（检测技术与自动化装置专业论文）通信设备结构故障识别技术研究.pdf

通信设备结构故障识别技术研究 摘要 随着经济社会的快速发展，通信在日常工作生活中愈来愈重要， 被称喻为“生命线”。通信设备结构作为通信领域的重要结构，其故 障必然影响到通信设备的正常运行。快速识别故障，排除险情，对保 障通信链路畅通有着重要意义。 本文以某基站的通信设备结构通信塔为例，使用a n s y s 软件 进行了有限元分析，包括风载荷静力学分析、模态分析和地震载荷下 的瞬态动力学分析。根据分析结果指出了该通信塔的危险点。 运用神经网络技术结合基于频率变化的损伤识别技术，对通信塔 进行了损伤识别研究。分三步进行损伤识别，首先将构件损伤引起的 标准化的频率变化率和频率平方变化比的组合指标输入概率神经网 络，进行损伤构件分类判定；然后将构件损伤引起的标准化的频率变 化率输入径向基神经网络，进行损伤杆件所在具体位置( 塔层) 的判 定；最后，将定位出的损伤杆件引起的频率平方的变化比输入径向基 神经网络，进行损伤程度评估。 最后总结了本文的研究工作，并就进一步的深入研究提出了一些 展望和设想。 关键词：通信设备损伤识别a n s y s 模态分析神经网络 t h er e s e a r c ho fe a u i ri d e n t i f i c a t i o n t e c h n o l o g yo fco m m u n i c a t i o ne q u i p m e n t a b s t r a c t w i t ht h e r a p i dd e v e l o p m e n t o f e c o n o m y a n d s o c i e t y , c o m m u n i c a t i o n sh a sb e c o m em o r ea n dm o r ei m p o r t a n ti no u rd a i l yw o r k a n dl i f e w h i c hi sc o n s i d e r e da st h e “l i f e l i n e a sa l li m p o r t a n ts t r u c t u r e o fc o m m u n i c a t i o n a lf i e l d ，t h ef a i l u r eo fc o m m u n i c a t i o n a le q u i p m e n tw i l l i n e v i t a b l ya f f e c ti t sn o r m a lf u n c t i o n s t h e r e f o r e ，i ti so fg r e a ts i g n i f i c a n c e f o rt h ep r o t e c t i o no fo p e nc o m m u n i c a t i o n a ll i n k st or e c o g n i z ef a i l u r e r a p i d l ya n dr e m o v ed a n g e r s i nt h i s p a p e l c o m m u n i c a t i o nt o w e r a sa n e x a m p l e o f c o m m u n i c a t i o n se q u i p m e n ts t r u c t u r e si ss t u d i e d a n df i n i t ee l e m e n t a n a l y s i si sm a d e ，i n c l u d i n gw i n dl o a ds t a t i ca n a l y s i s ，m o d a la n a l y s i sa n d s e i s m i cl o a dt r a n s i e n tk i n e t i ca n a l y s i s t h ed a n g e r o u sp o i n t so ft h e c o m m u n i c a t i o nt o w e ra re p o i n t e do u tb y t h ea n a l y s i s t h es t u d i e so fc o m m u n i c a t i o nt o w e rd a m a g ei d e n t i f i c a t i o na r em a d e b yu s i n gn e u r a ln e t w o r kt e c h n o l o g ya n dd a m a g ed e t e c t i o nt e c h n o l o g y b a s e do nt h ef r e q u e n c yc h a n g e t r u s ss t r u c t u r ed a m a g ei d e n t i f i c a t i o ni s d i v i d e di n t ot h r e es t 印s f i r s t l y , t h et r u s ss t r u c t u r ec a t e g o r i e sa r e d e t e r m i n e db yp r o b a b i l i s t i cn e u r a ln e t w o r kw i t hi n p u t t i n gt h ec h a n g er a t e o fs t a n d a r d i z e dm o d a lf r e q u e n c ya n dt h ec h a n g er a t i oo ft h em o d a l f r e q u e n c ys q u a r e t h e nt h ep o s i t i o n ( t o w e rl a y e r ) o ft h ed a m a g e d t r u s si s a l s od e t e r m i n e db yr a d i c a lb a s i sf u n c t i o nn e u r a ln e t w o r k sw i t hi n p u t t i n g t h ec h a n g er a t eo fs t a n d a r d i z e dm o d a lf r e q u e n c y f i n a l l yt h ed a m a g e d e g r e ei sd e t e r m i n e db yr a d i c a lb a s i sf u n c t i o nn e u r a ln e t w o r k sw i t h i n p u t t i n gt h ec h a n g er a t i oo f t h em o d a lf r e q u e n c ys q u a r e f i n a l l y , r e s e a r c hw o r ki ss u m m a r i z e di nt h i sp a p e r , e x p e c t a t i o na n d a s s u m p t i o na r ep u tf o r w a r df o rf u r t h e rr e s e a r c h k e yw o r d s ：c o m m u n i c a t i o ne q u i p m e n td a m a g ei d e n t if i c a t i o n a n s y sm o d a la n a l y s i sa n n 独创性( 或创新性) 声明 本人声明所呈交的论文是本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中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他 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。 申请学位论文与资t 4 - 若有不实之处， 本人签名：；每毒已k 本人承担一切相关责任。 日期：丝呸苎! z 关于论文使用授权的说明 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定，即： 研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保 留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借 阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它 复制手段保存、汇编学位论文。( 保密的学位论文在解密后遵守此规定) 保密论文注释：本学位论文属于保密在一年解密后适用本授权书。非保密论 文注释：本学位论文不属于保密范围，适用本授权书。 本人签名： 导师签名： 日期：2 翌互! 兰：z 2 日期：4 哗型l 一 北京邮电大学硕士学位论文 1 1选题背景 第一章绪论 随着社会的进步，科技和经济的迅猛发展，人类开发自然和改造自然的规模 和力度在不断加大，现代工程结构向着大型化、复杂化的方向发展，大型工程结 构的健康监测日益受到关注与重视。 工程结构与人一样，也有寿命，即使用寿命。在其使用寿命周期内，由于受 到各种载荷的作用，尤其是各种突发的自然灾害( 如台风、地震、雷电等) 作用 时，工程结构也会“生病，即产生一定的结构损伤。随着时间的推移，结构损 伤日积月累，加上材料本身的不断老化，致使强度不断降低，使得结构不能再承 受载荷，最终导致结构局部破坏乃至整体崩溃达到生命的终点。大型复杂工程结 构一旦出现事故带来的损失和影响是非常严重的。 1 9 8 3 年6 月2 8 日凌晨一点钟，美国康涅狄格洲( c o n n e c t i c u t ) 的m i a n u s 江高速 公路大桥突然倒塌，桥上的数部车辆随即堕入江中，造成三人死亡和三人受伤【l 】。 幸好事故发生的时间是凌晨，如在白天发生时，引起的后果难以想象。造成大桥 倒塌的主要原因是桥的腐蚀和交通循环载荷引起的疲劳。 1 9 8 8 年4 月2 8 日，美国一家航空公司的一架波音7 3 7 客机，在夏威夷( h a w a i i ) 二万四千英尺高空，外壳突然断裂，造成六十九人受伤和一名乘务员被甩出飞机。 事故是由壳体的裂纹引起的【2 】。 1 9 8 0 年3 月2 7 日，英国北海的一座海上石油平台a l e x a n d e rl k i e l l a n d 号发生 倾覆事故，导致1 2 1 人丧生。事后调查事故发生的原因是：平台撑杆处的水声器 支座出现的疲劳裂纹发生扩展，致使撑杆折断破坏，并导致与所支撑的承重腿相 连的其它五根撑杆也因过载而破坏，随后承重腿失稳，平台失去衡，最终倾覆【3 】。 这些惨痛的工程事故使人们意识到，广泛地开展设备状态监测和故障诊断工 作，选择合理的设备维修体制，有利于促进设备的安全运行，及时正确的评估设 备在使用寿命周期内的损伤，对于预防重大的工程事故有着重要的现实意义。对 于重要的设备，我们必须对它进行不断的检测，及时发现其故障的部位及损伤程 度，以便采用适当的措旅予以修复、加固，防止损伤的积累和加剧，这一过程即 可称为故障识别。 北京邮电大学硕士学位论文 1 2 设备故障识别技术的现状与进展 设备故障识别技术是建立在基本理论、物理机制、数学方法、技术手段和组 织管理等方面的一个新技术，主要就是为了对设备实现预测维修，通过监测获得 设备的运行状态，根据获得的状态判断设备运行是否正常，如果不正常，经过分 析与判断，指出故障部位和故障原因，便于管理人员维修；或者在故障未发生之 前，预测可能的发生故障，便于管理人员尽早采取措施，避免发生故障。 设备维修体制的发展【4 】大致可以分为三个阶段： ( 1 ) 事后维修：又称不足维修。即设备损坏以后才维修。这种维修方式的缺 点是：如果要产生废品则废品已经产生；如果要引发事故，则事故己成为现实； 坏了之后才考虑维修所需的各种器件，势必延长停机时间，增加生产损失；坏了 才修，机器可能受到过度损伤，也会增加维修费用。 ( 2 ) 定期维修：我国的定期维修体制是5 0 年代中期从苏联大量引进设备和技 术的同时引进的维修方式。以时间为依据，实现定期小修、中修、大修，在很大 程度上防止了事故的发生。但在实践中常常出现两种情况，其一是维修时间尚未 到达，设备己经出现了故障，这实质上和事后维修没有区别，也称为维修不足。 其二是维修时间虽已到达，但设备还完好无损，于是也只好依据维修制度进行维 修。这样一来，不该停机停下来了，不该拆换的拆换了，甚至在维修中造成人为 的新的故障。显然这种情况下的维修是多余的，称为过剩维修。维修不足和过剩 维修都会造成很大的经济损失，严重影响生产安全。为了避免这两种情况，出现 了预测维修。 ( 3 ) 预测维修：随着电子技术和计算机技术的发展，设备也变的更加复杂， 对设备安全可靠运行的要求也越来越高。利用计算机连续或定期监测设备状态， 诊断设备故障，判定故障类型、部位、严重程度、变化趋势，使维修人员能在维 修之前作好有关准备，做到该修才修，如果要修，也是有针对性的维修。预测维 修体制是保障设备经济安全运行的最佳维修体制。 设备故障识别技术主要就是为了满足预测维修的需要，通过各种监测手段， 判别其工作是否正常；如果不正常，经过分析与判断，指出故障部位，找出故障 原因，便于管理人员维修；或者在故障未发生之前，指出可能发生的故障及解决 方案，便于管理人员尽早采取措施，避免发生故障。如何有效的识别结构的损伤， 国内外专家均做了大量研究。 2 北京邮电大学硕上学位论文 1 3 结构损伤识别技术的研究进展 结构探伤最早被应用于机械、航空领域。对于由连杆、轴承、齿轮等一系列 零件组成的大型机械，人们很早就开始对它们进行结构故障诊断。后来在2 0 世纪 6 0 年代初期，由于航空、军工的需要，结构的损伤检测发展起来，并发展了一系 列的无损检测技术【5 1 。5 0 年代以后，随着计算机技术、信息技术和人工智能等学 科的知识不断被应用到结构损伤检测中，人们不仅应用各种检测手段和检测工具 在现场对结构进行测试，还应用各种理论方法在计算机上结合有限元计算对结构 的损伤状态进行分析，来识别在现场无法察觉的结构损伤，后来发展出了一门 专门的技术一损伤识别。 结构损伤的本质是结构在服务期内其承载能力的下降。承载能力的下降通常 是由结构构件内部或构件之间连接出现损伤而引起的结构原有形态的破坏，结构 损伤在物理状态上表现为刚度降低、柔度增大：在模态状态空间表现为固有频率 降低。结构损伤识别技术可分为局部损伤识别技术和全局损伤识别技术。 局部损伤以各部分的局部状态为检测内容，通过对结构的局部部位进行集中 检测，实现对结构缺损状况的了解，主要传统的无损检测技术，例如无线电成像、 光纤、x 射线、超声波、磁场、红外热成像等测试方法。这些传统方法在材料检 测方面仍在大量使用，但是对于大型复杂工程结构，传统检测方法都有一些共同 的不足之处： ( 1 ) 使用条件受限，一般只能对小型的结构或结构的某些部位的标准部件进 行检测； ( 2 ) 受使用时受场地、仪器的限制，需要在现场或实验室进行； ( 3 ) 检测费用较高，检测设备仪器昂贵，费时费力； ( 4 ) 一般需事先确定出损伤的大体范围，并且被检测的部分是可接近的； ( 5 ) 检测结果需专业人员的专门鉴定，有一定的主观性； ( 6 ) 对较大结构，检查周期过常，不能迅速查明结构状态。 全局损伤识别试图对整个结构进行结构反应信息的有效采集以及运用分析 系统的处理来获得对整个结构状况的了解，其中包括结构的刚度、质量分布情况、 结构的动力特性等等。目前，全局损伤识别最有效的一种方法是基于振动特性的 损伤识别技术。 基于结构动力特性的损伤识别方法综合运用了系统识别、振动理论、振动测 试技术、信号采集与分析等跨学科技术，被认为是一种最有前途的结构损伤识别 方法，在理论研究与工程应用方面都获得了广泛的关注。与传统无损检测方法和 基于静力测试的损伤识别的方法相比，基于振动特性的损伤识别方法具有下列优 3 北京邮电大学硕士学位论文 点： ( 1 ) 可利用环境激励进行动力测试，不影响工程结构的正常使用； ( 2 ) 测试速度快，振动信号易于提取； ( 3 ) 能检测到无法到达位置的损伤； ( 4 ) 可以连续在线检测，做到实时监控。 结构损伤识别理论有许多种分类方法。从处理数据序列上可分为频率域和时 间域法。按照是否采用线性模型假设，损伤识别方法可以分为线性损伤识别理论 和非线性损伤识别理论。由于线性振动理论已经相当完善和成熟，所以线性损伤 识别方法是目前研究最多应用也最广泛的一类方法。按照是否采用原始结构的有 限元模型，线性损伤识别理论又可分为无模型损伤识别方法和有模型损伤识别方 法。有模型损伤识别方法即通常而言的模型修正法，因其既能对损伤定位又能求 解出损伤程度而受到广泛的重视。 有模型识别方法是土木工程领域损伤检测研究最多的方法。在做法上有3 类： ( 1 ) 根据已有的破损方案( 试验总结或分析计算获得) ，比较测量结果和破损方案 所预示的结果，最接近的破损方案为破损状态，也称为前向问题；( 2 ) 动力指纹 直接识别，通过比较结构破损前后的动力指纹变化确定损伤；( 3 ) 模型修正方法， 通过测量结果反向识别出刚度、质量、阻尼及荷载变化，从而判别结构损伤，该 法也称为反向问题。 下面简要介绍各种方法的特点。 ( 1 ) 基于固有频率变化的识别技术 频率属于系统全局量，局部损伤也可以反映到频率的改变上，但是使用频率 作为动力指纹也有其局限性。第一：结构不同部位的损伤可能造成相近的频率变 化( 尤其是对称结构) ，使其不能反映空间结构变化信息；第二：结构频率的变 化对于结构损伤，尤其是早期的低水平损伤很不敏感。尽管如此，由于频率目前 测试技术所能最准确也是最易测的模态参数，几乎可在结构的任何一点进行测 量，故将其用于结构损伤的预警还是合适的。 t u m e r 等人通过对一个桥梁在随机交通载荷作用下进行了数值振动分析研 究发现呻1 ，可以通过测试动力响应获得结构固有频率，利用这些频率的变化来监 测结构的损伤，当变化超过5 就能够诊断出结构存在着明显的损伤。 常用的频率指标有：频率变化平方以刀、频率变化率【8 】和频率平方变化比【8 】 等指标。 ( 2 ) 基于模态振型的识别技术 相对频率而言，模态振型的变化对损伤较为敏感，早期的大多数方法是基于 直接比较模态振型。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 4 北京邮电大学硕士学位论文 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。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。 因此，近年来很多学者在振型的基础上提出许多特征量，如m a c 9 1 ，m s f 1 0 1 ， c o m a c 1 1 1 ，c o m s f 1 1 】等，这些参数都可以表征结构损伤前后的模态相关性 此外，还有振型曲率法。该方法的不足之处是需要非常邻近的测点，以便利 用中心差分法求取曲率模态。这样就要求足够密的测点，或者要求精度非常好的 插值扩阶模态，否则将增大曲率模态振型的误差【1 2 1 。 ( 3 ) 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。利用刚度 矩阵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。 ( 4 ) 基于柔度变化的损伤识别技术 许多研究者在利用柔度变化进行损伤诊断方面做了有益的研究【1 3 1 4 】。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。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矩阵。根据获得损伤前后的两个柔度 矩阵的差值矩阵，求出差值矩阵中各列中的最大元素，通过检查每列中的最大元 素就可找出损伤的位型”】。 ( 5 ) 基于应变模态的损伤识别技术 相对于位移模态，应变模态对结构损伤较为敏感。由位移到应变是微分过程， 位移的微小改变将被放大，从而导致应变参数的显著变化。再者，应变在实际工 程中容易测得。顾培英掣1 6 】利用该方法对一简支梁模型进行了数值模拟，证实了 可以利用应变模态的敏感特性确定损伤位置和程度。 目前，利用应变模态进行损伤识别还停留在实验研究阶段，很少见应用于工 程实际。还有几个问题急需解决： 1 ) 结构损伤是局部的，在损伤部位出现应力集中现象。只有将应变片贴于损 伤区域附近，才能有效捕捉到，这一点很难执行。 2 ) 应变测量系统受环境影响较大，同时易产生蠕变、老化，这将影响应变 片在构件上长期检测的可靠性。 5 北京邮电大学硕士学位论文 ( 6 ) 基于应变能的损伤识别技术 模态应变能法的基本思想是将结构分解为一系列的单元，计算结构损伤前后 每个单元的模态应变能变化，而部分模态振型在结构损伤附近发生局部突变，故 模态应变能在结构中的分布将发生变化，所以可以通过比较每一单元模态应变能 的变化来进行结构损伤识别【1 7 - 1 9 。 ( 7 ) 基于频响函数( f r f ) 的损伤识别技术 各种工程结构在发生损伤时，不仅会引起结构模态参数的改变，而且会引起 f r f 等参数的改变。因为f r f 比其他模态参数包含的信息更加丰富，而且可以直 接通过实验测量，获得较为容易，在实际应用中具有更加良好的发展前景。s c h u l z mj 2 0 等以及p a r kg 【2 1 1 等利用频率响应函数和交叉谱密度函数进行了损伤的位置 识别，但是其方法只能进行单损伤识别，无法应用于多损伤情况。国内郑明刚等 【2 2 】利用频响函数的曲率改变对单损伤进行了识别研究，而曾神昌等【矧则利用频 响函数和神经网络相结合的方法探索了结构的监测问题。郭惠勇等【2 4 】利用不完备 的频率响应函数对结构的多损伤识别问题进行了研究，并提出了先定性后定量的 两阶段方法。 ( 8 ) 模型修正方法【2 5 蚓 所谓模型修正方法，主要是利用试验获得的结构振动响应数据，对结构的质 量、刚度和阻尼矩阵进行修正，得到一组新的矩阵，使其更好地与所测得的试验 数据相匹配。模型修正技术不仅可以应用于建立结构精确的有限元模型，也可以 应用于结构的损伤识别。应用模型修正技术，结构的损伤能够通过比较修正后的 模型和原始模型的差别，判断损伤发生的位置及程度。 目前，常用的基于模型修正的损伤识别方法是将损伤识别问题转化为约束优 化问题来解决，然后采用一定的优化方法求解该类优化问题。然而，传统的数值 优化算法鲁棒性差，常常仅是局部收敛且收敛速度缓慢。因此，寻求具有全局及 快速收敛性且鲁棒性强的优化算法进而更准确识别结构损伤已经成为该领域的 研究热点之一。 当前大部分方法基于残余力概念。常用的约束条件有矩阵的对称性、稀疏性 及正定性条件。求解方法有3 类，分别为最优矩阵修正法、灵敏度法和特征结构 配置法。 p ) 智能算法 随着计算技术、数据处理技术和信号处理技术的快速发展，为研究者提供了 更多的解决损伤识别问题的思路和方法，如神经网络、遗传算法和小波理论等， 尽管这些理论在损伤识别领域的研究刚刚展开，但这些方法具有各自独特的优 点，它们的应用为解决结构损伤识别提供了一些新的解决途径。 6 北京邮电大学硕士学位论文 神经网络【3 1 q 5 】在损伤识别中的基本思路是：首先用无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，当系统特性无变化时， 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，应用神经网络检测 损伤的逻辑思想非常简单，只要合适地选择一种测试量，系统和网络输出的差异 对损伤是灵敏的，它并不涉及原来的系统是线性的还是非线性的。 遗传算法应用于结构损伤识别的基本思想剧3 6 】：将结构的损伤识别归结为目 标函数优化问题，然后利用遗传算法进行求解。 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，即利 用小波函数对突变信号的敏感特性，准确捕捉结构振动信号的细节突变，通过这 些突变特征确定损伤发生的时刻和判断结构的损伤程度【3 7 】。 各种损伤识别技术都有其与缺点，针对特定结构形组合多种损伤识别方法， 发挥多种方法的优点来对损伤进行识别，是一种行之有效的思想。 1 4 课题研究内容与意义 随着通信事业的飞速发展，通信设备的需求也是快速、多变的，通信市场竞 争日趋激烈，各大运营商竞相对通信运营网络进行建设和改造，通信领域有大量 的高新技术设备相继投入使用。通讯设备结构的安全性和耐久性对于保证通讯链 路的畅通有着重要的政治、军事和经济意义。尽管通信设备本身具备检测模块， 可实现实时监测，但是通信设备结构引起的设备故障是无法检测到的。然而通信 设备结构的维护，还是依靠传统的维护方法一定期检修，既浪费了人力，又浪费 了财力，还影响了通信设备的正常运营。通信设备结构一旦发生故障，必然造成 该地区的通信中断，在现代经济社会下会造成不可估量的损伤，因此及时准确地 识别通信设备结构的故障，预测通信设备结构故障的发展趋势是非常必需的，同 时，也是各企业厂商面临的难题之一。 结合上述分析，本文探讨了基于振动特性损伤识别方法与神经网络相结的方 法，以某型号通信设备结构为算例进行了数值研究。本文研究内容主要包括： ( 1 ) 对当前一些研究较多的基于结构振动特性的损伤识别方法进行了研究 法，并分析了各自的特点及实际应用的局限性，为后面的理论方法研究提供一定 的参考。 ( 2 ) 使用a n s y s 软件建立了通信设备结构的有限元模型，并进行了模态分析、 静力分析和瞬态动力学分析，研究了通信自然载荷作用下的通信设备结构响应。 7 北京邮电大学硕士学位论文 ( 3 ) 研究了智能计算尤其是神经网络在结构损伤识别领域的应用，结合基于 固有频率变化的识别技术，以某基站的通信设备结构为算例，模拟了各种损伤工 况，进行了损伤识别研究。 最后总结全文，并对研究工作做出展望。 北京邮电大学硕士学位论文 第二章结构损伤识别理论与人工神经网络 2 1 结构损伤识别理论 2 1 1 结构损伤及损伤识别 文献【3 8 】中给出的损伤( d a m a g e ) 的定义为：在结构或者系统中引入的，对 该结构或系统的性能产生不利影响的改变。如钢材腐蚀、疲劳裂纹、预应力松弛、 结构整体变形、材料刚度的退化或降低等。 损伤识别回答的是结构有无损伤及损伤程度如何的问题。1 9 9 3 生l e r y t t e r d 9 】将 损伤识别问题分为以下四个层次： ( 1 ) 预估结构是否发生损伤； ( 2 ) 损伤部位的确定； ( 3 ) 结构损伤程度的定量分析； ( 4 ) 预测结构的剩余寿命。 判定结构有无损伤是损伤识别的基础；损伤定位是损伤识别的核心，也是问 题的难点所在；损伤程度的标定与剩余寿命的评估是损伤识别的目的所在，是进 行结构完整性评定及实施停机、维修或报废决策的依据【柏】。 本文主要针对第三个层次展开研究。 2 1 2 基于固有频率变化的损伤识别技术 基于振动特性改变的结构损伤识别方法已有几十年的研究历史了。由于结构 振动的模态参数( 比如频率，振型和模态阻尼) 是结构物理参数( 如质量，刚度 和阻尼) 的函数，因此结构物理参数的变化必然导致结构振动模态参数的变化， 这就是结构损伤识别的基本原理。 假设结构按照某一种方式离散化，则其无阻尼自由振动的方程为： 磁( f ) + 脚( f ) = o ( 2 1 ) 式中m 为结构质量矩阵，k 为结构刚度矩阵，碧( f 1 和x ( t ) 分为节点加速度和位 移向量。在结构损伤研究中，一般假定结构损伤主要引起刚度特性变化，而质量 变化很小，可忽略不予考虑。则结构损伤前后无阻尼自由运动的特征方程为： k 一国；m 彷= o k 一m k = o 9 ( 2 2 ) ( 2 3 ) 北京邮电大学硕士学位论文 ( 2 3 ) 式是研究固有频率变化损伤识别技术的基本公式。频率属于系统全局 量，局部损伤也可以反映到频率的改变上，对于用频率来进行结构的损伤识别， 许多学者都进行了大量的研究。基于频率变化的识别指标主要有频率变化平方比 阴、标准化的频率变化率【8 1 和频率平方变化比【8 】等几种方法，下面分别叙述之。 ( 1 ) 频率变化平方比 结构损伤使得k 、m 发生了变化，则哆和办也会相应的产生较小的变化。 对于梁，结构损伤对刚度影响非常明显，而对质量分布几乎不产生影响，可以忽 略，假定： k d = k + k国硪2 = 国? + 缈；九= 以+ 么( 2 - 4 ) 式中脉、织代表整体刚度矩阵、第i 阶振型的改变量，将( 2 4 ) 带入( 2 3 ) 式有： i 伍+ k ) 一b ；+ 国? 矽j + 办) = o ( 2 5 ) 展开( 2 5 ) 式，且忽略二阶小量，对于第f 阶模态有： 国? ：丝型(2_6)t l 咖；m in 9 # l 结构的总体刚度矩阵k 可分解为单元刚度矩阵k 。，单元变形占。劬) 可由结构 振型识计算求得，则： 脚硒= s ：( 办) 触。q ( 唬) ( 2 - 7 ) 式中，为结构单元总数。定义单元损伤系数 仃：监( 2 - 8 ) 口= j r 。7 “ 吒 将( 2 - 7 ) 、( 2 8 ) 式带x , ( 2 6 ) 式可得： 缈? ：竺! ：薹三三! 垒兰：三：! 垒! ( 2 9 ) 缈；= 止l 一 【2 。9 ) l 咖 m e , 对于单个损伤情况式( 2 9 ) n - i 简化为： 国? ：型逝垡盘盥 ( 2 1 0 ) 争；m e t 式( 2 一l o ) 表明，频率的改变量依赖于单元损伤程度和损伤位置。由于结构任意一 阶模态的“频率变化平方 均包括了相同单元的损伤程度信息，则利用两个振动 模态i 和_ ，的“频率变化平方比即可消除损伤程度的影响，可以表示为： 墨：晕型盈鲤蜂丝( 2 - 1 1 ) 厶ts ：j 、) k n 坤j 、) i 钙m 咖j l o 北京邮电大学硕士学位论文 由式( 2 11 ) 可以对损伤进行定位 ( 2 ) 标准化的频率变化率n f c r t 频率变化率为： 殿c ；：丑二纽 ( 2 一1 2 ) l t 式中，z 、厶分别为结构损伤前后的第i 阶频率。 f f c i 又可以展开成下面的形式： 用v = g f ( r ) f i ( a k ，埘)( 2 1 3 ) 式中，为损伤位置向量，g ；( ，) 为与损伤位置有关的函数，a k 为结构刚度的改 变量，埘为结构质量的改变量。因此，频率变化率是与损伤位置和损伤程度相 关的参数。 标准化的频率变化率为： 眦2 罴 j 一 ， ，l l 式中，p 为实测模态数。 将式( 2 - 1 3 ) 中的函数z 关于a k = o 和a m = 0 处按级数展开，并忽略高阶项， 假设结构处于无扰动状态，则有 f f c 吲，) 扣o ) + 必鑫( o ，o ) + 埘盖( o o ) ( 2 1 5 ) 其中z ( o ，o ) = 0 ，函数z 在a k = o 和a m = 0 处的偏微分为常数。因此 用v = a k m j ( ，) + a m n f ( ，) ( 2 一1 6 ) 一般而言，结构的损伤主要由刚度的损伤，质量的损伤可以忽略不计，因此， n f c r l 可写成： n f c r ，：车坠= 警盟：( 2 - 1 7 ) 2 f f c la k 2 m j ，( ，) 、， 贝, n f c r ，只与损伤位置有关。 ( 3 ) 频率平方变化比脚， 一，= 竿 由式( 2 2 ) ( 2 6 ) 可以推导出频率平方的变化比与损伤程度有关。 ( 2 1 8 ) 北京邮电大学硕士学位论文 2 2 人工神经网络概述 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k 简称a n n ) 是在现代神经生理学和心 理学的研究基础上，模仿人的大脑神经元结构特性而建立的一种非线性动力学网 络系统，它由大量的简单的非线性处理单元( 类似人脑的神经元) 高度并联、互联 而成，具有对人脑某些基本特性的简单的数学模仿能力。人工神经网络的最大特 点是自适应，它通过自身的学习机制自动形成所要求的决策区域。网络的特性由 其拓扑结构、特点特性、学习或训练规则所决定，它能充分利用状态信息，对来 自不同状态的信息逐- i l l 练得到均衡的收敛权值，这些权值代表了网络的某些映 射关系，而且网络可以连续学习，当环境改变，这些映射关系可以自适应，以求 对对象的进一步逼近。 虽然a n n 与真正的生物神经网络有差别，但由于它汲取了生物神经网络的 部分优点，因此具有一些优越的特点洲： 1 分布式存储和处理 神经网络存储信息的方式是一个信息存储分布在不同的地方。这种分布式存 储方式即使局部网络受损，仍具有恢复原来信息的特点。 2 并行性 神经网络的每个神经元可根据接收到信息进行独立的计算与处理，然后将输 出结果传输给其他神经元进行同时( 并行) 地处理。神经网络并行性的特点使其具 备了大规模并行计算的能力以及成为高速运算系统的条件 3 鲁棒性( 容错性) 由于神经网络具有分布存储和分布计算的特点，某些神经元出现故障或错误 以及局部网络受损或外部信息部分丢失都不会影响整个系统的性能。这使人工神 经网络结构和功能上的可靠性得到提高。 4 自适应性 神经网络的自适应性是指整个神经网络进行自我调节的能力，它包含四个方 面的含义，即：学习、自组织、泛化及训练。学习是指通过与环境的相互作用而 发生的行为改变，其结果导致对外界刺激产生新的行为模式。一般地，神经网络 中各神经元之间的连接强度用权值的大小来表示，权值可以事先给出，也可以根 据周围环境而自适应地修改、变化，这种过程称为神经元的学习过程。神经网络 所具有的学习过程模拟了人的形象思维。自组织是指众多神经元按照一定的规则 同时进行改进。神经网络权值进行迭代修正的过程就如同积累经验的过程。泛化 能力也称推广能力，是指网络对未知输入做出反应的能力。泛化本身具有进一步 学习和自调节的能力。训练是指神经网络学习的途径。 1 2 北京邮电大学硕士学位论文 5 联想记忆功能 神经网络在训练过程中，输入端给出要记忆的模式，通过学习可以合理地调 节权值。执行时，若在网络的输入端输入被噪声污染的信息或者是不完整、不准 确的信息片断，在输出端仍可得到恢复了的完整而准确的信息。 2 2 1 神经网络模型 ( 1 ) 神经元模型 神经元是神经网络的基本处理单元，一般表现为一个多输入、单输出的非线 性器件，输入数据可以是原始数据，也可以是其它神经元的输出；输出可以是最 后结果，也可以作为另一个神经元的输入。通用的结构模型如图2 1 4 1 】所示。 性。 而 w l 图2 1 神经元结构模型 神经元的输出由函数厂表示，一般利用以下函数表达式来表现网络的非线 ( 1 ) 阀值型，为阶跃函数 ( 2 ) 分段线性型 ( 3 ) s 型函数 厂c 石，= 毛 x o ( 2 1 9 ) x 0 、 、1 1x 产麓( 2 - 2 0 ) f ( x ) = a x + b而x o ，er ( 4 _ 6 ) ( 3 ) i n v e r s em u l t i q u a d r i c s 函数 的) 2 万旨 径向基网络要学习的参数有三个： c 0rer (4-7) 基函数的中心、方差及权值。根据径向 基函数中心选取方法的不同r b f 网络有多种学习方法，其中最常用的四种学习 方法：有自组织选取中心法、有监督选取中心法、随机选取中心法和正交最t j 、- - 乘法。 2 3 基于神经网络的结构损伤识别 2 3 1 神经网络法损伤识别的基本原理 人工神经网络是对人脑功能的简化、抽象和模拟后演变出来的抽象数学模 型。它具有集体运算的能力、自适应的学习能力和很强的容错性、鲁棒性，能进 行联系、综合和推广，并且具有很强的非线性映射能力。因此大量学者致力于将 神经网络方法用于结构的损伤识别研究，以期望神经网络在一定程度上解决结构 损伤识别的不确定问题。 很多学者致力于这方面的研究。p h k i r k e g a r t r d 和a r y t t e r l 删利用损伤前后 的频率变化，将b p 网络用于钢梁的损伤定位和损伤程度的确定；x w u ， j g h a b o u s s 和j h g a r r e t t 4 5 用反应谱数据，采用b p 网络识别了一个三层框架结构 的损伤；郑婷婷等【4 6 】对桥梁斜拉索损伤应用神经网络进行了研究，并对比了r b f 网和b p 网的识别效果；罗璇等【4 7 】研究了联想神经网络在损伤识别中的应用，以 悬臂梁的一阶模态为网络输入数据，基于敏感性分析，对弹性地基的损伤位置和 损伤程度进行分阶段识别。 神经网络用于结构损伤识别的基本方法是【3 5 】：根据结构在不同状态( 不同损 伤位置、不同损伤程度) 的反应，通过特征抽取，选择对结构损伤较为敏感的参 数作为网络的输入向量，结构的损伤状态作为网络的输出向量，建立损伤分类i j i i 练样本集，然后对网络进行训练。当网络训练完毕，即己具备模式分类功能。对 1 6 北京邮电大学硕士学位论文 于每个新输入的状态信息，根据给定的原则将之归类到最接近的类别中。神经网 络进行结构损伤识别的流程如图2 3 所示。 l 结构动态反应l 模型修正 1r i 结构建模l _l 信号采集处理l 图2 3 损伤识别神经网络法流程图 损伤识别是一个典型的反问题，由结果推测原因，结构损伤会引起结构动力 特性及响应的变化，不同变化对应着不同的损伤。神经网络法利用其特有的学习 能力，可以将这种映射关系以网络权值的形式保存下来，也就是将这种关系分布 式地存储于网络权值中，而使用者无需关心网络内部具体是如何操作的。因此， 解决问题的关键就在于：用包含有上述“果因 关系信息的一组输入输出数据对 选定的网络进行训练，通过训练，将这种关系以网络权值方式保存下来，这个过 程称为网络训练，这组数据就称之为网络的训练样本。 神经网络损伤识别检测技术的核心技术是模式识别，而模式识别就是将理论 分析得到的损伤模式特征库与实测的模式进行匹配。一般先通过模型分析各种不 同的损伤序列或破坏模态来建立模式库，然后观察实测振动信号的变化，并将它 与可能发生损伤的模式数据库进行比较，选择最相似的模式。神经网络本身具有 模式匹配与记忆的能力，而且具有一定抗噪声的能力，识别效果更好。 一般的损伤检测神经网络均可以同时识别损伤位置和程度，需要把一个可能 损伤的多种损伤程度都作为样本。当结构复杂时，训练样本规模过于庞大，导致 训练时间很长。基于神经网络的结构构损伤的识别，国内外许多学者都分3 个步 骤：确定损伤的存在，确定损伤的位置，确定损伤的程度。实现这3 个目标可以 采用不同的样本训练不同的网络，也可用不同的样本训练同一个网络来完成。 2 3 2 输入参数的选取与处理 神经网络损伤识别方法中选择损伤识别指标如频率、振型等作为输入向量， 以此为基础构造网络训练用的样本，将样本用于训练神经网络形成非线性映射网 1 7 北京邮电大学硕士学位论文 络模型，运用训练好的网络进行结构损伤的识别。 输入参数的选择对神经网络的应用非常重要。在结构损伤识别的建模过程 中，神经网络输入参数的选择及其表达形式将直接影响到结构损伤识别的结果。 为了使输入参数能有效识别损伤的位置和程度，它必须满足两个基本的条件，即 它应该是位置坐标的函数和对局部损伤敏感。此外，作为输入参数，它还应具有 易于提取、受环境干扰影响小等特点。 文献【4 7 】提出了6 种基于模态试验参数的用于神经网络方法的结构损伤识别指 标：结构固有振动频率、结构位移模态振型、结构曲率模态振型、结构位移( 速 度或加速度) 频响函数、结构应变模态振型、结构应变频响函数。认为这些参数 均能有效地识别结构损伤，但敏感程度不同，应根据具体清况来选用。 根据分布识别方法可知，在确定损伤位置时，需要的输入参数仅与损伤位置 有关，而与损伤程度无关。基于频率改变的损伤识别参数中，与损伤程度无关的 参数有：两阶频率的变化比、频率变化的平方比、正则化的频率变化率。在确定 损伤位置后识别损伤程度有关的参数包括频率变化的平方、频率变化率。 神经网络所用的样本对网络的性能及实际应用具有至关重要的影响，它可以 影响神经网络的学习速度、网络结构的复杂性和网络泛化的精度。对神经网络所 用样本集进行数据前处理的步骤一般分为4 步：变量( 数据) 的收集、数据变换 处理、特征参数的提取和样本集的构造。 常用的特征参数提取方法包括：傅立叶变换、梅林变换、时频分析、分形维 数、向量扩张法、小波分析法、主成分分析法、神经网络法等。 1 8 北京邮电人学硕士学位论文 3 1引言 第三章通信设备结构有限元分析 通信设备结构作为微波通信领域的重要承载结构，对于保障通信设备的正常 运营有着重要的意义。目前，通信市场竞争日趋激烈，各大运营商竞相对通信运 营网络进行建设和改造，通信领域有大量的高新技术设备相继投入使用，大量的 通信设备结构相继投入使用。通信设备结构损伤往往导致设备瘫痪，造成通信中 断，导致经济社会效益的损失。 本文的研究对象为通信塔这一通信设备结构中的大型户外结构。据不完