結構損傷識別技術的研究

陳雅璠

（雙鴨山市安邦河兩岸及行政廣場人工湖管護中心，黑龍江 雙鴨山 155100）

隨著我國科學技術的飛速發展，很多新型的復雜結構已成為當今建筑結構中的主流，比如一些大跨度橋梁、大型海洋平臺、高聳建筑等，對于這些結構來說，損傷識別顯得格外重要。因為有些微小的損傷看似不起眼，卻可以引起這些復雜結構工程的破壞，嚴重時會引起災難性的事故，威脅到人類的生命安全[1]。特別是建筑結構中如果有內部缺陷，它們通常是無法用人的肉眼觀察到的，因此這種潛在的危險對人們的人身安全造成的威脅更大。

這樣由于結構的累積損傷造成的事故有很多，比如1940年11月7日，塔科馬海峽大橋[2]在約18 m/s風速的作用下突然倒塌，更值得一提的是，這里塔科馬海峽大橋建成僅僅4個月。它的倒塌頓時使人們意識到風荷載對橋梁的影響不可忽視，從而引起了世人對風荷載導致結構振動問題的研究。再如1983年6月，位于美國康涅狄格州的Mianus江上的高速公路大橋突然倒塌[3]，橋上的幾輛汽車隨即墜入江中，導致6人傷亡，幸虧事故發生在凌晨，若在白天發生，那帶來的后果不堪設想。經過檢測，主要是因為交通車輛的循環荷載引起的損傷疲勞造成大橋的倒塌。這些事故的發生也給我們敲響了警鐘，因此，如何應用健康監測新技術對結構進行健康監測，進而確定其是否存在安全隱患，也成為目前研究的熱點。

1 損傷識別的步驟及方法

一般情況下工程結構的損傷識別分為三個步驟：第一步，人為主觀預測結構是否發生損傷，若發生損傷，需進一步確定損傷位置；第二步，應用相應測試方法判別損傷的嚴重程度；第三步，預測結構的壽命。胡自力等[4]在2002年提出了一種劃分為五個層次的質量評估，相對于上述的三個步驟，該劃分層次更為全面，具體內容如圖1所示。損傷識別的基礎是從已知的結構動力特性中確定結構的損傷位置和損傷程度，因此首先要確定選擇什么損傷標識量。所謂的損傷標識量一般滿足兩個條件：第一，所選的損傷標識量對結構的局部損傷較為敏感，若發生損傷，損傷標識量隨之即刻發生變化；第二，損傷標識量應該滿足與損傷位置呈單調函數，若為非單調函數，則無法判斷損傷的嚴重程度。通過對標識量前后值的對比，即可知道結構的損傷程度；而結構的剛度和承載能力有所下降的區域，即為結構損傷的位置。由此可見，損傷標識量的選擇對結構損傷識別的精度起著關鍵性作用。

圖1 損傷識別步驟的劃分

2 損傷識別方法的技術

2.1 損傷識別技術——基于固有頻率的變化

基于固有頻率的損傷識別最早在1969年由LITSHITZ等[5]提出，固有頻率這一參數在結構的所有模態參數中是最容易獲得的一個，且不隨測量位置的變化而變化，這種技術最大的優點是它的識別精度較高，因此在結構損傷識別這個領域很具吸引力。當結構發生損傷時，其質量和剛度均會隨之發生變化，我們通常會忽略質量的變化，僅考慮剛度的變化。當剛度降低時，結構的固有頻率也會降低，阻尼比增大[6]。近年來此項損傷識別技術已走向成熟，并且得到了廣泛的應用。但仍存在不足，就是各階頻率對結構不同位置損傷的靈敏度不同，這就對測量的準確性要求很高，而且頻率改變的信息只能確定有破損存在，但結構的破損位置和破損程度不能通過這一技術得到，因此不適用于一些大型結構中，僅適用于小型結構中。

2.2 損傷識別技術——基于振型的變化

基于振型變化的損傷識別技術的測量精度與基于固有頻率變化的損傷識別技術相比相對較低，但對于結構損傷的敏感度更高[7]，而且它能夠得到基于固有頻率變化的損傷識別技術不能得到的損傷信息，如損傷位置等。通過測試結構損傷前后的振型，并將前后振型的差值與比值作為定位參數，當計算出來的定位參數值過大時，說明該區域的損傷過為嚴重，以此來判斷損傷位置。基于振型變化的損傷識別技術的分類有很多，常用的有：（1）基于模態置信度判據的損傷識別，當結構未發生損傷時，模態置信度判據=1，而一旦結構發生損傷，隨振型的變化，模態置信度判據≠1；（2）基于模態正交條件的損傷識別，原理即為當結構發生損傷時，其模態將不滿足正交條件；（3）基于振型曲率的損傷識別，當結構發生損傷時，曲率會隨之增大，進而判斷損傷位置和損傷程度。

2.3 損傷識別技術——基于傳遞函數的變化

損傷可以引起結構傳遞函數的改變，并且這種改變只由損傷程度和損傷位置決定，因此基于傳遞函數變化判斷損傷程度和位置是一種有效的方法。但是傳遞函數往往包含巨大的信息量，起決定作用的只有很少一部分[8]，為了簡化計算量，產生了基于加速度傳遞率的損傷判定方法，他是通過對結構相鄰兩點間的加速度進行傅立葉變換，進而計算出傳遞函數，并通過傳遞函數進行損傷判定，與振型曲率法相比，這種方法不需要測試結構的陣型，且對損傷的識別效果優于振型曲率法。雖然這種方法對結構損傷數量和位置的識別有一定的誤差，然而，它無須建模，對環境要求低[9]，具有一定的降噪效果的特點決定了它在在線損傷監測中有一定的應用。

2.4 損傷識別技術——基于應變模態的變化

對有損傷的結構進行監測分析時發現，位移模態和固有頻率變化并不明顯。它們的變化只能表示結構已經發生了損傷，但不能判斷損傷的程度，也不能作為判定損傷部位的依據[10]。應變模態事實上也就是應變的振型，清華大學李德葆等研究學者對5種損傷指標分別進行靈敏度的研究，最終得出了這5種損傷指標靈敏度大小關系：位移模態振型<固有頻率<位移頻響函數<曲率模態振型<應變模態振型[11]，由此可見，相比其他幾種損傷指標，損傷對應變模態更為敏感，應變模態會發生突然的改變，且改變的大小與損傷程度成正比，即突變越大損傷程度越大。因此，基于應變模態的損傷識別是一種比較準確的損傷判定方法，對于判定損傷的位置和程度均有較好的效果。

2.5 損傷識別技術——基于剛度的變化

剛度矩陣變化在一定程度上可以反映結構的損傷，且其蘊含的信息通常要多于質量矩陣，但是只有結構發生嚴重損壞時，剛度矩陣才會有較明顯的變化，且難以判斷結構的損傷位置。利用固有頻率和陣型確定局部結構的剛度矩陣變化程度，依據變化程度判斷損傷程度，同時利用局部結構剛度矩陣的變化位置，可以較為準確地判斷出結構的損傷部位[12]。高階陣型的剛度矩陣更有利于判斷結構的損傷程度和位置，但是獲取結構的高階陣型困難較大，因此在實際工程中這種方法應用得比較少。

2.6 損傷識別技術——基于柔度的變化

與剛度矩陣相比，柔度矩陣對結構損傷比較敏感，在特定條件下柔度矩陣可以作為判定損傷程度和損傷位置的重要指標。在高頻下，柔度頻率的倒數部分接近于0，可以忽略不計，因此只需要計算結構前面的低階頻率即可[13]。但是，利用柔度矩陣判定結構的損傷時需要用結構損傷前的柔度矩陣與損傷后的柔度矩陣作對比，損傷后的柔度矩陣容易通過測量獲得，但損傷前的柔度矩陣一般難以找到，不利于工程實踐的應用。針對這一問題，有關學者提出了柔度曲率的方法識別結構的損傷，依據實踐證明，這種方法可以識別結構的多處損傷。同時，為了提高柔度矩陣損傷識別的準確性，將概率論的相關知識以及小波分析方法融合進來，使用統計學的方法改進柔度矩陣，可以解決微小損傷的檢測問題。

3 智能優化的診斷方法在損傷識別中的應用

近年來，隨著人工智能的快速發展，在結構損傷識別研究的應用中，智能優化的診斷方法逐漸發展起來，相關專家學者提出了很多智能優化的診斷方法，其中人工神經網絡的損傷識別技術和遺傳算法的損傷識別技術應用最為廣泛。

3.1 人工神經網絡

大多數人工神經網絡由3層組成：分別為輸入層、隱層和輸出層。該方法診斷識別的基本原理是利用一些能夠通過試驗或模擬得到的數據（如振型、頻率等），以這類數據作為神經網絡的輸入值，以裂紋參數作為輸出值[14]，經過多次調整權值，對神經網絡進行訓練、測試和驗證，當系統的輸出值和神經網絡的輸出值一致時，則說明訓練結果是成功的；當兩者存在差異時，該差異被稱為損傷識別的一種測度，在此基礎上可以通過神經網絡建立起結構模型參數和結果模態參數之間的非線性關系，結構模型參數可以通過實際測量得到，基于兩者的非線性關系，即可得到結構的邊界條件，進而對結果模態參數進行修改。就這樣不斷進行優化，最后得到一組性能最好的神經網絡對裂紋參數進行識別，對比損傷前后的結構參數，計算出變化量，進而可以識別出結構的損傷程度和損傷位置等信息。

神經網絡的出現解決了不少復雜工程損傷識別的工程問題，但仍然存在一些不足，具體表現在以下幾個方面：

（1）基于神經網絡的損傷識別技術的學習速度很慢；

（2）基于神經網絡的損傷識別技術非常復雜，因此對神經網絡訓練成功的概率不是很大；

（3）基于神經網絡的損傷識別技術難以平衡實際結構規模和神經網絡規模之間的矛盾關系。

3.2 遺傳算法

基于遺傳算法的損傷識別最早在1975年由HOLLAND與其學生提出[15]，該方法的最大特點是基于達爾文進化論，是一種模擬生物進化的隨機搜索機制，從隨機的初始解出發，進行一系列的選擇、交叉、變異和迭代，優勝劣汰，進而得到最優解。正因為它能夠實現全局搜索，因此在損傷識別應用的領域中擁有廣闊的應用前景。當數據信息不多時，可以實現快速的損傷識別，定位損傷位置，得到損傷程度。然而也存在一定的不足，具體表現在以下幾個方面。

（1）求解模塊不能滿足所有的結構類型和結構規模，這樣也就難以保證損傷識別的準確性，因此有時不便應用于土木工程領域。

（2）不同結構類型的遺傳算法在參數選擇上往往不能滿足參數分析的要求，如編碼方式、遺傳算子等，因此難以協調計算效率和計算結果的準確性。

（3）在實際工程中，會應用不同的測量方式測量不同的參數，而在遺傳算法中，僅考慮單一信息參數，因此測量結果較為片面，與實際會有一些出入。

4 結束語

隨著現代科技的快速發展，基于結構的損傷識別技術這一研究將重點考慮關注以下幾個方面：

（1）結構損傷的機理，這也是研究損傷識別的基礎；（2）損傷的早期識別；（3）傳感器布置和故障檢測；（4）基于非線性的損傷識別技術；（5）實測響應數據的損傷識別技術；（6）基于在線技術的損傷識別方法；（7）智能優化的診斷方法；（8）基于交叉學科的損傷識別技術。其中，最后一個將是未來研究的重點，因為現如今的建筑中有很多大型復雜結構都擁有各自的獨特之處，包括多個領域的學科知識，如機械、材料、建筑等，因此只有將多門學科技術相結合，才能進一步在一些單一損傷識別技術的基礎上提高識別結果的精度。而智能損傷診斷方法作為新興技術，其強大的信號處理和分類學習能力使其成為研究熱點和最新發展趨勢，工程應用前景不可估量。

結構損傷識別的研究存在很多的不確定性，是一個非常復雜的研究課題，在實際應用中仍然存在很多問題。以下幾個方面的研究可能會促進其未來的發展：其一，應用數學模型判斷結構的損傷信息，并且為其維修措施提供依據；其二，應用混合模型的損傷識別技術，它可以匯集不同識別方法的優點，在損傷識別的不同階段采用不同的測試方法，進而提高結果的準確性。結構損傷識別的技術仍然還有很大的研究空間，相信在不久的將來，此項技術能夠獲得質的飛越。