论文基于石油钻井平台从一四层钢框架结构模型出发

-.z论文基于石油钻井平台从一四层钢框架构造模型出发，围绕该模型发生不同程度的损伤展开识别和诊断工作，提出了基于小波分析和神经网络识别损伤的两步法。在求解构造的动力响应时，引入了计算精度高、无条件稳定且无超越现象的高阶单步一B算法，对得到的相应结点加速度响应进展一层离散小波变换，对所得到的细节信号尖峰高度的变化规律进展分析，考虑了小波函数选取、荷载强度、噪声标准及损伤程度等因素对小波识别损伤能力的影响，提出了适用于工程应用的加速度响应小波变换细节信号的尖峰高度确定损伤位置的方法。为了更真实模拟环境鼓励，在求解动力响应过程中参加了一定量的噪音干扰，因此论文在对相关数据进展小波变换前需要对所测得的数据进展小波降噪预处理。论文阐述了小波闭值法降噪原理，考虑了小波函数的选取、分解的尺度及阂值选取对信号降噪的影响，以信噪比和均方根误差两个指标作为评价降噪效果的优劣，提出了适用于环境鼓励的构造动力响应降噪流程。论文将传统的单一损伤识别方法开展为损伤识别两步法。在利用小波分析确定了损伤发生的位置后，引入BP神经网络，采用与损伤程度相关的指标固有频率平方变化比作为特征参数输入网络，从构造发生不同程度的损伤建立了一个三层BP网络，并利用训练好的网络对构造的损伤程度做出判断。第1章绪论............................······……11.1选题的依据及研究的意义......................……1石油钻机井架风灾害分析.................……11.2构造损伤识别国内外研究现状及方法............……2外观目测法.............................……3基于仪器设备的局部损伤检测.............……3基于静态测量数据的构造损伤检测方法......……4基于动力特性的构造损伤检测方法.........……51.3小波分析在构造损伤识别中的应用............……，.6小波分析概述...........................……6小波分析在构造损伤识别中的应用.........……7小波分析在构造损伤识别中的研究现状......……71.4人工神经网络在构造损伤识别中应用............……8人工神经网络概述.......................……8人工神经网络在构造损伤识别中的研究现状..……91.5基于小波和神经网络结合的损伤识别............……91.6本文的主要研究内容及创新点.................……10论文的主要研究内容.……二............……10论文的主要创新点......................……12论文研究思路..........................……12第2章小波变换的理论根底........................……132.1从傅里叶变换到小波分析.....................……13傅立叶变换............................……13短时Fourie;变换........................……14从傅里叶变换到小波分析................……162.2小波变换...................................……18连续小波变换..........................……18**大学博士学位论文离散小波变换..........................……222.3多分辨分析.................................……232.4二尺度差分方程.............................……252.5Mallat算法................................……26Manat算法的综述.....................……26Mallat分解算法.......................……27Manat合成算法.......................……282.6常用小波函数介绍...........................……29DaubechieS小波.......................……29Haar小波....................……，..……30Me*ic。草帽小波.......................……31Morlet小波...........................……322.6.SMeyer小波.............................……332.7本章小结...................................……343章基于高阶单步一p法的Benchmark模型动力响应求解.353.1Benchmark模型.............................……353.2模拟环境鼓励Benchmark构造损伤工况.........……38Benchmark模型的构造工况..............……38Benchlnark模型的损伤工况.............……，383.3Benchmark构造系统动力响应求解.............……39高阶单步一p算法.......................……39高阶单步p算法的精度..................……41高阶单步p算法的稳定性................……42高阶单步p法的超越现象................……433.4本章小结...................................……434章小波理论的Benchmark构造动力响应降噪处理..……454.1Benchmark构造小波降噪方案设计.............……45小波降噪的根本原理....................……45小波降噪效果评价指标..................……46Benchmark构造动力响应降噪小波函数的选择..…47目录Benchmark构造动力响应降噪最大尺度的选择..…48Benchlnark构造动力响应降噪边缘处理.....……494.2常用的小波降噪方法.........................……49几种常用的小波降噪方法比较............……49非线性小波变换阑值法..................……504.3Benchmark构造动力响应小波降噪方案的选择....……52Benchmark构造动力响应降噪方案的选择...……52Benchmark构造动力响应降噪的流程.......……534.4本章小结...................................……55第5章小波分析在Benchmark构造损伤识别中的应用研究.…575.1Benchmark构造损伤识别小波函数的选取.......……575.2小波变换对Benchmark构造损伤时刻及损伤位置的识别.62Benchmark构造损伤时刻及损伤所在楼层的判断…62Benchmark构造损伤具体位置的判断.......……695.3BenChmark构造损伤程度对小波识别能力的影响..……705.4环境鼓励的噪声标准对小波识别能力的影响.....……725.5环境鼓励的荷载强度对小波识别能力的影响……，.…775.6本章小结...................................……816章神经网络在BenChmark构造损伤程度识别中的应用研究.836.1神经网络概述...............................……83神经网络的开展........................……83神经网络的工作原理....................……84常用的神经网络介绍....................……876.2BP神经网络................................……90BP网络简介...........................……90BP网络的算法.........................……91BP网络存在的问题.....................……92BP神经网络的改良.....................……92Benchmark构造损伤程度识别的BP网络程序实现二936.3Benchmark构造损伤程度识别的BP网络构建.....……94**大学博士学位论文Benchmark构造损伤识别的BP网络特征参数选择二95Benchmark构造损伤识别的BP网络训练样本产生二97Benchmark构造损伤程度识别的BP网络隐含层节点数确实定......................................……996.4Benchmark构造损伤程度识别的BP网络模型的训练.…100Benchmark构造损伤识别的BP网络模型训练误差.1006.性.2Benchmark构造损伤识别的BP网络参数确实定…1016.5基于BP网络的Benchmark构造损伤程度预测和分析…1026.6本章小结..................................……1047章结论与建议...............................……1057.1结论......................................……1057.2建议......................................……106考文献…，.....................................……107谢............................................……ns要科研成果与工程..…、....................·······……1文摘要..............................····……八·…1BSTRACT...........................................……3第1章绪论第1章选题的依据及研究的意义绪论在现代油田勘探与开发过程中，石油钻井井架作为一个大型的、高耸的钢结构，在复杂恶劣的野外服役环境中将受到地震、风灾、火灾等自然灾害的影响、加之各种载荷的作用及疲劳效应、材料的腐蚀老化、不断地拆卸、搬运和安装等各种不利因素的影响，使构造面临不同程度的损伤，从而使构造平安受到威胁〔’〕。旦构造的关键构件的损伤程度积累到一定程度还没有及时被发现，损伤将会继扩展甚至导致整个构造的破坏。尽管很早人们就意识到对构造进展损伤检测的要性，但由于缺乏对构造进展损伤识别的有效途径造成了许多灾难性的事故发，给社会造成了极大的人员伤亡和财产损失。我国现有海上钻井平台共100多座，而且大多数都是服役多年的，近年来，随着石油工业的开展，原油价格不断上涨，石油的开采日趋增加，采油技术也不断提高、钻井设备随之不断改良和增加，原有的钢构造井架在长期风荷载作用下势必发生强度和刚度的降低，现有的载力能否继续满足需求，如何进展修补和加固，如何保障井架和平台的平安性和耐久性越来越受到人们的关注12，。因此，对在役石油井架构造进展损伤检测和估具有重要的现实意义。.1.1石油钻机井架风灾害分析自20世纪60年代以来，由于风灾给石油井架带来的危害极大，由于石油钻井架工作条件恶劣。当风暴袭击井架时，就会使井架发生倾倒甚至倒塌。在油田，井架因失稳而倒塌或被风刮倒的事故时有发生。如:1967年的SEDcoL半潜三角型平台在进展采油作业时发生破坏，其尾部的水平支撑断裂了，造成的巨的经济损伤;同年的5月Rangerl号钻井平台尾部的一根柱子失效，致使平台衡同时甲板倾斜并发生坠落，由于前柱发生弯折屈曲导致整个钻井平台的破;1969年渤海2号平台被海冰推到，并使1号台严重受损，造成巨大的经济失;1980年3月，位于**的一座海洋平台由于疲劳在支座处发生裂纹并逐开展，致使支撑折断，同时由于该支撑的破坏导致与该承重腿柱相连的其它五支撑因过载而全部发生破坏，整个平台失稳倾斜:1984年4月，位于**的拉马依油田受寒潮大风袭击，刮倒4部**型钻机井架，直接经济损失480万;1986年渤海石油钻井2号平台被海冰推倒〔3];1990年6月21一22日，大港田1部18m高的修井作业井架被风刮倒，造成供电线路中断，致使404口油井产，228口注水井停注;7月巧日又吹倒9部TJZ一41型塔形井架，刮倒1部**大学博士学位论文J45一JJ30oA型井架及8部修井作业井架，并全部摔毁报废〔4，;2001年巴西P一36海洋平台爆炸倒塌，该平台共耗资3.56亿美金，该事故给巴西造成了巨大的经济损失和环境污染:这些事故的发生给我们敲响了警钟〔别。图1.lp一36号石油钻井平台倒塌分析其原因，主要是因为石油钻井塔架是一大型复杂的金属钢架构造，它具体型大、承载重、工作环境复杂等特点，加之各种荷载的作用、材料的腐蚀老、不断地拆卸、搬运和安装等都对井架造成一定程度的损伤，井架的实际工作况和可靠性仅通过设计保证是无法做到的，必须通过检测才能给出正确的评，即通过一定的方式对其进展损伤的在线监控，评价构造的损伤程度为加固提科学依据〔6〕。因此，对在役石油井架构造进展损伤检测和评估，充分了解石油架的安康状况，并诊断出局部损伤的位置以及损伤程度，并及时作出修补，这于防止灾难性事故的发生，保障人们的生命平安则一产至关重要。因此，开展环鼓励下，石油井架构造损伤识别研究，提高石油井架承载能力检测与平安评价平，无疑具有重要的理论意义和实用价值。由于石油井架都是钢构造的，因此本文基于石油钻井平台从一四层钢框架结入手，模拟环境鼓励对四层钢框架构造的损伤展开研究，诊断损伤所发生的具位置及损伤程度，从而为石油钻井平台的损伤识别奠定根底。.2构造损伤识别国内外研究现状及方法构造损伤检测可采用外观目测、采用仪器设备进展的局部损伤检测、基于静测量数据的损伤检测和基于动态测量数据的构造损伤检测等方法，根据它们各的特点，分别适用于不同的工程实际〔7〕。.2.1外观目测法外观目测法是属于传统的检测方法，其检测结果与检测人员的经历和水平密相关，而且只能检测到外部损伤，构造内部的损伤是无法检测出来的。.2.2基于仪器设备的局部损伤检测基于仪器设备的局部损伤检测方法属于传统的损伤检测方法，至今为止该方法的检测理论和仪器设备已经相对成熟和完善，但由于采用该方法需要预先知道构造发生损伤的大概部位，所需的时间较长，同时在检测期间构造的正常适用受到限制，检测费用也相当高，因此该方法在实际工程应用中不够普遍。局部损伤测法主要包括发射光谱检测法、超声波检测法、磁粒子法、及射线法等等。实际工程检测中经常要几种技术联合使用来评价构造的安康状态。以下介绍种最常用的局部损伤识别方法。(1)声发射法也称应力波法〔8]，该方法的检测原理如图1.2所示，属于一动态的检测技术，应力波法是利用固体在发生损伤后会产生一种弹性波，然后用仪器检测这种弹性波，从而确定损伤的状态。如果在物体外表装上能把声音号转换成电信号的探测器，然后再被放大、处理和记录，就能检测出物体内的细微变化和损伤等，从而掌握物体内部的损坏信息，同时还可以根据同一声射信号到达不同探测器的时间差来推算出声源所在的位置。目前，己经有很多的工程采用应力波进展局部损伤识别。(2)超声波检测法是目前应用最广泛的的无损伤检测方法之一。原理是对被测物体发射超声波，然后成像在仪器上，通过观察超声波在被检物体内发生的传播变化，来判定被检物体内部或外表是否存在缺陷，从而在不破坏被检测物体的情况下，评估其平安性和损伤情况。目前应用最多的是通过反射法来获取物体内部的特性信息，该方法的工作原理是超声波在通过不同声阻抗界面时会发生较强的反射。因为声波在穿过两种介质的分界面处会产生反射现象，而且反射的程度与两种介质之间的差异成正比，因此可以对其中一种介质发射穿透力强且能够**大学博士学位论文直线传播的超声波，然后通过其反射波的顺序和幅值等判别各种介质的大小、分布及它们之间的差异程度等信息。超声波具有诸多无法比较的优点，如:声束指向性好(能量集中):声压和声强大(能量高)，传播距离远;穿透能力强;在不同介质的界面处会产生反射、透射(或折射)和波型转换，以及产生衍射等等。这一技术目前己经开展得非常成熟，并且在许多工程中得到应用。基于静态测量数据的构造损伤检测方法静态检测方法是通过测量材料的强度、弹性模量及构造的尺寸，进展构造分析以确定构造的工作性能和可靠性水平的方法。构造的静态特性参数主要有静态位移和应变等。一旦构造发生损伤，构造的刚度就会发生变化，从而引起构造的位移和应变等发生变化，可以通过对构造的位移和应变等测量，分析构造位移和应变相对于完好时的改变量来完成构造的损伤检测。静态检测的结果直接且较可靠，但由于工程构造一般都是体形比较大，构造构件多且存在隐蔽局部，因此要想对工程构造的所有构件进展静态量测不仅工作量大，且对于工程的隐蔽局部无法进展测量，因此所能够获得的静态量测信息少，因此该方法目前还处于开展阶段【9〕。但由于静态检测方法原理简单，它只需要根据测量数据估算构造的刚度，然后再根据构造刚度的改变就可以获得构造的损伤情况并对损伤进展准确定位，具有较高的精度和稳定性，同时进展静态检测所需要的设备在满足精度要求的前提下相对较廉价，因此，未来该方法未来会在土木工程领域具有很大的开展空间。1991年sanayei等〔‘剑提出了迭代优化算法，通过缩减未知量的位移和静态检测方法实现了构造单元参数的识别;Yam等f“’通过构造板的挠度斜率和曲率的损伤因子进展构造的损伤识别;wang等〔‘ZJ通过对静态测量数据和频率的变化，提出利用损伤指标先对损伤进展定位、然后运用迭代法求解非线性优化问题确定损伤的程度等两步法识别构造的损伤;Banan等〔’3〕【’刁1利用优化算法将构造的损伤识别转化为以位移误差和剩余力误差最小为优化目标，研究了一种迭代算法确定损伤。由于测量信息的有限性及周围环境噪音的干扰，在求解的过程中往往会出现病态方程，同济大学的*飞〔15]〔16j等通过梯度法与Gauss一Newton法以及Monte一Carl。法的综合运用解决了这一问题，实现了桥梁构造的损伤识别及承载力评估;*启伟「‘7〕提出了基于模型修正理论的构造损伤检测方法;蔡晶〔‘81基于静态数据提出了役构造损伤识别的概率分析方法。目前，静态测量数据的构造损伤检测方法主要存在两个方面的问题:第一:相对于动态损伤检测方法而言，静态损伤检测方法提供的有价值的信息量偏少，难以保证损伤识别结果的理想化;第二:对于*个确定的构造而言，由于加载工第1章绪论况有限，因此*些对构造变形影响很小的损伤难以识别。.2.4基于动力特性的构造损伤检测方法(l)基于固有频率变化的构造损伤检测构造的损伤必然造成构造固有频率的变化，因此，利用构造固有频率的变化能够有效地检测损伤的发生。1969年LifshitZ和R。tem￡’9〕提出了通过构造的固有频率变化进展构造的损伤识别;TraCy和Pard。en:20j研究了复合材料简支梁分层处对构造固有频率的影响，得出当分层发生在简支梁跨中三分之一*围内时，梁的1一4阶固有频率的变化不超过200k;cawley和AdamS〔2〞提出了发生单损伤时，任意两阶模态固有频率变化比是损伤位置的函数，而与损伤程度无关的结论;MoraSSi和Rovere「翔利用优化算法对钢框架的损伤进展了定位，指出合理设置约束条件的重要性;stubbsN.和oseguedaf23一洲结合敏感性分析建立了一个构造单元刚度与模态刚度变化之间关系的表达式，把频率的改变表示为模态刚度和模态质量的函数，提出了通过对构造刚度敏感性矩阵的广义逆与频率相对变化的乘积确定损伤位置和损伤程度;Hearn和Testa【25j于1991年提出了当构造发生单一小损伤时，任意两阶模态其固有频率的变化比仅损伤发生的位置的函数，与损伤发生的程度无关;高芳清等〔26:于1998年在对钢析架的研究中，引入了“频率变化平方比〞，从理论上证明了“频率变化平方比〞与构造损伤位置和程度都有关系;C.R.Farrar等〔27〕1990年在对Albuquerque废弃的卜40桥试验提出，当梁发生60%的损伤时对其前两阶固有频率的影响较大。(2)基于振型曲率变化的构造损伤检测对于梁板式构造，主要是承当横向外力及弯矩，如果构造发生损伤则曲率就会发生改变，因此可以根据曲率的变化识别损伤。Pandey〔28]等于1991年将将该方法应用到简支梁，通过降低*个梁单元的弹性模量来模拟损伤，得出在损伤位置附近构造的曲率振型变化较大，而在距离损伤发生位置较远处曲率振型的变化不明显，进而提出用损伤前后振型曲率变化的绝对值最大处来确定损伤的位置，得出曲率变化越大损伤越严重的结论;李功宇和*华文〔29]模拟不同损伤情况对一悬臂梁作了曲率模态分析，得出利用振型曲率变化可以识别构造的损伤。(3)基于振型变化的构造损伤检测利用振型变化识别损伤多采用MAC〔30〕(m。dalassuranceCriteria，模态保证准则)和eo毗e￡3，〕(C。ordinatem。dalaSSuranceCriteria，坐标模态保证准则)。west〔32〕等利用该方法识别构造损伤的位置，提出构造发生损伤与MAc值的大小有关，当M-AC值大时构造发生损伤的可能性很小，当MAC值小时构造发生损伤的可**大学博士学位论文能性很大;Yuen{331用数值的方法通过构造特征参数，即损伤后振型与特征值的比值减去损伤前振型与特征值的比值，对一悬臂梁进展了数值研究，结果说明利用一阶模态的位移特征参数能识别损伤，但是位移特征向量仅在固定端至损伤处的局部区域才有明显变化;T叩Ole〔34〕和N.stubbs利用特征方程和模态的正交性建立单元刚度矩阵损伤因子的线性方程组，通过求解刚度损伤因子来识别构造的损伤，该算法可以利用任意阶模态信息，不要求各阶模态连续;郭国会和易伟建〔35]对一矩形等截面二跨梁进展数值模拟试验，利用梁的一阶振型在梁发生损伤前后的改变率来识别连续梁的损伤状况。(4)基于构造柔度矩阵的构造损伤检测构造损伤会导致构造刚度的降低和柔度的增加，因此也可以利用构造柔度矩阵的变化来检测损伤。由于在测试过程中要获得高阶模态比较困难，因此想得到构造准确的刚度矩阵是比较困难的，而柔度矩阵是刚度矩阵的逆矩阵，各阶振型随着频率的加大对柔度矩阵的影响越来越小，因此可以根据前几阶模态振型准确确实定柔度矩阵。Pendey和BiswaS〔翁一37j利用构造损伤前后柔度矩阵差的变化规律，研究了各种情况的梁的损伤检测，提出了构造柔度矩阵差进展构造损伤判断的方法。(5)基于单元模态应变能变化率的构造损伤检测2000年shi【38一39j等提出了单元模态应变能的概念，得出损伤单元自身损伤前后的模态应变能变化率很大，而与其相邻单元的应变能变化率较小，离损伤单元距离越远单元应变能变化率越小，因此可以利用单元损伤前后的应变能变化率来进展损伤检测，并运用单元模态应变能变化率对一平面析架和框架构造的损伤进行了数值和试验研究;袁明和贺国京〔州提出不需要知道构造的高阶模态及完好模态，仅构造的低阶模态就可以确定构造损伤的方法，这样就防止了必须了解构造未发生损伤时的模态信息才能识别损伤的缺点，但在实际工程中构造频率实测较准，因此在实际中一般需借助其他技术对模型数据和实测数据进展处理来分析损伤。.3小波分析在构造损伤识别中的应用.3.1小波分析概述小波变换〔“〕是近20多年来开展起来的一种新的强大的信号时频分析方法，传统的傅里叶变换是一种单纯在频率域的分析方法，在时间域傅里叶变换没有分辨能力，它所能提供的是信号的整体频域特征，但想了解*一时间段上的频率信第1章绪论息该方法无法提供;而小波变换在时间域和频率域都具有表征信号局部特征的能力，在信号的频率较低局部小波分析具有较高的频率分辨率和较低时间分辨率，而在信号的频率较高局部小波分析具有较高的时间分辨率和较低的频率分辨率，被称为“数学显微镜〞〔42j。基于小波变换的小波分析方法相当于一个镜头可拉伸的照相机，能够把焦点集中到信号的任意点上，通过伸缩和平移的可变视窗完成对信号的处理，由于小波分析具有局局部析和细化的能力，因此利用小波保存信号的瞬时特征的同时，既可以观察信号的整体信息，又可以的到*一时间点的局部细节信息〔侧。因此小波分析在信号处理、语音识别、振动控制、机械故障诊断、大型土木构造安康监测及损伤检测等领域具有非常广阔的应用前景〔44j。小波分析在构造损伤识别中的应用在土木工程领域，除了利用小波分析对信号进展分解、重构外，小波分析的应用主要集中在以下几个方面〔‘5了:(l)利用小波的奇异性对构造进展在线监控〔46]。一般在响应信号中的奇异点及突变点通常表达了构造的损伤信息，它是描述信号的重要特征之一。可以利用小波分析方法对信号进展多尺度分析，对信号进展小波变换后在损伤发生的时刻，该点的细节信号通常出现尖峰或突变，同时该点处的小波系数具有模极大值，因此可以根据此来检测信号的奇异点，这是传统的傅里叶变换的所无法比较的。由于小波具有信号奇异性检测的功能，因此经常被用在构造的模态参数识别方面。利用小波系数的突变识别损伤的位置〔47j。当构造出现损伤时，可以通过对结构的模态振型或模态曲率进展小波变换，进而识别损伤出现的位置。(2)利用小波的多分辨性质对信号进展消噪处理。自然界中所测得各种信号，不可防止的会混有不同程度的环境噪声，为了能有效地提取出有用信号同时剔除噪声信号，可以对所测得的各种响应信号进展不同尺度的小波分解，应用阂值法剔除高频系数，然后对信号进展重构从而到达信号消噪的目的。(3)利用小波系数进展灵敏度分析。由于小波对局部信息具有放大的功能，使得利用小波进展灵敏度分析比直接用响应进展灵敏度分析具有更高的准确度，合理的选择小波分解的尺度，可以使灵敏度的分析精度大大提高〔48]。小波分析在构造损伤识别中的研究现状20世纪90年代以来，利用小波分析检测机械构造中的故障研究较多。SuraCe和Routolo〔‘g，、Wang和MeFadden〔5。〕于1994年利用信号的小波变换识别梁裂缝的存在。近年来，利用小波分析识别构造损伤的研究较多，特别是针对梁出现裂缝的损伤识别研究:K.M.Liew等ts‘〕用离散小波变换对简支梁的裂缝位置进展了识**大学博士学位论文别，指出应用小波分析能够准确识别梁裂缝的位置;在1999年至2002年，Hou〔52一563等人针对BenChmark模型进展了大量的研究，基于BenChmark模型刚度的改变来模拟损伤，利用该模型在动力作用下的响应数据进展小波变换，从小波变换后得到的细节信号的尖峰识别损伤的存在;1996年wu和Du「57j、Yen和Lin〔58:对响应信号进展小波包变换来提取损伤特征参数的研究分析;Han等〔59j人提出了基于小波包能量变化率指标进展损伤识别的流程;闰桂荣〔603于2006年提出了基于小波分析和广义柔度矩阵的构造损伤识别方法;Amaravdi!6‘〕基于振型曲率和小波图提出了确定损伤位置的识别方法;高宝成〔62j等利用对简支梁出现单一损伤时的位置进展了识别;丁幼亮{63j等利用小波包分析对单一裂缝的简支梁实现了损伤实时报警;郭健〔64j以小波分析为工具，提出了多分辨率下的损伤信息提取和多个传感器信息融合的损伤识别方法;任春宜{洲等对移动荷载作用下的简支梁进展了单一损伤位置和程度的识别。Quanwang【66j等用haar小波对裂缝梁在脉冲荷载作用下的加速度响应作小波变换，从小波系数的突变来识别损伤发生的位置;Hong〔6*等人利用信号突变点小波变换模极大值对应于LIPchitz指数值，对简支梁的裂缝程度作出了鉴定。总之，小波变换作为一种先进的信号时频分析方法，在处理构造动力响应数据时显示了强大的实力和优势，可以预见小波分析在构造的损伤识别中具有广阔的开展前景。1.4人工神经网络在构造损伤识别中应用人工神经网络概述人工神经网络(ArtificialNeuralNetwork)理论〔训最初是为模拟人的大脑功能而提出来的，是由大量的、功能比较简单的神经元互相连接而构成的复杂网络系统，人工神经网络具有对人脑*些根本功能的简单模仿能力，它具有高度的并行处理和联想记忆能力，具有良好的自适应性和自组织能力，在系统模型未知的情况下基于实验或实测的数据，经过有限次迭代计算，根据系统的输入和输出来学习它们之间的非线性关系，从而获得一个能比较准确地反映实验或实测数据内在规律的数学模型，其工作方式相当于一个黑匣子，不受模型的限制，网络本身具有自我调节的能力，能够自适应地通过学习来得到重要信息，它具有并行处理、联想记忆、分类储存及容错性、鲁棒性等特点，是人工智能理论的开展和完善，神经网络计算能力在构造的优化设计、构造的损伤识别等方面得到了广泛的应用。进入20世纪90年代，人工神经网络技术作为一门十分活泼的穿插学科，在理论和应用方面进入了高速开展的阶段，目前在构造、生物、电子、计算机、第1章绪论数学、物理等方面应用较广泛〔69]。人工神经网络在构造损伤识别中的研究现状最早用于构造损伤的神经网络是美国Purdu大学的Venkatasubramanian和Chan仁70j于1989年第一次运用BP网络进展了大型构造的损伤检测，此后有许多研究人员开发了不同的神经网络模型对工程构造进展了损伤检测和诊断;wu.*.〔7l]等在1992年利用BP网络对一个三层框架的损伤进展了识别，把构造在损伤前后的频响函数作为特征参数输入网络进展训练，取得了满意的结果;1993年ElkordyM.F.!72一733等对一个5层钢框架利用即神经网络进展了损伤识别研究，进展了有限元分析建模，通过有限元分析的样本对神经网络进展训练，并利用训练后的网络成功进展了损伤识别;Povichc.R.和LimT.w.〔74j对一个20跨的平面析架的频响函数作为特征参数输入即网络进展训练，成功地进展了损伤识别的研究;郭国会和易伟建〔75]等人针对静力作用下钢筋混凝土梁的损伤进展了研究，建立了组合式的神经网络模型，以梁的挠度作为特征参数输入网络进展训练，取得了满意的效果;2002年郭杏林和陈建林万76:对构造的固有频率改变量进展处理分别构造判断损伤位置和损伤程度的神经网络输入向量，大大减少了网络的训练样本数;2001年周仙通f77)等对一两层框架构造和**青马大桥用优化方法和神经网络方法分别进展了识别，得到了比较满意的结果;2003年瞿伟廉和陈伟〔781模拟多高层框架构造节点损伤，提出了基于神经网络技术的两步诊断方法;同年黄东梅、瞿伟廉〔79j以高耸塔架构造结点损伤为例，研究了结点剩余力向量与结点位置的关系，提出通过结点剩余力指标确定构造损伤位置，然后应用改良的混合遗传算法识别构造的损伤程度;2004年王柏生、*承斌、何国波〔80j基于统计学理论，把统计学方法与神经网络结合在一起，提出了统计神经网络模型，利用统计神经网络模型来识别构造的损伤状况，减小了由于噪声的非正态分布识别结果的影响，并通过一个两层框架的数值试验证明统计神经网络识别损伤的效果;2006年罗跃纲、彭永恒、文邦椿〔81〕将神经网络分成假设干个子神经网络，针对每一个子神经网络寻找自己的特征参数，然后输入自己的子网络进展单独训练，当每个子网络都训练完毕后，再针对各个子网络的识别结果进展融合，最后完成对构造损伤的检测，采用该方法在信息多样性的工程实际问题的处理取得了较好的效果。1.5基于小波和神经网络结合的损伤识别2003年李宏男、*鸿敏〔823把小波分析和神经网络结合在一起进展了构造的**大学博士学位论文损伤识别研究。提出“能量一损伤〞原理，把分布在不同频率区间的节点能量作为神经网络的特征参数输入网络并对网络进展训练，利用训练好的网络对构造的损伤进展了很好的识别;2003年鞠彦忠、阎贵平〔s3]等把小波变换作为神经网络的前处理来构造小波神经网络，用构造好的小波神经网络识别构造的损伤，通过数值模拟试验验证了小波神经网络识别损伤的能力;2004年邱颖、任青文〔84〕等将频率归一化作为神经网络的特征参数输入网络，研究了基于小波分析与神经网络的构造损伤位置识别，然后利用小波包技术对构造的振动信号进展分解，把所求得的各频带内的能量作为网络的特征参数输入网络来进展构造损伤程度的评估，取得了较好的效果;2006年阂志华【85]提出了基于小波包节点能量相对差值和小波包节点能量平方比的损伤定位方法，同时将小波包节点能量相对差值的曲率作为BP神经网络的特征参数训练网络，对构造的损伤位置和损伤程度均作出了较准确的识别;同年刁延松〔86j把小波包节点能量作为神经网络的特征向量输入网络并对网络进展训练，对构造的损伤程度进展了很好的判断，然后利用小波包节点能量的变化量作为神经网络的特征向量输入网络，对构造的损伤位置进展了准确的定位，得到了较好的效果;*悦华〔87j等利用小波分析对悬臂梁单一损伤的振动信号进展处理，对构造的损伤位置进展了较准确的识别.1.6本文的主要研究内容及创新点论文的主要研究内容当构造发生损伤后，对损伤的识别和诊断主要包括三方面的内容:第一，确定损伤的发生;第二，确定损伤发生的位置;第三，诊断损伤的程度。本文是基于美国土木工程师协会构造安康监测任务组(ASCE)建立的Benchmark模型开展研究工作。多年来由于世界各国的学者对构造的安康监测和损伤诊断问题进展了大量的分析和研究，提出了不同的理论和应用技术，但都是基于不同的构造使用不同的方法实现的，因此就难以评论各种方法的优劣，基于此ASCE构造安康监测任务组提出的一个供大家分析用的Benchmark模型，也为构造损伤检测方法和技术的优劣提供了一个评价的平台。本论文也是针对Benchmark模型发生不同程度的损伤做出在线监测和诊断，提出基于小波分析和神经网络相结合的构造损伤识别两步法来确定损伤发生的位置和程度，具体实施是通过对所测得的加速度响应进展小波分解得到近似信号和细节信号，通过对细节信号中是否出现突起尖峰及尖峰的高度来识别构造损伤发生的时刻和位置，然后利用三层BP神经网络进行损伤程度识别。具体研究内容如下:第1章绪论1对本文的研究意义、国内外的研究现状及目前常用的损伤识别的方法进展了阐述，介绍了本文的研究内容和具体安排。2介绍小波分析的根底理论，连续小波变化、离散小波变换、多分辨分析原理及Mallat算法，对常用的小波函数特点作了简单介绍。3对论文采用的Benchmark模型简要介绍，考虑到在求解环境鼓励下构造的动力响应时，由于构造的损伤会导致固有频率的减小，而振型对局部刚度的变化又比较敏感，因此论文在求解非线性构造动力响应时引入了高阶单步一p算法，该方法具有计算精度高、无条件稳定及无超越现象等优点，论文对该算法做了简要介绍。4介绍了利用小波对信号进展降噪的根本原理及常用方法，针对本文的实际情况在确定小波降噪方案时，从小波函数的选取、分解的尺度及降噪方法等不同方面进展了详细的比照分析，以信噪比和均方根误差两个指标来评价降噪的效果，最终确定论文的降噪方案为:采用bior6.8小波2尺度Stein无偏似然估计闽值法进展降噪预处理，得出比较满意的效果。5利用小波进展损伤在线监控及损伤位置确实定时，小波函数的选取非常重要，甚至直接影响损伤识别的结果，因此论文在小波函数的选取方面做了详细的比照分析，对常用的七种小波函数对损伤识别的效果作了逐一比较，具体是通过一层离散分解得到细节信号的尖峰高度来评价小波函数识别损伤的能力上下，最终确定论文采用DoubechieS小波进展损伤时域监测和损伤位置确实定。6从不同的构造工况及损伤工况出发，对相关结点加速度响应进展一层离散小波变换，通过观察细节信号的尖锋高度来判断损伤发生的位置，得出利用小波分析的方法可以对构造做到在线安康监控并能确定损伤所发生的位置。7为了考察小波分析对损伤识别能力的影响因素，论文从噪声标准、荷载强度及损伤程度等不同侧面进展了全面分析和比较，得出了荷载强度及损伤程度的增加会提高小波的识别能力，相反随着噪声标准的提高有用信号将会被噪声所淹没，因此会降低小波的识别能力甚至无法识别。8利用BP神经网络对构造的损伤程度做出判断，由于构造损伤后固有频率都会有降低，但单独从固有频率的变化看没有太大的差异，因此论文采用与损伤程度相关的指标固有频率平方变化比作为特征参数输入网络，从构造*个支撑发生不同程度损伤为例建立一个三层BP神经网络，利用训练好的网络对损伤做出判断，得出结果误差比较小，证明了利用神经网络方法识别构造的损伤程度是可行的。**大学博士学位论文论文的主要创新点论文研究的主要创新如下:1提出了基于加速度响应小波变换细节信号的尖峰高度确定损伤位置的方法。通过相关结点加速度响应进展一层离散小波变换，对所得到的细节信号尖峰高度的变化规律进展分析，考虑了小波函数选取、荷载强度、噪声标准及损伤程度等因素对小波识别损伤能力的影响，提出了适用于工程应用的加速度响应小波变换细节信号的尖峰高度确定损伤位置的方法。2基于小波分析和神经网络的研究提出了构造损伤识别两步法。将传统的单一损伤识别方法开展为损伤识别两步法。利用小波分析对损伤位置进展定位，再通过神经网络对损伤程度做出判断，提出了适用于环境鼓励的基于小波分析和神经网络的大型构造损伤识别两步法。3基于小波多分辨率分析的研究提出环境鼓励下信号降噪流程。阐述了小波闽值法降噪原理，考虑了小波函数的选取、分解的尺度及闽值选取对信号降噪的影响，以信噪比和均方根误差两个指标作为评价降噪效果的优劣，提出了适用于环境鼓励的构造动力响应降噪流程。论文研究思路论文在研究过程中，参考了大量的国内外关于钻井平台构造损伤识别的资料和成果，.研究了小波分析理论和人工智能神经网络，模拟环境鼓励针对BenChmark模型发生不同程度的损伤，设计合理的信号降噪方案，利用小波分析对构造的损伤位置进展定位，同时从噪声标准、荷载强度及损伤程度等不同侧面分析了其对小波识别能力的影响，最后引入神经网络来对构造的损伤程度作出识别，以与损伤程度相关的指标固有频率平方变化比作为特征参数输入网络，从构造的单个支撑发生不同程度损伤建立一个三层BP神经网络，并利用训练好的网络对损伤做出判断，得出结果比较满意，证明了利用小波和神经网络两步法识别构造的损伤是可行的。第2章小波变换的理论根底第2章小波变换的理论根底2.，从傅里叶变换到小波分析当前，信号处理己经成为科学技术开展水平的重要标志。对信号进展分析的目的主要是从信号数据中找出其所携带的重要信息，对信号作小波变换其实质就是把信号换一种表示方法，使得那些复杂的、携带重要信息且在原始信号中不易被发现的特征能够清晰地显现出来，便于人们掌握和分析。依据信号的变化可以把信号分为两类:即稳定变化的信号和非稳定变化的信号。对于稳定变化的信号，工程上经常使用傅里叶变换(Fourie:)进展处理[88一90]。傅立叶变换经历了一个半世纪的开展，傅里叶变换己经开展成熟，并且得到了广泛的应用，尤其在信号分析及频谱信息研究领域起到了重要的作用。通常情况下对信号的描述是以时间为自变量的，即在时域*围内进展描述，如果想得到信号在频域的信息就必须经过变换，即傅里叶变换。傅里叶变换就是将一个信号的时域表示形式映射到频域的一种表示形式;逆傅里叶变换则正好相反，这些都是信号的不同表示形式191一92]。自1822年傅立叶发表“热传导解析理论〞后，傅立叶变换一直就是信号处理领域中应用最广泛、效果最好的一种处理方法。设信号f(t)是定义在R上的函数，则f(t)的Fourier变换和它的逆变换为:厂(CO，=岩厂f(少一喻(2.1)f(才)F(。)e*p(一‘。户。(2.2)式中，F(。)是信号f(t)的傅立叶变换。逆变换还可以用三角函数代替指数函数来表示:，(t)·共f飞:(。*cos。，+sin。，万。乙汀一囚(2.3)Fourier变换是表现方法的转变，实质就是从时域描述信号转到频域内进展描述。从物理意义上及公式2.1也可以得出，Fourier变换的实质是把周期变化的函数f(t)分解成多个不同频率的正弦波和余弦波的叠加;因此一个信号的傅立叶变换实际上就是描述了正弦信号和余弦信号在构成其原来信号中的奉献系数。**大学博士学位论文傅立叶变换所用的sin和cos在时间轴上是从一co到十oo的，他被认为在时间域上是无限支撑的，而在频率域上几乎是零支撑的。从Fourie:变换的结果可以看出，在时域中连续变化的信号转化为频域后就变成不连续了，因此说Fourie:变换在频域内是局部化的。由于傅里叶变换分解的系数都是常数，因此说傅里叶变换适合平稳变化的信号，因为平稳变化的信号在整个时间域很少有突变，傅立叶变换是足够用的，在实际的信号处理过程中，尤其对非平稳信号的处理中，由于傅里叶变化不能产生随时间变化的窗函数，在处理的过程中会产生很大的误差，因此应用的意义不大。由于Fourie:变换是在整个时间域的积分，求傅里叶系数也是时间域上的加权平均，在加权平均的过程中突变信息也丢掉了，同时也丧失了局局部析信号的功能，即在把信号从时间域转换到频率域的过程中，把信号中与时间相关的信息丧失了，即对于Fourier谱中的对应*一频率产生的时间无从知道，但在工程实际中通常频率发生变化的时刻对于研究分析来讲是非常重要的，单纯从时间域或单纯从频率域进展分析都缺乏以说明问题，因此要想解决傅里叶变换过程中时域和频域的局部化矛盾的问题，就需要产生一个能反映时间域的特征同时又能反映频率的特性的基函数，利用该基函数对信号进展小波变换。短时Fo二ie:变换传统Fourie;变换只在频率域内具有局局部析的能力，但对于非平稳信号而言，频率发生改变的时刻对研究人员来说是非常重要的，解决这一问题应用传统的傅里叶变换是无能为力的。因此为了克制Fourier变换在时间域内无任何分辨率能力的缺点，DermsiGabor于1946年的论文中，为了得到傅里叶变换的局部信息引入了一个可以给出信号谱的时变信息的窗函数，该窗函数是一个时间局部化的Gaussian函数，从此诞生了短时傅里叶变换(Short一TimeFourierTransform，简称STFT)，也称作窗口Fourier变换(WindowFourierTransform)。短时傅立叶变换的根本思想是:选择一个时频局部化的窗函数g(t)，假定分析窗函数g(t)在很短的时间间隔内是平稳的，这样就可以对窗口内的信号进展傅里叶变换，然后移动该窗函数，进入下一个时间段内再对窗口内的信号进展傅里叶变换，这样就可以逐步得到整个信号的时频特性，得出不同时刻的功率谱。短时傅里叶变换使用的是一个固定的窗函数，一旦窗函数被确定下来，其形状就不再发生变化，该短时傅里叶变换的分辨率也就随之确定了。如果要改变分辨率，必须重新选择窗函数。对平稳信号或近似平稳信号而言，利用短时傅里叶变换来分析比较适合，但利用短时傅立叶变换来分析非平稳信号，尤其是当信号变化较第2章小波变换的理论根底大时就不是很适合了。因为在波形平稳的时刻主要以低频信号为主，这时就要求窗函数具有较高的频率分辨率;而在波形变化剧烈的时刻，主要是以高频信号为主，则要求窗函数具有较高的时间分辨率。由于短时傅里叶变换不能同时兼顾频率与时间分辨率的需求。短时傅里叶变换窗函数受到W.Heisenberg测不准原则的限制，时频窗的面积不应小于2。这也就从另一个侧面说明了短时傅里叶变换窗函数的时间与频率分辨率不能同时到达最优。短时傅立叶变换首先先把信号划分成假设干小的时间间隔，在每一个小的时间内利用Fourier变换进展分析，以便获得该时间间隔内信号的频率。其表达式为s(。，:)·工了(;)、’(‘一:)。一“dt(2·4)其中“*〞表示复共扼，f(t)是待分析的信号，g(t)是具有紧支集的函数。在上述变换中，在Fourie:变换的基函数e一姗前乘以一个在时间上有限的时限函数g(t)即窗函数，然后再用g(t)e一淑作为分析工具，这样e一姗就起到频限的作用，g(t)起到时限的作用，合在一起g(t)e一枷起到时频分析的作用。随着时间t的变化，由g(O所确定的“时间窗〞在时间轴上移动，使厂(t)逐渐地进展分析。所以g(t)也被称之为窗口函数，典型的窗函数是Gabor在1944年引进的窗函数:上式中娜，分别称为窗口的频宽和时宽，把区域卜一占，:+司、脑一:，。+司称为窗口，即时域分析中的分辨率，它随窗口宽的减小而增大。S(田，约表示在:时刻，信号中频率为田的信号含量。工程实际中为了得到好的信号处理结果，希望娜占都非常小，根据海森堡测不准原理(Heisenbger’5UneertaintyPrinciple)，礴叮是互相矛盾和制约的，两者不可能同时到达最小。由以上分析可得，短时傅立叶变换的窗口宽度是固定不变的，T、田只能改变窗口的位置，但不能改变窗口的形状。假设要改变分辨率，则必须重新选择窗函数。也就是说在较长的时间窗内，对于高频信号可能经过了很多个周期，因此求出的傅立叶变换系数是多个周期的平均值，局部化性能不能得到表达，假设减小时间窗，虽然高频局部化的性能得到了表达，但对于频率很低的信号是很难检测出来的。因此说短时傅里叶变换实质是一种单一分辨率的分析方法，适用于平稳信号的分析，假设用于非平稳信号的分析，尤其在信号的高频和低频变化较大的位置，短时傅里叶变换无法同时兼顾，因为高频处要求占要小，而低频处要求￡要小，即在高频和低频的时间局部化不能同时满足。小波分析的出现弥补了短时傅里叶变换的缺乏。从傅里叶变换到小波分析傅立叶变换和短时傅立叶变换这两种方法适用于平稳信号或短时间内比较平稳的信号的处理，但在许多工程实际的试验和现场测量中，特别是在具有高度非平稳性信号鼓励的土木工程研究领域，普遍存在着非稳定信号，即信号的幅值特性和频率特性随时间不断改变，而傅立叶变换和短时傅立叶变换信号处理技术无法解决非平稳信号的处理，即在不改变窗函数的情况下无法改变分辨率。在工程构造应用中，高频和低频变化比较剧烈的信号通常都携带重要信息的，是人们所感兴趣的，通常要用频率和时间两个指标来描述该信号，既要从总体上掌握该信号全局特征，又能从局部深入分析该信号的不平稳性，以保证提取出更多的特征信息。例如，在构造损伤检测的过程中，要想知道实测的构造动力第2章小波变换的理论根底响应随时间的变化规律就需要有较高的频域分辨率，而要知道构造的动力响应在不同时间段的变化规律就要求有较高的时域分辨率。由前面论述，对于非平稳信号而言，Fourie;变换在时间域无任何分辨能力，但在频率域上能够把信号分解到每个频率细节上，但在时间域上却没有任何分辨能力。而短时傅立叶变换虽然较傅立叶变化更加先进，但也无法做到这一点，这是因为短时傅立叶变换的窗函数大小和形状是固定不变的，适用于单一频率组成信号的处理，对不同频率成分组成的信号则无能为力。由于傅立叶变换和短时傅立叶变换存在如在如下缺点:(1)傅立叶级数的正弦或余弦系数在整个过程中是常数，不随时间而变化，因此无法提供振幅变化的信息;(2)求傅立叶系数无法反响局部的信息特征;(3)短时傅立叶变换时间窗是固定不变的，要想提高分辨率就必须重新选择窗函数，因此在处理高频局部和低频局部的信号时不能同时满足局部化要求。因此对于非平稳信号的研究，需要有优越于傅立叶变换及短时傅立叶变换的新的技术，在不断的探索和改良过程中导致了小波分析的出现。小波分析〔90一93〕(WaveletAnalysis)是数学领域中新开展起来的工具，是处理非平稳信号的较好的方法。所谓的“小波〞就是小的波形，它的思想起源于伸缩和平移，小波分析与传统的傅里叶变换和窗口傅里叶变换相比，它的时间窗和频率窗都是可以改变的，小波分析可以实现信号在时间轴上的压缩和伸展，同时还可以实现波形在时间轴的平行移动，它实现了真正意义上的时间和频率的局部转换。由于小波分析的时间频率窗是可以改变的，因此在信号信号变化的比较缓慢的低频局部应用小波分析时，时间频率窗变宽就可以得到较高的频率分辨率，在信号变化比较迅速的高频局部应用小波分析，时间频率窗变窄具有较高的时间分辨率，因此利用小波分析可以从信号中提取有用的信息。小波分析娜厄veletAnalysis)被认为是傅里叶分析(FourierAnalysis)开展的高级阶段、它开创了调和分析开展史上的新的里程碑，是傅立叶分析思想的开展与延拓。在刻画函数的局部特性时具有无可比较的优越性，具体来说小波分析具有如下特性〔，‘〕:(1)基函数的灵活性。小波分析所选用的基函数不是唯一的，只要满足所谓的“容许条件〞就可以，由于构造小波的方法有多种，因此就形成了多种小波函数。例如Haar小波、DaubeChieS小波、样条小波、双正交小波、ReverseBior小波等等。由于不同小波具有不同的特性，因此可分别用来逼近不同特征的信号，以到达最正确效果。而常用的傅立叶变换只能用三角函数去逼近信号，没有可供选**大学博士学位论文择的余地。(2)算法的快速性。由于小波具有多分辨率分析的特性，因此大大提高了小波分析的效率，人们可以从尺度函数及两尺度之间的关系推导出小波系数，甚至在不知道小波函数的解析表达式的根底上也可以得到分析结果。在这里可以把尺度函数当作一个低通滤波器，把小波函数看作一个带通滤波器。将信号用低通滤波器和带通滤波器进展分解，比单纯用频率点分解要方便、快捷得多。频带分析在外表上看比频率分析要粗糙，然而多数情况下信号分析的真正目的是要提取信号的特征，不需要知道具体每个点的信息。同时小波分析也并不排除对细节进展分析的可能性。在需要对细节进展分析时，可将频带继续细分下去，起到显微镜的作用。这一点是傅立叶变换无法比较的。(3)分析的双域性。小波分析属于时频域分析方法之一，能够完成时频两域的分解。和短时傅立叶变换相比，它具有优越的时域窗，在汉森堡不确定原理的约束下，频率较低时，它具有较宽的时间窗，而在频率较高时，它具有较窄的时间窗，因而更适合用作信号分析。(4)应用的广泛性。小波分析既可用于分析平稳信号和非平稳信号;也可以用于分析周期信号及非周期信号，应用*围比较广。首先利用小波变换可以把信号聚焦到任意细节进展时域和频域处理，既适用于非平稳信号特征波形的提取，也适用于检测正常信号中夹带的瞬态反常的信息，故被称为信号分析的显微镜;其次由于小波分析是一种窗口大小不变，但形状可变的时频局部化分析方法，同时用小波基可以分解任意函数，又具有“变焦〞的性能，因此又被称为“数学显微镜〞。2.2小波变换连续小波变换设班(t)。厂(R)，厂(R)表示平方可积实数空间，设班(t)的Fourier变换为试动。当沂(。)满足完全重构或恒等分辨条件:q=皿亘止J。、二。价(‘)“0(2.6)上式中称班(t)为母小波(MotherWavelet)。公式2.6说明梦(r)具有一定的震荡性，对母小波班(t