结构损伤识别方法研究进展

王燕锋 公晋芳

结构损伤识别是健康监测系统核心技术之一。本文对目前该技术的研究现状及进展进行了回顾与总结。重点阐述了基于振动的结构损伤识别方法和智能损伤识别方法,对无模型损伤识别的频域法、时域法和小波分析法等也作了一定程度的介绍。分析了各种方法的优点和不足之处,同时指出了结构损伤识别技术的发展方向和需要解决的问题。

【关键词】结构健康监测 损伤识别 振动特性 模型修正

一、基于振动的结构损伤识别方法

结构损伤识别技术可分为静态识别方法和基于振动的整体识别方法。静态识别方法是通过静态测量数据对结构损伤进行识别,而基于振动的识别方法则是运用结构的振动特性对损伤进行识别。静态识别方法识别结果较为可靠和稳定,但试验时间长、现场工作量大,无法做到实时监控;此外当受损结构在特定荷载作用下变形几乎未受影响时,很难获得理想的识别结果。而基于振动的结构损伤识别方法应用的条件限制少,效率高,但结构响应信号易受噪声的影响,准确性有待于提高。

结构的损伤识别可分为四个水平:(l)判断结构是否损伤。(2)确定结构的损伤位置。(3)定量结构损伤的程度。(4)预测结构的剩余寿命。

1.基于损伤指标直接比较的损伤识别方法

结构损伤引起结构动力特性变化,只要能找到某些反映结构动力特性变化的量,即损伤指标,直接对比其在损伤前后的变化情况即可达到识别损伤的目的。目前,已经提出了频率、振型、曲率模态、应变模态、模态应变能等各种损伤指标。

最常用的指标是结构的频率。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,但是使用频率作为损伤指标也有其局限性。第一,结构不同部位的损伤可能造成相近的频率变化,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。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。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。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。

2.基于模型修正的损伤识别方法

模型修正方法的提出是为了建立更准确的有限元模型,结构的有限元模型和实际结构存在误差,必须根据实验模态分析的结果对有限元模型进行修正。基于模型修正的损伤识别方法的原理是通过测量结果反向识别结构刚度、质量、阻尼及荷载变化,从而识别损伤,其本质是一个约束优化问题。模型修正方法有最优矩阵修正法、灵敏度法和特征结构配置法和混合法等。

结构损伤识别的最优矩阵修正法、灵敏度法和特征结构配置法都在某些方面存在不足,因此,一些学者尝试将这些方法结合起来或将这些方法与其他方法结合起来使用,以提高算法的计算效率和准确程度。

二、智能损伤识别方法

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,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。

1.神经网络

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。基于神经网络的损伤识别方法通过不断迭代的训练算法来使数据和神经网络之间的误差准则得以满足。神经网络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。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。

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,和神经网络一样是人工智能发展的成果,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。遗传算法应用于损伤识别分析,比传统的优化方法有优势,能得到与实际损伤位置很接近的识别结果。

三、无模型损伤识别方法

无模型损伤识别方法是通过分析比较直接从振动响应的时程或相应的Fourier谱或其他变换得到的特征量,从而识别损伤的方法。该方法已被成功应用于检测旋转机械损伤的存在、位置、类型以及程度。对于桥梁、大跨空间结构、海洋平台等大型土木工程结构,不依赖模型的仅基于环境激励下振动响应数据的损伤识别方法是非常吸引人的,也非常适合用于结构健康监测系统中的自动损伤识别。

1.频域方法

常用的频域分析方法有Fourier谱分析、多谱分析、倒谱分析等。

2.时域方法

常用的时域方法一般采用直接基于信号的无监督学习或建立利用ARMA类模型进行结构损伤识别。

3.基于小波分析的损伤识别方法

传统的傅里叶变换属于一种纯频域的分析方法,其反映的是整个信号全部时间下的整体频域特征,而不能提供任何局部时间段上的频率信息,即无时域分辨能力。而小波变换在时域、频域都具有表征信号局部特征的能力,基于小波变换的小波分析利用一个可伸缩和平移的可变视窗,能够聚焦到信号的任意细节进行时频域处理,既可看到信号的全貌又可分析信号的细节,并且可以保留数据的瞬时特性。基于小波变换的方法,根据小波变换所起的作用不同,可分为如下几类:基于小波奇异性检测的方法、基于损伤前后小波变换系数变化的方法、基于小波变换和弹性波传播理论的方法和基于小波包变换的方法。

四、总结

随着科学技术的发展,结构损伤识别将重点研究以下几个方面:(1)结构早期损伤的检测。(2)传感器的优化布置。(3)非线性损伤识别方法。

此外,除了在损伤识别方法上继续努力,如何将噪音、随机误差和环境因素考虑进去,也是将结构损伤识别方法应用到实际工程中所必须要解决的问题。