胡荣攀 汪羽凡 王立新 林健富 刘军香 赵贤任

（深圳防灾减灾技术研究院, 广东深圳 518000）

引言

由于我国城市化进程加快及城市土地资源稀缺，越来越多的超高层建筑拔地而起，这些超高层建筑承担着居住、办公、娱乐、文化等功能，在城市生活中扮演着重要的角色。然而超高层建筑服役期间会受到强风、地震等荷载作用，导致结构产生剧烈的振动或过大的位移，从而影响住户舒适度甚至结构安全。受环境侵蚀时，在建筑材料老化、动荷载疲劳等因素作用下，超高层建筑结构会产生抗力退化、损失累积，对结构安全产生巨大威胁。由于超高层建筑结构具有人员密集、使用率高的特点，一旦结构破坏，将对人民生命财产安全造成不可估量的损失。在超高层建筑结构上安装健康监测系统，实时监测结构健康状态，追踪结构全寿命周期的性能变化，对结构安全性进行实时评估与预警，是保障超高层建筑安全运营的重要措施。

近年来，超高层建筑健康监测研究及工程应用均取得了显著进展，大量超高层建筑安装了健康监测系统进行结构安全在线监测，包括迪拜哈利法塔（Kijewski-Correa 等，2013）、广州塔（Ni 等，2009）、金茂大厦（李志强，2007）、上海中心大厦（Su 等，2013；Hu 等，2020）、深圳地王大厦（郭西锐等，2016）等。由于超高层建筑体积庞大、结构体系复杂、构件繁多，对超高层建筑进行全面健康监测往往需要安装大量的传感器，但由于传统传感器成本高昂，限制了健康监测系统在超高层建筑中的应用和推广。随着微机电系统（Micro Electro Mechanical System，MEMS）传感器技术的发展，MEMS 型加速度传感器的准确性、灵敏度、动态响应范围有了很大的提升（D'Alessandro 等，2019），相较于传统的力平衡式加速度传感器，MEMS 型加速度传感器具有体积小、功耗低、成本低等特点，使利用MEMS 型加速度传感器构建低成本超高层建筑健康监测系统成为可能。

目前MEMS 型加速度传感器主要应用于地震预警及震后结构损伤评估。Cochran 等（2009）提出了基于MEMS 的新型强震观测网络，并命名为Quake-Catcher Network （QCN），用于为地震灾害提供预警。Nof 等（2019）提出使用低成本的MEMS 加速度计组成迷你阵列，用于改善地震预警，并部署在加州大学伯克利分校和洪堡州立大学进行验证。台湾大学的研究人员（Wu 等，2013；Wu，2015）以低成本的MEMS型加速度传感器建立了高密度地震预警网络，称为P-wave-alert-device（P-Alert）。Fu 等（2019）利用2018-2019 年华南地区实测地震记录，评估了低成本高密度MEMS 强震观测台阵在地震预警中的效果。除在强震观测与地震预警方面的应用，不少学者开展了基于低成本MEMS 型加速度传感器的建筑物震后损伤评估研究。Spencer 等（2004）研发了基于MEMS 的智能传感器阵列，并通过试验验证了其对于结构损伤评估的效果。Pozzi 等（2011）研发了基于MEMS 的加速度与应变传感器，并将其用于结构震后损伤评估。Hsu 等（2018）进行了一系列钢结构破坏振动台试验，证实了P-alert MEMS 型加速度传感器对震后建筑安全评估的有效性。Yin 等（2016）通过开展8 层1/4 跨钢架结构振动试验，验证了MEMS 型加速度传感器可有效测量结构振动响应，且可估计结构模态频率。Lin 等（2021）利用MEMS 型加速度传感器监测数据计算结构顶部位移及层间位移角，进行高层建筑震后安全评估。Wang 等（2022）将MEMS 型加速度传感器用于多层建筑结构振动测试，并与力平衡式加速度传感器监测数据中的幅值、信噪比及模态识别结果进行对比。

目前MEMS 型加速度传感器多应用于强震观测及实验室条件下的结构监测，对于MEMS 型加速度传感器在超高层建筑结构振动监测中的应用研究较少，尤其缺乏基于MEMS 型加速度传感器的环境激励下超高层建筑振动监测及结构模态识别研究。此外，对不同类型、品牌MEMS 型加速度传感器在超高层建筑监测中性能差异的研究较少。为此，本研究针对不同类型MEMS 型加速度传感器在超高层建筑振动监测中的应用效果进行测试与分析，并与传统高精度力平衡加速度传感器监测数据中的时程、频谱、结构模态识别结果进行对比，以分析MEMS 型加速度传感器的适用性。

1 传感器与振动测试环境

选用G1B 型力平衡式三轴加速度传感器、MEMS-I 型三轴加速度传感器（Hu 等，2021）、Palert-Plus型三轴MEMS 加速度传感器、AC217 型三轴MEMS 加速度传感器和Palert-Advance 型三轴MEMS 加速度传感器（Wu 等，2013）作为监测仪器（图1），以深圳地王大厦为试验场地，进行传感器性能对比测试。

图1 不同种类传感器Fig. 1 Product pictures of different sensors

1.1 传感器参数对比

本试验以G1B 型力平衡式加速度传感器为基准设备，该设备加速度校准结果不确定度为2.0%（k值为2），满足结构振动监测精度要求。

表1 传感器技术参数对比Table 1 Comparison of parameters of different sensors

1.2 振动测试环境

深圳地王大厦建成于1996 年，地处深圳湾江入海口，经常受强风或台风影响，偶尔受地震影响。主楼结构高度（至天面）为310 m，天面上部连接2 个直径为6 m、高度为15 m 的圆柱，上部为2 个59 m 高桅杆，桅杆顶标高为383.95 m。地王大厦地面以上为69 层，加上避难层和设备层，结构层为81 层。地王大厦主楼采用钢框架-钢筋混凝土核心筒混合结构形式，分别在2、22、41、66 层设置4 个加强层，利用高度为2 层楼高的伸臂钢桁架连接核心筒与外围框架柱，使外围框架柱起到抗倾覆作用（郭西锐等，2016）。主楼结构平面由1 个矩形和2 个半径为12.5 m 的半圆组成，短轴x为东西向，宽35.5 m，长轴y为南北向，长68.55 m。

为对比不同加速度传感器在超高层建筑振动监测中的性能差异，将传感器安装在地王大厦66 层相同测点，测量方向与结构x、y、z轴保持一致，如图2（a）所示，测点平面位置如图2（b）所示，现场安装照片如图2（c）所示。所有传感器采样频率均设置为100 Hz，监测数据由传感器内置模块采集，并由4G 网络实时传回远端服务器进行存储分析。

图2 地王大厦测点位置Fig. 2 Layout of sensor installation on Diwang building

2 环境振动数据对比

环境振动下仪器监测数据的噪声水平是衡量传感器精度的重要指标，也是影响结构模态识别精度的重要因素，本文分别从时域和频域角度对比不同传感器在超高层建筑环境振动监测应用中的性能差别。超高层建筑环境振动以水平方向为主，为此仅对传感器x、y向环境振动监测数据进行对比分析。因超高层建筑自振频率低，结构振动信号以低频为主，因此对监测数据进行0.1～10 Hz 带通滤波，并进行去均值处理。

2.1 时域对比

选取测点10 min 的环境振动监测数据进行对比，结果如图3 所示。

由图3 可知，各传感器虽放置在同一测点，但测得的加速度幅值不同，按加速度幅值由小到大排列，依次为G1B 型、MEMS-I 型、Palert-Plus、AC217 型、Palert-Advance 型加速度传感器。这是因为传感器采集到的加速度信号主要由结构振动和传感器噪声叠加构成，而不同类型的传感器仪器噪声水平不同，在结构振动相同的情况下，仪器噪声越大，传感器监测数据幅值越大。通过计算环境激励下传感器加速度时程的均方根可更直观地比较各传感器噪声幅值，均方根越小，测量噪声水平相对越小。

图3 不同类型加速度传感器加速度时程曲线Fig. 3 Acceleration time histories of different sensors in x and y directions

计算得到不同传感器x、y向加速度时程的均方根如表2 所示。由表2 可知，不同传感器x、y向加速度时程的均方根基本相同。其中，G1B 型加速度传感器x、y向加速度时程的均方根均最小，MEMS-I 型、Palert-Plus 型加速度传感器x、y向加速度时程的均方根约为G1B 型加速度传感器的2.5 倍，AC217 型、Palert-Advance 型加速度传感器x、y向加速度时程的均方根约为G1B 型加速度传感器的3 倍。

表 2 不同传感器 x 、 y向加速度时程的均方根Table 2 RMS of acceleration measurement of different sensors in x and y directions

2.2 频域对比

为对比不同传感器监测数据的频域特性，选取2021 年11 月3 日11:00-12:00 传感器监测数据进行傅里叶变换，得到各传感器x、y向加速度信号频谱，如图4 所示，并提取各传感器x、y向频谱中同频率的四阶波峰对应的傅里叶幅值，计算出与G1B 型加速度传感器结果的相对误差，如图5 所示。

由图4 可知，G1B 型加速度传感器在0.1～10 Hz 频率段仪器噪声水平远低于结构振动信号，结构各阶频率波峰明显，4 种MEMS 型加速度传感器仪器噪声水平较高，环境激励下2 Hz 以上的结构高频振动频率波峰难以清晰识别。由0.1～2 Hz 低频段频谱对比结果可知，MEMS-I 型、 Palert-Plus 型、AC217 型加速度传感器均可清晰识别结构低阶振动模态对应的频率波峰，但由图5 可知，MEMS-I 型加速度传感器监测的结构振动频谱幅值与G1B 型加速度传感器结果的相对误差较小，且为正偏离（幅值较大），而Palert-Plus 型、AC217 型加速度传感器监测的结构振动频谱幅值与G1B 型加速度传感器结果有较大差异，且多为负偏离（幅值较小）。Palert-Advance 型加速度传感器由于仪器噪声过大，无法较好地识别出结构除第一阶以外的频率波峰，监测的结构振动频谱幅值与G1B 型加速度传感器结果的相对误差最大，且多为负偏离（幅值较小）。

图4 不同传感器x、y 向加速度傅里叶谱Fig. 4 Fourier spectrum of acceleration measurement of different sensors in x and y directions

图5 不同传感器x、y 向加速度傅里叶谱幅值相对误差对比Fig. 5 Relative errors of peak Fourier spectrum amplitudes of different sensors

3 模态频率识别结果对比

自振频率是超高层建筑结构的重要动力特征，通过追踪结构自振频率变化，可了解结构健康状态，因此基于结构振动加速度数据对超高层建筑进行模态识别是振动监测的重要目标。利用频域分解法对不同MEMS 型加速度传感器记录的超高层建筑环境振动数据进行模态频率识别，并对比识别效果和精度。

3.1 模态频率识别方法

根据Brincker 等（2001）的研究，为更好地通过环境振动监测数据对结构模态频率进行识别，降低仪器噪声的干扰，可对传感器x、y向加速度信号的互功率谱密度矩阵进行奇异值分解，绘制分解后的特征值曲线，在靠近结构固有频率的位置将出现峰值。将奇异值曲线转化为能量谱图，通过对比峰值能量与周围噪声能量的相对值，可准确识别结构模态频率，算法流程如图6 所示，具体步骤如下：

图6 基于频域分解法的模态频率识别流程Fig. 6 Flowchart of the FDD-based modal frequency identification method

（1）对某个时间长度x、y向实测加速度数据进行傅里叶变换，得到x、y向频谱。

（4）提取第一阶奇异值曲线，并绘制能量谱，不同能量值通过不同颜色表示，能量越高越接近红色，能量越低越接近蓝色。

（5）取多个长度相同的时间段，重复步骤1～4，得到多条第一阶奇异值曲线能量谱，将其组成时频能量云图。

（6）选取云图中与背景噪声颜色对比度明显的红色或黄色线条，并将能量条对应的频率作为结构自振频率，模态频率与背景噪声对应能量云图的颜色对比度越高，频率识别精准度越高。

3.2 模态频率识别结果

为对比不同类型加速度传感器在结构频率识别中的效果，选取5 天（2021 年11 月1 日至5 日）环境振动加速度数据，利用频域分解法对结构模态频率进行识别，得到不同类型加速度传感器监测数据时频能量云图，如图7 所示。

图7 不同传感器监测数据时频能量云图Fig. 7 Time-frequency domain color map of the vibration energy of different sensor measurement

由图7 可知，G1B 型加速度传感器对应的时频能量云图中，结构模态频率对应的13 条红色能量带清晰可见，且与蓝绿色噪声能量带形成鲜明对比，界限清晰可见，因而可精准识别结构各阶模态频率。MEMSI 型、Palert-Plus 型、AC217 型加速度传感器对应的时频能量云图中，噪声能量带为黄绿色或黄红色，高阶模态频率对应的红色能量带与噪声能量带的对比度不够明显，但仍可识别除1.83 Hz 以外的十二阶结构模态频率。另外，Palert-Plus 型加速度传感器低阶噪声能量较高，会影响低阶模态频率的识别精度。而Palert-Advance 型加速度传感器对应的时频能量云图中，仅有前六阶结构模态频率对应的红色能量带较清晰，其他阶结构模态频率对应的红色能量带与噪声能量带颜色接近，影响模态识别的精准度，且在较多时间段结构振动能量淹没于噪声中，导致无法识别结构模态频率。

为验证本文采用的模态频率识别方法的准确性和有效性，将基于G1B 型加速度传感器监测数据识别的结构模态频率与郭西锐等（2016）、徐枫等（2014）的研究结果进行对比，如表3 所示。由表3 可知，G1B型加速度传感器模态频率识别结果与郭西锐等（2016）研究结果的最大误差≤0.85%，与徐枫等（2014）研究结果的最大误差≤0.98%，且可识别结构前十三阶模态频率，验证了本文采用的频率识别方法的准确性和有效性，可进行进一步的计算分析。

表3 G1B 型加速度传感器实测自振频率识别结果与已有研究结果对比Table 3 Comparison of modal frequency identification results between G1B accelerometer and references

计算基于4 种MEMS 型加速度传感器监测数据识别的结构模态频率，并与G1B 型加速度传感器的结果进行对比，得到相对误差，如表4 所示。由表4 可知，根据MEMS-I 型加速度传感器的监测数据识别的结构各阶模态频率与G1B 型加速度传感器得到的结果相对误差最小，大部分模态频率对应的相对误差≤0.1%，最大相对误差仅为0.17%。

表4 不同类型加速度传感器监测数据的模态频率识别结果对比Table 4 Comparison of modal frequencies identified from the measurement of different sensors

4 地震响应监测数据对比

2022 年3 月14 日2:28:48，广东省惠州市惠东县海域（115.04°E，22.51°N）发生4.1 级地震，震源深度25 km，震中位置距地王大厦约100 km。G1B 型、MEMS-I 型加速度传感器完整记录到了此次地震事件引起的结构振动。由于Palert-Plus 型、AC217 型、Palert-Advance 型加速度传感器进行了维护，地震期间未记录到结构的地震响应。

选取G1B 型、MEMS-I 型加速度传感器1 min 内记录的结构加速度时程曲线进行分析，如图8 所示。由G1B 型加速度传感器监测结果可知，此次地震引起的结构振动以竖向振动为主，x、y向振动加速度峰值分别为0.473、0.548 cm/s2，z向振动加速度峰值约为1.99 cm/s2。MEMS-I 型加速度传感器测得x、y、z向结构振动加速度峰值分别为0.521、0.57、1.99 cm/s2，与G1B 型加速度传感器监测结果接近，差值＜0.05 cm/s2。截取地震响应峰值数据（图8 中18～24 s 的波形）进行对比分析，如图9 所示。由图可知，MEMS-I 型加速度传感器记录的x、y、z向结构振动加速度波形与G1B 型加速度传感器记录结果较吻合。G1B 型、MEMS-I型加速度传感器记录的结构频谱曲线对比如图10 所示，由图可知，MEMS-I 型加速度传感器记录的结构频谱曲线与G1B 型加速度传感器记录结果较吻合。综上所述，MEMS-I 型传感器适用于结构地震监测。

图8 G1B 型、MEMS-I 型加速度传感器监测的结构地震响应时程曲线Fig. 8 Comparison of earthquake-induced structural responses measured by the G1B and MEMS-I accelerometers

图9 G1B 型、MEMS-I 型加速度传感器监测的结构地震响应局部波形Fig. 9 Detailed comparison of earthquake-induced structural responses measured by the G1B and MEMS-I accelerometers

图10 G1B 型、MEMS-I 型加速度传感器监测的结构地震响应频谱曲线Fig. 10 Comparison of Fourier spectrum of earthquake-induced structural responses measured by the G1B and MEMS-I accelerometers

5 结语

为研究MEMS 型加速度传感器在超高层建筑振动监测中的性能，本研究选取4 种不同类型MEMS 型加速度传感器，与G1B 型力平衡式加速度传感器安装在超高层建筑相同位置进行对比测试试验。

对不同传感器在建筑物环境振动下监测数据的时域和频域结果进行对比，可知4 种MEMS 型加速度传感器仪器噪声水平高于G1B 型加速度传感器，在2～10 Hz 的高频率段，由于结构环境振动微弱，4 种MEMS 型加速度传感器均无法清晰识别结构模态振动；在0.1～2 Hz 低频段，可从MEMS-I 型、Palert-Plus 型、AC217 型加速度传感器监测数据中分辨出结构振动对应的频率，但Palert-Plus 型、AC217 型加速度传感器测量的结构振动频率对应的频谱峰值与G1B 型加速度传感器存在较大差异。

为对比不同类型加速度传感器环境振动数据结构模态频率识别精准度，采用频域分解法对传感器x、y向加速度互功率谱进行奇异值分解，并绘制时频能量云图，对比结果表明基于MEMS-I 型加速度传感器数据的模态识别精度优于另外3 种MEMS 型加速度传感器，且与G1B 型加速度传感器模态频率识别结果吻合较好。

对MEMS-I 型、G1B 型加速度传感器监测的结构地震响应数据进行时域和频域对比，证明了MEMS-I型加速度传感器可较准确地记录到结构强振动响应，适用于超高层建筑日常结构振动监测。