（机械设计及理论专业论文）轴类构件损伤的智能检测方法研究.pdf

沈阳航空工业学院硕士学位论文 摘要 为了保证安全、避免灾难，实时、在线、准确地进行结构损伤识别的技术研究受到 了广大学者和工程技术人员的重视。结构损伤检测技术是一门建立在损伤机理、传感器 技术、信号分析技术、计算机技术及人工智能技术上的多学科综合性技术，本论文主要 对基于神经网络的结构损伤检测理论与应用进行了研究。 论文首先分析了神经网络技术在工程结构损伤检测中的应用原理，总结了国内外在 该领域中的最新研究成果。其次，通过理论分析，得出了工程结构损伤前后的固有频率 的变化规律，并且该变化规律包含了结构损伤位置和损伤程度的信息。最后，论文在上 述研究的基础上，对悬臂梁模型和轴类模型的损伤状况进行了数值模拟分析，提取了固 有频率变化的信息，并借助m a t l a b 软件把这些信息作为改进型b p 神经网络和r b f 神经网 络的输入参数，应用训练后的神经网络对结构进行了损伤检测，结果表明，文中方法在 损伤检测中有较好的应用价值。 关键词：神经网络；损伤识别；固有频率；r b f 神经网络；轴 a b s t r a c t t og u a r a n t e et h es a f e t ya n da v o i dd i s a s t e r ，t h es c h o l a r s ，t h ee n g i n e e r sa n d t e c h n i c i a n sa r e p a y i n gg r e a ta t t e n t i o nt ot h er e s e a r c ho f i d e n t i f i c a t i o no ft h es t r u c t u r a ld a m a g er e a l t i m e l y ， o n 1 i n ea n da c c u r a t e l y t h ed a m a g ei d e n t i f i c a t i o ni sap o l y t e c h n i cm e t h o dc o n s t r u c t e do nt h e d a m a g et h e o r y , s e n s o rt e c h n o l o g y ，s i g n a la n a l y s i s ，c o m p u t e rs c i e n c ea n da r t i f i c i a ln e t w o r k s t h i sp a p e rm a i n l ys t u d i e st h em e t h o db a s e do nt h ec o m b i n a t i o no f t h es t a t i cm o d a la n a l y s i s a n da r t i f i c i a ln e t w o r k s f i r s t l y , t h ep r i n c i p l eo fs t r u c t u r a ld a m a g ed e t e c t i o nb yu s i n ga r t i f i c i a l n e u r a ln e t w o r k ( a n n ) i se x p o u n d e di nt h ep a p e r s o m em a i na c h i e v e m e n t sa r es u m m a r i z e d s e c o n d l y ，t h e p a p e ri sv e r i f i e dt h e o r e t i c a l l yt h a t t h en a t u r a lf r e q u e n c yc h a n g e so fs t r u c t u r ec o n t a i nt h e i n f o n n a t i o ns u c ha sl o c a t i o na n dd e g r e eo ft h ed a m a g e f i n a l l y ，b a s e do nt h i st h e o r y ，w e s i m u l a t e dd i f f e r e n td a m a g e so fs u s p e n d e db e a ma n ds h a f tt oe x t r a c tn a t u r a lf r e q u e n c y ，t h e n c o n s i d e r e dt h en a t u r a lf r e q u e n c ya st h ei n p u tp a r a m e t e ro fb pa n dr b f n e u r a ln e t w o r k t h r o u g hm a t l a b ，a n dd e t e c t e dt h es t r u c t u r a ld a m a g eb y t h et r a i n e dn e t w o r k s t h er e s u l t ss h o w t h ee f f e c t i v e n e s so f m i sm e t h o d k e y w o r d s ：n e u r a ln e t w o r k ；d a m a g ei d e n t i f i c a t i o n ；n a t u r a lf r e q u e n c y ；r b fn e t w o r k ；s h a f t i i 沈阳航空工业学院硕士学位论文 1 1 研究的意义和背景 第1 章绪论 随着科技的进步，现代工业的发展以及未来的人类需求，现代空间结构正在向着大 型化，复杂化方向发展。而这些大型复杂结构如飞机、航天飞机、高层建筑、离岸结构、 新型桥梁、大跨度网架结构等在复杂的服役环境中将受到设计荷载的作用以及各种突发 性因素的影响而面临结构损伤积累的问题，从而使结构的安全受到威胁【l j 。没有被探测 到的结构损伤将改变结构强度和刚度，从而引发更大的损伤积累，这将导致结构的突发 性失效。为了保证结构的安全，需要建立结构损伤探测的方法从而能够快速探测损伤出 现和损伤的位置，结构损伤位置和程度的准确探测可以帮助人们对结构进行实时修复或 改变结构的操作使用方法，以便降低结构损伤积累的程度。 其中，微小的疲劳损伤裂缝是一个不可忽视的问题。微小的疲劳损伤裂缝可以引起 大型工程结构的破坏性失效和灾难性事故，特别是结构中的内部缺陷，通常用肉眼或观 测仪器观测不到，这种潜在的缺陷危险性更大，可能造成更大的经济损伤和安全事故。 因此如何通过一定的监测手段和分析方法对结构进行检测与评估，以确定结构是否有损 伤存在，进而判别损伤的位置和程度，以及结构的现状、使用功能和结构变化的趋势等， 是目前很多学者十分关注的问题，所以利用无损检测的方法对工程结构进行损伤识别是 目前研究的热点和难点。由于振动信号易于提取，探测器可以安装在人们不宜接近的结 构部位等优点【3 - 刚，于是有学者提出了基于结构振动模态分析的无损识别方法【3 j 。根据结 构动力学理论可知，结构损伤的存在，必然会影响到结构的动态特性，使得结构参数受 到影响，如降低结构的刚度、增大阻尼、改变结构的固有频率和振型、影响结构边界条 件的变化等，所以利用结构模态参数的改变可以用来识别损伤的存在、位置和程度等， 因而这是目前人们更关注、研究得更多的课题 7 1 。 利用结构的振动响应和系统动态特征参数进行结构损伤探测是目前国内外研究的 热点和难题。这种方法利用未损伤结构的数学模型连同未损伤结构的振动试验数据作为 探测损伤结构的振动信息，与损伤结构的振动响应进行比较，从而判定结构损伤的位置 与程度。该方法采用系统的分析模型，通过仿真值与实测值的比较实现损伤的检测定位。 沈阳航空工业学院硕士学位论文 其优点是：可以探测不可预知的损伤，不需要历史的经验知识。缺点在于：由于使用仿真， 模型较为复杂庞大，计算速度慢；对系统的模型有极大的依赖性，即探测结果在很大程 度上取决于所建的数学模型。对于系统建模困难的复杂情况或系统建模为高度的非线性 的复杂关系的情况，用这种方法实现损伤探测就非常困难。近些年来针对复杂过程和模 型的探测方法也不断出现，其中基于神经网络的损伤探测的应用较为令人注目【8 】。 1 2 损伤识别理论的发展与现状 最早在6 0 年代中期，法国c e b t p c 房屋建筑和市政工程实验研究中心，就提出稳态 激振的机械阻抗法检测桩基础的质量，1 9 6 8 年法国的j r a q u e t 又发展了该方法，使动测 法应用于桩质量的检测，该方法的原理是对桩顶施加频变的稳态激振力，在桩顶测速度 导纳曲线，由导纳曲线可获得共振峰频率差，若桩长l 己知，计算桩身混凝土的波速。 通过桩长l 计算缺陷的位置。在7 0 年代中期j s t e i n b a t h 乖1 e v e y 研制了打桩分析仪 ( p d a - p i l e d r i v ea n a l y s e r ) 。1 9 7 5 年美国j k i mv a n d i v e r 的博士论文中提出了根据实测的动 力响应来测量海洋平台的损伤状态，根据随机激励测试的响应，获得海洋平台的自振频 率f ，根据频率变化代入动力有限元的特征方程 1 1 。由此可识别出结构不同状态质量阵 阻】，由陋】判别结构的损伤程度。1 9 7 9 f i 三英： p c a w l e y 矛l l r d a d a m s n 捌t 1 2 1 对板 的损伤识别进行了研究，他们同样假设缺陷的发生及出现的位置仅与频率变化有关，并 认为缺陷的发生起源于刚度的减少，忽略质量的变化，即 a o ) f = 厂( 龇，r ) ( 1 1 ) 1 9 8 4 年，日本m a s a i u m i 等对一座要拆除的预应力混凝土旧桥进行了静动力实验，总 结分析了旧桥在各种不同损伤状态下动力特性频率变化的现象。1 9 8 4 年，美国加尼福利 亚大学的c s y a n g $ 口j c h e n 弓l 入随机减量技术，从随机响应中分离出自由振动响应，从 而获取自振频率和阻尼，对海洋平台模型进行损伤识别。该文主要是利用随机减量的曲 线形状和频率变化的均方差 1n 2 仃2 = 寺阮 ) 一厶o ，) 】 ( 1 2 ) a r 二一v 1 、i ，。、，j 、 来定性地判别损伤的严重程度，但该方法难以判别损伤的位置和定量n , n 损伤的严重程 度。1 9 8 8 年，美国的j a yc h a n gc h e n 对大型空间结构宇宙飞船用结构功能 刃眵m 眵】，= 万；阻打够；j ( 1 3 ) 2 沈阳航空工业! 学院硕士学位论文 的分布来识别损伤的位置，并用最小二乘和最小范数原理，由振动特征方程导出了直接 求刚度变化列向量 从。 的公式。同年，美国的南加利福尼亚大学土木系m s a g b s b i a n 和r k m i l l e r 等为了避免频域信号分析产生的“池漏”和分辨率低等不足，采用时域信号分 析的方法获取振动参数，进行结构损伤识别。该文假定系统的质量矩阵没有发生变化， 只识别刚度矩阵 k 】，并引入刚度的相对变化量 ：乓墨1 0 0 ( 1 4 ) 勺2 彳 ( 14 ) 来判别损伤的严重程度。1 9 8 8 年，奥地利r g f l e s h 幂o 用一座要拆除的旧桥进行了破坏性 试验，得出随着损伤的加剧，频率逐渐下降，阻尼逐渐增加的有益结果。1 9 9 1 年， t a l k a s h a n g a k i 等尝试在比例模型实验中采用c m s 技术( c o m p o n e n tm o d es y n t h e s i s m e t h o d ) ，用单一构件或结构部件( 子结构) 的振型和自振频率来合成整体结构的动力响 应，但这一工作的进展尚未见报道。1 9 9 2 年，d a v i d c 引入了“特征结构赋值法”，用实测 的0 9 和钐 进行有限元模型修改，并采用g u y a n 聚缩的方法，消除转动自由度，因为实测 中不易得到转动振动信号。1 9 9 4 年j t p 等利用振动的方法识别损伤结构的物理参数，并 将物理参数m 、k 和c 设为时间变化的函数，然后对现有结构进行可靠度分析。1 9 9 4 年， 美国的a k p a n d e y 和m b i s w a s p 以个结构柔度矩阵变化量作为损伤指标来判断损伤的 出现和定位损伤。由于柔度矩阵与频率的平方成反比，故可用结构的前几阶低频模态比 较准确地获得柔度矩阵。他们分别用实验和数值模拟的方法对一个钢梁进行验证，其结 果比较准确。 、现有文献所提供的实例大多是在自由度较少的结构上进行的。对于拥有上百万个自 由度而试验的测点只有几百个这样的大型复杂结构来讲，损伤探测需要进行的计算量很 大。1 9 9 3 年h m 飚m 和t j b a r t k o w i c z 发现试验测点的数量对于确定损伤的位置是至关重 要的。他们在试验研究中得出：有限的测量数据只能将结构损伤的大致区域确定出来，而 不能确定具体的损伤结构元件。在此基础上他们提出了两步法：第一步首先确定结构的 一个损伤区域，第二步再进一步确定该区域中的损伤元件。该方法综合了两种不同的模 态修改方法( 最优校正法和敏感度分析法) 以及两种不同的模态数量比较法( 模态缩聚和 特征向量扩充) 的优点，对于多自由度结构的损伤探测比较有效。 在国内，李得葆教授和西北工业大学的钱管良博士提出了较位移模态对结构损伤更 沈阳航空工业学院硕士学位论文 加敏感的应变模态来识别结构的损伤【1 8 】。湖南大学博士周先雁的博士论文“混凝土平面 杆结构损伤评估理论及实验研究”中也提到了应变模态的方法 2 0 】。王谓季对基于振动的 损伤检测的各种方法的敏感度进行了讨论。1 9 9 7 年，史治宇、罗绍湘等提出了一种用有 噪声影响的不完整振型和频率来检测损伤的方法。先由局部频率变化率的概念诊断出结 构损伤的位置，然后用灵敏度分析法确定损伤的大小。结果表明，该方法能简便有效地 同时诊断结构中的单个或多个单元破坏情况。1 9 9 9 年，史治宇、吕令毅等提出了基于单 元模态应变能变化的结构损伤诊断方法，该方法仅以结构损伤前后的模态振型和单元刚 度矩阵为诊断信息。实验研究表明，利用噪声影响的不完整测试模态数据时，此方法仍 能得到较好的损伤诊断结果【2 1 1 。1 9 9 9 年，李天匀、刘土光等从结构噪声的观点，利用振 动功率流方法对梁结构损伤诊断进行了研究。推导了梁单元场迁移矩阵和损伤部位的点 迁移矩阵，结合周期结构理论，计算了传递功率流与损伤位置及其结构尺寸的关系，从 而可进行有效的损伤诊断。1 9 9 9 年，高芳清、王凤勤等通过改变钢梁模型桥单元刚度模 拟其结构损伤，利用有限元动力分析程序对模型桥进行动力分析。发现振动模态的变化 对单元损伤的程度较为敏感且有对应关系。选用结构振动模态作为权数，提出了一种对 结构损伤前后的模态变化量进行加权处理的新方法，利用该方法能够对单元损伤实现有 效定位。1 9 9 9 年，邓众、严普强等总结了用模态参数进行损伤检测评估的困难，进而阐 述应变模态原理及其用于桥梁结构损伤检测时，相对于位移模态的优势。提出了一种通 过相邻点振型位移的测量，推估桥梁在动载作用下的应力状态，进行损伤检测的途径， 并推荐二种新型低频高灵敏度传感器作为位移测量用传感器。 结构损伤识别是用在线无损测量所得的结构动力特性( 包括结构响应) 来探测可能 昭示结构损伤或破坏的参数变化。现代测量仪器的发展使得结构响应参数的测量更为容 易、快速和准确，传感器的发展、数据采集及数据传输以及数据的实时分析和处理等技 术使结构损伤识别的精度得以保证。基于结构振动响应的损伤识别无论在理论研究上还 是在工程实际应用上都是一个非常有活力的领域，许多学者在寻找解决大型复杂结构损 伤识别问题上，进行了大量的研究工作，提出了很多有意义的方法。这些方法都有其各 自的特点，下面就对这些方法简单加以评述。 1 2 1 基于固有频率变化的损伤识别技术 基于固有频率测量的损伤识别很具吸引力。固有频率是模态参数中最容易获得的一 4 沈阳航空工业学院硕士学位论文 加敏感的应变模态来识别结构的损伤【1 8 】。湖南大学博士周先雁的博士论文“混凝土平面 杆结构损伤评估理论及实验研究”中也提到了应变模态的方法 2 0 】。王谓季对基于振动的 损伤检测的各种方法的敏感度进行了讨论。1 9 9 7 年，史治宇、罗绍湘等提出了一种用有 噪声影响的不完整振型和频率来检测损伤的方法。先由局部频率变化率的概念诊断出结 构损伤的位置，然后用灵敏度分析法确定损伤的大小。结果表明，该方法能简便有效地 同时诊断结构中的单个或多个单元破坏情况。1 9 9 9 年，史治宇、吕令毅等提出了基于单 元模态应变能变化的结构损伤诊断方法，该方法仅以结构损伤前后的模态振型和单元刚 度矩阵为诊断信息。实验研究表明，利用噪声影响的不完整测试模态数据时，此方法仍 能得到较好的损伤诊断结果【2 1 1 。1 9 9 9 年，李天匀、刘土光等从结构噪声的观点，利用振 动功率流方法对梁结构损伤诊断进行了研究。推导了梁单元场迁移矩阵和损伤部位的点 迁移矩阵，结合周期结构理论，计算了传递功率流与损伤位置及其结构尺寸的关系，从 而可进行有效的损伤诊断。1 9 9 9 年，高芳清、王凤勤等通过改变钢梁模型桥单元刚度模 拟其结构损伤，利用有限元动力分析程序对模型桥进行动力分析。发现振动模态的变化 对单元损伤的程度较为敏感且有对应关系。选用结构振动模态作为权数，提出了一种对 结构损伤前后的模态变化量进行加权处理的新方法，利用该方法能够对单元损伤实现有 效定位。1 9 9 9 年，邓众、严普强等总结了用模态参数进行损伤检测评估的困难，进而阐 述应变模态原理及其用于桥梁结构损伤检测时，相对于位移模态的优势。提出了一种通 过相邻点振型位移的测量，推估桥梁在动载作用下的应力状态，进行损伤检测的途径， 并推荐二种新型低频高灵敏度传感器作为位移测量用传感器。 结构损伤识别是用在线无损测量所得的结构动力特性( 包括结构响应) 来探测可能 昭示结构损伤或破坏的参数变化。现代测量仪器的发展使得结构响应参数的测量更为容 易、快速和准确，传感器的发展、数据采集及数据传输以及数据的实时分析和处理等技 术使结构损伤识别的精度得以保证。基于结构振动响应的损伤识别无论在理论研究上还 是在工程实际应用上都是一个非常有活力的领域，许多学者在寻找解决大型复杂结构损 伤识别问题上，进行了大量的研究工作，提出了很多有意义的方法。这些方法都有其各 自的特点，下面就对这些方法简单加以评述。 1 2 1 基于固有频率变化的损伤识别技术 基于固有频率测量的损伤识别很具吸引力。固有频率是模态参数中最容易获得的一 4 沈阳航空工业学院硕士学位论文 个参数 1 7 】，而且识别精度高；在实际结构中，固有频率易于测量且与测量位置无关，频 率测量的误差较振型和阻尼测量的误差小。 1 2 2 基于振型变化的损伤识别技术 现有频率和振型的敏感性分析方法对具体结构构件损伤进行探测的实例表明：不同 单元的刚度损伤对不同的结构振型模态的频率的敏感性是不同的，多数损伤识别需要振 型的测量。相对于固有频率而言，模态振型的变化对振型较为敏感，损伤的存在可以由 频率变化探测到，而确定损伤的位置则需要振型信息，这是因为虽然振型的测量精度低 于固有频率，但振型包含了更多的损伤信息 1 5 _ 1 6 】。然而特征向量的测量误差明显大于特 征值的测量误差，另外由于所观察的振型不完全，这些测量误差常常与特征向量扩充导 致的误差相混合，导致识别精度不高。于是出现了振型曲率法( 根据振型曲率的变化确 定损伤发生的位置) 和振型变化图形法( 当结构发生破损时，利用受到影响的自由度上 的振型相对变化量在损伤区域内就会出现比较大的值来识别损伤位置) ，以及模态置信 因子( m a c ) 法、模态比例因子( m s f ) 法、坐标模态置信因子( c o m a c ) 法和曲率 模态振型法( 利用曲率模态振型对损伤的敏感度远大于振型) 等，大大提高了损伤识别 精度。郭国会等就用此方法对连续损伤进行了诊断【1 4 1 。 1 2 3 基于柔度变化的损伤识别技术 基于柔度变化的损伤识别技术【2 5 1 ，其主要原理是：在模态满足归一化的条件下，柔 度矩阵是频率的倒数和振型的函数，即低阶振动的模态和频率信息在柔度矩阵中所占的 影响成分很大。随着频率的增大，柔度矩阵中高频率的倒数影响可以忽略不计，这样只 要测量前几个低阶模态参数和频率就可获得精度较好的柔度矩阵。根据获得损伤前后的 二个柔度矩阵的差值矩阵，求出差值矩阵中各列中的最大元素，通过对比每列中的最大 元素就可找出损伤的位置。虽然利用模态柔度进行结构损伤识别具有较高的灵敏度，但 是却要用到损伤前的结构模态参数，不利于实际应用，于是有学者提出利用损伤结构模 态柔度的曲率进行损伤识别，这样既有较高的灵敏度，又避免了使用原结构的模态参数。 尹娟等根据连续梁桥损伤前后三阶振型推断了结构柔度矩阵的变化，并对其进行损伤定 位，这种基于柔度改变的方法可以诊断结构的多处损伤4 0 4 2 l 。 1 2 4 基于刚度变化的损伤识别技术 当一个结构发生损伤时，刚度矩阵一般提供的信息比质量矩阵多 3 引。利用刚度矩阵 沈阳航空工业学院硕士学位论文 的变化进行损伤识别是因为结构发生较大的损伤时，其刚度将发生显著的变化；但是， 结构发生微小的损伤时，这类方法将无法进行损伤识别。另外由于结构高阶振型对结构 刚度矩阵的贡献更大，因此要进行精确识别结构损伤，就要利用高阶振型，但高阶振型 的准确获取难度较大，因此这种方法在工程实际中应用较少。 1 2 5 基于传递函数( 频响函数) 变化的损伤识别技术 由于损伤引起的传递函数的变化唯一地由损伤的类型和位置确定，虽然传递函数的 信息量大，但是损伤识别仅利用传递函数的- - g o 数据【3 3 1 。因此在此基础上产生了频响函 数曲率法，其原理类似于振型曲率法，但不需测试振型，比振型曲率法识别效果好。这 种方法的优点是：不需要数学模型；不需要先验的知识；可用于在线损伤监测。而不足 之处是测量点的数量和位置影响损伤识别的精度。 1 2 6 基于应变模态的损伤识别技术 振型对局部损伤的敏感性大于其它参数的敏感性，且应变模态振型比位移模态振型 更敏感。对大多数模态，在局部损伤位置的应变模态都有明显的峰值，且峰值的大小随 损伤程度的增加而增加。采用应变模态的好处在于可以直接研究某些关键点的应变，如 应力集中问题、局部结构变动对变动区附近的影响等问题 3 8 - 3 9 。 1 2 7 基于功率流的损伤识别技术 利用损伤结构中功率流的传递与反射，来分析结构破损诊断的振动功率流特性以及 功率流与破损位置及其特征尺寸间的关系，利用功率流的变化规律对结构进行损伤识别 【3 6 】 0 1 2 8 基于试验模态分析与有限元分析相结合的损伤识别技术 随着计算机的出现和有限元方法的建立，试验模态和有限元分析法已成功用于结构 损伤识别。试验模态分析综合了动态测试、信号处理、系统识别和结构动力学等技术， 已成为振动工程中的一个重要的组成部分。有限元分析是对结构物理现象的模拟，采用 合理的简化假定，建立模型，通过单元划分，求解有限元方程来模拟真实环境的无限个 未知量。这种方法己成功应用于建筑和海洋领域。 1 2 9 基于残余力向量的损伤识别技术 建立残余力向量与损伤结构的刚度和质量矩阵以及特征向量之间的关系，从而确定 结构的损伤部位，当结构的初始物理参数存在的估计误差，或有一定程度的噪声污染时 沈阳航空工业学院硕士学位论文 的变化进行损伤识别是因为结构发生较大的损伤时，其刚度将发生显著的变化；但是， 结构发生微小的损伤时，这类方法将无法进行损伤识别。另外由于结构高阶振型对结构 刚度矩阵的贡献更大，因此要进行精确识别结构损伤，就要利用高阶振型，但高阶振型 的准确获取难度较大，因此这种方法在工程实际中应用较少。 1 2 5 基于传递函数( 频响函数) 变化的损伤识别技术 由于损伤引起的传递函数的变化唯一地由损伤的类型和位置确定，虽然传递函数的 信息量大，但是损伤识别仅利用传递函数的- - g o 数据【3 3 1 。因此在此基础上产生了频响函 数曲率法，其原理类似于振型曲率法，但不需测试振型，比振型曲率法识别效果好。这 种方法的优点是：不需要数学模型；不需要先验的知识；可用于在线损伤监测。而不足 之处是测量点的数量和位置影响损伤识别的精度。 1 2 6 基于应变模态的损伤识别技术 振型对局部损伤的敏感性大于其它参数的敏感性，且应变模态振型比位移模态振型 更敏感。对大多数模态，在局部损伤位置的应变模态都有明显的峰值，且峰值的大小随 损伤程度的增加而增加。采用应变模态的好处在于可以直接研究某些关键点的应变，如 应力集中问题、局部结构变动对变动区附近的影响等问题 3 8 - 3 9 。 1 2 7 基于功率流的损伤识别技术 利用损伤结构中功率流的传递与反射，来分析结构破损诊断的振动功率流特性以及 功率流与破损位置及其特征尺寸间的关系，利用功率流的变化规律对结构进行损伤识别 【3 6 】 0 1 2 8 基于试验模态分析与有限元分析相结合的损伤识别技术 随着计算机的出现和有限元方法的建立，试验模态和有限元分析法已成功用于结构 损伤识别。试验模态分析综合了动态测试、信号处理、系统识别和结构动力学等技术， 已成为振动工程中的一个重要的组成部分。有限元分析是对结构物理现象的模拟，采用 合理的简化假定，建立模型，通过单元划分，求解有限元方程来模拟真实环境的无限个 未知量。这种方法己成功应用于建筑和海洋领域。 1 2 9 基于残余力向量的损伤识别技术 建立残余力向量与损伤结构的刚度和质量矩阵以及特征向量之间的关系，从而确定 结构的损伤部位，当结构的初始物理参数存在的估计误差，或有一定程度的噪声污染时 沈阳航空工业学院硕士学位论文 ( 误差小于1 0 ) ，这种方法仍能给出比较准确的识别结果【l 9 1 。 在以上所提到的各种损伤识别方法中，工程实际应用结果表明：以应变类参数( 应 变、应变模态、曲率模态等) 为基础的损伤定位方法明显优于以位移类( 位移、位移模 态、柔度矩阵等) 为基础的损伤定位方法。 1 3 智能诊断方法在损伤识别中的应用 1 3 1 神经网络方法 神经网络由于具有较强的非线性映射能力而被广泛用于结构分析中，而且大部分采 用三层构造，即一个输入层、一个隐层和一个输出层。其基本思路是：首先用于损伤系 统的振动测量数据来训练网络，用适当的学习方法确定网络的参数；然后将系统的输入 数据送入网络，网络就有对应的输出，如果学习过程是成功的，当系统特性变化时，系 统的输出和网络的输出应该吻合。相反，当系统有损伤时，系统的输出和网络的输出就 有一个差异，这个差异就是损伤的一种测度。因此通过神经网络可以建立结构模型参数 与结果模态参数之间的非线性映射关系，然后通过实测的结构模态参数，依据这种非线 性映射关系，得到结构与之相应的物理、几何和边界条件，完成结构动力模型的修改。 所以基于神经网络的结构损伤识别主要包括如下步骤：网络结构的确定；参数的选取； 学习样本规格化；初始权值的选取和结构损伤检测。根据这种思想，输入一组训练好的 神经网络模型，将测量获得的模态参数输入到这个训练好的神经网络模型，就能得到结 构参数的变化量，进而识别结构损伤的位置和大d 、e 3 4 1 。 1 3 2 遗传算法 遗传算法的发展是生命科学与工程科学相互交叉的结果，它启迪于生物的进化过 程，其本身是一种高效并行优化搜索方法，追求搜索全局最优解。与经典最优化方法相 比，遗传算法的优点有：遗传算法的编码操作保证了它在每一步迭代能充分利用每群解 中的信息，同时遗传算法的并行处理使得它计算效率高；遗传算法的编码操作使之能处 理结构损伤检测中大量参数的问题；遗传算法同时搜索成群的解，使之有条件求得全局 意义上得最优解，求最优解的步骤为：参数编码；初始群体的生成；适应度的评价；选 择过程；交叉操作；变异操作；迭代循环【3 4 】。 7 沈阳航空工业学院硕士学位论文 ( 误差小于1 0 ) ，这种方法仍能给出比较准确的识别结果【l 9 1 。 在以上所提到的各种损伤识别方法中，工程实际应用结果表明：以应变类参数( 应 变、应变模态、曲率模态等) 为基础的损伤定位方法明显优于以位移类( 位移、位移模 态、柔度矩阵等) 为基础的损伤定位方法。 1 3 智能诊断方法在损伤识别中的应用 1 3 1 神经网络方法 神经网络由于具有较强的非线性映射能力而被广泛用于结构分析中，而且大部分采 用三层构造，即一个输入层、一个隐层和一个输出层。其基本思路是：首先用于损伤系 统的振动测量数据来训练网络，用适当的学习方法确定网络的参数；然后将系统的输入 数据送入网络，网络就有对应的输出，如果学习过程是成功的，当系统特性变化时，系 统的输出和网络的输出应该吻合。相反，当系统有损伤时，系统的输出和网络的输出就 有一个差异，这个差异就是损伤的一种测度。因此通过神经网络可以建立结构模型参数 与结果模态参数之间的非线性映射关系，然后通过实测的结构模态参数，依据这种非线 性映射关系，得到结构与之相应的物理、几何和边界条件，完成结构动力模型的修改。 所以基于神经网络的结构损伤识别主要包括如下步骤：网络结构的确定；参数的选取； 学习样本规格化；初始权值的选取和结构损伤检测。根据这种思想，输入一组训练好的 神经网络模型，将测量获得的模态参数输入到这个训练好的神经网络模型，就能得到结 构参数的变化量，进而识别结构损伤的位置和大d 、e 3 4 1 。 1 3 2 遗传算法 遗传算法的发展是生命科学与工程科学相互交叉的结果，它启迪于生物的进化过 程，其本身是一种高效并行优化搜索方法，追求搜索全局最优解。与经典最优化方法相 比，遗传算法的优点有：遗传算法的编码操作保证了它在每一步迭代能充分利用每群解 中的信息，同时遗传算法的并行处理使得它计算效率高；遗传算法的编码操作使之能处 理结构损伤检测中大量参数的问题；遗传算法同时搜索成群的解，使之有条件求得全局 意义上得最优解，求最优解的步骤为：参数编码；初始群体的生成；适应度的评价；选 择过程；交叉操作；变异操作；迭代循环【3 4 】。 7 沈阳航空工业学院硕士学位论文 1 3 3 小波分析法 由于小波分析非常适合分析非平稳信号，因此可作为损伤识别中信号处理的理想工 具，用它来构造损伤识别中所需要的特征因子，或直接提取对损伤有用的信息 4 1 1 。小波 分析在损伤识别中的应用是多方面的，如：奇异信号检测、信噪分离、频带分析等。目 前小波分析在损伤识别中的应用主要是属于信号分析范畴，由小波变换得到的谱图中直 接显示损伤的存在。因此以小波分析为工具，通过分析系统的时变性质来进行损伤识别， 能够揭示出损伤的性质和特点。 1 4 本课题研究的内容 以往对与损伤诊断的研究多是针对梁构件这样一类二维问题，损伤的尺寸由一个参 量确定，相对简单。本课题以工程中常用的轴类构件为研究对象，属于三维问题，损伤 的大小至少采用两个参数描述，迄今为止，未见此方面的研究报道。轴类零件是机械中 的常用构件，如：螺栓、铆钉、销钉、车轴和各种转轴等，它们往往承受主要载荷，属 于结构中的关键构件。在加工和使用过程中，由于锻造缺陷、焊接裂纹、表面划痕、腐 蚀坑以及长期的交变载荷作用，都可能造成轴类构件的损伤，如果不及时采取措施，在 工作载荷的作用下，极易造成断裂失效，将会造成机器失效或机毁人亡的后果。 本课题通过有限元计算的方法，获取用于结构损伤的特性参数固有频率，应 用人工智能神经网络实现构件的检测与评估，确定是否有损伤存在，进而判别损伤的 位置和程度。 沈阳航空工业学院硕士学位论文 2 1 神经网络基本理论 第2 章神经网络理论及模型 2 1 1 神经元模型 神经元是一个多输入单输出的信息处理单元，如图2 1 所示。对于从n 个神经元接收 输入信号的神经，设输入信号分 别为x 。，x ：，x 。，膜电位的变 x j 化为u ，兴奋的阀值为秒，输出信 x 2 号为y 。在第i 个轴突上有单位强 。 度信号输入时，把受到影响而变 1 ， 化的膜电位的量用形表示，它也 称作连接权值。当彬 o 时，神经 图2 1 神经元形式化结构模型 细胞兴奋( 激活) ；彬 o 时，神经 图2 1 神经元形式化结构模型 细胞兴奋( 激活) ；彬 ，g ) d f ( 2 4 ) 式中：厅( ) 为拉氏变换函数。 3 ) 非线性映射( 函数) 。静态非线性函数( 传递函数) 将神经元的状态映射成神经元的 输出y ，。主要有线性函数、阀值函数、s 型函数、双曲正切函数及高斯函数等。 4 ) 学习规则。通过对神经生物学的研究发现，中枢神经系统通过对外界的学习可 以提高自己认识事物的能力，而且还可把过去的经验记忆下来以指导今后行动，因而统 一模型增加了学习规则。 目前，大多数神经元模型仅由前三部分构成。许许多多的神经元按照不同的连接方 式构成不同的神经网络模型，因此神经网络能够进行大规模的并行处理和分布的信息存 储，具有良好的自组织、自适应以及很强的学习、联想和容错功能。 2 1 3 神经元传递函数 根据神经元输入输出特征的不同，可采用不同的传递函数，主要有以下几种形式( 图 2 4 ) 。 ( 蚋 r ( j 一 t ， 厂 夕。 一i ，| 舸= = ： - 1 - j 算法 作为模拟人脑活动的神经网络，有两种学 - 3 方式：由教师学 - - j ( s u p e r v i s e dl e a r n i n g ) 和无教师学习( u n s u p e r v i s e dl e a r n i n g ) 。神经网络中的神经元是一个具有相当适应能力的 处理单元，也是最近本单元，它所连接的权可以按照一定规则来调整。在神经网络发展 过程中曾经出现过许多学习规则，以下简单介绍几种典型的学习规则。 ( i ) 联想式学习h e b b 学习规则 基于对生理学和心理学的长期研究，h e b b 提出了生物神经元学 - - 3 的假设与神经群理 论，即当两个神经元同时兴奋时，它们之间的连接权应当加强，用公式表示为 + 1 ) = w o ( k ) + i ， ( 2 1 1 ) 式中：酝) 为连接神经元i 至j 的当前权值；i i 和，为神经元i 、j 的激活水平。 沈阳航空工业学院硕士学位论文 ( 2 ) 误差传播式学习万学习规则 万学习规则是对具有连续活性函数的神经元的一种有教师学习规则，它是一种梯度 下降学习规则。其连接权值按照下式进行调整： 既0 + 1 ) = ) + 7 7 & ，= g ) + 7 7 0 ，- y ，k ( 2 1 2 ) 式中：叩为学习率；t ，为期望输出；y ，为实际输出；x ，为神经元j 的激活水平。 ( 3 ) 概率式学习 概率学习又称为模拟退火算法。其学习过程按照下式对神经元i 、j 之间的连接权值 进行调节： = 彳防一巧) ( 2 1 3 ) 式中：r 为学习率，嚣、巧分别是i 与j 两个神经元在系统中处于a 状态和自由运转 状态时实现连接的概率。 调整权值的原则是：当露 巧时，则增加权值，否则减少权值。 ( 4 ) 竞争式学习 r u m e l h a r t 和z i p s e r 于1 9 8 5 年提出前馈神经网络的竞争式学习规则，它属于无教师学 习方式。 设i 为输入层某神经元，j 为获胜的特征识别神经元，它们之间的连接权值变化为 = 刁 j ( 2 1 4 ) 式中：7 7 为学习率：g 为外部刺激k 系列中第i 项刺激成分；栉| i 为刺激k 激励输入神 经元的总数。 ( 5 ) 遗传算法 遗传算法( g e n e t i ca l g o r i t h m ，简称g a ) 是h o l l a n d 教授根据生物进化理论提出的一种 优化方法，它一般分为复制、交叉、变异等几个过程。由于g a 能在短时间内找到接近 全局最优的近似解，因而经常将它用在对网络连接权值的优化中，这样就不要求传递函 数必须连续可导。 2 1 5 神经网络模型 神经网络就是由许多简单单元组成的广泛并行互连的网络，它的组织能够模拟生物 神经系统的真实世界物体做出交互反应。按照连接方式的不同可以分为两大类：无反馈 1 4 沈阳航空工业学院硕士学位论文 的多层前馈网络模型【图2 4 ( a ) 和互连型网络模型 图2 4 ( b ) 】。前者将神经元分成若干层， 各层顺序连接，同一层之间无连接，每一层神经元只接受前一层神经元的输出，典型的 如b p 网络；后者允许任意两个神经元之间存在相互连接，因此输入消耗要在神经元进行 反复往返传递，直到趋于某一稳定状态或进入周期振荡等状态，典型的如h o p 矗e l d 网络。 还有一些网络是上述两种结构模型的混合。 输出层 隐含层 输入层 图2 s 不同连接方式的两种网络 神经网络按照学习算法分为有教师学习网络和无教师学习网络。有教师学习网络要 求同时给出输入和正确的输出，网络根据当前输出与目标输出的误差来进行网络调整， 使网络做出正确的反映，这类网络中最著名的有b p 网络。无教师学习网络只需给出一组 输入，网络能够逐渐演变到对输入的某种模式做出特定的反映，这类网络有自适应共振 理论网络、自组织特征映射网络( k o h o n e n 网络) 等。 2 1 6 神经网络的实现机制 传统计算机是以符号逻辑处理为基础，从外界获取符号信息后，内部用演绎、归纳、 推理方式处理知识的人工智能方式。神经网络计算的实现途径与传统计算机不同，它的 实现方法有硬件实现方法和软件实现方法。硬件实现方法是制造神经网络计算机，要在 连接结构、神经元、学习算法等基础上，研究硬件实现和积运算、阈值计算、权值调整、 非线性传递函数以及电路中各种放大、自动恢复等元件的有效性、可靠性和方便性，目 前主要有v l s i 实现技术和光学技术两种方法。软件实现方法就是利用现有的计算机编制 软件来模拟实现神经网络计算。 一个复杂的知识系统可以由多层综合网来实现，在这一综合网中，每层均有若干彼 此独立、但与高层子网互连的子网，各层的每一子网均存贮一定数量的局部知识，高一 沈阳航空工业学院硕士学位论文 层的子网综合低层子网中的知识，生成更高的知识综合。这些网络可以有不同的结构、 不同的学习算法、不同的推理方式。神经网络主要运用并行推理方式，而知识的推理过 程就是问题的求解过程，就是使问题从初始状态转移到目标状态的方法和途径。本节从 神经网络的推理方式和学习过程两个方面探讨神经网络的实现机制。 ( 1 ) 神经网络推理 神经网络主要有正向推理、反向推理和双向推理3 种推理方式。 1 ) 正向推理 正向推理是指从原始信息向相应结论的方向进行推理，即对网络的输入层加载原始 数据或经编译后的数量矢量x ，由此出发正向计算，直到网络的输出层获得输出矢量d ， 并由反编译器解释这一矢量，获得概念性的结论。对于非逻辑推理网的正向求解过程为： a ) 将编译后的数据加载到输入层各单元。 b ) 按，= 口计算隐含层单元的输入。 c ) 由鬈= 1 1 【1 + e x p ( - x ，) 】计算隐含层单元与输出层单元的活跃值。 d ) 由闭值判定输出层单元的输出： 一 f 1 够) d i 。1 0( y 谚) 对于多层前馈神经网络( 血n b p n 络) 而言，对知识的记忆是由网络权值来实现的，实 际参与推理的仅是固定数量的权值和阈值，而且推理的过程实际上仅是信息从输入向输 出并行传播的过程。 2 ) 反向推理 反向推理与正向推理的方法恰好相反，它是由目标出发，为验证结论寻找其根据， 这种推理可用来向用户解释系统何以得出此种结论。为实现反向推理，在网络执行正向 推理过程中应将输入层和隐含层的动态信息以及输出层的输入、输出信息一并存入数据 库中。 3 ) 双向推理 综合正向、反向两种推理，同时向上、向下进行推理，直到在相交处满足一致条件 时结束。 ( 2 ) 网络学习过程 1 6 沈阳航空工业学院硕士学位论文 用多层前馈神经网络知识的学习，采用b p 学习算法，假定网络输入模式为彳p ，对 应输出为，单元i 的输出单元为d p ，网络权值为，期望输出为t p i ，误差信号为万， 则其学习过程如下： 1 ) 构造网络拓扑结构，选取合理的网络学习参数。 2 ) 初始化网络的权值( 0 ) 和阈值吼( o ) ，将它们定义为【- 1 ，1 区间内的髓机数。 3 ) 输入样本学习集：输入向量z = 瓴，z ：，。) r ，期望输出y = ( k ，砭，匕。) r 。 4 ) 传递函数选用s i g m o i d 函数，由输入向输出正向计算网络的输出d 。设前层单 元第k 层第i 个单元输出为d ，则其后层第k + 1 层第j 个单元的输入为 n e t = o 一够 则输出为 o p j = 如。) 2 乃慨吁够) 。而羽硐1 ( 2 1 5 ) 。 计算网络输出误差 e p = j 1 亿，一o ) e ：土圭e k p 鲁 ( 2 1 6 ) 5 ) 君e s s e ( k 一1 ) 1 0 4 m c = 0 9 5当s s e ( k ) s s e ( k 一1 ) ( 2 3 1 ) i m c其他 所有这些判断过程细节均包含在m a t l a b 工具箱中的函数t r a i n d m m 中，只要在调 用t r a i n r n 中的算法项中选用t r a i n g d m 即可，另外需要对动量因子赋值： n e t t r a i n p a r a m m e = 0 9 5 ； 如果不赋值，表示用函数的缺省值0 9 ，其他值不用赋。 2 2 2r b f 神经网络 径向基函数( r a d i a lb a s i sf u