基于振动的结构损伤识别研究综述

基于振动的结构损伤识别研究综述

周朝营

重庆交通大学  重庆   400074

摘要：结构损伤识别方法是桥梁结构的健康监测系统的重要组成部分，基于振动测试的结构损伤识别方法是目前国内外研究的热点。针对目前结构损伤识别方法研究的现状,在现有结构损伤识别方法的基础上,本文介绍了基于振动的结构损伤识别方法，其中包括基于固有频率的结构损伤识别方法、基于模态振型的结构损伤识别方法等，最后对目前的结构损伤识别中存在的一些问题及努力的方向进行了阐述。

关  键  词：桥梁；结构损伤识别；健康监测

0  引言

损伤检测技术最先应用于机械、航空、航天工业上,随着振动理论、计算机技术、现代测试与信号处理技术的飞速发展,结构损伤识别的应用领域也在不断拓宽,并以其经济有效、可以反映结构整体性能、能够探测结构隐蔽部位缺陷的优点在土木工程结构等领域得到广泛应用。近二三十年来,基于振动测试的损伤检测方法,在土木工程领域应用得越来越广泛。目前,常用的结构损伤识别方法大致可以分为以下几类基于固有频率的结构损伤识别方法、基于振型的结构损伤识别方法、基于位移和应变类参数的结构损伤识别方法、基于刚度阵和柔度阵的结构损伤识别方法、基于模型修正的结构损伤识别方法等。

1基于振动的结构损伤识别方法

1.1 基于固有频率的结构损伤识别方法

损伤使结构的刚度减小,导致频率的降低,这一现象直接推动了与频率相关的敏感参数在结构健康监测和损伤识别中的应用。基于结构振动模态试验的检测方法,是把模态参数的改变视为结构损伤发生变化的标志,通过对结构模态参数的跟踪、测量和分析,来判断结构的损伤程度和损伤部位。在所测量的结构模态参数中,主要包括两大类：

1）位移模态参数,如固有模态频率、阻尼、模

态振型等

2）应变参数,如应变模态、应变能等,在实际

检测应用中,位移振型可确定损伤位置,但其识别误差在左右,而且受测量点数的限制,无法获得较为精确的振型通过对混凝土损伤的初步研究表明,应变类参数比位移类参数具有更高的敏感度,但并非完美无缺。在实际检测中,受到应变片布置、应变片测量系统的相对误差较大等因素限制。

相比之下,基于频率损伤识别方法得到了广泛的研究,原因主要是:

1）频率是最易检测的结构动力特征；

2）频率是当前技术测量的最准的结构动力特

征之一。低阻尼的结构动力识别的分辨率一般可达到。虽然固有频率的识别精度最高,但其自身变化仅能确定损伤的发生与否,这就需要寻找基于固有频率的恰当的动力指纹来进行损伤的定位和定量。本章针对梁的损失进行研究,指出用来进行桥梁的损伤定位的动力指纹,并验证其有效性。

并且基于频率损伤识别方法得到了广泛的研究,原因主要是

1）频率是最易检测的结构动力特征

2）频率是当前技术测量的最准的结构动力特

征之一。低阻尼的结构动力识别的分辨率一般可达到。虽然固有频率的识别精度最高,但其自身变化仅能确定损伤的发生与否,这就需要寻找基于固有频率的恰当的动力指纹来进行损伤的定位和定量。

1.2基于位移和应变类参数的结构损伤识别方法

当结构损伤时，损伤位置附近将产生应力重分布，从而引起应变的变化，因此对比损伤前后的应变或者应变响应参数，也可以用来识别结构损伤。而应变跟结构的位移紧密相关，所以位移响应也将具有较好的结构局部特性，当桥梁工程结构上未测得应变响应，而录得位移响应时，可以利用位移响应计算出等效应变响应来进行结构损伤识别。

基于位移和应变类参数的结构损伤识别方法将参数估计方法划分为方程误差方法、输出误差方法和极小偏差方法三大类,并且分别采用这三类方法,利用静态位移观测和动态观测数据估计了结构单元刚度的变化,而且还对大型结构提出了参数估计的子结构和降阶技术。

基于静态位移观测的参数估计方法,使用基于梯度的约束非线性优化算法求解结构的本构参数,建立了静态位移参数估计的统一框架,提出了参数估计的力误差模型和位移误差模型,并且进一步研究了参数的分组方法、求解器初始值的选取和参数变量的尺度变换方法。

1.3基于BP神经网络的结构损伤识别

人工神经网络，简称ANN，是一种结合了现代心理学及神经生理学的用来模仿人大脑神经元结构特征的非线性动力学网络系统,其原理如下图1所示：

图1  BP 神经网络结构损伤识别的流程图

它由大量简单的类似于人脑神经元的非线性处理单元相互并联、串联而成，具有类似于人脑的简单学习能力。神经网络学习过程可以描述如下：

1）工作信号正向传播输入信号从输入层经隐

单元,传向输出层,在输出端产生输出信号,这是工作信号的正常传播。在信号的向前传递过程中网络的权值是固定不变的,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入误差信号的反向传播。

2）误差信号反向传播网络的实际输出与期望

输出之间差值即为误差信号,误差信号由输出端开始逐层向前传播,这是误差信号的反向传播。在误差信号反向传播的过程中,网络的权值由误差反馈进行调节。通过权值的不断修正使网络的实际输出更接近期望输出。

对结构安全性的高要求，以各种不同监测技术为基础的结构健康监测系统得到广泛研究与应用，而结构损伤识别系统是结构健康监测系统的核心组成部分之一。研究结合信息融合的基于BP神经网络的结构损伤识别技术，通过 MATLAB 软件构建BP神经网络，基于神经网络的结构损伤识别技术的可靠性进行讨论，总结了结合信息融合与神经网络的损伤识别技术的优缺点。

2结语

随着科技的进一步发展，无人机、机器人等新一批的高科技已经在桥梁结构损伤识别领域得到了重视和应用。此外，算法模型的高速更新都会提高桥梁结构损伤识别准确率和泛化力。但目前人工智能在桥梁结构损伤识别方面还存在较大的局限性。主要表现在以下方面:

(1)现有的数值仿真模型不能很好的模拟结构损伤，数值仿真结果与结构损伤情况相差较大，并且对具体的损伤位置识别精度较低。

(2)数值模型的鲁棒性较低。某种神经网络模型只适用于特定的桥梁结构，并且对大跨度桥梁的损伤还缺乏深入研究。

(3)目前阶段仅限于对桥梁的上部结构损伤识别，对于在受力更重要的桥墩和基础部分缺乏重视。

(4)大部分损伤识别方法都不能正确分析缺陷是影响正常使用极限状态还是影响承载力极限状态。欠缺对分析结果的进一步评估、预警以及维修养护决算机制。

因此，桥梁结构损失识别领域仍然是一个重大的社会难题，需要学者们进行进一步的模拟和分析。

参考文献

[1]袁颖. 桥梁结构损伤识别方法的相关问题研究[D].大连理工大学,2006.

[2]段忠东,闫桂荣,欧进萍.土木工程结构振动损伤识别面临的挑战[J].哈尔滨工业大学学报,2008(04):505-513.

[3]游翔. 基于动力特性变化的桥梁损伤定位方法[D].西南交通大学,2006.

[4]李星占. 基于振动传递率的结构损伤检测方法与工作模态分析研究[D].上海交通大学,2016.

[5]李雪艳,张惠民.基于应变脉冲响应协方差的损伤识别方法研究[J].力学学报,2017,49(05):1081-1090.