結(jié)構(gòu)損傷識別研究進(jìn)展綜述

楊漢青

摘 要：房屋或橋梁等大型建筑物在服役期間或災(zāi)后會產(chǎn)生損傷，日積月累則會產(chǎn)生安全隱患，危害人們的生命和財產(chǎn)安全，因此對結(jié)構(gòu)的損傷情況進(jìn)行識別具有非常重要的工程價值和實際意義。目前，國內(nèi)外在結(jié)構(gòu)損傷識別領(lǐng)域已經(jīng)獲得了很多優(yōu)秀的研究成果。本文主要從基于靜力參數(shù)的損傷識別方法、基于動力指紋的損傷識別方法以及基于智能算法的損傷識別方法3個方面對結(jié)構(gòu)損傷識別方法進(jìn)行綜述。

關(guān)鍵詞：靜力參數(shù);動力指紋;損傷識別;智能算法

中圖分類號：TU317;TU399 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-5168（2021）25-0107-03

Review on Research Progress of Structural Damage Identification

YANG Hanqing

（North China University of Water Resources and Electric Power， Zhengzhou Henan 450045）

Abstract： Large buildings such as bridges will be damaged during service or after disasters. Over time， they will produce potential safety hazards and endanger people's life and property safety. Therefore， the identification of structural damage has very important engineering value and practical significance. At present， many excellent research results have been made in the field of structural damage identification at home and abroad. This paper mainly summarized the structural damage identification methods from three aspects： the damage identification method based on static parameters， the damage identification method based on dynamic fingerprint and the damage identification method based on intelligent algorithm

Keywords： static parameters;dynamic fingerprints; damage identification;intelligent algorithm

房屋或橋梁等大型建筑物在服役期間或災(zāi)后會產(chǎn)生損傷。結(jié)構(gòu)若發(fā)生損傷，則會大大增加建筑物發(fā)生事故的概率。當(dāng)損傷程度過大時，結(jié)構(gòu)表面會產(chǎn)生裂縫，此時僅通過觀察就可以判斷結(jié)構(gòu)的損傷位置及大概的損傷程度，從而可以及時對結(jié)構(gòu)采取加固等措施以解決出現(xiàn)的安全隱患;當(dāng)損傷程度較小或發(fā)生在內(nèi)部時，無法通過觀察法對結(jié)構(gòu)的損傷情況進(jìn)行判斷，此時需要結(jié)合其他方法對結(jié)構(gòu)損傷情況進(jìn)行判斷。目前，國內(nèi)外較為成熟的損傷識別技術(shù)主要是以結(jié)構(gòu)靜力參數(shù)、動力參數(shù)以及各種參數(shù)組合作為判別損傷的指標(biāo)。本文主要對常用的損傷識別方法進(jìn)行一定的歸納和總結(jié)。

1 基于靜力參數(shù)的損傷識別方法

結(jié)構(gòu)的靜力參數(shù)變化指的是結(jié)構(gòu)在靜力作用下產(chǎn)生的位移、撓度、轉(zhuǎn)角、應(yīng)力以及應(yīng)變等變化。該變化與作用在結(jié)構(gòu)上的恒載直接相關(guān)，若結(jié)構(gòu)本身發(fā)生變化，則在相同荷載下的靜力參數(shù)也會隨之變化。根據(jù)靜力參數(shù)的變化可以分析出結(jié)構(gòu)的變化情況，這種由結(jié)構(gòu)的靜力參數(shù)對結(jié)構(gòu)的損傷情況進(jìn)行反分析的方法稱為基于靜力參數(shù)的損傷識別方法。

目前，已有大量學(xué)者對基于靜力參數(shù)的結(jié)構(gòu)損傷識別方法進(jìn)行了研究，取得了優(yōu)秀的研究成果，在理論計算和測試精度上均已達(dá)到一定高度[1]。SANAYEI等通過對有限元模型施加不同的荷載，分別得到了結(jié)構(gòu)的位移、應(yīng)變與剛度之間的映射關(guān)系，并以上述靜力參數(shù)對結(jié)構(gòu)的損傷情況進(jìn)行了識別，結(jié)果達(dá)到了一定的精度[2-3]。張家弟計算了各種損傷狀態(tài)下結(jié)構(gòu)的靜力位移，以無損傷狀態(tài)下的靜力位移作為基準(zhǔn)，通過分析位移的變化，成功地識別了結(jié)構(gòu)的損傷情況，且進(jìn)一步分析了噪聲對識別精度的影響，高精度地識別了整個結(jié)構(gòu)的損傷[4]。

基于靜力參數(shù)的結(jié)構(gòu)損傷識別方法雖然具有成熟的理論和較高的精度，但仍存在不足，影響其進(jìn)一步應(yīng)用。一方面，當(dāng)用于大型結(jié)構(gòu)時，數(shù)據(jù)采集較為困難;另一方面，需要建立有限元模型。由于有限元模型與實際結(jié)構(gòu)之間存在誤差，因此需要進(jìn)行模型修正。

2 基于動力指紋的損傷識別方法

目前，對結(jié)構(gòu)進(jìn)行損傷識別的方法一般都是以建立特征值與損傷之間的映射關(guān)系來實現(xiàn)的。應(yīng)用最廣泛且最方便的方法是使用結(jié)構(gòu)的動力特征作為識別損傷的特征參數(shù)。由于結(jié)構(gòu)的動力特性與外界任何因素?zé)o關(guān)，只與結(jié)構(gòu)本身有關(guān)，因此將其稱為基于動力指紋的結(jié)構(gòu)損傷識別。結(jié)構(gòu)發(fā)生損傷后，其剛度會降低，固有頻率和振型等動力特征也會隨之改變，因此只需要建立動力特征與損傷程度之間的非線性映射，就可以通過相應(yīng)的實測動力特征計算出結(jié)構(gòu)的損傷情況。

CAWLEY等首次使用固有頻率識別結(jié)構(gòu)的損傷，通過理論和試驗驗證了僅使用固有頻率作為參數(shù)可以直接定位損傷位置[5]。此外，將固有頻率歸一化也可以定位損傷[6]。SALAWU使用固有頻率及其靈敏度作為參數(shù)對結(jié)構(gòu)的損傷情況進(jìn)行研究，取得了不錯的成果[7]。

僅使用固有頻率識別結(jié)構(gòu)的損傷無法識別對稱結(jié)構(gòu)對稱位置的損傷。對于小損傷來說，高階頻率變化明顯，但不易獲取且精度低，因此學(xué)者開始考慮使用其他振動特征或多種振動特征的組合參數(shù)識別損傷。

WEST首次使用振型識別損傷，將振型與模態(tài)置信準(zhǔn)則結(jié)合起來對飛機(jī)后壁的損傷進(jìn)行了研究，成功識別了損傷[8]。YUAN將振型差和斜率作為參數(shù)成功定位了損傷，并進(jìn)一步研究發(fā)現(xiàn)該方法只適用于小構(gòu)件結(jié)構(gòu)，對大型結(jié)構(gòu)損傷識別的精度較低[9]。彭華等將曲率差作為識別損傷的參數(shù)，通過建立有限元模型提取并計算損傷工況下的曲率模態(tài)差，成功地對損傷程度和損傷位置進(jìn)行了識別預(yù)測[10]。杜宇等建立了一個懸臂梁的有限元模型，然后使用其前3階曲率模態(tài)及其變化率作為參數(shù)對懸臂梁的損傷情況進(jìn)行了識別。結(jié)果顯示，無論哪種參數(shù)均能有效識別損傷[11]。

僅使用結(jié)構(gòu)的動力特征作為判別損傷的指標(biāo)仍然具有一定的局限性：第一，依然需要建立有限元模型;第二，需要結(jié)構(gòu)完好狀態(tài)下的動力特性作為基準(zhǔn);第三，實測數(shù)據(jù)受到噪聲的影響，需要提高抗噪性;第四，對于不同的結(jié)構(gòu)，模態(tài)的選取、測點的位置以及測點的數(shù)量都會對識別精度產(chǎn)生較大影響。

3 基于智能算法的損傷識別方法

近20年來，隨著計算機(jī)技術(shù)的飛速發(fā)展，涌現(xiàn)出了以人工神經(jīng)網(wǎng)絡(luò)為主的各種學(xué)習(xí)算法。由于它具有優(yōu)異的非線性分析能力，因而被廣泛應(yīng)用于各個領(lǐng)域。圖1和圖2分別為用于結(jié)構(gòu)損傷定位和損傷定量時的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型。

圖1和圖2中：x表示用于識別結(jié)構(gòu)損傷的指標(biāo)參數(shù)，通常為與結(jié)構(gòu)損傷直接相關(guān)的靜力和動力特征或組合參數(shù);a表示第一層神經(jīng)元的取值，通常與x相同;ω為兩層神經(jīng)元之間的權(quán)重，每一層神經(jīng)元與權(quán)重的加權(quán)和可以得到下一層每個神經(jīng)元的值;b為第二層神經(jīng)元，若結(jié)構(gòu)僅有兩層，則b也為輸出層，每一個神經(jīng)元a和b均對應(yīng)一個偏置值。圖1和圖2中的激活函數(shù)分別取softmax和linear函數(shù)。

為了更加高效和精確地識別結(jié)構(gòu)損傷，各國學(xué)者逐漸將基于智能算法的損傷識別方法應(yīng)用于損傷識別領(lǐng)域。陸秋海等提取了懸臂梁位移和應(yīng)變，并將其分別與神經(jīng)網(wǎng)絡(luò)結(jié)合，成功地對懸臂梁的損傷位置進(jìn)行了識別，并對兩種參數(shù)的敏感性進(jìn)行了研究[12]。結(jié)果表明，應(yīng)變數(shù)據(jù)更容易受到測量精度的影響。劉寒冰等建立了一個簡支梁的有限元模型，將其曲率模態(tài)作為判別損傷的指標(biāo)，并將其作為神經(jīng)網(wǎng)絡(luò)的輸入，對結(jié)構(gòu)的損傷情況進(jìn)行了精確識別[13]。隨著科技的發(fā)展，由傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)發(fā)展而來的深度學(xué)習(xí)網(wǎng)絡(luò)的應(yīng)用變得越來越廣泛。李帛書將曲率模態(tài)與徑向基函數(shù)（Radial Basis Function，RBF）網(wǎng)絡(luò)結(jié)合，成功地對斜拉橋的損傷進(jìn)行識別[14]。羅超首先使用MATLAB獲得了鋼梁的動力響應(yīng)，隨后將其與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合，成功地對結(jié)構(gòu)的單損傷和多損傷進(jìn)行了識別且達(dá)到了較高的精度[15]。駱勇鵬等人直接以原始振動信號作為一維卷積神經(jīng)網(wǎng)絡(luò)的輸入，對簡支梁模型進(jìn)行了損傷識別研究。結(jié)果表明，該方法對測試集損傷位置和損傷程度具有相當(dāng)高的準(zhǔn)確率且具備一定的抗噪性能，并設(shè)計了框架結(jié)構(gòu)試驗?zāi)Ｐ万炞C了該方法可用于實際結(jié)構(gòu)[16]。此外，有研究先去除飛機(jī)發(fā)動機(jī)的圖片噪聲，之后結(jié)合卷積神經(jīng)網(wǎng)絡(luò)，使用圖片的方式研究了發(fā)動機(jī)的損傷，并取得了良好成效，識別率高。

當(dāng)前，全世界已經(jīng)步入計算機(jī)時代。隨著機(jī)器學(xué)習(xí)和人工智能的飛速發(fā)展，結(jié)構(gòu)損傷識別技術(shù)也得到了空前的進(jìn)步，識別效率和精度也會變得更加高效和精確，從而將人們從煩瑣的工作中解放出來。

4 結(jié)語

本文主要從基于靜力參數(shù)的損傷識別方法、基于動力指紋的損傷識別方法以及基于智能算法的損傷識別方法3個方面對結(jié)構(gòu)損傷識別方法進(jìn)行了綜述，并且對每種方法的優(yōu)缺點進(jìn)行了總結(jié)和說明，旨在為工程結(jié)構(gòu)損傷識別領(lǐng)域的研究提供一定的參考。

參考文獻(xiàn)：

[1]趙展.基于撓度影響線差值和移動主成分法的橋梁損傷識別研究[D].廣州：暨南大學(xué)，2015：18-19.

[2]SANAYEI M，ONIPEDE O. Damage assessment of structures using static test data[J/OL].AIAA Journal，2012.（2012-05-17）[2021-08-05]. https：//arc.aiaa.org/doi/abs/10.2514/3.10720.

[3]SANAYEI M，SALETNIK M J . Parameter estimation of structures from static strain measurements. I： formulation[J]. Journal of Structural Engineering，1996（5）：555-562.

[4]張家弟.基于靜力響應(yīng)的橋梁結(jié)構(gòu)損傷識別研究[D].武漢：武漢理工大學(xué)，2006：1-60.

[5]CAWLEY P，ADAMS R D. The location of defects in structures from measurements of natural frequencies[J].The Journal of Strain Analysis for Engineering Design，1979（2）：49-57.

[6]CHRIS S C. Assessment of SSI on the longitudinal seismic response short span bridges[J].Elsevier，1990（4）：170-175.

[7]SALAWU O S. Detection of structural damage through changes in frequency： a review[J].Engineering Structures，1997（9）：718-723.

[8] WEST W M. Illustration of the use of modal assurance criterion to detect structural changes in an Orbiter test specimen[C]//Proceedings of Air Force Conference on Aircraft Structural Integrity，1984：1-6.

[9]YUEN M. A numerical study of the eigenparameters of a damaged cantilever[J].Journal of Sound & Vibration，1985（3）：301-310.

[10]彭華，游春華，孟勇.模態(tài)曲率差法對梁結(jié)構(gòu)的損傷診斷[J].工程力學(xué)，2006（7）：49-53.

[11]杜宇，楊濤，何梅洪，等.基于曲率模態(tài)變化率的復(fù)合材料梁脫層損傷識別[J].固體火箭技術(shù)，2021（3）：385-389.

[12]陸秋海，李德葆，張維.利用模態(tài)試驗參數(shù)識別結(jié)構(gòu)損傷的神經(jīng)網(wǎng)絡(luò)法[J].工程力學(xué)，1999（1）：35-42.

[13]劉寒冰，焦峪波，程永春，等.基于模態(tài)曲率理論及神經(jīng)網(wǎng)絡(luò)的簡支梁橋損傷識別[J].吉林大學(xué)學(xué)報（工學(xué)版），2011（4）：963-967.

[14]李帛書.基于優(yōu)化智能算法與低階曲率模態(tài)的斜拉橋損傷識別[D].重慶：重慶大學(xué)，2019：1-125.

[15]羅超.卷積神經(jīng)網(wǎng)絡(luò)在橋梁損傷識別中的應(yīng)用研究[D].西寧：青海大學(xué)，2020：1-64.

[16]駱勇鵬，王林堃，廖飛宇，等.基于一維卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識別[J].地震工程與工程振動，2021（4）：145-156.

3611500589271