结构健康检测方法研究进展

1、结构健康检测方法研究进展    【摘 要】 综述了结构损伤检测的方法，分别按照结构损伤模式、损伤检测中所研究的结构类型、损伤检测所使用的力学理论和数学方法将损伤检测法进行分类，对结构损伤检测的各种途径进行了简要介绍，对损伤检测中存在的一些问题提出了一些观点介绍了基于振动的结构健康监测与诊断的基本概念与理论，介绍了基于振动和神经网络方法的结构损伤检测的原理、策略及其在土木工程中的应用。    【关键词】 损伤检测；传统；振动；神经网络    Research progress

2、on structural health monitoring    Bao Lixin    【Abstract】    The structural damage detection methods, respectively, according to structural damage mode, damage detection in the study of the structure type used to detect damage mechanics th

3、eory and mathematical methods to classify the damage detection method for structural damage detection of a variety of ways a brief description of the damage detection in the presence of some of the problems put forward some ideas introduced vibrationbased structural health monitoring and diagnosis o

4、f the basic concepts and theories introduced neural network based on vibration and structural damage detection principles, strategies and in civil engineering.    【Key words】 damage detection; traditions; vibration; neural network    工程结构已经建成并投入使用后，在环境的作用下，其材料

5、的微观成分就会随时间的推移而发生演变，其结构导致材料强度、刚度等力学参数的降低，从而在结构上积累起裂缝、腐蚀、变形等损伤，引起结构的老化。    因此建筑结构功能的实现更主要取决于它在整个辅服役期间的表现，所以现在结构工程的发展从单纯的考虑正常使用过渡到了考虑设计、施工和维护的全过程，不仅继续提高设计、施工的合理性，更为实现的任务是研究结构性能的变化，特别是开展结构损伤检测的研究。建筑结构一旦出现了损伤，往往需要对结构所处的状态进行判断和评估，以便对结构的损伤成因和程度与一个全面的认识，这一个过程就是结构损伤的检测。通过结构损伤检测，可以帮助设计人员作出

6、结构物安全与否的评价，提出对建筑结构维护加固的方案，从而避免重大事故的发生，保护国家财产和人民生命、财产的安全。注重设计、施工、健康检测和长期维护的设计全过程属于一种设计终生负责的理念，正受到广泛的重视。工程结构损伤检测正迅速成为结构工程学科的一门分支学科。    1.传统的结构损伤检测方法13    传统的结构损伤检测方法简介，以及它们各自的检测特点、适用的损伤类型和结构类型见表1.1中所示。    表1.1 结构损伤检测方法    

7、    续上表    根据以上介绍可以看出，传统的无损伤检测方法都往往需要对结构损伤发生的部位有先验的认识，并要求这些部位容易检测，不可避免地存在着仅适合于对结构损伤进行局部检测的局限性。从而带来的缺点是，难以预测预报结构整体性能的退化，无法实现实时的结构健康监测和损伤检测。    所以，近年来人们一直试图寻找能够适用于土木工程结构的整体损伤检测与评估方法。    2.基于振动的结构损伤检测技术   

8、60;结构的动力特性是结构的固有特性，它表征了结构的“全局”特性。对于工程结构，结构的动力响应是容易实现和量测的。结构动力检测方法可不受结构规模和隐蔽的限制，只要在可达到的结构位置安装动力响应传感器即可。日前高效模块化、数字化的结构动力响应量测技术己为结构动力检测方法提供了坚实有效的技术支持。所以，如何利用结构的振动特性对结构损伤进行全局的识别和检测成为近2030年以来研究人员关注的热点。    对于遭受不同程度破坏的结构，其自身的结构参数及其响应必然与结构健康时不同，因此可以运用这些变化来反推结构是否发生损伤，即可以将结构损伤检测看作是对结构本身参数及

9、其响应的参数识别问题。很明显这是一个反问题，一般来说。根据实测数据的类型，基于振动的结构损伤识别技术可以分为三大类1：第一类是基于振动时程数据的损伤识别技术；第二类是基于实测频率反应函数的损伤识别技术；第三类是使用模态参数的损伤识别技术根据对结构检测的整体性，可以分为整体检测方法和局部检测方法2，从结构的参数识别角度来分，它可以分为结构参数识别技术、模态参数识别技术和非物理模型法3。    21 结构参数识别技术    结构参数识别技术是基于调整结构模型矩阵如质量、刚度、阻尼，使其产生与实测的静态、动态响应非常接近

10、的数据。因此在结构参数识别技术中最常用到结构模型，即有限元模型。有限元模型通过单元的应力应变关系来反映结构的连接性、特征，结构参数识别技术需要经常修正矩阵，它通过由结构的运动方程、健康状态下的名义模型及实测数据而形成的一个约束优化问题的求解来满足要求，通过比较修正矩阵与健康状态下的相应矩阵来提供结构损伤指标，判断损伤产生的位置及损伤程度。    结构参数识别技术经常用到一个通用的运动方程集，根据解这些方程不同算法的差异可以分为不同的修正方法。第一类方法是由Smith等人4提出的最优矩阵修正法，后来又提出了迭代优化修正方法5，Kim等人6则研究了各种各样的

11、矩阵修正方法、模型降低法、振型扩张法，并探讨了损伤单元的数量、传感器数量、模态数量及噪声程度对损伤检测能力的影响，通过数值模拟和实验研究发现，传感器的数量是损伤检测最重要的参数，其次是实测模态数量Liu等人9提出了一种优化修正技术，通过实测桁架的模态频率与振型来计算单元刚度与质量参数，该法是使模态力误差的范式最小，研究发现只要有足够的模态数据，单元特征可以通过实测模态频率、实测阵型及代表单元空间方向和桁架总体链接的两个矩阵直接计算出来，此外，Doebling提出通过计算单元参数矢量来表示总体或单元刚度矩阵的最小秩数修正法。3    第二类矩阵修正方法是基

12、于一阶泰勒序列解，通过使矩阵扰动误差函数最小得到，因此该法又称基于灵敏度修正法7。其基本理论是确定一个修正的模态参数矢量（有材料或几何参数组成），参数扰动矢量通过解求误差函数最小的NewtonRaphson迭代问题计算出来。各种基于灵敏度修正法的主要差别在于采用估计灵敏度矩阵的方法上，采用实验灵敏度法，正交关系可以通过计算模态参数的导数计算出来，理论灵敏度法常常要求估计刚度和质量矩阵的导数，它对含有噪声的数据和参数的较大扰动没有实验法灵敏。第三类矩阵修正法是特征结构布置法，Lim8对特征结构布置法的技术进行了综述。由于每种矩阵修正法都有自己的优劣，因此一些学者探讨并提出了混合矩阵修正法，Kim

13、等人9提出了一个两步损伤是别的方法，用来检测具有较少装置的大型结构。该法的第一步是用最优矩阵修正技术来识别结构出现损伤的位置，第二步是一种灵敏度法，它定位在发生损伤的特定结构单元上。这种方法的优点在于其优化修正快速有效；修正参数数量很少。22 模态参数识别技术    按照所用数据的领域，模态参数识别技术分为时域技术和频域技术。    时域技术是根据系统的运动方程，通常是用有限元的动力平衡方程，由系统假设或测量的已知条件推导合理的辨识公式，再运用已经成熟的各种动态系统辨识方法来完成结构系统参数的辨识。在高阶时域与模态

14、参数估计技术中最基本的方法是组合指数技术10，该技术的缺陷是一次只能使用一个频响函数，为了克服这一缺陷，最小二乘组合指数方法被提了出来。    传统的模态分析方法是基于传递函数的频域技术，即通过频响函数、功率谱和相关分析得到结构的频率、阵型、阻尼等。通过这些动力指纹的变化来判断结构的真实状况。常用的动力指纹有：频率、振型、模态应变、MAC（模态保证标准）、COMAC（坐标模态保证标准）等2。其中模态应变指纹有模态曲率指纹和模态应变指纹，前者比模态应变指纹的损伤检测效果更有效，但它却需要布置足够多的测点；后者无法检测模态应变能的分布对损伤不敏感的情况。&#

15、160;   时域技术的优点是采集到得信号不需要变换，也不受任何变换函数的假定条件限制；缺点是信号在变换过程中，许多信号特征往往被过滤掉或失                   真。许多有用的信号特征可能被其他幅值更大的、无用的信号所掩盖，频域技术的优点在于动力指纹使用比较方便，但需要对时域信号进行变换、动力指纹对一些损伤不敏感，及模态参数不完整是它的最大的缺陷。3.神经网络在结构损伤检测中的应用应用神经网

16、络进行损伤检测的关键问题是选择合适的输入与输出向量，通过大量的学习可以确定输入与输出向量之间的映射关系。当神经网络的输入为结构响应而输出为结构的刚度信息时，就可以用来做损伤检测。有关的工作分以下两个方面加以叙述。3.1 基于神经网络的结构损伤识别 王柏生等9提出一种由结构前几阶固有频率和少数点模态分量所构成的组合参数作为神经网络的输入向量，对一个3层框架的数值模拟和一个4层框架的试验研究表明：这样的组合参数可用于对称结构的损伤识别，而且不会因模态测试不完整而影响损伤识别效果。研究表明，采用组合参数训练神经网络，受模型误差的影响较小，具有很强的鲁棒性，对框架结构损伤位置和损伤程度都有很好的识别效

17、果9。文献12以汲水门斜拉桥为背景，应用神经网络的模式分类技术对桥面结构的损伤位置进行识别。分析结果表明，这样的方法是可行。3.2 基于概率神经网络的结构损伤识别概率神经网络是一种很有潜力的、能从噪声污染的测试数据中进行损伤分类的技术。文献14采用概率神经网络进行结构损伤位置识别，通过对一个3层框架和一个4层框架的数值模拟，并与56网络结果的比较，揭示了概率神经网络的损伤位置识别能力。4.结构损伤检测存在的问题及改进意见结构损伤检测通常要解决以下4个问题，即（a）损伤是否存在；（b）损伤发生的位置；（c）判断损伤的大小；（d）依据损伤情况判断结构的寿命。在损伤检测中，为了实现上述4个目标，目前

18、常会遇到以下几个问题。（1）采取何种激励形式，提取何种信息判断结构的损伤。结构损伤类型是多种多样的，对于一定的损伤形式，可以找到与其相应的激励方式与相应的结构响应，使结构的响应能够充分表现出结构的损伤。在桥梁工程中，最方便的激励方式是车辆运行时激起的振动，由于大型桥梁结构的复杂性，结构的损伤形式也是多种多样的，在这样的激励下提取何种信号监测桥梁结构的健康状况是一项具有挑战性的工作。对某一种类型的桥梁结构，运行多年后，用多种方法（包括人工观察）检查其损伤情况，总结出容易发生损伤的部位与结构构件，积累这样的实践经验。在新建成的桥梁上，依据实践经验安放相应的传感器，也许可以为解决这类问题提供一些帮助

19、。（2）测量噪声及误差问题。损伤检测应用于实际工程中，由于环境因素、人为因素不可避免地将噪声与误差引入实测数据中。为了获得好的损伤检测结果，从实测到分析要注意以下两点：其一，合理选择测试时间以减小环境噪声；通过多次实测比较选择最佳的测试方案以减小人为因素带来的误差。其二，数据分析时，优先使用基于统计模式的结构损伤识别方法，以减小由数据分析带来的误差11。（3）测量时温度对模态参数的影响。结构损伤可以导致结构模态参数变化，温度变化也可以导致结构的模态参数变化。可见，模态参数变化不一定就代表结构有损伤发生。处理这样的损伤检测问题也许有以下两个途径：其一，把温度变化引起的模态参数变化从总的模态参数变

20、化中去掉；其二，寻找一种新的损伤指标，这样的损伤指标与温度变化没有关系。（4）传感器的选择。根据结构不同的损伤类型，事先确定选择位移传感器、加速度传感器、加加速度传感器或应变传感器，因为不同的传感器所采集的信号对结构损伤的敏感程度是不同的。对于长期监测，尚要选择稳定性、耐久性好的传感器。（5）数据传输问题。对于实际工程结构的监测，如野外桥梁结构，应用无线电传输系统定期将数据传输到数据分析点，将为结构健康状况的适时监测研究提供便利。（6）传感器布置及其优化问题。在结构损伤检测研究中，传感器布置及其优化问题主要难点在于优化准则的确定。确定优化准则时，应突出对损伤敏感参数的影响。参考文献1 Doeb

21、ling S W, Farrar C R,et al. Damage identification and health monitoring of structural and mechanical systems from changes in their vibration characteristics: a review R. Los Alamos National Laboratory Report LA13070MS, 19962 董聪、丁辉、高嵩结构损伤识别和定位的基本原理与方法J中国铁道科学,1999，20(3)：89943 Doebling S W, Farrar C R.

22、 The state of the air in structural identification of constructed facilities R. Los Alamos National Laboratory Report DRAFT, 19994 Smith S W and Beattie C A. Model correlation and damage location for large space structures: Scant method development and evaluation R. Report NoNASACR188102, NASA, 1991

23、5 Smith S W. Iterative use of direct matrix updates: Connectively and convergence A. Proc. Of the 33th AIAA Structures, Structural Dynamics, and Materials Conference C. 1992,1797-18066 Kim H M and Bartkowicz T J. Damage detection and health monitoring of 1arge space structuresJSound and Vibration199

24、3，27(6)：12-177 Norris M A , Meirovitch L. On the modeling for parameter identification in distributed structuresJInternational Journal for Numerical Methods in Engineering1989(28)：245124638 Lim T WStructural damage detection using constrained eigenstructure assignment J. Journal of Guidance，Control, and Dynamics,1995，18(3)：