基于监测数据的岸桥模态参数识别_秦仙蓉.pdf

书书书  振动与冲击 第 38 卷第 20 期JOURNAL OF VIBRATION AND SHOCKVol．38 No．20 2019 基金项目 上海市科学技术委员会科研计划项目 15DZ1161203 收稿日期 2018 －05 －24修改稿收到日期 2018 －07 －23 第一作者 秦仙蓉 女， 博士， 教授， 博士生导师， 1973 年生 通信作者 孙远韬 男， 博士， 副教授， 1979 年生 E- mail sun1979 tongji． edu． cn 基于监测数据的岸桥模态参数识别 秦仙蓉，余传强，孙远韬，宗瑞，张氢 同济大学 机械与能源工程学院， 上海201804 摘 要 针对岸桥的模态参数识别问题， 基于监测数据， 采用协方差驱动的随机子空间方法对监测岸桥的模态参 数进行了识别。归纳了随机子空间法的理论及算法过程， 基于协方差驱动随机子空间法结合稳定图对不同工作状态下的 岸桥进行参数识别， 识别出了监测岸桥在不同工作状态下 1 Hz 以内的五阶模态。识别得到的岸桥的阻尼比在 3 以内， 小车 吊重 质量对不同的工作状态下岸桥的非工作平面内模态影响较小， 对起升平面， 即工作平面内的模态有一定的 影响。 关键词 岸桥; 随机子空间法; 结构监测; 参数识别; 模态参数 中图分类号 TH113文献标志码 ADOI10． 13465/j． cnki． jvs． 2019． 20． 031 Modal parameter identification of a quayside container crane based on monitoring data QIN Xianrong，YU Chuanqiang，SUN Yuantao，ZONG Rui，ZHANG Qing School of Mechanical Engineering，Tongji University，Shanghai 201804，China AbstractAiming at modal parameter identification of a quayside container crane QCC ，based on monitoring data，the modal parameters of the QCC were identified by a covariance- driven stochastic subspace identification CSSI in this paper． The main theory of this and its algorithm were summarized，then，the parameters of the QCC were identified by the CSSI with the stabilization diagram． The results reveal that this can effectively identify the five modes of QCC within 1 Hz，the identified damping ratios are less than 3，and the trolley loading has negligible effects on the modal results of the monitored QCC under different working states in an unworking plane，but has certain effects on the modal results in the working plane，i． e． lifting plane． Key wordsquayside container crane;stochastic subspace identification;structure monitoring;parameter identification; modal parameter 岸边集装箱桥式起重机 以下简称岸桥， 如图 1 所 示 为集装箱船与码头前沿之间装卸集装箱的专用设 备， 其结构性能的可靠性与稳定性显得尤为重要。然 而在长期使用中由于各种载荷作用以及环境侵蚀等各 种因素的影响， 其结构性能将发生改变， 通过对岸桥进 行长期监测， 了解其不同状态下的动力学特性对于保 证其安全工作， 显得尤为重要。 通过有效的参数识别方法能得到结构的相关参 数， 从而掌握大型结构的健康状况。其中随机子空 间法是环境激励下时域的主要模态参数识别方法之 一［1 － 2］， 该方法最早由 Juang 与 Pappa 应用于结构模 态参数的识别中［3］。随机子空间法不需要人为激 励， 可以直接从环境激励的响应输出信号中获取结 构的模态参数。该方法的关键是如何准确的确定系 统的阶次， 稳定图法是一种较好的方法， 该方法可以 从诸多的模态中辨别真假模态从而便于剔除虚假 模态［4］。 图 1岸边集装箱桥式起重机 Fig． 1 Quayside container crane ChaoXing 目前， 随机子空间参数识别法在桥梁和大型建筑 上得到了广泛的应用。常军等 ［5 ］将随机子空间法运用 在南京长江三桥的南塔的模态参数识别上， 不仅准确 地识别出了前四阶固有频率， 还识别出较精确的阻尼 比。徐良等 ［6 ］将该方法运用在了悬索桥的模态识别 上， 能有效地识别出 10 个在 0． 5 Hz 以下的自振频率， 并且得到较好的结构阻尼， 验证了该方法在分析大型 桥梁特征参数上的实用性。秦世强等 ［7 ］将经验模态分 解与随机子空间参数识别相结合， 将环境激励下的振 动信号分解为一系列本征模态函数后利用随机子空间 方法识别出了桥梁的模态参数， 同时有效的抑制了虚 假模态。臧廷朋等 ［8 ］也将经验模态分解与随机子空间 参数识别相结合， 有效的识别出了运行工况下转子系 统的前两阶固有频率。谢伟平等 ［9 ］将随机子空间识别 鲜见的运用到了宽幅钢箱梁桥的参数识别上， 识别出 了桥梁的前十二阶模态， 并依据该模态识别结果结合 响应面法对有限元模型进行了修正。杨风利等 ［10 ］通过 随机子空间参数识别方法不仅识别出了格构式输电塔 在脉动风激励下的频率， 同时有效的识别出了该塔的 阻尼比特性。 然而， 目前国内对于岸桥这类大型重载机械的参 数识别研究较少， 且研究大都基于已知工况下的实测 数据， 研究工况较为单一。而实际工程中， 岸桥的起制 动频繁， 工况复杂， 虽然岸桥长期处于工作状态， 但当 遇到台风或者故障检修时则需要停机， 此时处于非工 作状态下的岸桥模态参数识别结果可能与岸桥处于工 作状态下识别出的结果存在差异。因此， 本文着重研 究岸桥的不同工作状态对随机子空间法模态参数识别 结果的影响。本文以上海洋山港 1 号集装箱码头某岸 桥为研究对象， 通过在其关键位置布置速度传感器， 对 其进行长期的健康监测， 通过监测数据， 利用随机子空 间方法对该岸桥的频率、 阻尼比和振型进行参数识别。 1随机子空间识别方法 系统的振动方程可以描述为 M{ y t } C{ y t } K{ y t } { f t } 1 式中 M、 C、 K 分别是质量、 阻尼和刚度矩阵， { y t } 是 位移列阵， { f t } 是载荷列阵。 用状态空间法对其进行描述为 { x t } A{ x t } B{ u t } { y t } C{ x t } D{ u t { } 2 式中 A 为状态矩阵; B 为输入矩阵; C 为输出矩阵; D 为直接传输矩阵， { x t } 为状态向量; { u t } 为输入 向量。 上述状态空间方程是连续的， 而实际应用中， 测试 数据在时间上都是离散的， 同时必须考虑随机因素 － 外界环境激励的干扰。因此将上述状态空间方程离散 化并考虑随机因素就得到了离散化状态空间模型 ［4 ］ { x k 1 } A{ x k } B{ u k } { ωk} { y k } C{ x k } D{ u k } { vk { } 3 式中 { x k } { x kΔt } 为离散时间 k 时刻的状态向 量; { ωk} 是由环境激励和建模不精确而引起的过程噪 声; { vk} 是由传感器不精确或环境对传感器的影响而 引起的测量噪声。这里均假设为零均值的白噪声 序列。 随机子空间参数识别方法主要是通过求解状态空 间矩阵 A 的特征值问题获得系统的码模态参数， 该方 法的简要过程如下 1 将测量数据构造 Hankel 矩阵， 按矩阵行数的 不同将其分为“过去”和“将来”构造新矩阵 Y Yp/Yf［11 ］; 2 利用 Yf、 Yp构造 Toeplitz 矩阵形式的协方差 矩阵 T1/i YfYT p 4 3 对上述协方差矩阵进行奇异值分解得到可观 测矩阵 Oi和可控矩阵 Γi［12 ］ T1/i UiSiVi OiΓi 5 4 根据 Oi的推移不变特性可以计算出状态矩阵 A 首先对协方差矩阵 T1/i进行时延得到 T2/i 1， 可以发 现 T2/i 1 Oi AΓ i。此时系统状态矩阵为 A S －1/2 i UT iT2/i 1ViS －1/2 i 6 5 求解状态矩阵 A 的特征值问题即可得系统的 模态参数 ［13 ］。 A Λ －1 7 式中 Φ， Λ 分别为状态空间矩阵 A 的特征向量和特征 值构成的对角矩阵。Λ 中对角元素即为离散的特征值 λi i 1， 2， ， n ， 离散特征值 λi与连续的特征值 λci 的关系有 λci － σi jωi lnλ i Δt 8 式中 Δt 为采样间隔。因此， 系统的模态频率与阻尼 比为 fi ωi 2π， ζ i － σ i σ2i ω 2 槡 i 9 系统的振型为 ψ C 10 2岸桥振动监测 2． 1监测过程 本文的数据采集自上海洋山港 1 号集装箱码头某 岸桥， 其主体结构由门框系统、 门框连接系统、 拉杆系 统、 梯形架以及主梁等组成。该岸桥整机高度大约 712第 20 期秦仙蓉等 基于监测数据的岸桥模态参数识别 ChaoXing 78 m， 其前大梁长度约 71 m， 小车轨道以上高度 29 m， 后大梁长度约 31 m。岸桥小车空载时的质量为 100 t， 小车额定速度为 4 m/s。工作时， 小车与吊重及货物 重约 165 t， 约为整机质量的 11． 38 以恒定速度 平 均速度约为 3． 5 m/s 在大梁上移动; 非工作时， 小车停 靠在泊车位， 即中大梁靠后位置。 为了获得岸桥的振动信号， 采用防水型磁电式速 度传感器采集结构响应， 传感器通过底部的 4 个磁力 支座安装于岸桥的对应测点。X 方向定义为小车运行 方向， 陆侧指向海侧为正方向; Y 方向定义为竖直方向， 竖直向上为正方向; Z 方向定义为大车行走方向， 根据 右手法则确定正方向， 如图 2 a 所示。 根据有限元分析结果， 在岸桥上布置10 个速度传感 器对其进行监测， 10 个速度传感器的布置位置依次为 梯形架顶部 A 、 后大梁陆侧端点 B 和 C 、 中大梁中 点 E 、 陆侧上横梁端点 D 以及海侧上横梁端点 F ， 如图2 所示。由于前大梁实际中有时会需要抬起 见图 2 a 虚线 ， 故不宜布置传感器。传感器通过铠装防水 信号线与布置于机器房中的信号采集仪相连。其中， A、 D、 F 三个测点采集 X 方向数据， B、 C、 E 三个测点采集 Y 方向数据， A、 C、 D、 F 四个测点采集 Z 方向数据。 图 2岸桥传感器布置图 Fig． 2 Layout of velocity sensors 图 3 和图 4 是数据采集仪采集到的 X， Y， Z 三个方 向部分测点的响应数据的时程曲线， 响应信号的采样 频率为 200 Hz， 采样方式为连续采样， 每次连续采样一 个月之后去现场取回数据， 本文截取其中一段 250 s 的 数据进行分析。 图 3非工作状态部分测点时程曲线 Fig． 3 Time history of non- working state responses 图 4工作状态部分测点时程曲线 Fig． 4 Time history of working state responses 由于监测数据是长期不间断采样， 期间没有人 员， 因此如何准确的判断出一段连续的信号中哪部分 是岸桥处于工作状态， 哪部分是岸桥处于非工作状态 对后期的参数识别有着至关重要的影响。本文通过 812振 动 与 冲 击2019 年第 38 卷 ChaoXing 对初选数据段进行积分得到各测点的位移信息， 通过 关键测点的位移值判断该段信号所处的工作状态。 当岸桥工作时， 小车与重物运行在大梁上， 因此大梁 的 Y 向位移应较非工作有明显的区别。图 3 b 和图 4 b 是岸桥 C 测点 位于后大梁右侧端点 Y 方向的 速度响应及积分得到的位移响应时程曲线， 通过位移 值可以明显的发现， 工作状态下该测点 Y 向的位移为 10 mm， 而非工作状态下该测点 Y 向的位移仅为 0． 2 mm， 因此， 可以判断出两组信号对应的岸桥的 工作状态。 2． 2岸桥的模态参数识别 图 5 的 a 和 b 分别是基于协方差驱动随机子空 间法得到的岸桥在非工作状态下和工作状态下的试验 模态识别稳定图。图 5 中， ○是基于状态空间矩阵求 解特征值问题得到的系统在不同的假定模型阶次的系 统频率。为了能够有效地判别虚假计算模态， 本文在 稳定图中“叠加” 了不同阶次的振型的模态置信因子 MAC ， 当高阶模型的振型与低阶模型的振型的模态 置信因子高于 90， 则认为该点为稳定点 图 5 中用 表示 ， 从而使得模态的判别更加可靠。 由图 5 的 a 和 b 可以看出在 1 Hz 以内有非常 明显的五条纵向稳定轴， 分别对应于岸桥的五阶固有 频率。图 6 的 a 和 b 为岸桥在非工作状态和工作状 态下识别得到的频率和阻尼比的分布特征。根据图 6 中的分布可以看出， 频率和阻尼比都离散的分布在一 定的区间内， 其中频率的离散程度非常小， 阻尼比的离 散程度较频率略大。 图 5岸桥试验模态识别的频率稳定图 Fig． 5 The identified stabilization diagrams of QCC 图 6岸桥试验模态识别的频率和阻尼比 Fig． 6 The identified modal frequencies and damping ratios of QCC 表 1 和表 2 是根据岸桥的长期监测数据识别出的 两种工作状态下 1 Hz 以内岸桥的固有频率及阻尼比。 表 1非工作状态下岸桥模态参数识别结果 Tab． 1 Identified modal parameters under non- working state 模态阶次 频率/Hz 均值标准差 阻尼比/ 均值标准差 10． 360． 0022． 070． 45 20． 520． 0021． 190． 29 30． 650． 0031． 230． 22 40． 840． 0031． 510． 38 50． 990． 0052． 550． 33 表 2工作状态下岸桥模态参数识别结果 Tab． 2 Identified modal parameters under working state 模态阶次 频率/Hz 均值标准差 阻尼比/ 均值标准差 10． 360． 0021． 980． 30 20． 520． 0042． 450． 35 30． 650． 0011． 260． 09 40． 810． 0052． 320． 37 50． 960． 0011． 580． 31 本文选取了岸桥处于两种工作状态长度为 250 s 的监测数据。根据图 3 与图 4 给出的数据时程曲线可 以看出所取的实测数据稳定， 无畸变值， 数据的品质较 好。根据表 1 和表 2 可知， 非工作状态下识别的岸桥 在 1 Hz 以内的五阶固有频率分别为0． 36 Hz、 0． 52 Hz、 0． 65 Hz、 0． 84 Hz 和 0． 99 Hz， 阻尼比分别为 2． 07、 1． 19、 1． 23、 1． 51和 2． 55。工作状态下识别的 912第 20 期秦仙蓉等 基于监测数据的岸桥模态参数识别 ChaoXing 岸桥在 1 Hz 以内的五阶固有频率分别为 0． 36 Hz、 0． 52 Hz、 0． 65 Hz、 0． 81 Hz 和 0． 96 Hz， 阻尼比分别为 1． 98、 2． 45、 1． 26、 2． 32和 1． 58。 由表 1 和表 2 可知， 对于两种工作状态识别的频 率的标准差值小于 0． 005， 小于相应模态频率均值的 0． 5; 识别的阻尼比的标准差值小于 0． 45， 小于相应 模态阻尼比均值的 26。 由表 1 和表 2 两种工作状态下的前三阶固有频率 可以看出是对应相等的， 当将前三阶固有频率精确到 千分位后发现， 岸桥非工作状态下识别得到的前三阶 固有频率分别为0． 359 Hz、 0． 518 Hz、 0． 654 Hz; 而处于 工作状态下的岸桥识别得到的前三阶固有频率分别为 0． 361 Hz、 0． 515 Hz、 0． 653 Hz， 可以看出两者的误差最 大仅为 0． 003 Hz。由此可以看出， 不同的工作状态对 岸桥的前三阶固有频率影响较小， 因为， 岸桥的前三阶 固有频率所对应的振型是在 XZ 平面内， 该平面不是岸 桥的工作平面， 即非工作平面内的振型， 因此， 虽然小 车 吊重 增加了岸桥整体系统的质量， 但这并不会影 响非工作平面内的模态结果; 相反的， 非工作状态下识 别得到的岸桥第四阶和第五阶固有频率则明显大于工 作状态下识别得到的第四阶和第五阶的固有频率， 因 为岸桥的第四阶和第五阶固有频率所对应的振型是在 XY 平面内 Y 方向 的振型， 该平面为岸桥的起升工作 平面， 因而， 当岸桥处于工作状态时， 小车 吊重 会使 得岸桥系统整体质量的增加， 使得工作平面内模态的 固有频率较非工作状态有所下降。由此可见， 不同的 工作状态对岸桥工作平面内的模态结果会产生较大的 影响， 而对于非工作平面内的模态结果， 不同的工作状 态的影响程度则较小。 为了进一步说明岸桥不同工况对岸桥频率的影 响， 本文通过建立相应的有限元模型 按照工程图纸 ， 在前大梁小车运行行程 约 69 m 上等距选取 16 个点 将小车 吊重 简化为集中质量分别放置于该 16 个位 置模拟小车 吊重 在岸桥前大梁上的运行工况并进行 模态分析， 模拟分析得到了相应模态下的岸桥的前五 阶固有频率， 图 7 中实线为前五阶固有频率， 虚线为频 率的均值线。通过图 7 可以明显看到， 当岸桥处于工 作状态时， 前三阶固有频率几乎不发生变化， 而第四阶 和第五阶固有频率则出现了下降 该两阶频率对应的 振型为工作平面内的振型 ， 可见， 小车 吊重 会对岸 桥工作平面内的模态结果造成影响而对非工作平面的 模态结果几乎不产生影响。 图 7工作状态岸桥的有限元模态分析结果 Fig． 7 The modal results of QCC under working state by FEM 图 8 为岸桥处于非工作状态以及工作状态下的识 别得到的振型结果。考虑到安全原因， 未在岸桥的前 大梁布置传感器， 因此在保证测点的识别振型与有限 元对应位置振型的 MAC 值在 90 以上的条件下参考 有限元前大梁的振型。图 8 中， 虚线对应于岸桥处于 静平衡位置， 实线为工作状态下识别得到的振型， 双点 划线为非工作状态下识别得到的振型。 图 8两种工作状态下岸桥的模态振型识别结果 Fig． 8 Identified mode shapes of QCC under different working state 根据表 1、 表 2 以及图 8 可以发现， 对于本文的监 测岸桥， 前三阶振型为大车行走方向 Z 方向 的振型， 该平面为岸桥的非工作平面， 其刚度较小， 因此首先出 现该平面内的振型; 后两阶振型为竖直方向 Y 方向 振型， 该平面为岸桥的起升工作平面， 其设计刚度较 大， 这也与实际工程经验相符。 图 8 表明， 两种工作状态下的岸桥的前三阶振型 非常相似， 计算两种工作状态下识别的前三阶振型之 022振 动 与 冲 击2019 年第 38 卷 ChaoXing 间的 MAC 值可以发现， 前三阶模态振型的 MAC 值在 93 ～ 97 之间， 而岸桥的第四阶和第五阶振型存在 一定的差异， 这是因为小车 吊重 对岸桥起升工作平 面的振型产生了一定的影响， 而对非工作平面的振型 产生的影响较小。可见， 小车 吊重 质量的影响不仅 体现在对岸桥的固有频率上， 同时， 对岸桥的振型也存 在类似的影响。 3结论 本文基于协方差驱动随机子空间方法对上海洋山 港 1 号集装箱码头某岸桥进行了模态参数识别。该岸 桥整机高度约 78 m， 前大梁长度约 71 m， 小车轨道以 上高度 29 m， 后大梁长度约 31 m。识别出了工作状态 与非工作状态下岸桥 1 Hz 以内的五阶模态。其中， 非 工作平面内岸桥的频率范围在 0． 3 ～0． 7 Hz， 而工作平 面内岸桥的频率范围在 0． 8 ～1 Hz; 由于小车 吊重 质 量的影响， 两种工作状态下识别得到的非工作平面内 的频率基本相同， 而工作平面内工作状态下的岸桥的 频率则明显小于非工作状态下的频率。对于本文监测 的岸桥， 识别得到的阻尼比较小， 在 3 以内。此外本 文的模态识别结果也表明， 小车 吊重 质量对不同的 工作状态下岸桥的非工作平面内的模态结果影响较 小， 对起升平面， 即工作平面内的模态结果有一定的 影响。 参 考 文 献 ［1］ 刘宇飞，辛克贵，樊健生，等． 环境激励下结构模态参数 识别方法综述［ J］ ． 工程力学， 2014， 31 4 46 －53． LIU Yufei，XIN Kegui，FAN Jiansheng，et al． A review of structuremodalidentificationsthroughambient excition［J］ ．Engineering Mechanics， 2014， 31 4 46 －53． ［2］ 辛峻峰，王树青，刘福顺． 数据驱动与协方差驱动随机子 空间法差异化分析［ J］ ． 振动与冲击， 2013， 32 9 1 －4． XIN Junfeng，WANG Shuqing，LIU Fushun．Perance comparison for data- driven and covariance- driven stochastic subspace identification ［J］ ． Journal of Vibration and Shock， 2013， 32 9 1 －4． ［3］ LEW J S，JUANG J N，LONGMAN R W． Comparison of several system identification s for flexible structures ［ J］ ．Journal of Sound and Vibration，1993，167 3 461 －480． ［4］ 常军， 张启伟， 孙利民． 稳定图方法在随机子空间识别模 态参数中的应用［ J］ ． 工程力学， 2007， 24 2 39 －44． CHANG Jun，ZHANG Qiwei，SUN Limin．Application of stabilization diagram for modal parameter identification using stochastic subspace ［J］ ．Engineering Mechanics， 2007， 24 2 39 －44． ［5］ 常军， 张启伟， 孙利民． 随机子空间方法在桥塔模态参数 识别中的应用［ J］ ． 地震工程与工程振动，2006， 26 5 183 －197． CHANG Jun， SUN Qiwei， SUN Limin．Application of stochasticsubspaceidentificationinmodalparameter identification of bridge tower ［J］ ． Earthquake Engineering and Engineering Vibration， 2006， 26 5 183 －197． ［6］ 徐良， 江见鲸， 过静珺． 随机子空间识别在悬索桥试验模 态分析中的应用［ J］ ． 工程力学， 2002， 19 4 46 －49． XU Liang，JIANG Jianjing，GUO Jingjun．Application of stochastic subspace to experimental modal analysis of suspension bridge［ J］ ． Engineering Mechanics， 2002， 19 4 46 －49． ［7］ 秦世强， 蒲黔辉， 施洲． 环境激励下大型桥梁模态参数识 别的一种方法［ J］ ． 振动与冲击， 2012， 31 2 95 －100． QIN Shiqiang，PU Qianhui，SHI Zhou． A of modal parametersidentificationusingambientvibration measurements for a large- scale bridge ［J］ ．Journal of Vibration and Shock， 2012， 31 2 95 －100． ［8］ 臧廷朋，王凤仁，温广瑞，等． 运行工况下转子系统模态 参数 识 别 技 术 研 究 ［J］ ．振 动 与 冲 击，2018，37 5 120 －125． ZANG Tingpeng，WANG Fengren，WEN Guangrui，et al． Identification technique for modal parameters of rotor systems under operation condition ［J］ ．Journal of Vibration and Shock， 2018， 37 5 120 －125． ［9］ 谢伟平，曹晓宇，肖伯强，等． 基于模态测试的宽幅钢箱 梁桥有限元模型建立、 修正与分析［J］ ． 振动与冲击， 2018， 37 1 98 －105． XIE Weiping，CAO Xiaoyu，XIAO Boqiang，et al． Finite element modelling，modification and analysis for wide steel box- girder bridges，based on modal tests［J］ ．Journal of Vibration and Shock， 2018， 37 1 98 －105． ［ 10］ 杨风利，张宏杰，杨靖波，等． 脉动风激励下格构式输电 塔动力 特 征 识 别［J］ ．振 动 与 冲 击，2017， 36 21 144 －149． YANG Fengli，ZHANG Hongjie，YANG Jingbo，et al． Identification of the dynamic properties of a transmission line lattice tower under ambient excitations ［J］ ．Journal of Vibration and Shock， 2017， 36 21 144 －149． ［ 11］ LIU Dazhi， XIANG Shuhong， FAN Shichao， et al． Stochastic subspace for experimental modal analysis［J］ ． Matec Web of Conferences， 2016， 77 1 1 －6． ［ 12］ DAI K，WANG Y，HUANG Y，et al． A modified stochastic subspaceidentificationforestimatingnatural frequencies［ J］ ． ASME International Mechanical Engineering Congress and Exposition， 2016， 13 1 1 －8． ［ 13］ PEETERS B，DE ROECK G．Reference- based stochastic subspace identification for output- only modal analysis［J］ ． Mechanical Systems and Signal Processing，1999， 13 6 855 －878． 122第 20 期秦仙蓉等 基于监测数据的岸桥模态参数识别 ChaoXing