del treno
in ingresso al ponte, ovvero se è in frenata o in accelerazione.
Sia per rispondere a questi dubbi e quesiti, sia per ulteriormente verificare e
perfezionare il metodo innovativo qui presentato, onde testare in primis la capacità del
sistema di monitorare l’evoluzione temporale di quadri fessurativi, si impone la necessità
di eseguire una nuova campagna sperimentale.
Il sistema qui descritto è dunque promettente ai fini di un monitoraggio continuo degli
stati fessurativi su strutture in muratura per una serie di caratteristiche vantaggiose, oltre,
ovviamente, l’efficacia diagnostica derivante dal metodo di elaborazione dati: di semplice
installazione; di basso costo, sia nei componenti strumentali (MEMS) che nelle modalità
di installazione e gestione; operante in continuo nel tempo con invio in tempo reale di
segnali di allarme; distribuito fittamente sull’area da monitorare; di semplicità
computazionale.
Bibliografia
1. Z. Orban – “UIC Project on assessment, inspection and maitenance of
masonry arch railway bridges”,
[Link]
2. G. Pascale et al. – “Tecniche di indagine non distruttiva- la diagnostica
strutturale della muratura alla luce delle recenti normative antisismiche” -
Manutenzione, Tecnica e Management Marzo 2008 pp 29- 33 (relazione
presentata alla conferenza Nazionale sulle Prove non Distruttive
organizzata dall’Associazione Italiana Prove non Distruttive
Monitoraggio Diagnostica).
3. C. Carbone – “Applicazioni di un metodo ad onde ultrasonore per la
rivelazione di difetti in strutture murarie”, PnD 2007, 11-13 Ottobre
2007, Milano [Link]
4. A. Carpinteri et al. – “Monitoraggio di un edificio in muratura con il
metodo delle emissioni acustiche”, CIL 79, pp 62-65, 2001.
5. C. Colla et al. – “Prove soniche superficiali per l’indagine dello stato
fessurativo di murature in laterizio” PnD 2007, 11-13 Ottobre 2007,
Milano [Link]
6. A. Carpinteri et al. – “Damage diagnostic in concrete and masonry
structures by acoustic emission technique”, FACTA UNIVERSITATIS, 3
(13), pp 755-764, 2003.
7. P. Arias et al. – “Damage quantification and monitoring in masonry
monuments through digital photogrammetry” Key Engineering Materials,
347, pp 291-296, 2007.
8. G. Porco et al. – “Tecniche di controllo NDT su strutture in c.a.
sottoposte a cicli di danneggiamento”, PnD 2007, 11-13 Ottobre 2007,
Milano [Link]
9. P. J.S. Cruz et al. – “Performance of a Fibre-Optic Sensor for Monitoring
Cracks of Concrete, Masonry and Bituminous Elements”, Sensors and
Materials, 21 (2), pp 65-85, 2009.
10. G. Mannara et al. – “Sistema innovativo basato su sensori accelerometrici
MEMS per l’individuazione e l’evoluzione di uno stato fessurativo su
strutture in muratura” PnD 2007, 11-13 Ottobre 2007, Milano
[Link]