結構損傷識別方法研究進展

王燕鋒 公晉芳

結構損傷識別是健康監測系統核心技術之一。本文對目前該技術的研究現狀及進展進行了回顧與總結。重點闡述了基于振動的結構損傷識別方法和智能損傷識別方法,對無模型損傷識別的頻域法、時域法和小波分析法等也作了一定程度的介紹。分析了各種方法的優點和不足之處,同時指出了結構損傷識別技術的發展方向和需要解決的問題。

【關鍵詞】結構健康監測 損傷識別 振動特性 模型修正

一、基于振動的結構損傷識別方法

結構損傷識別技術可分為靜態識別方法和基于振動的整體識別方法。靜態識別方法是通過靜態測量數據對結構損傷進行識別,而基于振動的識別方法則是運用結構的振動特性對損傷進行識別。靜態識別方法識別結果較為可靠和穩定,但試驗時間長、現場工作量大,無法做到實時監控;此外當受損結構在特定荷載作用下變形幾乎未受影響時,很難獲得理想的識別結果。而基于振動的結構損傷識別方法應用的條件限制少,效率高,但結構響應信號易受噪聲的影響,準確性有待于提高。

結構的損傷識別可分為四個水平:(l)判斷結構是否損傷。(2)確定結構的損傷位置。(3)定量結構損傷的程度。(4)預測結構的剩余壽命。

1.基于損傷指標直接比較的損傷識別方法

結構損傷引起結構動力特性變化,只要能找到某些反映結構動力特性變化的量,即損傷指標,直接對比其在損傷前后的變化情況即可達到識別損傷的目的。目前,已經提出了頻率、振型、曲率模態、應變模態、模態應變能等各種損傷指標。

最常用的指標是結構的頻率。頻率屬于系統全局量,局部損傷也可以反映到頻率的改變上,但是使用頻率作為損傷指標也有其局限性。第一,結構不同部位的損傷可能造成相近的頻率變化,使其不能反映空間結構變化信息。第二,結構頻率的變化對于結構損傷,尤其是早期的低水平損傷很不敏感。相對頻率而言,模態振型的變化對損傷較為敏感,早期的大多數方法是基于直接比較模態振型。相對于位移模態,應變模態對結構損傷較為敏感。由位移到應變是微分過程,位移的微小改變將被放大,從而導致應變參數的顯著變化。再者,應變在實際工程中容易測得。目前,利用應變模態進行損傷識別還停留在實驗研究階段,很少見應用于工程實際。還有幾個問題急需解決:(1)結構損傷是局部的,在損傷部位出現應力集中現象。只有將應變片貼于損傷區域附近,才能有效捕捉到,這一點很難執行。(2)應變測量系統受環境影響較大,同時易產生蠕變、老化,這將影響應變片在構件上長期檢測的可靠性。

2.基于模型修正的損傷識別方法

模型修正方法的提出是為了建立更準確的有限元模型,結構的有限元模型和實際結構存在誤差,必須根據實驗模態分析的結果對有限元模型進行修正。基于模型修正的損傷識別方法的原理是通過測量結果反向識別結構剛度、質量、阻尼及荷載變化,從而識別損傷,其本質是一個約束優化問題。模型修正方法有最優矩陣修正法、靈敏度法和特征結構配置法和混合法等。

結構損傷識別的最優矩陣修正法、靈敏度法和特征結構配置法都在某些方面存在不足,因此,一些學者嘗試將這些方法結合起來或將這些方法與其他方法結合起來使用,以提高算法的計算效率和準確程度。

二、智能損傷識別方法

隨著計算技術、數據處理技術和信號處理技術的快速發展,為研究者提供了更多的解決損傷識別問題的思路和方法,盡管這些理論在損傷識別領域的研究剛剛展開,但這些方法具有各自獨特的優點,它們的應用為解決結構損傷識別提供了一些新的解決途徑。

1.神經網絡

人工神經網絡是對人腦功能的簡化、抽象和模擬后演變出來的抽象數學模型。它具有集體運算的能力、自適應的學習能力和很強的容錯性、魯棒性,能進行聯系、綜合和推廣,并且具有很強的非線性映射能力。基于神經網絡的損傷識別方法通過不斷迭代的訓練算法來使數據和神經網絡之間的誤差準則得以滿足。神經網絡在損傷識別中的基本思路是:首先用無損傷系統的振動測量數據來訓練網絡,用適當的學習方法確定網絡的參數;然后將系統的輸入數據送入網絡,網絡就有對應的輸出。因此,應用神經網絡檢測損傷的邏輯思想非常簡單,只要合適地選擇一種測試量,系統和網絡輸出的差異對損傷是靈敏的,它并不涉及原來的系統是線性的還是非線性的。

2.遺傳算法

遺傳算法的發展是生命科學與工程科學相互交叉的結果,和神經網絡一樣是人工智能發展的成果,它啟迪于生物的進化過程,其本身是一種高效并行優化搜索方法,追求搜索全局最優解。遺傳算法應用于損傷識別分析,比傳統的優化方法有優勢,能得到與實際損傷位置很接近的識別結果。

三、無模型損傷識別方法

無模型損傷識別方法是通過分析比較直接從振動響應的時程或相應的Fourier譜或其他變換得到的特征量,從而識別損傷的方法。該方法已被成功應用于檢測旋轉機械損傷的存在、位置、類型以及程度。對于橋梁、大跨空間結構、海洋平臺等大型土木工程結構,不依賴模型的僅基于環境激勵下振動響應數據的損傷識別方法是非常吸引人的,也非常適合用于結構健康監測系統中的自動損傷識別。

1.頻域方法

常用的頻域分析方法有Fourier譜分析、多譜分析、倒譜分析等。

2.時域方法

常用的時域方法一般采用直接基于信號的無監督學習或建立利用ARMA類模型進行結構損傷識別。

3.基于小波分析的損傷識別方法

傳統的傅里葉變換屬于一種純頻域的分析方法,其反映的是整個信號全部時間下的整體頻域特征,而不能提供任何局部時間段上的頻率信息,即無時域分辨能力。而小波變換在時域、頻域都具有表征信號局部特征的能力,基于小波變換的小波分析利用一個可伸縮和平移的可變視窗,能夠聚焦到信號的任意細節進行時頻域處理,既可看到信號的全貌又可分析信號的細節,并且可以保留數據的瞬時特性。基于小波變換的方法,根據小波變換所起的作用不同,可分為如下幾類:基于小波奇異性檢測的方法、基于損傷前后小波變換系數變化的方法、基于小波變換和彈性波傳播理論的方法和基于小波包變換的方法。

四、總結

隨著科學技術的發展,結構損傷識別將重點研究以下幾個方面:(1)結構早期損傷的檢測。(2)傳感器的優化布置。(3)非線性損傷識別方法。

此外,除了在損傷識別方法上繼續努力,如何將噪音、隨機誤差和環境因素考慮進去,也是將結構損傷識別方法應用到實際工程中所必須要解決的問題。