（工程力学专业论文）基于模态参数的工程结构损伤识别.pdf

基于模态参数的工程结构损伤识别 硕士研究生：高健导师：汪凤泉教授 摘要 随着科学技术的不断进步以及人类自身不断发展的需求，现代结构止向着人型化、复 杂化、智能化等方面发展。我们有必要建立一套有效的结构健康监测系统，这无论对于预防 还是发现结构的损伤，保证结构的正常工作都具有十分巨大的社会效益和经济效益。 本文阐述了结构健康监测的基本理论和研究现状，研究了基于模态参数进行结构损伤 识别的理论和方法；研究了神经网络的理论尤其是b p 神经网络，阐明了应用神经网络进行 结构损伤识别的理论依据。在此基础上提山了基于模态参数的b p 神经网络结构损伤识别方 法。以m a t l a b 6 5b p 神经网络工具箱为基础，编写了基于频率平方变化和振型模态分量 为输入参数的b p 神经网络结构损伤识别程序。并以五层框架结构模1 4 对该方法进行了验证。 框架结构损伤用弹性模量的减小来模拟，并用a n s y s 80 有限元软4 1 进行数值模拟计算，计 算结构在各种t 况下的模态参数，获得b p 神经网络的学习和测试样本。算例表明该方法能 够识别结构损伤的位置和程度。 综合本文，可以得到以f 几个结论：( 1 ) 将b p 神经网络应用于二结构损伤识别中是可行 的，这可以充分发挥网络的模式识别功能和自适应能力。( 2 ) 五层框架结构数值算例表明， 以频率平方变化和振型模态分量作为输入参数，以b p 神经网络为丁具。能够识别单元损伤 的位置和程度。( 3 ) 另外也测试了b p 神经网络的演绎能力，表明训练优化好的b p 神经网 络具有较好的内推、外插能力。( 4 ) 基丁模态参数的b p 神经网络结构损伤识别方法能够方 便有效地进行结构损伤识别。 关键词：模态分析，损伤识别，参数识别，神经网络 e n g i n e e r i n gs t r u c t u r a ld a m a g ed e t e c t i o nb a s e do nm o d a lp a r a m e t e r s g r a d u a t e ：g a oj i a n s u p e r v i s o r ：p r o f w a n gf e n g q u a n a b s t r a c t w i t ht h et e c h n o l o g i c a l d e v e l o p m e n ta n dt h er e q u i r e m e n to fh u m a ns e l f , t h em o d e m c o n s t r u c t i o ni sd e v e l o p i n gw i t hl a r g e - s c a l e 、c o m p l i c a t e d 、i n t e l l i g e n ta n ds oo n w eh a v et h en e e d t of o u n da l le f f e c t i v es t r u c t u r a lh e a l t hm o n i t o r i n gs y s t e m ，i tw i l lb ev e r yu s e f u lt op r e v e n ta n d d i s c o v e rt h ed a m a g e ，i tw i l lb ea l s ov e r yh e l p f u lt oi n s u r et h a tt h ec o n s t r u c t i o nr u n sw e l l t h e s y s t e ma l s oh a sag r e a ts o c i a la n de c o n o m i c a lb e n e f i t i nt h i sp a p e r , i te x p o u n d st h eb a s i ct h e o r ya n dt h ec u r r e n tr e s e a r c hs i t u a t i o no fs t r u c t u r a l h e a l t hm o n i t o r i n g ，i ts t u d i e st h et h e o r ya n dm e t h o d so fs t r u c t u r a ld a m a g ed e t e c t i o nb a s e do n m o d a lp a r a m e t e r s ；i ts t u d i e st h et h e o r yo fn e u r a ln e t w o r ke s p e c i a l l yt h et h e o r yo fb pn e u r a l n e t w o r k ，i l l u m i n a t e st h ea c a d e m i cr e f e r e n c et h a th o wt ou s en e u r a ln e t w o r kd o i n gs t r u c t u r a l d a m a g ed e t e c t i o n b a s e do nt h i s ，b r i n gf o r w a r dt h eb pn e u r a ln e t w o r ks t r u c t u r a ld a m a g ed e t e c t i o n m e t h o db a s e do nm o d a lp a r a m e t e r s u s i n gm a t l a b 6 5b pn e u r a ln e t w o r kt o o l b o x , c o m p i l e st h e s t r u c t u r a ld a m a g ed e t e c t i o np r o c e s sw i t ht h ei n p u tp a r a m e t e r sb a s e do nt h em o d a lp a r a m e t e r so f f r e q u e n c ya n dm o d es h a p e a n di tu s e s af i v e - f l o o rf r a m em o d e lt ov e r i f yt h i sm e t h o d t h e d a m a g eo f t h ef r a m em o d e lu s e st h er e d u c i n go f e l a s t i cm o d u l u st os i m u l a t ea n du s e sa n s y s 8 0 s o t t w a r ed o i n gf i n i t ee l e m e n ts i m u l a t i o nc a l c u l a t i o n i tc a l c u l a t e st h em o d ep a r a m e t e r so ft h e m o d e lu n d e rd i f f e r e n td a m a g es i t u a t i o n st oa c q u i r et h el e a r n i n gs a m p l e sa n dt e s t i n gs a m p l e sf o r t h eb pn e u r a ln e t w o r k t h et e s ti n d i c a t e st h a tt h i sm e t h o dc a nd e t e c tt h ep o s i t i o na n dd e g r e eo f t h e d a m a g e s s e v e r a lc o n c l u s i o n sc a nb ed r a w nf r o mt h i sp a p e r f i r s t ，u s i n gb pn e u r a ln e t w o r kt od e t e c t s t r u c t u r a ld a m a g ei sf e a s i b l e ，t h i sc a t lb ef u l lu s eo ft h ep a t t e r nr e c o g n i t i o na n ds e l f - a d a p t a t i o n a b i l i t yo fn e u r a ln e t w o r k s e c o n d ，t h et e s to ft h ef i v e f l o o rf r a m em o d e li n d i c a t e st h a tw i t ht h e i n p u to ft h ef r e q u e n c ys q u a r ev a r i e t ya n dm o d es h a p e ，u s i n gb pn e u r a ln e t w o r k , i tc a nb ed e t e c t t h ep o s i t i o na n dt h ed e g r e eo f t h ed a m a g e s t h i r d ，t h i sp a p e ra l s ot e s tt h ed e d u c t i v ea b i l i t yo f t h e b pn e u r a ln e t w o r k ，i ti n d i c a t e st h a tt h et r a i n e da n do p t i m i z e db pn e u r a ln e t w o r kh a sag o o d d e d u c t i v ea b i l i t y f o u r t h ，t h eb pn e u r a ln e t w o r ks t r u c t u r a ld a m a g ed e t e c t i o nm e t h o db a s e do n m o d a lp a r a m e t e r sc a nc o n v e n i e n ta n d e f f e c t i v e l yd o i n gs t r u c t u r a ld a m a g ed e t e c t i o n k e yw o r d s ：m o d e la n a l y s i s 、d a m a g ed e t e c t i o n 、p a r a m e t e ri d e n t i f i c a t i o n 、n e u r a ln e t w o r k 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 研究生签名：鱼堡日期：之出兰兰! 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位 论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人 电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论 文被查阅和借阅，可以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包 括刊登) 授权东南大学研究生院办理。 厶 台一 第一章绪论 1 1 课题的背景及意义 第一章绪论 随着科学技术和现代化工业的不断进步以及人类未来的发展需求，现在结构正向着大型 化、复杂化、智能化等方面发展。一些重大的工程结构，如大型海洋平台、大型桥梁、大跨 度网架结构、大型体育馆，电视塔、核电站、高速公路、地铁、隧道以及高层建筑等，一旦 出现损伤或者故障，便会影响其安全性，更严重的甚至会导致灾难性的后果，对国民经济和 人民的生命财产造成巨大的影响。另外，有些结构的重要部件一旦发生损伤，它的破坏程度 将会迅速发展，在这样的情况下如果未能及时的对结构进行维修加固，很快将导致整个结构 的破坏，后果不堪设想。在国内外已经有许多房屋倒塌、桥梁断裂、水坝损坏、飞机失事的 重大事故，给人们带来了惨痛的教训。另一方面，结构在使用过程中由于受到外界自然环境 的影响或者人为的影响以及自身使用寿命的约束，其损伤是无法避免的，当损伤累积达到一 定程度时，其使用功能将会显著下降，严重时结构有可能破坏而危及人们的生命和财产安全。 因此为了保证结构的安全性，特别是一些重大的工程结构，我们必须对其进行损伤检测，以 了解其使用状态，评估其使用寿命，以期及早发现隐患，消除隐患，做到“防患于未然”。 同时我国还是一个发展中国家，经济不是很发达，每年基础设施因荷载作用( 尤其是交变荷 载) 、疲劳效应、腐蚀效应、老化作用而需要的维修费用也越来越高，人们迫切希望尽早发 现损伤以便及时维修，以节省费用。由此可见，建立一套系统的有效的结构损伤检测体系无 论对于预防还是发现结构的损伤，保证结构的安全都具有十分巨大的社会效益和经济效益。 这方面的工作。国外大体上可分为三个阶段，2 0 世纪4 0 年代到6 0 年代为起步阶段，主要 是分析工程结构缺陷发生的原因以及探讨工程结构的修补方法，检测工作停留在以目测为主 的传统方法上；6 0 年代到8 0 年代为发展阶段，着重对工程结构的检测技术和评估方法进行研 究，提出了声学或超声波法、磁场法、射线照相术涡流法、以及热场法等几十种现代检测技 术，以及分项评价、模糊评价等多种评价方法；9 0 年代至今，则进入了成熟应用阶段，这一 阶段中制定了一系列的规范和标准，引入智能专家系统工程，着重对工程的整体使用状态进 行评估，使工程结构的损伤识别工作向着智能化、系统化、实时在线方向迈进【l 】。随着科 技的进步和经济的发展，我国也越来越重视对结构的损伤进行识别及其方法的研究，早在5 0 年代桥梁健康监测的重要性就逐渐被认识，并提出了已建桥梁的无损检测问题，6 0 年代航空 航天部门、机械工程领域就已经开始利用振动测试数据进行结构的完整性评估，从7 0 年代中 期以后国内许多单位都已展开了这方面的工作。8 0 年代到9 0 年代这方面的研究工作方兴未 艾，随着现代计算机技术、通讯与传感技术、材料科学等多学科的发展，结构的损伤识别技 术也出现了前所未有的发展态势。 所有的结构都可以看作是由质量矩阵、刚度矩阵、阻尼矩阵组成的力学系统，结构损伤 会改变结构的物理参数，从而导致结构的模态参数( 频率和振型等) 的改变，所以利用结构模 东南大学硕士学位论文 态参数的改变来反应结构的损伤，可以对其进行损伤诊断。利用损伤发生前后模态参数的变 化来诊断结构损伤的方法，其最大的优点是可以利用环境激励等外界因素作为激励源，在损 伤检测的过程中不影响结构的正常使用，能方便地完成结构损伤的在线检测和诊断。这种动 态检测的方法，经济、高效。由于结构动态特性的全局性质，基于结构动态特性的结构损伤 识别技术显得日益重要1 2 1 。这方面工作早期的研究主要集中在航天器方面，随后又引起了土 木工程领域的关注。在过去二十多年里，人们发展了许多基于振动分析的损伤识别方法。并 已得到了广泛地应用。其中，模态分析技术的迅速发展，极大地推动了基于结构动态特性的 结构损伤识别技术的研究进展。模态分析的核心内容是确定用以描述结构动态特性的固有频 率、振型和阻尼比等模态参数，它主要包括理论模态分析和试验模态分析两部分内容。随着 模态理论本身，数字信号处理、优化设计、系统辨识、计算机技术等多学科的发展，模态分 析技术已逐渐成为现代工程技术中的一项重要方法，在结构损伤识别的方面得到了普遍和深 入地应用。 神经网络技术是目前研究的另一个热点。由于神经网络是对人类认知过程中形象思维的 生理性模拟，因此它具有人类求解问题时大脑所表现的许多特点，如知识的分布式表达、信 息的大规模并行处理、知识的自动获取、知识处理的自适应性、容错性等。它不需要事先给 出系统的模型，只需通过对实际输入和输出数据的学习，便可形成输入输出间的理想映射模 型，自动形成所要求的决策，完成复杂的信息处理功能。人工神经网络的发展最早可以追溯 到2 0 世纪4 0 年代。神经网络这一人工智能技术从其诞生之初就受到了人们的广泛关注，纷 纷投入到它的研究当中，近些年来发展更为迅速，在各个学科中的应用已达到了一定的广度 与深度。神经网络因其良好的大规模并行处理能力、自学习和自组织能力、非线性映射能力、 反问题正问题化的能力、联想记忆能力、强的鲁棒性和容错性、抗干扰能力和实时计算的能 力，能够满足结构损伤诊断的要求，很快就被引入到了结构损伤诊断的研究领域，并成为十 分活跃的应用分支。神经网络自身所具有的功能和其信息处理的特点，在满足结构损伤诊断 算法所要求的实时性、及时性和稳健性等方面，比基于模型的各种方法，传统的模式识别方 法和专家系统方法等传统方法有着更明显的优势，而且，同其它方法相比，在验前知识需求 方面更宽松，自适应和可学习能力更强。目前，神经网络损伤诊断方法运用于结构损伤诊断 方面已经越来越深入。多层误差逆向传播神经网络p 神经网络，b a c k - p r o p a g a t i o nn e u r a l n e t w o r k s ) 是目前应用最广、实现途径最直观、运算机制最易理解、研究最深入的一种人工 神经网络b p 神经网络的算法是提供一系列的输入向量及其对应的期望输出向量，采用 d e l t a 学习规则通过不断调整内部各神经元之间的连接权值，从而在输入和输出向量之间建 立起一种适当的映射关系。同时，b p 神经网络也是人工神经网络最精华的部分。 1 2 健康监测概述 1 2 1 结构健康监测概念 结构健康监测( s t r u c t u r a lh e a l t hm o n i t o r i n g , $ f i m ) 最初起源于1 9 5 4 ，其目的是为了对 2 第一章绪论 结构进行荷载监测。现指利用现场的无损传感技术，通过包括结构响应在内的结构系统特性 分析，达到检测结构损伤或退化的目的例。其实，结构健康监测并不是一个新的概念，对结 构的应变、加速度、速度、位移、旋转等参数的测量一直是工程结构的基本方法。结构健康 监测技术研究的目的就是通过一系列的传感器定时获取结构在环境激励( 人为的或者自然 的) 下的动力响应值，抽取其中对结构损伤敏感的因子对其进行分析，从中提取出结构的损 伤和老化信息，从而获得结构的当前健康信息，为结构的使用和维护工作提供参考。结构健 康监测系统不但能够监测结构性能，评价结构使用状况，更为重要的是它可以验证设计理论 和改进设计规范，并对新工艺新材料进行评估。通过健康监测所获得的结构的实际动静力响 应是十分宝贵的资料，通过对这些资科的分析和研究，设计者可以检验自己的设计方案并找 出存在不足或可以改进的地方，为以后的工作提供丰富的经验和可靠的依据。建造者也可以 对施工中采用的新材料和新工艺进行验证，为以后的工程打下基础。结构健康监测是一门综 合性的技术，同时也是工程界的一个难题，目前尚没有成熟的理论和应用技术，它涉及结构 动力学、材料科学，模态分析、通讯技术、计算机技术、传感器技术等多个学科。 1 2 2 结构健康监测的组成部分 一般认为结构健康监测系统应该包括下列几部分h ； ( 1 ) 传感器系统，包括传感器原件的选择和传感器在结构中的布置用于将待测的物 理量转变为电信号。 ( 2 ) 数据采集和处理系统，一般由强大的计算机系统组成。安装于待测结构中，采集 多种信息源、不同物理信号并进行预处理，根据系统功能要求对数据进行分解、变换以获取 所需要的参数，以定的形式存储起来 ( 3 ) 通讯系统。将采集并处理过的数据传输到监控中心。 ( 4 ) 监控中心和报警设备。利用具备诊断功能的软硬件对接收到的数据进行诊断，判 断损伤是否发生，并对结构健康状况做出评估，如发现异常，发出报警信息。 健康监测系统的工作流程如图1 - 1 ： 图卜1 结构健康监测体系 3 东南大学硕士学位论文 1 2 3 结构健康监测系统的工程应用 虽然结构健康监测到目前为止还没有成熟的理论和技术。但是也已经在工程结构中得到 了应用，尤其是在大跨度桥梁中得到了深入地应用，结构健康监测系统在实践中不断地发展， 并反过来指导实践的发展。本文在阅读大量文献的前提下，对国内外采用结构健康监测系统 的结构进行了一下列举，借以说明结构健康监测系统的发展历程及其未来坎坷而又诱人的前 景。 国外对大跨度桥梁的健康监测系统应用地比较早。在8 0 年代中期就开始在桥梁建立健 康监测系统，英国在总长5 2 2 米的三跨变高度连续钢箱粱桥f o y l e 桥上布设各种传感器，监 测大桥运营阶段，在车辆与风荷载作用下，主粱的振动、挠度和应变等响应，同时监测环境 风和结构温度场口】。瑞士在混凝土桥( s i g g e n t h a lb r i d g e ) 建设过程中安装了健康监测系统。采 用了5 8 个光纤变形传感器，2 个倾角仪，8 个温度传感器，用于监测桥梁建设过程中和以后 长期的变形，屈曲和位移。丹麦曾对总长1 7 2 6 米的f a r c e 跨海斜拉大桥进行施工阶段及通 车首年的监测，旨在检查关键的设计参数，获取桥梁使用期间关键的健康信息。墨西哥对总 长1 5 4 3 米的t a m p i c o 斜拉桥进行了动力特性测试 6 1 。加拿大联邦c o n f e d r a t i o n 桥( 1 9 9 7 y 全长 1 2 9 千米，是一座跨度为2 5 0 米( 4 5 跨) ，建于海水中的预应力混凝土箱梁桥，设计寿命为 1 0 0 年。该桥上建立了一套综合监测系统，包括加速度计、应变计、倾斜计、水荷载传感器、 热电偶传感器等各种传感器7 4 0 个。该系统对桥梁在荷载作用下的性能、桥梁的短期和长期 变形、温度应力进行研究，以及桥梁在车辆荷载及荷载组合、风和地震荷载下的动力响应以 及环境对桥梁的侵蚀进行监测研究。日本明石海峡大桥( 1 9 9 5 ) 是目前世界上跨度最大的悬索 桥( 中跨1 9 9 1 米) ，为了证实该桥在强风和地震作用下的设计假定和有关参数的取值，以及 确定在环境变化影响下的变形特征，在该桥上安装了包括地震仪、风速计、加速度计、速度 计、全球卫星定位系统( o p s ) 、测量主梁边缘位移的位移计、测量调质阻尼器( t m d ) 的位移 计、温度计等传感器的监测系统m 。另外，国外建立健康监测系统的桥梁还有英国主跨为1 9 4 米的f l i n t s h i r e 独塔斜拉桥和亨伯大桥；美国主跨为4 4 0 米的s u n - s h i n e s k y w a y b r i d g e 斜拉桥 和金门大桥；日本主跨为1 1 0 0 米的南备赞濑户大桥；丹麦主跨为1 6 2 4 米的g r e a t b e l t e a s t 悬索桥；挪威主跨为5 3 0 米的s k a m s u n d e r 斜拉桥。此外韩国和泰国也开始探索在大型桥梁 上建立结构健康安全监测系统。 我国自2 0 世纪9 0 年代开始对结构健康监测系统进行理论研究与工程的应用工作，并在 一些重要的大型桥粱上建立了健康监测系统。其中建成于1 9 9 7 年的香港青马大桥的永久性 健康监测系统最为引人注目。青马大桥总长2 2 0 0 米，主跨1 3 7 7 米，是目前世界上第二长悬 索桥，第一长公路铁路两用悬索桥，该桥是连接九龙市区和大屿山国际机场的重要交通枢纽 建立在该桥上面的健康监测系统称为。风和结构健康监测系统”( w i n da n ds t r u c t u m lh e a l t h m o n i t o r i n gs y s t e m 。w a s h m s ) ，其监测系统可以分为传感器系统、数据采集系统和数据处 理系统三个部分，其中传感器部分包括加速度计、应变计，位移传感器、水平传感器、风速 计，温度传感器、车速车载感应系统等各类传感器计7 7 4 个。可以监测包括作用于桥梁上的 外部作用、结构的静态动态荷载及桥梁的响应。具体可分为风、地震、温度，车辆载荷、结 4 第一章绪论 构位移、标高、应变、应力，加速度及结构动力特性等。为监测大桥的安全运营，在桥梁建 成初期投入使用的同时，设于该桥上的结构健康监测系统就开始工作，以记录下桥梁每天的 载荷和结构响应1 7 j 。上海徐浦大桥结构状态监测系统包括测量车辆荷载、温度、挠度、应变、 主梁振动，斜拉索振动的六个子系统【s j ，其目的是为了探索大型桥梁健康监测系统的经验， 监测车辆荷载、中跨主粱的标高和自振特性，以及跨中截面的温度和应变，斜拉索力和振动 水平。南京长江大桥是我国自行设计建造的首座特大公路、铁路两用大桥，经过3 0 多年的 运营其结构的自然老化和损伤不可避免，某些部位可能已经开始出现轻微的病害，因此对大 桥进行健康监测，了解其工作状况就显得及其重要。南京长江大桥的健康监测系统由传感器 系统、信号采集与处理系统和评估系统三个部分组成，主要迸行温度、风速风向、地震与船 舶撞击、墩位沉降，以及恒载几何线形、结构振动、主桁杆件应力、支座位移等方面的监测 1 1 4 1 0 香港在汲水门斜拉桥上安装了2 7 0 多个各种类型的传感器，传感器和数据采集与管理 设备组成的监测系统，用来监测桥梁的运营状况及健康状态，对该系统所采集到的数据进行 分析即可评价大桥的动力特性1 9 1 。另外我国建立健康监测系统的桥梁还有虎门大桥、江阴长 江大桥、香港t i n g k a 大桥和汀九大桥。同时郑州黄河大桥的健康监测系统也正在论证当中。 在国际上，日本、美国和德国等国在健康监测系统领域处于领先地位，健康监测系统 在土木工程中应用摆对较多，已经扩展到大型混凝土工程、高层建筑等复杂系统的监测。日 本在一幢允许一定程度损伤的大楼上安装了健康监测系统【l o l 。该大楼安装有阻尼缓冲板， 在经过一次较大规模的地震后增设f b o 光纤传感器，用以监测结构的完整性和大楼的地震 反应。实测结果表明。该系统工作良好。德国在柏林新建的莱特火车站( l e h r t e r b a h n h o f , b e r l i n ) 大楼安装了健康监测系统 ”，该火车站位于柏林的市中心，有一个由几千个玻璃方格组成 的屋顶，要求相邻支柱的垂直位移差不超过1 0 m m 。意大利在一个著名教堂安装了健康监测 系统，该教堂坐落在意大利北部的靠莫湖畔，是一个重要的历史文化遗产，近年由于城市交 通流量的增加和湖面的变化导致了教堂的损坏，因此设计了长期监测系统【l ”。 在我国健康监测系统还运用于大坝安全综合评判与决策的研究和应用方面，吴中如、 顾冲时、杨杰等提出并开发了建立在“一机四库”( 推理机、数据库、知识库、方法库和图 库) 基础上的大坝安全综合评价专家系统，应用模式识别和模糊评判，通过综合推理机，对 四库进行综合调用，将定量分析和定性分析结合起来，实现对大坝安全状态的在线实时分析 和综合评价。此系统已应用于丹江口、古田溪三级大坝和龙羊峡大坝的安全分析【l 目。 健康监测系统经过人们几十年的不断探索和积极努力取得了不少成果，但是由于工程 结构的复杂性、不确定性和工作环境的影响，人们取得的成果都处于基础性的探索阶段，还 亟需广大的工程学者和研究人员不断地努力，随着结构、材料、通讯、信号处理、计算机等 多个科学和领域学科交叉和同步发展，相信健康监铡这一新兴领域必将得到长足的发展与进 步。 1 3 结构损伤识别 损伤一般可以理解为结构中某个构件刚度或者承载力的下降。结构损伤识别是结构健康 5 东南大学硕士学位论文 监测的核心与难点，一定程度上，结构健康监测就是对结构进行损伤识别，判断损伤出现与 否并确定损伤出现的程度与位置，由此确定相对应的方法和策略。因此结构损伤识别是健康 监测的基础。结构损伤识别有下面三个问题： ( 1 ) 结构是否有损伤出现； q ) 如果有损伤出现，判断损伤出现的位置： ( 3 ) 在确定损伤的位置的前提下，判别损伤的程度。 这三个问题解决的难度依次递增，在健康监测系统中通常还会出现第四个问题，那就是 对结构的安全性进行评估，预测结构的剩余寿命。 1 3 1 结构损伤识别的方法 结构损伤识别按照其评判结构损伤的范围可分为整体法和局部法两大类。整体法可以监 测自然或者人为激励下结构的反应信息，通过对这些物理量的处理，评价结构的整体状态 确定损伤存在的可疑区域，它可以检测工作人员无法到达的区域和结构内部的损伤，评价结 构整体使用的安全性。局部法运用特定的检测技术对结构的某个部位进行损伤检测，判断该 部位的损伤情况，从而推测结构整体的使用状态。本文着重对结构损伤识别的整体法做一介 绍，整体法一般又可以分为动力指纹类法、模型修正法，神经网络法、遗传算法、小波分析 法等几类方法。 1 3 2 结构损伤识别的整体法 ( 1 ) 动力指纹类法 该方法的基本原理是利用结构在损伤前后的与动力特性相关的指纹类信息的变化来判 断结构的真实状态。常用的动力指纹有频率、振型、振型曲率、模态曲率、传递函数、功率 谱，柔度矩阵、频响函效，应变模态，模态保证准则( m a c ) 和坐标模态保证准贝( c o m a c ) 、 能量传递比( e t r ) 、损伤定位保证标准( d l a c ) ，残余力、残余能量等。使用单一指纹类信息 的方法有频率比法、振型差法、应变模态法、曲率模态法、整体损伤估计法等；使用多指纹 类信息的方法有柔度差阵法、刚度差阵法、均载变形一曲率法、能量损伤指纹法、能量商差 指纹法等；使用其它测试响应的方法有f r f 波形指纹法，它包括、v c c ，a t m 、s a c 等几 个指针【i ”。w a n g 等【1 6 1 在t s i n g m a 悬索桥的结构损伤检测中采用了坐标模态保证标准 ( c o m a c ) 、增强的坐标模态保证标准( b c o m a c ) 、模态曲率( m s c ) 、模态应变能指标( m s e 0 及模态柔度指标( m f r _ ) 5 种不同的指标进行检测并傲了对比分析，数值模拟的结果显示：不 同指标对于不同的部位和不同的损伤形式的诊断效果也不相同。大量的模型和实际结构试验 表明【17 】：结构频率实测较准，但它对局部损伤不敏感；结构损伤导致的固有频率变化很小， 而振型( 尤其是高阶振型) 虽然对局部刚度变化比较敏感，但精确测量较为困难。m a c 和 c o m a c 等依赖于振型的动力指纹都存在类似的问题，某些指标如e t r ，单元模态应变能可 以较有效地确定损伤位置，然而这些指标对噪声比较敏感，容易湮没于噪声中。目前的研究 表明：动力指纹类方法无需反演，方法简单，实施简便，在一定程度上能够判断损伤的存 6 第一章绪论 在，但是损伤的定位能力，特别是对于多个位置损伤的确定，在实际应用中和理论上都存在 一定的差距；动力指纹类方法对实验室内的简单模型而言是成功的，但是在实际的结构中 应用效果还不太理想。总的来说，动力指纹类分析法对结构损伤识别的能力仍然十分有限。 该方法的成功应用有待于损伤识别技术的进一步地提高以及新的综合性的动力指纹类损伤 指标的发现。 ( 2 ) 模型修正法 该方法的基本思想是利用动力试验直接测得或者间接测得的数据如模态振型、阻尼、频 率、加速度时程数据、频响函数等分析模型的刚度分布，通过条件优化约束，来不断修正模 型中的刚度分布，从而得到结构刚度变化的信息。然后与修正刚度后模型所测数据比较，当 两者基本吻合时，即认为此组参数为结构当前参数，从而得到结构刚度实际变化的信息。利 用结构局部刚度的下降来实现损伤的定位和损伤程度的评估。在士木工程中常分成两类：非 单元修正法和单元修正法。前者以优化矩阵修正法为代表，特点是精度高，但由于是整体修 正，修正量扩散到每个矩阵元素，丧失了修正的物理意义，不适合在结构损伤诊断中应用。 后者以矩阵排列法和敏感度法为代表，其重要特点是能以单元或结构参数为修正目标，修正 量具有物理意义。提出模型修正法的目的是为了建立更加准确、有效的有限元模型。由于结 构的原模型参数与实际结构存在着建模误差，该方法必须能够判别由建模误差和结构损伤带 来的测试参数的变化。这种方法在划分和处理子结构上具有很多优点，但是由于测试模态信 息的不完备、测量噪声的影响、以及工程结构可以测得的动力特性对局部刚度变化不敏感的 原因，很少能够给出修正模型所需要的足够方程，从而限制了该方法在实际工程中的应用。 由于测试模态信息的不完备，不能给出修正所需的足够信息，导致了特征方程解的不唯一。 而且利用传统的方法进行参数估计也容易产生病态方程。解决这些问题可以从下面四个方面 出发：( 1 ) 利用动边界条件进行子结构模型修正以减少未知数，( 2 ) 通过良态建模、合理化分子 结构以及通过最优布置获取最大信息量予以解决1 1 ”，( 3 ) 也可以将不完备模态振型进行扩阶， 扩至与有限元模型的自由度相同，以及在进行非适定反演时考虑同时使用数学和物理约束， ( 4 ) 利用统计分析方法嗍，从统计的角度，考虑特征参数的不确定性及其统计分布特征，可 利用相关的随机有限元模型，分析研究特征值问题从而评估损伤，或利用谱密度估计的统计 特性来获得模态参数的修正概率密度函数表达式来分析损伤，包括广义的贝叶斯统计方法、 规则化方法、模糊逻辑方法等。 ( 3 ) 神经网络法 神经网络是在研究生物神经系统的启示下发展起来的一种信息处理方法。它由许多非常 简单的，彼此之间高度连接的信息处理单元组成，这些单元是模仿人类大脑中的神经细胞而 设计的。神经元之间通过连接系数( 权值) 相连而形成一个完整结构。它不需要设计任何数学 模型，只靠经验来进行学习，可以处理模糊的、非线性的问题。而且在通常的情况下，其处 理效果会优于传统的方法，因而在工程领域得到了越来越广泛地应用。其用于结构损伤识别 的基本原理是利用神经网络的模式分类功能，以结构在不同损伤部位和不同损伤程度的反应 作为网络的输入向量，结构的损伤状态作为输出，构造神经网络的学习样本集，然后将样本 集送入神经网络进行训练，建立输入向量与结构损伤状态之间的映射关系，训练后的网络具 7 东南大学硕士学位论文 有模式分类功能。将待检测结构的动力参数输入网络，就可得到结构的损伤情况。目前，用 于结构损伤识别的神经网络模型多为前向神经网络，其中基于误差反向传播算法的神经网络 ( b p ) 应用最为广泛，此外还有径向基函数神经网络( r b f ) 、自组织神经网络( a r t ) 、小波神 经网络、模糊神经网络等。b p 神经网络在设计和计算过程中存在两个主要问题：( 1 ) 收敛性 的问题。学习收敛数度太慢，即使对于一个简单的问题，也需要几百次乃至数千次的学习才 能收敛，对于大型复杂结构，网络训练样本所需的数目及其庞大，可能会导致网络的不收敛； ( 2 ) 网络的学习和记忆具有不稳定性。已经学习好的网络，如果给它提供新的训练模式将打 乱原有的连接系数，导致训练好的学习记忆模式信息的消失。b p 网络规模目前没有统一的 确定方法，实际上只能采取尝试或试验的方法确定。虽然网络的训练过程很慢，但一旦训练 完成，应用时计算速度很快，因此训练好的神经网络可应用于结构健康的在线监测和实时诊 断【1 8 j 。 ( 4 ) 小波分析法 小波分析( w a v e l e t sa n a l y s i s ) 是数学理论中调和分析技术发展的最新成果，可以看作是 一个传统的傅立叶( f o u r i e r ) 变换的扩展。它能将时域和频域结合起来考虑，描述观察信号 的时频联合特征，非常适合分析非平稳信号小波分析的基本思想形成于本世纪初，小波 ( w a v e l e t ) 变换是由法国数学家m o r l e t 于1 9 8 0 年提出的，他与法国理论物理学家g r o s s m a n 共同提出连续小波变换的几何体系，其基础是平移和伸缩下的不变性，这使得能将一个信号 分解成对空间和尺度( 时问与频率) 的独立贡献，同时又不丢失原有信号的信息。小波变换分 析方法用于模态参数识别时，首先利用具有良好时频分辨能力以及带通滤波性质的调频高斯 小波，使系统自动解耦，然后从脉冲响应函数的小波变换出发识别模态参数。其优点是：( 1 ) 直接根据定义而来，概念清晰，易于工程技术人员理解与应用；( 2 ) 可将实际工程中大量存在 的非平稳的随机信号、有局部断点的信号及一些不能用f o u r i e r 变换来分析的信号等，用直 接小波变换分解为不同尺度上( 不同频率范围内) 的分量，再对这些分量运用人们熟悉的方法 进行分析【1 9 1 。目前小波分析在结构损伤识别中的应用主要属于信号分析范畴，利用小波变换 分析结构损伤前后的时域和频域响应，通过分析可以判断结构损伤的性质与特点。 ( 5 ) 遗传算法 遗传算法( g e n e t i ca l g o r i t h m ，o a ) 是由美国m i c h i g a n 大学的h o l l a n d 教授于1 9 7 5 年首先 提出的，他根据达尔文进化论中自然界“适者生存、优胜劣汰”的生物进化原则以及群体遗 传学基本原理，来搜索下一代中的最优个体，以得到满足要求的最优解。由于损伤检测可归 结为参数识别问题，因此通常采用最优化方法确定与实测数据最匹配的参数。遗传算法是基 于自然遗传和自然选择机理优化方法的一种，将其引入结构的损伤检测中，可在测试获取信 息不多的情况下，迅速地找到损伤部位并能准确地模拟判定损伤程度，即使模态丢失，其寻 优能力仍丝毫不受影响| 2 0 1 。遗传算法对其目标函数既不要求连续，也不要求可微，仅要求 可以计算，对约束条件也无任何限制，而且它的搜索始终遍及整个解空间，容易得到全局最 优解。对线性问题和非线性问题同样有效1 2 ”。目前该方法已成为众多学科关注的热点。 8 第一章绪论 1 3 3 结构损伤识别的局部法 局部识别方法是通过无损检测技术对结构关键的重要的易损的部位进行详细检查，判断 结构局部的使用情况、损伤情况和安全性能。无损检测技术现已比较成熟，涉及射线检测、 超声检测、电磁检测、化学检测、模态技术、振动分析等许多现代科学学科局部检测技术 主要包括目测法、表观检测法、染色法、发射光谱法、回弹法、声发射法，渗漏试验法、磁 粒子法、磁扰动法、电涡流探测法、射线法、红外成像法、超声回弹法、硬度测试法、同位 素法等等。目前其中绝大多数技术已经在工程领域成功地应用，用于检测结构局部和构件的 疲劳破坏、腐蚀磨损、裂缝发展、连接构件的松弛、老化或失稳等，在实际的工程中经常联 合运用多种技术对结构进行损伤识别i i ” 一般对于大型工程结构的损伤识别都是综合利用整体和局部两种方法进行的。首先运用 整体法大致判断结构损伤发生的位置，再运用局部法进行细部的详细检测，判断结构损伤程 度，从而推测结构整体的损伤情况和使用的安全性。 9 第二章基于摸态分析的结构损伤识别 第二章基于模态分析的结构损伤识别 2 1 模态分析概述翻 一般地，以振动理论为基础，以模态参数为目标的分析方法，称为模态分析。模态分析 是研究系统物理参数模型、模态参数模型和非参数模型的关系，并通过一定的数学方法确定 这些系统模型的理论及其应用的一门学科。 根据研究模态分析的手段和方法的不同。模态分析可以分为理论模态分析和实验模态分 析两种类型。理论模态分析也称为模态分析的理论过程，它以线性振动理论为基础，研究激 励、系统和响应三者之间的关系，如图2 - 1 所示。 广 广i 广 i 勃理参敷援墅l 一一挟鸯参藏摸壅l 一i 棼参数横壁l i _ ji _ j l - - - - - - - - - - j 图2 - 1 模态分析的理论过程 实验模态分析( 吼a ) 又称为模态分析的实验过程，是理论模态分析的逆过程。首先， 实验测得激励和响应的时间历程。运用数字信号处理技术求得频晌函数( 传递函数) 或者脉 冲响应函数，得到系统的非参数模型；其次，运用模态参数识别方法，求得系统的模态参数； 最后如果有必要，进一步确定系统的物理参数。如图2 一z 所示。 广 广 厂 l 拳参羲辏蠹l 一筷寿参数摸釜l - 钧理参数摸蠹l 1 - _ ji - - - - - - - - - - - - - - _ 一i - - - - - - - - - - - - - - j 图2 2 模态分析的实验过程 实验模态分析是综合运用线性振动理论、动态测试技术、数字信号处理和参数识别等手段， 进行系统识别的过程。 模态分析技术开始于2 0 世纪3 0 年代，经过7 0 多年的发展，模态分析已经成为振动工 程中一个重要的分支。早在2 0 世纪4 0 年代，在航空工业中就通过共振实验测量飞机的模态 参数，确定系统的固有频率。6 0 年代，发展了多点单相正弦激振、正弦多频单点激励，通 过调力调频分离模态，制造出商用模拟式频响函数分析仪。6 0 年代末，计算机技术飞速发 展使得实验数据处理和数值计算技术出现了崭新的面貌，为了适应现代工程技术要求，试验 模态分析技术应运而生。7 0 年代开始，在动态测量( 包括振动测量) 中广泛应用数据采集 系统，随着f f t 数字式动态测试技术的飞速发展，使得以单入单出及单入多出为基础识别方 式的模态分析技术普及到各个工业领域，模态分析得到快速发展而日趋成熟。8 0 年代后期， 主要是多入多出随机激振技术和识别技术得到发展。8 0 年代中期至9 0 年代，模态分析在各 个工程领域得到普及和深层次应用，在结构性能评价、结构动态修改和动态设计、故障诊断 和状态监测以及声控分析等方面的应用研究异常活跃，尤其是基于f e h 、e 姒和最优控制