談基于結(jié)構(gòu)動力響應的結(jié)構(gòu)損傷檢測★

吳海 鄧宇 盧鵬

(廣西大學土木建筑工程學院，廣西南寧 530004)

隨著科學技術(shù)的成熟與發(fā)展，土木工程結(jié)構(gòu)為各領(lǐng)域所廣泛需求。當代的土木工程結(jié)構(gòu)在多功能性的運用要求與多元化的文化理念影響下，多數(shù)土木工程結(jié)構(gòu)具有結(jié)構(gòu)規(guī)模龐大、結(jié)構(gòu)選型復雜、多元使用需求等特性。土木工程結(jié)構(gòu)通常具有較長的服役期，在長時間的服役期間，多樣性的建筑結(jié)構(gòu)由于自身材料的老化、溫度效應與外部環(huán)境侵蝕、人為使用以及自然災害等諸多影響，內(nèi)外部損傷的形成是無法避免的。內(nèi)外部損傷的逐步累積，導致結(jié)構(gòu)存在著危險漏洞，進而引發(fā)突發(fā)性的重大安全事故，直接威脅到國家經(jīng)濟正常運作與人身財產(chǎn)安全。因此，土木工程的損傷檢測變得越發(fā)重要，對損傷檢測技術(shù)更深入的研究與運用成為對建筑結(jié)構(gòu)健康維護的主流趨勢。結(jié)構(gòu)的損傷可定義為由于結(jié)構(gòu)內(nèi)外部材料、環(huán)境等原因所導致的結(jié)構(gòu)在服役期間的承載力下降，而損傷檢測技術(shù)則是運用一定的技術(shù)手段，對結(jié)構(gòu)損傷位置、損傷程度進行檢測。

1 基于固有頻率的結(jié)構(gòu)損傷檢測

結(jié)構(gòu)固有頻率容易測量且與測量位置無關(guān)，頻率測量對周圍噪聲的敏感度也較低，相對振型和阻尼的測量誤差小，故基于頻率的損傷檢測起步較早，應用也較為廣泛［1］。

眾所周知，當結(jié)構(gòu)發(fā)生損傷時，結(jié)構(gòu)的固有頻率也隨之變化，損傷后結(jié)構(gòu)固有頻率暗含損傷信息，將損傷前后的頻率進行對比，從而識別結(jié)構(gòu)損傷，識別方法將直接影響損傷檢測結(jié)果的精度或正確性。一般通過有限元建立未損傷結(jié)構(gòu)模型，通過對已建成后的實際結(jié)構(gòu)來修正有限元模型，使其能真實反映實際結(jié)構(gòu);結(jié)構(gòu)發(fā)生損傷后，根據(jù)實測頻率來修改有限元模型，將未損傷有限元模型和修改后的有限元模型進行比較，從而檢測出結(jié)構(gòu)的損傷位置和程度。但是對于大型或復雜結(jié)構(gòu)，進行實際測量存在困難，測點有限，且測量數(shù)據(jù)受噪聲干擾嚴重及測量數(shù)據(jù)嚴重不足，這就使得建立的未損傷有限元模型與實際損傷前結(jié)構(gòu)存在差別，將直接影響損傷檢測的精確性。另外，結(jié)構(gòu)不同部位的損傷可能導致相似的頻率變化，對稱位置的損傷產(chǎn)生相同頻率的變化，這都將增加結(jié)構(gòu)損傷檢測難度。這些不足之處限制了該方法在結(jié)構(gòu)損傷檢測中的應用。

2 基于模態(tài)振型和模態(tài)曲率的結(jié)構(gòu)損傷檢測

結(jié)構(gòu)振型參數(shù)相比于結(jié)構(gòu)固有頻率對損傷更為敏感，也克服了結(jié)構(gòu)不同部位的損傷引起相似頻率變化的缺點?？梢詫⑼ㄟ^有限元計算得到的未損傷結(jié)構(gòu)振型與實測損傷結(jié)構(gòu)振型進行比較，識別結(jié)構(gòu)損傷。但是，直接將損傷前后的振型比較來診斷損傷存在困難，一是未損傷有限元模型與實際結(jié)構(gòu)存在差別，二是實測到的振型存在噪聲，這些都影響損傷檢測的精確性。

模態(tài)曲率比模態(tài)振型對損傷的敏感度更高，Pandey A K［2］(1991)等首先將模態(tài)曲率引入到損傷檢測中來，通過結(jié)構(gòu)損傷前后的振型曲率變化絕對值來判斷損傷位置，曲率變化最大處為損傷的位置。在對實際結(jié)構(gòu)進行檢測時，噪聲對模態(tài)曲率的影響不容忽視，在損傷程度輕微的情況下，很難利用模態(tài)曲率進行損傷檢測。

除上述提到經(jīng)常用到的動態(tài)參數(shù)外，還有模態(tài)應變能，頻響函數(shù)指紋，傳遞函數(shù)曲率指紋［3］等。

3 利用動態(tài)響應作為神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)的結(jié)構(gòu)損傷檢測

基于振動的結(jié)構(gòu)損傷檢測方法，是根據(jù)實測的結(jié)構(gòu)動力響應反演結(jié)構(gòu)的動態(tài)特性，從而識別結(jié)構(gòu)損傷，屬于反問題，而反問題通常是不適定的，即結(jié)構(gòu)動力特性測試的微小變化或誤差可能導致參數(shù)識別結(jié)果發(fā)生很大的變化;實測數(shù)據(jù)由于噪聲等諸多因素影響而不足或存在誤差;同時建立的有限元模型與實際模型存在差別，模型存在高度非線性等困難，使得現(xiàn)有的無損檢測方法很難應用于實際［4］。

神經(jīng)網(wǎng)絡(luò)具有自適應、聯(lián)想記憶、自學習、容錯性、非線性等功能，近年來被廣泛應用于土木工程各領(lǐng)域。BP網(wǎng)絡(luò)具有結(jié)構(gòu)簡單，學習算法容易實現(xiàn)等優(yōu)點，在結(jié)構(gòu)損傷檢測中起到了重要的作用［4］。利用結(jié)構(gòu)固有頻率和神經(jīng)網(wǎng)絡(luò)進行結(jié)構(gòu)損傷檢測，克服了利用實測頻率通過修改有限元模型進行識別損傷的困難。將有限元模型損傷前后的頻率變化作為BP網(wǎng)絡(luò)的輸入［5］，輸出為損傷位置，對神經(jīng)網(wǎng)絡(luò)進行訓練，然后將未損傷有限元模型頻率與結(jié)構(gòu)實測頻率的變化作為已訓練神經(jīng)網(wǎng)絡(luò)的輸入，輸出即為實際結(jié)構(gòu)的損傷情況。該方法簡單易行，但是也存在不足之處，不同位置的損傷可能引起相同的頻率變化，對于這種結(jié)構(gòu)損傷檢測結(jié)構(gòu)往往是不可靠的。將模態(tài)振型或結(jié)構(gòu)損傷前后的振型變化作為神經(jīng)網(wǎng)絡(luò)的輸入來識別結(jié)構(gòu)損傷，輸出為損傷位置或損傷程度，可以得到較好的結(jié)果［6］。除利用結(jié)構(gòu)固有頻率和模態(tài)振型作為BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)外，還可以利用其他動態(tài)響應作為BP網(wǎng)絡(luò)的輸入，借助模態(tài)應變能、結(jié)構(gòu)損傷前后的柔度矩陣變化量、應變頻響函數(shù)指標，位移頻響函數(shù)指標等作為BP網(wǎng)絡(luò)的輸入?yún)?shù)，輸出為損傷位置或損傷程度。BP網(wǎng)絡(luò)存在局部極小及收斂速度慢等缺點，影響損傷識別結(jié)果［4］，為克服這些缺點，發(fā)展了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)［7］、模糊神經(jīng)網(wǎng)絡(luò)等，進一步擴大了人工神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)上檢測中的應用。

4 基于小波變換和神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷檢測

小波變換具有表征信號時域和頻域局部特性的能力，因此在信號檢測、特征提取、奇異性檢測、信號除噪等方面得到了廣泛的應用。通過對結(jié)構(gòu)檢測到動態(tài)信號進行小波分析，找出暗含損傷位置和損傷程度的因子，進而識別結(jié)構(gòu)損傷。邱穎等［8］根據(jù)小波奇異性檢測原理，采用墨西哥草帽小波對結(jié)構(gòu)損傷前后的模態(tài)振型差進行小波分析，指標模極大出現(xiàn)的位置即為損傷位置，并指出了隨著裂縫深度的增加Lipschitz指數(shù)越來越小。嚴平等［9］利用模態(tài)應變能小波變換系數(shù)的殘差作為損傷識別指標，對結(jié)構(gòu)進行損傷識別，通過對簡支梁的數(shù)值模擬和斜拉橋模型的試驗研究表明，該方法能有效確定結(jié)構(gòu)同時發(fā)生多處不同程度損傷的位置和估計損傷程度。周成杰等［10］基于小波變換，采用“變異放大系數(shù)”曲線的峰值進行損傷位置的識別，通過曲線峰值大小識別結(jié)構(gòu)損傷。

將神經(jīng)網(wǎng)絡(luò)和小波變換聯(lián)合起來，為結(jié)構(gòu)損傷檢測開辟了一條新的途徑。利用小波變換對檢測到的動力響應進行分析，提取暗含損傷信息的特征因子，并對特征因子進行歸一化處理作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，輸出為損傷位置或損傷程度，從而對結(jié)構(gòu)進行損傷識別。文獻［11］利用小波變換對結(jié)構(gòu)的模態(tài)振型進行離散分析，小波變化模極大出現(xiàn)的位置即為損傷位置，將小波變換模極大作為神經(jīng)網(wǎng)絡(luò)的輸入，輸出為損傷程度，通過對簡支梁的數(shù)值分析結(jié)果發(fā)現(xiàn)，該方法取得了較好的檢測結(jié)果。

遺傳算法為小波變換和神經(jīng)網(wǎng)絡(luò)在損傷檢測中的應用注入了新的活力，通常利用遺傳算法來搜索最優(yōu)神經(jīng)網(wǎng)絡(luò)參數(shù)，來提高損傷檢測的精度。

5 結(jié)語

基于結(jié)構(gòu)動力響應的結(jié)構(gòu)損傷檢測方法近年來在國內(nèi)外得到了廣泛的應用，為更加準確的識別結(jié)構(gòu)損傷，在土木工程領(lǐng)域引入了小波變換、神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊理論等。但是隨著已有結(jié)構(gòu)老化的加深、新建結(jié)構(gòu)復雜性的增加，目前這些方法大都局限于數(shù)值模擬分析和簡單結(jié)構(gòu)的試驗研究，很難利用這些方法對實際結(jié)構(gòu)進行損傷檢測。為了拓寬這些方法的適用范圍及實用性，還有幾點需做進一步研究。

1)對實際結(jié)構(gòu)進行動力測試和數(shù)據(jù)采集時，應最大限度的濾除噪聲干擾，因為過大的噪聲將會使采集到的信號失真，引起誤判或錯判。2)尋找有效的方法從采集到的動態(tài)響應或數(shù)據(jù)中提取對損傷敏感的特征因子尤為重要，應提取出對損傷敏感而對噪聲不敏感的特征因子，從而提高損傷檢測的準確性。3)建立特征因子與損傷信息(損傷位置和損傷程度)之間的關(guān)系，雖然可以借助人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊數(shù)學理論等等，但是對實際結(jié)構(gòu)進行損傷檢測還存在許多困難。

［1］Morassi A，Rovere N.Localizing a notch in a steel frame from frequency measurements［J］.Journal of Structural Engineering，ASCE，1997，123(5)：422-432.

［2］Pandey A K，Biswas M，Samman M M.Damage detection from changes in curvature mode shape［J］.Journal of Sound and Vibration，1991，145(2)：321-332.

［3］朱宏平，余 璟，張俊兵.結(jié)構(gòu)損傷檢測與健康檢測研究現(xiàn)狀與展望［J］.工程力學，2011，28(2)：1-11.

［4］邱 穎.自適應神經(jīng)智能方法及其在結(jié)構(gòu)損傷診斷中的應用［D］.南京：河海大學，2005.

［5］Kaminski P C.The approximation location of damage through the analysis of natural frequencies with artificial networks［J］.Journal of Process Mechanical Engineering，1995，209(E2)：117-124.

［6］陳長征，羅躍綱，白秉三，等.結(jié)構(gòu)損傷檢測與智能診斷［M］.北京：科學出版社，2001：224-226.

［7］姜紹飛，倪一清，高贊明.基于概率神經(jīng)網(wǎng)絡(luò)的青馬懸索橋損傷定位的仿真研究［J］.工程力學，2002(S1)：965-969.

［8］邱 穎，任青文，朱建華.基于小波奇異性的梁結(jié)構(gòu)損傷診斷［J］.工程力學，2005，22(S1)：146-151.

［9］嚴 平，李胡生，葛繼平，等.基于模態(tài)應變能和小波變換的結(jié)構(gòu)損傷識別研究［J］.振動與沖擊，2012，31(1)：121-126.

［10］周成杰，陳清軍，張 帥.基于小波變換的鋼結(jié)構(gòu)連廊損傷識別［J］.力學季刊，2013，34(2)：302-309.

［11］Qiu Ying，Cao Maosen.A Novel Wavelet Condition Index on damage diagnosis on beams［A］.Ninth International Conference on Engineering Structural Integrity Assessment，2007，Beijing，PRC.(ISTP).