（道路与铁道工程专业论文）基于模态分析理论和神经网络的桥梁损伤识别方法研究.pdf

武汉理工大学硕士学位论文 摘要 随着我国交通事业的快速发展，特大型桥梁结构不断涌现，新1 日桥梁数量 日益增多。为确保人民生命财产安全，快速有效地识别出桥梁结构可能发生损 伤的部位和损伤程度，及时掌握桥梁运营下的健康状况，是当前桥梁工程研究 领域的热点问题之一。 本文在研究国内外大量有关结构损伤识别和神经网络资料的基础上，根据 桥梁结构损伤识别与神经网络的发展前景，利用有限元a n s y s 及m a t l a b 程 序将振动模态分析理论和b p 神经网络相结合应用于桥梁损伤识别中，同时实 现对损伤位置与损伤程度的识别，形成套基于振动模态分析理论和b p 神经 网络的桥梁损伤识别方法。 首先，本文对基于振动模态分析理论的损伤识别方法进行了探讨。在此过 程中分析了该方法的基本原理和过程，较详细地研究了损伤识别的模态频率法、 模态振型差法、曲率模态应变模态法、曲率模态差法、柔度差法和柔度曲率法 的基本原理、优劣特性及适用范围。此外，采用悬臂梁模型进行损伤仿真计算， 研究和比较了上述各种方法对于单损伤位置和多损伤位置不同情况的识别能 力。 在这一部分，提出了梁结构损伤位置识别的柔度曲率法，该法既有高的灵 敏度又避免了使用原结构的模态参数，对于没有原始结构模态参数的损伤识别 技术显得尤为重要。算法具有计算量小和简便易行的优点，而且仅需要低阶模 态信息即可获得很好的识别效果。同时，开展了结构多损伤识别的研究，探讨 了曲率模态法和柔度曲率法的结构多损伤识别。 其次，本文对基于b p 神经网络的损伤识别方法进行了探讨。在此过程中 分析了人工神经网络的基本理论，比较详细地研究了b p 神经网络、b p 经典算 法和经过优化的l m 算法以及b p 神经网络在m a t l a b 中的实现，系统地阐述 了基于b p 神经网络损伤识别的基本原理和过程以及神经网络工具箱函数。在 此基础上，以简支矩形截面钢粱损伤识别为例，进行了实例应用研究。 在这一部分，针对b p 神经网络固有的收敛速度慢、局部极小等问题，本 文对b p 神经网络进行了性能优化，应用该优化的b p 神经网络经过m a t l a b 武汉理工大学硕士学位论文 软件实现对工程上最常见的矩形梁进行了损伤识别，结果令人满意。 最后，根据云阳长江公路大桥设计、施工资料，对该桥进行了有限元建模 与动力分析。考虑了桥梁结构单构件损伤、两个构件损伤、三个构件损伤三类 损伤工况，分别采用了模态频率、位移振型模态、曲率模态三种指标作为神经 网络的输入参数，采集各损伤状态下的样本数据，共建立9 个b p 神经网络模 型进行了桥梁损伤识别的研究。研究表明基于振动模态分析理论和b p 神经网 络的桥梁损伤识别方法可用于识别桥梁结构损伤位置和损伤程度。该方法具有 广阔的应用前景，对于预测评价桥梁结构的健康状况将具有十分重要的意义， 同时，该方法具有简便、快速、无损的优点，具有显著的经济效益和社会效益。 在这一部分的研究中，鉴于用振动模态构造的损伤标识量往往需要求解复 杂的数学反演问题，然而神经网络以其优异的非线性映射能力可以将逆问题正 问题化，因此本文提出将振动模态分析和神经网络技术结合起来，以振动模态 构造的损伤标识量作为神经网络识别输入的特征参数，从而进行结构健康监测。 值得一提的是，为方便统计，并说明识别效果，依据网络实际输出特点，作者 定义了两个名词：“真分量”“伪分量”，并尝试性地对损伤位置识别与损伤程 度识别提出了统一的判断标准，即以损伤位置识别正确率旯、损伤程度识别精 确度r 、总体正确率f 、平方和误差e 为标准来检验b p 神经网络识别的效果。 关键词：损伤识别，模态分析，神经网络，曲率模态，柔度曲率，m a t l a b i i 武汉理工大学硕士学位论文 a b s t r a c t w i t ht h e e x p e d i t i o u sd e v e l o p m e n t o fo u rc i v i lt r a f f i c p r o j e c t s ，p l e n t y o f o v e r s i z eb r i d g e sh a v ec o n s t a n t l yr u s h e d ，t h en t m a b e ro f n e wa n do l db r i d g e sh a sb e e n i n c r e a s e d i no r d e rt oi n s u r es a f e t ya n d s e c u r i t yo f t h ep e o p l e sh e a l t ha n dw e a l t h ，i t i st h ef o c u so fc u r r e n t b r i d g ep r o j e c t t od e t e c t f l e e t l y a n de f f e c t i v e l ys t r u c t u r a l d a m a g e dp o s i t i o na n de x t e n tl i k e l yo c c u r r i n ga n d t oc o m m a n dt h eh e a l t hs t a t u so f b r i d g ei nc o m m o n l yu s i n gs t a t ei nt i m e o nt h eb a s i so fc o l l e c t i o na n da n a l y s i so ft h ed a t aa b o u ts t r u c t u r a ld a m a g e i d e n t i f i c a t i o na n da r t i f i c i a ln e u r a ln e t w o r k s ，c o m b i n e dw i t ht h ep r o s p e c to fb r i d g e d a m a g ei d e n t i f i c a t i o na n da r t i f i c i a ln e u r a ln e t w o r k s ，v i b r a t i o nm o d a la n a l y s i st h e o r y i si n t e g r a t e dw i t hb pn e u r a ln e t w o r k ss oa st od e t e c tb r i d g ed a m a g ew i t ht h eh e l po f a n s y sa n dm a t l a b ，a tt h es a m et i m e ，i th a sb e e ns u c c e s s f u li n d e t e c t i n g d a m a g e dp o s i t i o na n de x t e n tl i k e l yo c c u r r i n g ，t h em e t h o db a s e do nv i b r a t i o nm o d a l a n a l y s i st h e o r ya n db p n e u r a ln e t w o r k si sp r e s e n t e do r i g i n a l l yi nt h i sp a p e r f i r s t l y , t h ed a m a g ei d e n t i f i c a t i o nm e t h o db a s e do nv i b r a t i o nm o d a la n a l y s i s t h e o r yi sd i s c u s s e da n da n a l y z e d d u r i n gt h ep r o c e s s ，n a t u r a lp r i n c i p l ea n dd e t e c t e d p r o c e d u r e o f t h i sa n a l y s i st h e o r ya r ei n t r o d u c e d ，n a t u r a lp r i n c i p l e 、p r e d o m i n a n c ea n d s h o r t c o m i n g so fe v e r yc a p a b i l i t i e sa n da p p l i c a b l es c o p ea b o u tt h e s em e t h o d sb a s e d o nm o d a l f r e q u e n c y 、m o d a l v i b r a t i o ns h a p ed i f f e r e n c e 、c u r v a t u r em o d a l s h a p e s t r a i n m o d a l s h a p e 、c u r v a t u r em o d a ls h a p ed i f f e r e n c e 、f l e x i b i l i t yd i f f e r e n c ea n df l e x i b i l i t y c u r v a t u r ea r es y s t e m a t i c a l l ya n a l y z e d i na d d i t i o n ，t h e s em e t h o d sa r ea d o p t e dt ot h e c a l c u l a t i o no fd a m a g ei m i t a t i o nt oo n ec a n t i l e v e rb e a m ，t h es t u d ya n dc o m p a r i s o n a b o u t d i a g n o s ea b i l i t yb a s e do ns e r i e s o fm e t h o d st ot h ed i f f e r e n tc o n d i t i o n so f s i n g l ed a m a g el o c a t i o na n dac o u p l e so f o n e sa r ec a r r i e do u t an e wm e t h o d ，c a l l e df l e x i b i l i t yc u r v a t u r em e t h o d ，t ol o c a l i z et h ed a m a g ei n s t r u c t u r e si s p r e s e n t e d i nt h i s p a r t t h em e t h o di s n o t o n l yh i g h l y s e n s i t i v et o d a m a g e ，b u ta l s oa b l et oi d e n t i f yt h ed a m a g el o c a t i o ni ns t r u c t u r e sw i t h o u tb a s e l i n e m o d a lp a r a m e t e r s f u r t h e r m o r e ，t h em e t h o dh a sa d v a n t a g e so fi n v o l v i n gas m a l l q u a n t i t yo f c a l c u l a t i o na n db e i n gs i m p l ea n de a s yi nu s e t h ed a m a g ei ns t r u c t u r e s i i i 武汉理工大学硕士学位论文 c a d b ed e t e c t e dw i t h s a t i s f a c t o r yp r e c i s i o nb yu s i n go n l ya f e wl o w e rm o d e s b e s i d e s ， am e t h o dw a s p r e s e n t e d f o ri d e n t i f i c a t i o no f m u l t i p l ed a m a g e d l o c a t i o n si ns t r u c t u r e s u s i n g c u r v a t u r em o d e s h a p ea n df l e x i b i l i t yc u r v a t u r e s e c o n d l y ，t h ed a m a g ei d e n t i f i c a t i o nm e t h o db a s e do nb pn e u r a ln e t w o r k si s d i s c u s s e da n da n a l y z e d i n 仃o d u c e dt h eb a s i ct h e o r i e so fa r t i f i c i a ln e u r a ln e t w o r k si n b r i e fi nt h i sp r o c e s s ，i n t r o d u c e db pn e u r a ln e t w o r k s ，b pc l a s s i ca l g o r i t h ma n dt h e l a v e n d e r - m a r q u a r d ta l g o r i t h m o nt h ec o n d i t i o no fo p t i m i z a t i o n ，a n db pn e u r a l n e t w o r k st h a tr e a l i z e di nt h em a t l a bi nd e t a i l s ，n a t u r a lp r i n c i p l ea n dd e t e c t e d p r o c e d u r eb a s e do nb p n e u r a ln e t w o r k sa n dn e u r a ln e t w o r k st o o lb o xf u n c t i o n sa r e s y s t e m a t i c a l l ya n a l y z e d o nt h i sf o u n d a t i o n ，o n es i m p l es u p p o r t e dr e c t a n g l es t e e l b e a mm o d e li sp r e s e n t e da sc a l c u l a t e de x a m p l ef o rt h ea b o v e m e n t i o n e dm e t h o d a p p l i c a t i o n b e i n g a i m e da tt h em a i nd r a w b a c k so f s l o w l yl e a r n i n gc o n v e r g e n tv e l o c i t ya n d e a s i l yc o n v e r g i n gt ol o c a lm i n i m u m o ft h eb a c k w a r d - p r o p a g a t i o n ( b p ) n e t w o r k si s o p t i m i z e d i nt h i sp a r t l a t e rb ya p p l y i n gs o f t w a r em a t l a b e m u l a t i o n ，g o o de f f e c t s a r eg a i n e db ya d o p t i n gt h eo p t i m i z e db pn e t w o r k st op r o c e s sd a m a g ed e t e c t i o no na r e c t a n g u l a rb e a m f i n a l l y , a c c o r d i n gt ot h ed e s i g na n dc o n s t r u c t i o nd a t ao fh i g h w a yc a b l e s t a y e d b r i d g e o n y u n y a n gc h a n g j i a n gr i v e r ，d a m a g e d e t e c t i o n o r i e n t e d f i n i t ee l e m e n t m o d e lo ft h eb r i d g ei se s t a b l i s h e da n dt h ef r e ev i b r a t i o na n a l y s i si st h e nc a r r i e do u t t h ef o c u so ft h er e s e a r c hi sp l a c e do nt h r e ei n s t a n c e s ，i n c l u d i n g ：o n ec o m p o n e n to f t h eb r i d g ei sd a m a g e d ；t w oc o m p o n e n t sa n dt h r e ec o m p o n e n t sa r ed a m a g e d m o d a l f r e q u e n c y , d i s p l a c e m e n tm o d a ls h a p ea n dc u r v a t u r em o d a ls h a p ea r eu s e d a sb p n e u r a ln e t w o r k si m p o r tv e c t o rr e s p e c t i v e l y ；s a m p l ed a t ao fe a c hd a m a g e ds t a t ea r e c o l l e c t e d ；n i n eb pn e u r a ln e t w o r k sm o d e l sa r ee s t a b l i s h e df o rr e s e a r c h i n gb r i d g e d a m a g ed e t e c t i o n t h er e s u l ti n d i c a t e s t h a tt h em e t h o db a s e do nv i b r a t i o nm o d a l a n a l y s i st h e o r ya n db p n e u r a ln e t w o r k sc a nd e t e c tn o to n l yt h ed a m a g ep o s i t i o nb u t t h ed a m a g ed e g r e e t h em e t h o dw i l lh a v eg o o da p p l i c a t i o np e r s p e c t i v e t h en e u r a l n e t w o r k sa r em o r ea n dm o r ei m p o r t a n ti ne n g i n e e r i n ga p p l i c a t i o n s ，e s p e c i a l l yi n f o r e c a s t i n gb r i d g eh e a l t h ys t a t e i na d d i t i o n ，t h i sm e t h o d h a st h ef e a t u r e so f s i m p l e 、 r a p i d 、n od a m a g e a n dh a sg o o de c o n o m i c a la n ds o c i a la d v a n t a g e s 武汉理工大学硕士学位论文 s i g n a t u r e sf o rd a m a g e i d e n t i f i c a t i o nf o r m e d b ym o d a lp a r a m e t e r sa l w a y sn e e d s o l v ei n t r i c a t em a t h e m a t i ci t e r a t i o np r o b l e m ，b u tn e u r a ln e t w o r k sh a st h ef e a t u r e so f i t sa n t i l i n e a r m a p p i n ga b i l i t y , w h i c h c a l l c h a n g e i n v e r s ep r o b l e mi n t of o r w a r d p r o b l e m v i b r a t i o nm o d a la n a l y s i si si n t e g r a t e dw i t hn e u r a ln e t w o r k si nt h et h e s i s d a m a g es i g n a t u r e sf o rd a m a g e i d e n t i f i c a t i o nf o r m e db yv i b r a t i o nm o d a lp a r a m e t e r s a r e i n p u t t e d t on e u r a ln e t w o r k sa s p a r a m e t e r s f o rs t r u c t u r a lh e a l t h m o n i t o r i n g e s p e c i a l l y , i no r d e r t oc o u n t c o n v e n i e n t l y , a n de x p l a i n t o i d e m i f yt h er e s u l t ， a c c o r d i n gt ot h ec h a r a c t e r i s t i c so f t h en e t w o r k sr e a lo u t p u t s ，t h ea u t h o rd e f i n e st w o w o r d s ”f a l s ew e i g h t ”t r u e w e i g h t ”，a n do r i g i n a l l yp u t s f o r w a r dt h eu n i t e d j u d g m e n ts t a n d a r dt o w a r d sd a m a g e i d e n t i f i c a t i o na b o u tt h ep o s i t i o na n dt h ed e g r e e ， n a m e l yw i t hi d e n t i f i e dc o r r e c t n e s sr a t i oa b o u tt h ed a m a g ep o s i t i o n ” ”i d e n t i f i e d a c c u r a c yd e g r e ea b o u t t h ed a m a g ed e g r e e ”，t o t a lc o r r e c m e s sr a t i o ”t ”，s l i m s q u a r e d n e t w o r ke r r o r ”e ”a sj u d g m e n ts t a n d a r dt oe x a m i n et h er e s u l tt h a tb pn e u r a l n e t w o r k sh a si d e n t i f i e d k e yw o r d s ：d a m a g ei d e n t i f i c a t i o n ，m o d a la n a l y s i s ，n e u r a ln e t w o r k s ，c u r v a t u r e m o d a ls h a p e ，f l e x i b i l i vc u r v a t u r e ，m a t l a b v 武汉理工大学硕士学位论文 第1 章绪论 1 1 桥梁结构健康监测和损伤识别研究的意义 桥梁工程结构是铁路、公路、渠道等跨越河流、山谷或其它障碍并具有承 载能力的重要架空建筑物。由于我国交通运输事业的不断发展，现已建造了大 量不同类型的桥梁，许多大型、新颖的桥梁结构形式也正不断出现，从而大大 改善了交通条件。值得注意的是：由于设计、施工、材料、环境、管理等诸多 方面的原因，桥梁结构在使用过程中，不断受到车辆荷载、车辆冲击、温度变 化、强风等各种因素的影响，有可能会出现结构局部损伤和过早老化。尽管这 种现象不会立即导致整个结构的破坏，但它对结构的安全性构成了潜在的危险。 随着时间的推移，由于应力集中、疲劳等因素影响，会使桥梁结构局部损伤不 断扩展和增大，使得整个结构的承载能力逐步下降，从而导致结构的破坏。所 以，结构损伤不仅会缩短结构的使用寿命，而且还会严重威胁到人民生命和财 产安全【l 】o 近几十年来，国内外常有特大桥由于结构损伤而诱发大桥坍塌造成桥毁人 亡的灾难性事故报道。例如：1 9 6 7 年1 2 月横跨美国俄亥俄河上的银桥突然倒 塌，造成4 6 人死于非命【2 】：1 9 9 9 年1 月4 目，我国重庆彩虹桥倒塌，造成1 6 人死亡，2 4 人重伤的恶性事故。据统计，我国铁路钢桥约1 3 0 0 0 座，其中6 6 桥梁使用年限超过5 0 年以上；我国公路桥梁的受损数量和程度更为严重。 自从2 0 世纪5 0 年代以来，人们就意识到了桥梁安全监测的重要性，但由 于早期的监测手段比较落后，在应用上一直受到相当的限制。近些年来，桥梁 结构在抗震、抗风领域的研究成果及新材料新工艺的开发和应用，大大推动了 大跨度桥梁的发展，大跨度桥梁设计轻柔化以及形式与功能的日趋复杂化；同 时，随着人们对桥梁安全及耐久性与正常使用功能的日渐关注，桥梁健康监测 技术更成为国内外学术界和工程界的研究热点，随着科技的发展和新的测试设 备的推出，桥梁健康监测系统的开发应运而生口j 【“。例如：丹麦曾对总长1 7 2 6 m 的f a r o e 跨海斜拉桥进行了施工阶段和通车首年的监测；另外，丹麦人在主跨 1 6 2 4 m 的o r e a t b e l t e a s t 悬索桥上已开始尝试把极端记录与正常记录分开处理， 武汉理工大学硕士学位论文 以期减小数据存量1 5 j i6 j ；墨西哥有关部门则对总长1 5 4 3 m 的t a m p i c o 斜拉桥进 行了动力特性测试并比较了环境激振和传统振动试验的效果【7 】；挪威在主跨 5 3 0 m 的s k a r n s u n d e t 斜拉桥上所安装的全自动数据采集系统己能对风、加速度、 倾斜度、应变、温度、位移进行自动监测 8 】；另外，美国主跨4 4 0 m 的s u n s h i n e s k y w a y 斜拉桥、英国主跨1 9 4 m 的f l i n t s h i r e 独塔斜拉桥【9 】以及加拿大的 c o n f e d e r a t i o n 桥i l0 j 等，均建立了健康监测系统。我国从9 0 年代起也在一些大型 桥梁上建立了结构监测系统，如香港的汲水门大桥、青马大桥以及上海杨浦大 桥、江阴长江大桥等在施工阶段已开始传感设备的安装，以备将来运营期间的 实时监测舭】。事实上，这种技术的成功开发运用，将起到保证桥梁安全运营， 延长桥梁使用寿命的作用，同时通过早期发现桥梁病害能大大节约桥梁的维护 费用，避免最终频繁大修而关闭交通所引起的重大损失【1 3 1 。 进行桥梁安全性检测和识别的目的是：通过一定的方式测试结构的实际状 态参数，诊断结构的损伤并据此评判结构的实际可靠度水平，为结构的加固和 安全使用决策提供客观依据。因此，对桥梁结构进行损伤识别，如果能及时发 现损伤，并诊断出局部损伤的位置以及损伤程度，就能使维修人员制定出正确 的维修决策。经过及时修复，不仅结构可以恢复承载能力，延长使用寿命，而 且可以保障人们的生命安全。 此外，损伤识别是桥梁健康监测系统的核心，损伤识别的成功研究对如何 建立健康监测系统有重要指导意义，决定了监测系统的软件开发、传感器的选 择及其测点布置等诸多方面，因此也需要损伤识别理论与方法得以解决并应用 于实际工程f 1 。 所以，开展桥梁结构损伤识别研究，具有重要的理论意义和实用价值。 1 2 国内外损伤识别研究现状及发展动态 土木工程结构损伤识别的思想雏形与结构工程的发展历史一样悠久。古代 桥梁建筑师们的工作中已经包含了结构识别的基本思想：首先对建造的桥梁进 行强度计算，然后通过特殊的方式来观察桥梁的变形，最后根据计算和观察相 比较的方式来确定桥梁的结构模型。 l i u 和y a o 【l 副于1 9 7 8 年在土木工程领域率先提出了系统识别的概念，白此 许多研究者开始致力于这方面的研究工作。近年来，随着能够满足结构损伤识 2 武汉理工大学硕士学位论文 别应用要求的强大的试验和分析工具的出现，使得结构识别技术在土木工程领 域的广泛应用成为了可能【”1 。 1 2 1 国外研究状况 近年来，国外学者在利用振动模态分析理论进行结构损伤识别方面开展了 大量的研究工作，提出了各种各样的识别方法。 早期，主要是以v a n d i v e r ”i l l s 和b e g g r 1 明等的研究工作为基础，根据模态频 率的变化来探测桥梁结构的损伤。k a t o 和s h i m a d a l 2 0 1 在进行预应力混凝土桥的 失效试验研究时，通过环境振动方法识别了桥梁的振动特性，测试结果表明， 在静力载荷达到极限载荷时，桥梁的自振频率将有所降低，但是阻尼值却没有 受到大的影响。s p y r a k o s 等【2 l j 进行了一系列的桥梁模型试验，分别测试了模型 梁在不同类型、位置和程度损伤条件下的低频自振特性，发现一定水平的损伤 与结构动态特性有确定的相关性，但是仅用频率改变作为结构损伤因子是不充 分的。a k t a n 等 2 2 j 则从结构静力柔度阵出发，根据桥梁载重汽车静力测试结果， 通过对比观测模态柔度和静力测试柔度，评估了模态柔度作为损伤指针的可靠 性。 除了这些较为零星的工作以外，美国通过i 一4 0 桥梁项目和a l a m o s a 峡谷 项目的实施，对桥梁健康诊断中的结构识别方法进行了系统的研究。f a r r a r l 2 3 j 对横跨美国新墨西哥州r i og r a n d 河流的i 4 0 桥进行了损伤探测的试验研究。 结果显示，桥梁弯曲刚度程度较大的变化会使观测频率产生不确定白勺改变，因 此频率对桥梁的损伤不够敏感，不能作为损伤的指针。但是，试验结果表明振 型数据对损伤较为敏感。s t u b b s 等1 2 4 j 也对i 4 0 桥进行了损伤识别的研究，利 用振型曲率计算了结构局部应变能，通过应变能的改变来识别桥梁的损伤。这 种算法能在未知结构材料特性的条件下进行结构损伤定位。f a r r a r 和 j a u r e g u i l 2 5 1 1 2 6 1 仍然以i 一4 0 桥为对象，通过进一步的研究认为，振型数据对损伤 定位和定量的研究能提供更加有用的信息。f a r r a r 和d o e b l i n g 等 2 8 】f 2 9 1 在 a l a m o s a 峡谷项目的研究中，对位于南墨西哥州t r u t h 小镇的一个使用6 年的桥 梁进行了短期监测，重点研究了桥梁在2 4 小时内识别结构参数的统计特性。 h e a m 3 0 指出，结构损伤后，各阶频率变化按最大频率变化归一化后，任两 阶频率变化的比值，是结构损伤位置的函数，并主张将各种损伤情况对应的频 率变化比先计算出来，然后用于预测实验中可能发生的损伤。y a o l 3 1 j 利用应变 3 武汉理工大学硕士学位论文 模态概念对一个五层钢框架进行损伤识别，利用实测损伤结构的一阶振型与未 损伤结构的一阶振型相比，结果表明结构发生了损伤，但却不能给出具体的损 伤部位。 在进行结构损伤识别时，由于损伤多表现为刚度的下降，很自然地想到要 利用刚度矩阵来判断结构损伤。p a r k 和l e e i ”1 运用损伤结构与未损伤结构之间 的刚度误差来定位损伤，对于大的损伤，此方法非常有效。但g y s i n 【3 3 】认为误 差刚度矩阵法只有在包含了足够多的振型，尤其是包含了那些对结构刚度矩阵 影响较大的振型时，此方法才有效。 p a n d e y 和b i s w a s ” 利用柔度矩阵法来识别梁类结构损伤，只用少数低阶模 态即可比较准确地计算柔度矩阵，而且这种方法还无需知道结构的分析模型。 紧接着，p a n d e y l 3 5 1 等人对上述方法予以了实验证明，表明只要2 3 阶振型即可 识别简支梁的损伤。 神经网络在土木工程中也得到了广泛应用。 最早将b p 神经网络用于结构损伤识别的是美国p u r d u 大学的 v e n k a t a s u b r a n m i a n 和c h a n 3 6 1 ，在1 9 8 9 年第一次运用b p 网络进行了工程结构 的损伤检测与诊断，其后有许多研究人员开发了不同的网络模型，对工程结构 或构件进行了损伤检测与识别。 w u d 。7 利用神经网络的自组织、自学习能力，提出了种基于傅里叶谱的损 伤检测方法。w o r d e n 3 6 等人用b p 网络来识别一个由2 0 根构件组成的结构的损 伤，研究发现，当使用实验数据来训练神经网络时，训练后的神经网络能够识 别结构的大部分损伤。 e l k o r d y 3 8 等人对仅依靠现场目测进行结构损伤检测的传统方法的可靠性 产生了疑问，提出了一个基于b p 网络的结构损伤检测系统。c h o i 3 6 1 等人开发 了一个真实钢桁架桥的损伤检测系统。首先对实桥进行加载实验，测得火车通 过时桥的应变和加速度，用实测的数据来修正所建的有限元模型，然后运用修 正后的有限元模型来模拟损伤序列，最后运用b p 神经网络对损伤构件的位置 及损伤程度进行检测与识别。 b a r a i 和p a n d e y l 3 9 1 通过b p 网络映射刚度变化与节点时程的关系来识别桁架 桥梁的损伤。文献中认为这种方法可以识别4 精度的刚度变化，但没有给出训 练样本数目和损伤程度，也没有讨论测试数据对训练样本的依赖性，因此，无 法对这种方法的灵敏性做出评论。 4 武汉理工大学硕士学位论文 除b p 网络以外，s z e w c z y k 和h a j e l a 使用c p n 网络识别了桁架结构的损 伤。c p n 网络是一种自适查找数据表格的方法。c a t e l s n i “i 等人运用径向基函数 神经网络来实现故障的自动诊断与分类，首先用故障数据库来训练神经网络， 然后将新的输入数据放入训练后的网络分类器进行模式匹配，得到故障的类别。 1 2 2 国内研究状况 国内对结构损伤识别问题也开展了大量的研究工作。 关于结构损伤识别，袁万城等【6 】将其分为模型修正法和指纹分析法两大类。 模型修正法主要用试验结构的振动反应记录与原先的模型计算结果进行综合比 较，利用直接或间接测知的模态参数、加速度时程记录、频率响应函数等，通 过条件优化约束，不断地修正模型中的刚度分布，从而得到结构刚度变化的信 息，实现结构的损伤判别与定位。这种方法在划分和处理子结构上具有很多优 点，但由于测试模态集不完备、测试自由度不足以及测量信噪比低等原因，很 少能给出修正所需的足够信息，从而导致解的不唯一，而且采用传统方法进行 参数估计时容易产生病态方程。指纹分析法是通过结构的动力指纹变化来进行 损伤识别。常用的动力指纹有频率、振型、振型曲率应变模态、功率谱、m a c ( 模态保证标准) 、c o m a c ( 坐标模态保证标准) 指标等。大量的模型和实际 结构试验表明，结构损伤导致的固有频率变化较小，而振型( 尤其是高阶振型) 虽然对局部刚度变化比较敏感，但精确量测比较困难。m a c 和c o m a c 等依 赖于振型的动力指纹都遇到同样的问题。振型曲率应变模态则在传统的低幅值 振动测试中变化量量级过小，难以起到有效的判别作用。因此，这类方法的成 功应用将有待于寻找新的动力指纹。 秦权等i 4 1 】【4 2 1 以香港青马大桥为背景，对桥梁健康监测中的模态识别、损 伤识别、传感器优化布置和误差分析等问题进行了研究，为青马大桥健康诊断 系统的实现提供了一定的理论依据。 张启伟1 4 3 1 通过混凝土悬臂梁的试验检验了结构固有频率对损伤程度、损伤 位置的敏感性。李德葆【4 4 】提出，实验应变模态分析基本原理与方法给出了应变 模态的表达式及应变传递函数矩阵，并指出，人们常常通过测量模态参数的变 化来检测结构局部损伤，但是，不能指望用这种方法来检测非常小的局部损伤。 周先雁等人 4 5 1 探讨了用应变模态对混凝土框架结构进行损伤诊断的测试原理和 方法，并对混凝土框架结构进行了试验，试验结果显示在框架开裂部位的应变 武汉理工大学硕士学位论文 幅值相对于完整状态的应变幅值一般都有较显著的变化( 即突变) ，有的增加， 有的减小。 冯新 46 】建立了无需求解反演问题的柔度投影法，通过引入高精度的振型扩 展算法及在统计意义框架下定义加权柔度投影误差，解决了观测数据不完整、 不精确条件下的结构损伤定位问题。 唐小兵【4 刀开展了基于单元模态应变能和模态动能的结构损伤识别研究，首 次提出了空间结构损伤( 裂纹) 位置识别的分模态应变能法。研究表明，空间结 构损伤f 裂纹) 位置识别的分模态应变能法可以有效地识别出如梁、板等空间结 构的损伤( 裂纹) 位置，而总模态应变能法则不能进行正确识别。还提出了梁结 构损伤位置识别的模态柔度曲率法，分析了测试自由度稀少时对损伤识别的效 果及测量数据中存在误差对损伤识别的影响。 自上世纪9 0 年代，国内掀起了基于神经网络的结构损伤识别研究热潮，已 经有许多学者对用神经网络来进行损伤识别的可行性及其识别能力进行了广泛 的研究。 杨英杰等【4 8 】分析了神经网络法用于结构状态识别的可行性，提出了现有神 经网络用于结构状态识别时需要解决的问题和改进的方法，并针对梁类结构的 裂纹识别，做了尝试性的探索。韩小云等【4 9 】将模糊推理和神经网络相结合研究 了梁的故障评判，利用模糊综合评判法进行故障的预诊，而采用神经网络竞争 学习法完成故障的确诊。胡雄等【5 0 】【5 1 l 应用人工神经网络讨论了统计特征抽取的 原理，提出了相应的抽取方法，并应用模糊神经网络开发了以斜拉桥为背景的 拉索承重桥梁安全性与耐久性评估专家系统。 陆秋海等【5 2 1 利用结构位移模态试验、应变模态试验参数和神经网络方法对 结构损伤定位和定量辩识问题进行了研究。苏娟等 5 3 】以工程上常用的截面开 口槽形梁为试件，用试验模态分析与神经网络相结合的方法，研究了位移频响 函数指标、应变频响函数指标和模态频率指标在结构损伤定量辨识中的灵敏性。 饶文碧等【55 j 针对结构动力损伤识别问题，提出了r b f 神经网络识别方法。 刘效尧等【5 6 | 【5 7 】介绍了几种用于桥梁损伤识别的方法，包括动态法、静态法、有 模型法、无模型法、位移法、应变法以及b p 和r b f 神经网络法的比较。王柏 生等f 5 8 】f 5 9 【6 叫提出了种结合结构的固有频率和第一阶模态少数点分量的组合 参数作为神经网络的输入向量，对一个六层框架进行了数值模拟，并用一个两 层钢框架进行了试验验证。尹娟【6 1 】等基于神经网络，利用时域数据对一五层剪 6 武汉理工大学硕士学位论文 切结构进行了模拟分析。王代华等 6 2 】提出了一种基于人工神经网络的柔性结构 损伤模式识别法，将神经网络用作损伤模式的分类器。师本强【6 那以动柔度变化 矢量为损伤识别参数，采用神经网络方法建立了动柔度变化矢量与损伤位置和 损伤程度间的关系，解决了结构的损伤定位和定量识别问题，用一个混凝土简 支梁模型对该方法进行了验证，说明该方法是切实可行的。陈素文等【6 4 】【”】综合 论述了人工神经网络在损伤识别中的应用，探讨了分步识别理论和输入参数的 选择。 李传习等【6 6 j 应用改进b p 算法，通过对混凝土大跨度桥梁主梁物性参数实 时估计要素的研究，得到了统一的求解程序，解决了混凝土大跨度桥梁施工控 制中主梁参数实时识别的问题。在此基础上，提出了混凝土大跨度桥梁施工质 量新的评价指标。王修勇等【6 7 】f 6 8 1 应用单层神经网络技术和风洞试验得到的桥梁 节段模型加速度响应，提出了直接识别节段模型运动方程中的物理参数矩阵， 进而一次识别全部8 个气动导数的方法。 翟东武等 6 9 7 0 1 研究了桥梁结构的半主动控制问题，在算法上采用基于神经 网络的模糊控制，不需要建立精确的分析模型，计算较为简便，避免了用多参 量建立模糊关系方程的求解困难，并与二次最优控制算法进行了对比。 吴大宏等人