結構損傷識別綜述

(廣東工業大學土木與交通工程學院 廣東 廣州 510006)

結構健康監測技術起源于二十世紀五六十年代，最初主要是在航空航天領域進行結構荷載監測。結構損傷識別[1]是結構健康監測系統的核心，結構損傷識別即是對結構進行監測與評估，以確定結構是否有損傷存在，進而判斷損傷的位置和程度，以及結構當前的狀況、使用功能和結構損傷的變化趨勢等。Doebling和Rytter將結構損傷識別分為四個層次:(1)確定損傷的存在；(2)確定損傷的位置；(3)評估損傷程度；(4)預測結構的剩余使用壽命。目前結構損傷識別研究的重點還集中在(2)(3)上。

結構損傷檢測技術按檢測目標可分為局部檢測和整體檢測[2]。局部檢測法，是依靠成熟的無損檢測技術來對結構的某個特殊部位進行監測，進而判斷該部位是否發生損傷及損傷的原因和程度[3]。局部檢測法包括目測法、超聲波法、X射線法、光學反射鏡法等。但是局部檢測方法需要預先知道結構損傷的大體位置，并且要求檢測儀器能夠到達損傷區域，不能對無法接近或隱蔽的部位實施檢測，不適于結構實時在線健康監測。

整體檢測法按測試方式又可分為靜態檢測法和基于振動的檢測方法。靜態檢測法是對結構施加靜力荷載，建立靜力平衡方程，根據實測結構靜力響應得到靜力參數(如剛度、位移、應變、彈性模量、慣性矩等)，通過對結構的分析得到與損傷相關的力學指標。靜態檢測獲得的數據準確可靠，但工作量巨大，實際施加荷載困難，對于大型復雜的結構，往往只能獲取局部信息，所以基于振動的測試相比靜態測試容易的多。基于振動的檢測法的基本原理是，結構的動力參量(固有頻率、模態振型、阻尼等)是其物理參量(剛度、質量、阻尼、邊界約束等)的函數，結構損傷會引起結構物理參量改變，進而引起動力參量改變。通過安裝在結構上的傳感設備，對結構的振動進行實時監測，可以獲得結構不同階段的振動特性，對結構振動特性的變化進行分析及處理，可獲得結構物理參數的變化情況，從而達到損傷檢測的目的[4]。

基于振動的損傷檢測方法，根據所用模態信息的不同，可以分為以下幾種常用方法：基于固有頻率的結構損傷識別方法、基于振型的結構損傷識別方法、基于位移和應變類參數的結構損傷識別方法、基于剛度陣和柔度陣的結構損傷識別方法、基于模型修正的結構損傷識別方法、基于計算智能的結構損傷識別方法、基于信號分析的結構損傷識別方法、基于概率統計信息的結構損傷識別方法等[5]。隨著研究的進展，研究工作者們雖然提出了很多種模態參數識別方法，但是對于每一種方法來講都有其優缺點和適用范圍。以下將以基于動力測試的結構損傷識別方法和基于信號分析的小波分析方法與神經網絡分析方法為主，對常用的結構損傷識別方法做一綜述。

一、基于固有頻率的損傷識別方法

利用固有頻率進行結構損傷識別的基本原理是，結構的固有頻率可以表達為質量和剛度的函數，當結構發生損傷時，結構的剛度降低，把結構損傷引起的質量變化忽略不計，將導致結構的固有頻率降低[6]。固有頻率是結構模態參數中最易獲得的一個參數，可以準確地判斷損傷是否存在

二、基于模態振型的損傷識別方法

相對于結構的固有頻率而言，結構的固有振型包含了更多的損傷信息，可以用來進行損傷定位[7]。利用振型來進行損傷識別有兩種方法：一是直接利用結構損傷前后的振型變化，畫出振型變化圖，直接目測來判斷損傷位置，顯然這不適用于大型復雜的結構；二是由振型構造出結構損傷標識量，由標識量的取值或變化來識別損傷。

三、基于剛度矩陣、柔度矩陣及柔度曲率的損傷識別方法

基于剛度矩陣的損傷識別方法的基本原理是，結構損傷引起結構剛度下降，因此可以用剛度降低程度系數，建立起由損傷引起的剛度矩陣變化與系統響應間的函數關系來進行結構損傷識別。Gysin通過研究指出，用剛度法進行結構損傷識別時，只有包含了對結構剛度矩陣影響較大的多個振型時才能有效識別結構損傷，因此不易實施。基于柔度矩陣的損傷識別方法[8]，一種是通過比較損傷前后結構柔度矩陣的改變來進行結構損傷識別，另一種是通過對分析剛度矩陣和測試柔度矩陣的一致性檢查來識別損傷。柔度矩陣與剛度矩陣互逆，將模態振型進行質量歸一化后，柔度矩陣反比于固有頻率的平方，結構的低階模態參數在柔度矩陣中所占比例很大，因此只需要測量幾個低階模態信息就能用于結構損傷識別，所以非常適合于高階模態較難獲得的大型復雜結構的損傷識別。

四、基于神經網絡的結構損傷識別方法

神經網絡識別法[9]的主要識別思路是，根據結構在不同的狀況下,如損傷前損傷后或者不同損傷位置、不同的損傷程度,來提取結構的模態特征，進而選擇對結構損傷敏感的損傷指標來作為網絡的輸入因素，把判斷的結構的損傷狀態作為輸出的因素，以此來進行訓練，訓練完成以后該網絡就具備了損傷識別的功能，這樣再次輸入時就能夠快速的對損傷進行識別。其識別的邏輯在于選擇一種合適的測試量,滿足系統的輸出與神經網絡輸出的差異性對損傷敏感。同時神經網絡識別法對非線性系統也具有良好的識別效果，這是神經網絡識別法優于一般的損傷識別法的重要特征。