基于模態(tài)參數(shù)的結(jié)構(gòu)損傷識別應(yīng)用綜述

黃民水，雷勇志

武漢工程大學(xué)土木工程與建筑學(xué)院，湖北 武漢430074

大型高層建筑及橋梁空間結(jié)構(gòu)復(fù)雜，受荷載及環(huán)境影響較大，某些局部關(guān)鍵部位受損不易察覺，維護(hù)與維修問題始終困擾著工程建設(shè)人員。如何對大型結(jié)構(gòu)在服役過程中產(chǎn)生的內(nèi)部損壞進(jìn)行識別，是一個值得思考與研究的問題。傳統(tǒng)的人工檢測方式只能對結(jié)構(gòu)外觀進(jìn)行檢測，而這種傳統(tǒng)方式對高層建筑及超高層建筑而言難以實(shí)施；對大跨度橋梁結(jié)構(gòu)而言，其成本巨大，效果亦不理想。因此，隨著計算機(jī)及傳感器技術(shù)的發(fā)展，針對服役結(jié)構(gòu)健康狀況判定的無損探傷技術(shù)應(yīng)運(yùn)而生。

Rytter［1］根據(jù)對結(jié)構(gòu)損傷問題研究的深入程度，將損傷識別問題分為如下4個層次：①確定結(jié)構(gòu)內(nèi)部是否發(fā)生損傷；②確定結(jié)構(gòu)損傷的空間位置；③量化結(jié)構(gòu)損傷程度；④對結(jié)構(gòu)的剩余使用壽命進(jìn)行評估與預(yù)測。經(jīng)多年的研究與發(fā)展，目前針對結(jié)構(gòu)健康狀況的判定方法大部分已能實(shí)現(xiàn)確定損傷的空間位置，在某些特定的情況下也可實(shí)現(xiàn)結(jié)構(gòu)損傷程度的量化。但對于最終目標(biāo)即評估結(jié)構(gòu)的剩余使用壽命，由于土木工程結(jié)構(gòu)實(shí)際運(yùn)營環(huán)境復(fù)雜，受環(huán)境因素如車輛荷載、溫度變化及雨雪凍融的影響較大，另外還需結(jié)合其他領(lǐng)域，如疲勞壽命分析與結(jié)構(gòu)設(shè)計評估，才有可能實(shí)現(xiàn)。因此目前結(jié)構(gòu)健康監(jiān)測領(lǐng)域的主要研究熱點(diǎn)在于對結(jié)構(gòu)的線性化損傷進(jìn)行檢測、定位與量化，并在此基礎(chǔ)上開發(fā)出結(jié)構(gòu)健康監(jiān)測實(shí)時系統(tǒng)，針對大跨度橋梁結(jié)構(gòu)或高層建筑結(jié)構(gòu)實(shí)現(xiàn)全天候監(jiān)控。對于目前結(jié)構(gòu)健康監(jiān)測領(lǐng)域研究的線性損傷識別問題，主要可分為兩大類別，其一為基于數(shù)據(jù)的結(jié)構(gòu)損傷識別方法，其二為基于模型的結(jié)構(gòu)損傷識別方法。

1）基于數(shù)據(jù)的結(jié)構(gòu)損傷識別

在對實(shí)際結(jié)構(gòu)的健康狀況進(jìn)行評估時，需借助傳感器技術(shù)采集結(jié)構(gòu)的動力響應(yīng)數(shù)據(jù)，如加速度時程和應(yīng)力應(yīng)變時程等，蘊(yùn)含著結(jié)構(gòu)在外界激勵下產(chǎn)生的響應(yīng)信息。在相同的外界激勵下，當(dāng)結(jié)構(gòu)內(nèi)部發(fā)生缺陷或損傷時，其輸出的響應(yīng)信息會發(fā)生變化，通過對比結(jié)構(gòu)損傷前后的動力響應(yīng)，即可對結(jié)構(gòu)的健康狀況進(jìn)行判定。

基于數(shù)據(jù)的結(jié)構(gòu)損傷識別方法的主要優(yōu)勢在于無須建立實(shí)際結(jié)構(gòu)的有限元模型，可避免建模過程中帶來的誤差影響，僅需通過對損傷前后實(shí)測結(jié)構(gòu)的動力響應(yīng)數(shù)據(jù)進(jìn)行分析即可判斷結(jié)構(gòu)當(dāng)前的健康狀況。該方法常與信號處理與分析技術(shù)如快速傅里葉變換、小波包分析及希爾伯特-黃變換相結(jié)合從而提取對損傷敏感的特征信息，進(jìn)而實(shí)現(xiàn)損傷判定。另外，常見的數(shù)據(jù)分析處理手段如主成分分析與時間序列分析等也能通過分析結(jié)構(gòu)響應(yīng)數(shù)據(jù)從而確定結(jié)構(gòu)健康狀況。

但該方法的缺點(diǎn)也十分明顯，即對于采集到的數(shù)據(jù)不可避免地會存在噪聲和測量誤差的干擾，同時由于數(shù)據(jù)量較大，維度較高，很難通過直接對比的形式得出理想的結(jié)果，尋找一種高效的數(shù)據(jù)處理與信息挖掘方法是目前面臨的難點(diǎn)問題。另外，該方法由于不依賴于有限元模型，通過測量數(shù)據(jù)對比僅能實(shí)現(xiàn)對是否存在損傷及損傷的位置進(jìn)行判別，無法直接對損傷的程度進(jìn)行量化分析。

2）基于模型的結(jié)構(gòu)損傷識別

基于模型的損傷識別方法關(guān)鍵問題在于建立可準(zhǔn)確反映實(shí)際結(jié)構(gòu)的基準(zhǔn)有限元模型。該方法通過對比結(jié)構(gòu)理論分析與實(shí)際測試的動力指紋信息，從而調(diào)整結(jié)構(gòu)有限元模型，將二者之間的差異趨于最小化，最終反演出結(jié)構(gòu)有限元模型中具體到某個單元的損壞，實(shí)現(xiàn)結(jié)構(gòu)損傷位置與程度的精準(zhǔn)識別。

該方法較基于數(shù)據(jù)的損傷識別方法而言，對結(jié)構(gòu)的動力響應(yīng)信息要求不太苛刻，就采用動力指紋這一指標(biāo)而言，基于模型的損傷識別方法僅需結(jié)構(gòu)的自振頻率與模態(tài)振型即可進(jìn)行相關(guān)的損傷識別工作，但雖如此，該方法同時存在以下幾個問題需要解決：

①難以建立精確的基準(zhǔn)有限元模型

根據(jù)結(jié)構(gòu)的設(shè)計圖紙建立的基準(zhǔn)有限元模型中細(xì)部信息難以進(jìn)行精確模擬，如邊界條件和構(gòu)件銜接處部位等。同時，實(shí)際結(jié)構(gòu)受到自然環(huán)境的影響，這一非線性因素目前在有限元模型中也難以模擬，往往只能通過模型修正進(jìn)行處理。這些因素都會引入一定的建模難度及計算誤差。

②目標(biāo)函數(shù)的構(gòu)建

基于模型的損傷識別方法中的損傷識別過程即是對目標(biāo)函數(shù)進(jìn)行最小化求解的過程。構(gòu)建對結(jié)構(gòu)損傷敏感且具有一定噪聲魯棒性的目標(biāo)函數(shù)，是該方法的難點(diǎn)問題。常用的基于模態(tài)頻率與模態(tài)振型的目標(biāo)函數(shù)雖能對結(jié)構(gòu)損傷進(jìn)行識別，但效果并不理想。

③高效的優(yōu)化算法

尋找一種高效的求解最優(yōu)化問題的算法也是阻礙該方法發(fā)展與推廣的一個主要障礙。最早引入的優(yōu)化算法如遺傳算法由于易陷入早熟，同時計算效率太低，難以得到全局最優(yōu)值。同時對于大型結(jié)構(gòu)而言，算法性能好壞決定著損傷識別過程中的時間成本，也將影響損傷識別結(jié)果的準(zhǔn)確性。

1 基于模態(tài)參數(shù)的損傷識別方法

模態(tài)參數(shù)作為結(jié)構(gòu)的自身固有屬性，僅在結(jié)構(gòu)內(nèi)部材料或外界約束條件發(fā)生變化時發(fā)生一定的改變?；谀B(tài)參數(shù)的結(jié)構(gòu)損傷識別技術(shù)是一種極為有效的結(jié)構(gòu)損傷判定方法。目前，基于模態(tài)參數(shù)的損傷識別診斷已廣泛應(yīng)用于土木工程領(lǐng)域，并取得了令人矚目的成效。

1.1 頻率

結(jié)構(gòu)自振頻率與結(jié)構(gòu)的材料屬性存在相關(guān)關(guān)系，該參數(shù)對結(jié)構(gòu)內(nèi)部損傷情況敏感，而且低階頻率的獲取較為容易。因此，通過分析結(jié)構(gòu)損傷前后的自振頻率變化，是最早用于結(jié)構(gòu)健康監(jiān)測的手段之一。Salawu［2］對基于結(jié)構(gòu)頻率變化的損傷識別方法進(jìn)行了詳細(xì)的綜述。

1）正向問題

基于頻率改變的損傷識別正向問題，其具體思路在于通過有限元模型模擬結(jié)構(gòu)損傷并計算出損傷后的頻率，將計算頻率與實(shí)測頻率進(jìn)行對比分析從而確定實(shí)際結(jié)構(gòu)內(nèi)部是否存在損壞。Kim等［3］通過對比不同程度外界激勵下結(jié)構(gòu)自振頻率的差異，采用理論分析與試驗(yàn)相結(jié)合的方式確定結(jié)構(gòu)裂紋的位置與深度。Ko等［4］建立了香港汲水門大橋精準(zhǔn)三維有限元模型，采用頻率變化結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)對橋梁的損傷進(jìn)行預(yù)警，結(jié)果顯示該方法能夠克服環(huán)境條件不確定性及測量的誤差。Yang等［5］針對板式結(jié)構(gòu)的損傷問題，提出一種基于頻率輪廓線方法的損傷檢測方法來識別板狀結(jié)構(gòu)中的損傷，并通過一系列數(shù)值算例驗(yàn)證了該方法的有效性。

2）反向問題

反向問題常用于結(jié)構(gòu)損傷識別過程中的損傷定位與量化問題，如通過頻率的變化對結(jié)構(gòu)裂紋的長度或位置進(jìn)行確定。反向問題通過將實(shí)際測量數(shù)據(jù)與初始理論模型計算數(shù)據(jù)進(jìn)行結(jié)合，并通過對初始理論模型進(jìn)行迭代修正，改進(jìn)模型或檢驗(yàn)假設(shè)，實(shí)現(xiàn)對結(jié)構(gòu)損傷的定位與量化。該方法的主要理論依據(jù)為結(jié)構(gòu)動力分析與有限元模型修正技術(shù)。Cerri等［6］針對預(yù)應(yīng)力混凝土梁，通過頻率的變化對梁體裂紋進(jìn)行了識別，并采用偽試驗(yàn)數(shù)據(jù)首次對反向問題的特征進(jìn)行了研究調(diào)查。Contursi等［7］基于結(jié)構(gòu)自振頻率的改變，提出復(fù)合損傷定位置信準(zhǔn)則因子（multiple-damage location assurance criterion，MDLAC），相關(guān)數(shù)值算例顯示，MDLAC僅依靠自振頻率無須模態(tài)振型即可實(shí)現(xiàn)結(jié)構(gòu)損傷的識別與定位。

侯吉林等［8］針對大型復(fù)雜結(jié)構(gòu)整體監(jiān)測信息不足的問題，提出基于局部主頻率的子結(jié)構(gòu)損傷識別方法，通過實(shí)驗(yàn)室中一大型空間桁架驗(yàn)證了該方法，結(jié)果顯示局部主頻率對子結(jié)構(gòu)的損傷較敏感。楊秋偉等［9］通過在原結(jié)構(gòu)上附加已知集中質(zhì)量塊，測量所得附加質(zhì)量系統(tǒng)的低階頻率信息，聯(lián)合質(zhì)量塊添加前后的頻率信息來建立靈敏度方程求解損傷參數(shù)，該方法僅利用結(jié)構(gòu)的低階頻率信息即可實(shí)現(xiàn)較好的損傷識別效果。

采用頻率變化的損傷識別方法已得到了廣泛的關(guān)注與實(shí)際應(yīng)用，該方法的主要優(yōu)勢在于：頻率數(shù)據(jù)獲取途徑相對簡單，分析方法成熟，數(shù)據(jù)精度高；同時頻率對結(jié)構(gòu)內(nèi)部的剛度及質(zhì)量變化十分敏感，可較好反映出結(jié)構(gòu)健康狀況的變化情況。但該方法也存在一些明顯的缺點(diǎn)：一方面，由于損傷位置不同，同等程度的損傷會對不同階次的頻率改變產(chǎn)生不同程度的影響，相關(guān)研究表明，高階頻率較低階頻率對結(jié)構(gòu)損傷更敏感，但實(shí)際模態(tài)測試顯示大型復(fù)雜結(jié)構(gòu)的高階頻率往往獲取困難或難以測得。另外，各階次頻率對相同位置的不同損傷的靈敏度也不同，難以實(shí)現(xiàn)對損傷程度的精準(zhǔn)量化。同時，結(jié)構(gòu)頻率僅能提供結(jié)構(gòu)整體的損傷信息，對損傷的空間位置判定能力較弱，不同位置的損傷可能引起相同的頻率變化，尤其在對稱結(jié)構(gòu)中這種現(xiàn)象十分明顯。

1.2 振型

頻率作為結(jié)構(gòu)全局性損傷指標(biāo)難以反映出損傷的具體位置，而振型對結(jié)構(gòu)局部損傷更為敏感，同時該指標(biāo)存在一定的空間特性，也是一種較好的損傷檢測指標(biāo)。在早期階段，采用直接對比損傷前后振型的變化來判定結(jié)構(gòu)健康狀況，但由于振型為無量綱向量，直接比較兩個振型向量可能會造成結(jié)果不正確，Allemang［10］引入模態(tài)振型縮放因子（modal scaling factor，MSF）將理論振型向量與實(shí)測振型向量調(diào)整縮放至同一方向進(jìn)行比較分析。

然而，通過對比結(jié)構(gòu)損傷前后的振型，數(shù)據(jù)繁多，工作量大，結(jié)果也不盡如意。因此，部分學(xué)者提出采用振型構(gòu)造結(jié)構(gòu)損傷的識別因子，并通過這類因子在結(jié)構(gòu)損傷前后的變化對損傷進(jìn)行判定。Allemang等［11］于1982年提出模態(tài)置信準(zhǔn)則（modal assurance criteria，MAC），又稱模態(tài)置信度，用于計算理論振型與實(shí)測振型的相關(guān)性。

MAC的主要優(yōu)點(diǎn)在于可避免直接對龐大的振型矩陣進(jìn)行對比分析，并通過間接的方式判斷結(jié)構(gòu)損傷前后振型的差異，但該指標(biāo)只能判斷兩組振型矩陣的互相關(guān)聯(lián)程度，無法體現(xiàn)出兩組振型矩陣中具體的變化情況。針對這一不足，1988年，Lieven等［12］對MAC進(jìn)行了研究與改進(jìn)，提出坐標(biāo)模態(tài)置信準(zhǔn)則（coordinate modal assurance criterion，COMAC），COMAC可反映出每個節(jié)點(diǎn)的自由度對MAC的貢獻(xiàn)，從而能夠確定損傷的具體位置。該判斷指標(biāo)較MAC的測試工作量小，僅需對若干振動較大的測點(diǎn)進(jìn)行測量即可對結(jié)構(gòu)的狀態(tài)做出相應(yīng)的判斷。另外，Shi等［13］采用測試不完備的模態(tài)振型代替自振頻率，提出基于振型的MDLAC因子，并證明其在損傷定位方面存在較強(qiáng)的噪聲魯棒性。

基于振型變化的損傷識別方法，主要具有以下優(yōu)勢：①M(fèi)AC及其相關(guān)衍生指標(biāo)的引入，能夠?qū)υ囼?yàn)?zāi)B(tài)振型進(jìn)行評估，分析理論振型與試驗(yàn)振型（模態(tài)振型對）之間的相關(guān)性；②振型向量包含結(jié)構(gòu)的局部信息，能夠強(qiáng)化對局部損傷的識別能力；③模態(tài)振型對環(huán)境變化（如溫度）的敏感性要小于自振頻率。但也存在一定的不足之處如測試過程因傳感器數(shù)量限制引起的實(shí)測振型向量不完備及無法測得扭轉(zhuǎn)振型等。另外，模態(tài)置信度的變化在結(jié)構(gòu)受損程度較大時變化較為明顯，而對結(jié)構(gòu)的微小損傷并不敏感。

1.3 模態(tài)曲率

對于梁式結(jié)構(gòu)而言，梁截面的曲率與截面剛度有直接相關(guān)性，結(jié)構(gòu)在受到外力作用下，若截面剛度減少，則截面曲率亦發(fā)生變化，故通過結(jié)構(gòu)損傷前后的截面曲率變化，即可對結(jié)構(gòu)損傷情況進(jìn)行識別。模態(tài)曲率計算公式由Pandey等［14］通過中心差分近似方法提出，發(fā)現(xiàn)該變量在梁式結(jié)構(gòu)中是一種效果較為理想的損傷識別因子。Wahab等［15］基于模態(tài)曲率提出一種考慮全體模態(tài)振型的曲率損傷因子的損傷指標(biāo)，并通過簡支梁、連續(xù)梁數(shù)值算例與Z24大橋?qū)嶋H工程對其進(jìn)行了驗(yàn)證分析。由于模態(tài)曲率通過差分近似方法計算，不可避免存在一定誤差，Tomaszewska［16］研究了模態(tài)曲率的統(tǒng)計誤差對損傷識別結(jié)果的影響，并結(jié)合結(jié)構(gòu)柔度構(gòu)建絕對損傷因子（absolute damage index）這一統(tǒng)計性損傷識別指標(biāo)，在一塔式結(jié)構(gòu)上得到了良好的應(yīng)用效果。

需要指出的是，當(dāng)高階模態(tài)振型用于計算模態(tài)曲率變化時，其損傷前后的曲率差異不僅會出現(xiàn)在損傷位置，其他位置也可能出現(xiàn)突變，可能導(dǎo)致誤判，因此，采用低階模態(tài)振型計算模態(tài)曲率較為合理。

1.4 模態(tài)柔度

當(dāng)結(jié)構(gòu)受到單位荷載作用時，結(jié)構(gòu)會發(fā)生變形，度量結(jié)構(gòu)變形的大小即為結(jié)構(gòu)柔度。該指標(biāo)可采用靜力學(xué)概念描述，也可采用模態(tài)頻率、模態(tài)振型等模態(tài)參數(shù)進(jìn)行計算，此時即為模態(tài)柔度。結(jié)構(gòu)內(nèi)部發(fā)生一定損傷時，結(jié)構(gòu)模態(tài)柔度隨模態(tài)參數(shù)的變化而變化，故采用結(jié)構(gòu)損傷前后模態(tài)柔度的變化可對損傷的位置進(jìn)行識別。Ni等［17］通過青馬懸索大橋環(huán)境振動測試，并結(jié)合相關(guān)模態(tài)柔度改變這一損傷識別指標(biāo)，在噪聲影響情況下評估了多種損傷工況，溫度及交通荷載亦被考慮，結(jié)果顯示模態(tài)柔度具有較強(qiáng)的魯棒性。

在模態(tài)滿足歸一化的條件下，模態(tài)柔度矩陣是頻率的倒數(shù)和振型的函數(shù)，即每階振型對柔度矩陣中元素的貢獻(xiàn)隨著其階次的增大而迅速減小，僅采用幾個少數(shù)的低階振型即可比較準(zhǔn)確地計算出結(jié)構(gòu)的柔度矩陣，而結(jié)構(gòu)模態(tài)柔度矩陣也可適應(yīng)復(fù)雜工程結(jié)構(gòu)模態(tài)測試中有限模態(tài)階數(shù)，這對實(shí)測模態(tài)不完整問題是一個較好的解決方案。Li等［18］提出了廣義模態(tài)柔度矩陣的概念，并推導(dǎo)了廣義模態(tài)柔度矩陣靈敏度計算公式，相對于原始模態(tài)柔度矩陣而言，忽略高階模態(tài)的影響進(jìn)一步被降低。

1.5 模態(tài)應(yīng)變能

模態(tài)應(yīng)變能來源于材料力學(xué)中歐拉梁的彎曲應(yīng)變能（strain energy），最早由Shi等［19-20］提出單元模態(tài)應(yīng)變能，并成功利用單元模態(tài)應(yīng)變能的改變對結(jié)構(gòu)損傷進(jìn)行了定位與識別。Yan等［21］通過推導(dǎo)單元模態(tài)應(yīng)變能一階靈敏度計算公式，并將該公式成功應(yīng)用于數(shù)值算例的損傷識別中。Wang［22］提出一種僅需利用模態(tài)頻率即可識別損傷的迭代模態(tài)應(yīng)變能法，數(shù)值算例結(jié)果顯示該方法具有一定的抗噪性能。模態(tài)應(yīng)變能理論相關(guān)衍生方法有模態(tài)應(yīng)變能耗散理論、單元模態(tài)應(yīng)變能變化率及模態(tài)應(yīng)變能等效指標(biāo)等。

1.6 里茲向量

里茲向量作為動力分析、地震分析、特征值問題與模型縮減中常用的一種高效工具，目前在損傷識別領(lǐng)域的應(yīng)用較少。該方法最早由Cao等［23］提出，隨后Sohn等［24］基于模態(tài)測試數(shù)據(jù)，采用柔度矩陣方法計算里茲向量，并在一實(shí)驗(yàn)室橋梁模型上得到了較好的識別效果，另外里茲向量與貝葉斯概率框架及神經(jīng)網(wǎng)絡(luò)結(jié)合也能實(shí)現(xiàn)損傷識別。相對于模態(tài)振型向量而言，里茲向量顯示出對結(jié)構(gòu)損傷更高的敏感性和抗噪聲性能，而采用特定加載模式得到相關(guān)的里茲向量能夠使得研究人員對關(guān)注的結(jié)構(gòu)部位損傷變化更為清晰。

1.7 阻尼比

目前對于采用模態(tài)參數(shù)進(jìn)行損傷識別的研究，僅考慮采用結(jié)構(gòu)自振頻率及模態(tài)振型對結(jié)構(gòu)損傷進(jìn)行識別與定位，忽略結(jié)構(gòu)阻尼比的影響，然而這一方法存在一定的限制，對此，Curadelli等［25］提出采用瞬態(tài)阻尼系數(shù)作為損傷指標(biāo)，結(jié)合小波變換，在數(shù)值模擬算例與實(shí)驗(yàn)室中對該方法進(jìn)行了驗(yàn)證。Modena等［26］提出一種通過測量結(jié)構(gòu)摩擦阻尼實(shí)現(xiàn)損傷定位的方法，并與基于頻率變化及曲率模態(tài)變化的方法進(jìn)行了對比，結(jié)果顯示基于頻率變化的方法定位效果較差，曲率模態(tài)變化方法的效果受限于測點(diǎn)數(shù)目，而摩擦阻尼變化的方法通過研究結(jié)構(gòu)損傷耗散機(jī)制可得到結(jié)構(gòu)整體損傷信息。

2 結(jié)構(gòu)損傷識別算法

2.1 模式識別

模式識別側(cè)重于實(shí)際應(yīng)用，其主要目的是為實(shí)現(xiàn)對象分類，對象可以是圖像、信號波形、數(shù)據(jù)序列或任何可測量且需要分類的對象。目前應(yīng)用較為廣泛的模式識別工具主要有支持向量機(jī)（support vector machine，SVM）與人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks，ANN）及其相關(guān)衍生技術(shù)。

1）神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能的計算模型，該計算模型由多個神經(jīng)元構(gòu)成，能夠進(jìn)行分布式并行信息處理，具有一定的自適應(yīng)性與學(xué)習(xí)能力。該模型可基于已知數(shù)據(jù)的實(shí)驗(yàn)運(yùn)用進(jìn)行學(xué)習(xí)與歸納總結(jié)，并通過對局部情況的對照分析從而構(gòu)建自動化識別系統(tǒng)。近幾十年來，神經(jīng)網(wǎng)絡(luò)已被成功運(yùn)用于大型復(fù)雜結(jié)構(gòu)的損傷程度預(yù)測與定位中，如海洋平臺［27］及斜拉橋［28］等。王名月等［29］基于小波奇異性檢測原理和神經(jīng)網(wǎng)絡(luò)非線性映射能力，結(jié)合結(jié)構(gòu)基本模態(tài)參數(shù)，提出一種結(jié)合小波神經(jīng)網(wǎng)絡(luò)與結(jié)構(gòu)轉(zhuǎn)角模態(tài)的損傷識別方法。盧嘉鑫等［30］采用子結(jié)構(gòu)損傷識別方法與神經(jīng)網(wǎng)絡(luò)工具相結(jié)合，針對大型斜拉橋的損傷識別問題，評估了自組織競爭神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時間、識別精度和受噪聲影響等方面的影響。

近幾年，部分學(xué)者提出采用卷積神經(jīng)網(wǎng)絡(luò)［31］及概率神經(jīng)網(wǎng)絡(luò)等相關(guān)改進(jìn)神經(jīng)網(wǎng)絡(luò)工具，用來克服傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法存在的諸如學(xué)習(xí)速度較慢、易陷入局部最優(yōu)等局限。另外，神經(jīng)網(wǎng)絡(luò)也可被用于構(gòu)建結(jié)構(gòu)健康實(shí)時在線監(jiān)測系統(tǒng)。

2）支持向量機(jī)

支持向量機(jī)屬于監(jiān)督學(xué)習(xí)方式的數(shù)據(jù)二元分類廣義線性分類器，能夠?qū)崿F(xiàn)回歸預(yù)測功能。相對于神經(jīng)網(wǎng)絡(luò)而言，支持向量機(jī)的參數(shù)設(shè)置更簡單，能夠?qū)崿F(xiàn)將低維不可分的數(shù)據(jù)映射至高維空間，使其變得線性可分。Yan等［32］通過數(shù)值算例對比神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的損傷識別能力，結(jié)果顯示支持向量機(jī)的識別準(zhǔn)確率更高。支持向量機(jī)還可應(yīng)用于非線性損傷識別如裂紋檢測［33］，以及剔除實(shí)測動力響應(yīng)中環(huán)境因素影響［34］。?evik等［35］對支持向量機(jī)在結(jié)構(gòu)工程中的應(yīng)用進(jìn)行了詳細(xì)的綜述。

傳統(tǒng)支持向量機(jī)算法只能進(jìn)行二元分類，無法同時處理多類數(shù)據(jù)，Hosseinabadi等［36］學(xué)者提出多類支持向量機(jī)算法，并結(jié)合小波包變換，實(shí)現(xiàn)了結(jié)構(gòu)損傷的定位與量化。Chong等［37］將非線性多類支持向量機(jī)、離散小波包變換、自回歸模型及相關(guān)損傷敏感性特征進(jìn)行有機(jī)融合，構(gòu)建出適用于配備磁流變阻尼器智能建筑的結(jié)構(gòu)健康監(jiān)測系統(tǒng)。

2.2 智能算法

傳統(tǒng)的尋優(yōu)算法如梯度下降法、牛頓法、共軛梯度法線性搜索與置信域方法等，其計算效率緩慢，易陷入局部最優(yōu)解。模擬生物自然過程的算法，如遺傳算法和粒子群算法等，模擬生物群體行為或模擬生物進(jìn)化過程等，不同于傳統(tǒng)數(shù)學(xué)上的優(yōu)化算法，故統(tǒng)稱為智能算法，目前智能算法已成為結(jié)構(gòu)損傷識別領(lǐng)域常用的工具。

1）遺傳算法

遺傳算法是最早應(yīng)用于結(jié)構(gòu)損傷識別領(lǐng)域的智能算法，該算法由Holland教授提出。在結(jié)構(gòu)健康監(jiān)測領(lǐng)域，遺傳算法主要用于傳感器優(yōu)化布置、模型修正與損傷識別和神經(jīng)網(wǎng)絡(luò)等工具的參數(shù)優(yōu)化。

黃民水等［38］通過改進(jìn)編碼方式與個體保留策略，加快了遺傳算法的收斂速度并確保收斂至全局最優(yōu)，解決了大型橋梁結(jié)構(gòu)健康監(jiān)測中的傳感器優(yōu)化布置問題。滕軍等［39］根據(jù)模態(tài)應(yīng)變能挑選出主貢獻(xiàn)模態(tài)，采用模態(tài)置信度矩陣及模態(tài)運(yùn)動能矩陣構(gòu)建遺傳算法適應(yīng)度函數(shù)，對大跨度空間鋼結(jié)構(gòu)模態(tài)測試傳感器布置位置進(jìn)行了優(yōu)化選取。在損傷識別方面，Meruane等［40］建立了美國墨西哥州的I-40大橋有限元模型，并采用改進(jìn)后的混合實(shí)數(shù)遺傳算法與并行遺傳算法對該模型進(jìn)行修正，將溫度作為算法尋優(yōu)的輸出變量，實(shí)現(xiàn)了溫度影響下的結(jié)構(gòu)損傷識別問題。遺傳算法的一個主要優(yōu)勢在于其強(qiáng)大的尋優(yōu)能力，Liu等［41］采用遺傳算法優(yōu)化支持向量機(jī)中核函數(shù)參數(shù)的選取，宮亞峰等［42］應(yīng)用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。

2）群智能算法

除遺傳算法以外，其他群智能算法諸如粒子群算法［43］、布谷鳥搜索［44］及人工魚群算法［45］等也被應(yīng)用于結(jié)構(gòu)損傷識別。較遺傳算法相比，群智能算法的思路清晰，易于實(shí)現(xiàn)且參數(shù)設(shè)定簡單，有些群智能算法甚至無須太過于關(guān)注其自身參數(shù)的設(shè)定即可較好地服務(wù)于結(jié)構(gòu)損傷識別問題，受到了大量學(xué)者的研究與關(guān)注，但基本的算法仍然存在一定的改良空間。Shirazi等［46］提出在基本粒子群算法中加入選擇操作用于強(qiáng)化基本的粒子位置更新公式，實(shí)現(xiàn)了平面桁架結(jié)構(gòu)的多損失工況識別。黃民水等［47］對基本布谷鳥搜索中的發(fā)現(xiàn)概率與步長進(jìn)行了改進(jìn)，使該算法在迭代的過程中能夠?qū)崿F(xiàn)自適應(yīng)，并通過ASCE Benchmark框架模型驗(yàn)證了改進(jìn)算法的有效性。Yu等［48］在基本人工魚群算法的基礎(chǔ)上提出全局人工魚群算法，通過相關(guān)測試函數(shù)及損傷識別算例表明，該算法的改進(jìn)能夠強(qiáng)化原始算法的抗噪聲性，提高損傷識別精度。

3）其他算法

Du等［49］提出Jaya算法結(jié)合復(fù)合損傷定位置信準(zhǔn)則因子與模態(tài)柔度變化的混合目標(biāo)函數(shù)，通過3個數(shù)值算例，對提出的Jaya算法與差分進(jìn)化算法、布谷鳥算法的尋優(yōu)求解效率以及噪聲魯棒性進(jìn)行了比較分析，結(jié)果顯示Jaya算法具有更快的收斂速度。Kaveh等［50］通過簡化海豚回聲定位算法對不同桁架結(jié)構(gòu)的多種損傷工況進(jìn)行了識別，并考慮了噪聲的影響。Ghannadi等［51］采取了桁架與框架數(shù)值算例，以及美國Los Alamos National實(shí)驗(yàn)室中的測試結(jié)構(gòu)，利用飛蛾算法與頻率變化比及基于柔度的置信度目標(biāo)函數(shù)相結(jié)合進(jìn)行了損傷識別工作，結(jié)果表明飛蛾算法在量化損傷程度方面的能力較基本粒子群算法更強(qiáng)。

4）混合算法

智能算法較傳統(tǒng)優(yōu)化算法在求解性能方面有了長足的進(jìn)步，但在面對復(fù)雜工程結(jié)構(gòu)時，仍然存在收斂速度慢、計算效率低與易陷入局部最優(yōu)等問題。為解決這一問題，通過對兩種或多種算法進(jìn)行混合，可實(shí)現(xiàn)單一算法無法實(shí)現(xiàn)的尋優(yōu)求解效果，為解決損傷識別問題提供了新的思路及方法。He等［52］提出自適應(yīng)實(shí)參數(shù)模擬退火遺傳算法，通過引入模擬退火算法的優(yōu)點(diǎn)從而克服遺傳算法的爬坡能力不足與收斂緩慢的缺點(diǎn)，并體現(xiàn)出一定的抗噪聲性能。Huang等［53］根據(jù)布谷鳥搜索中的隨機(jī)消除機(jī)制與粒子群算法中的粒子更新的導(dǎo)向性，在粒子群算法中引入隨機(jī)消除機(jī)制改善粒子的多樣性，采用粒子群-布谷鳥混合算法成功實(shí)現(xiàn)了溫度影響下的結(jié)構(gòu)損傷識別問題。Qian等［54］針對粒子群算法局部搜索能力不足問題，引入單純型法對粒子群算法的局部空間中的潛在最優(yōu)解進(jìn)行探索。

3 環(huán)境因素影響下的結(jié)構(gòu)損傷識別

大量研究表明，結(jié)構(gòu)實(shí)際損傷引起的結(jié)構(gòu)模態(tài)參數(shù)的變化通常很小，但由于環(huán)境因素影響造成的模態(tài)參數(shù)變化可能會掩蓋結(jié)構(gòu)的真實(shí)健康狀況，針對這一情況，目前對噪聲的影響可分為溫度變化影響以及環(huán)境振動噪聲。

3.1 溫度變化

當(dāng)實(shí)際結(jié)構(gòu)受到自然環(huán)境中溫度的變化時，結(jié)構(gòu)材料會因熱脹冷縮產(chǎn)生變形，因此會對結(jié)構(gòu)健康監(jiān)測中數(shù)據(jù)的采集產(chǎn)生一定的負(fù)面影響。由于結(jié)構(gòu)監(jiān)測數(shù)據(jù)的采集在時間上是連續(xù)的，即數(shù)據(jù)采集需考慮一個較長的周期才能反映出結(jié)構(gòu)的基本健康狀況。正因如此，連續(xù)采集的過程會受到環(huán)境中晝夜溫差的變化和季節(jié)溫度的變化的影響，在此期間甚至?xí)殡S雨雪等天氣因素產(chǎn)生的凍融效應(yīng)。

部分研究表明，由于溫度變化引起的結(jié)構(gòu)動力特征參數(shù)的改變甚至超過了結(jié)構(gòu)內(nèi)部損傷引起的變化，在損傷識別過程中，溫度變化的存在可能引起研究人員對結(jié)構(gòu)健康狀況產(chǎn)生誤判。在對結(jié)構(gòu)進(jìn)行監(jiān)測及數(shù)據(jù)采集的過程中，對于短暫的采集周期內(nèi)，晝夜溫差的變化是一個不可忽視的影響因素。Farrar等［55］于1997年對美國境內(nèi)的Alamos Grand Canyon大橋進(jìn)行了每次2 h的全天數(shù)據(jù)采集監(jiān)控，結(jié)果顯示結(jié)構(gòu)在晝夜溫差的變化下，其一階自振頻率的變化范圍介于2.3～2.8 Hz之間，變化幅度超過了5%。同時該研究也指出，在基于模態(tài)參數(shù)的損傷識別程序進(jìn)行前，對于結(jié)構(gòu)服役條件的變化，特別是溫度對模態(tài)參數(shù)的影響，需量化考慮。隨后，研究人員對該橋梁結(jié)構(gòu)進(jìn)行了更加深入研究與調(diào)查，結(jié)論顯示，該結(jié)構(gòu)的前三階自振頻率在晝夜溫差的影響下分別存在4.7%、6.6%及5.0%的浮動。而凍融效應(yīng)也是一個重要的影響因素，Alampall［56］在其研究中提到，由于凍融效應(yīng)引起的結(jié)構(gòu)頻率的變化高達(dá)10%。

短時監(jiān)測可能受到季節(jié)溫度的影響，相關(guān)學(xué)者延長了結(jié)構(gòu)的監(jiān)測時間以避免季節(jié)性高溫或低溫對監(jiān)測的影響。在實(shí)際結(jié)構(gòu)監(jiān)測方面，Askegaard等［57］針對常見的人行天橋結(jié)構(gòu)進(jìn)行了長期監(jiān)測，結(jié)果顯示其模態(tài)參數(shù)的變化甚至高達(dá)10%，而平均季節(jié)性溫度的變化是造成這一現(xiàn)象的主要原因。Xu等［58］建立了一個大跨徑斜拉橋的有限元模型，并針對由于季節(jié)性天氣變化或陽光輻射導(dǎo)致的溫度變化，討論了該結(jié)構(gòu)的頻率及模態(tài)曲率的變化，并分別評估了橋梁主體損傷、纜線損傷和溫度變化三種因素對結(jié)構(gòu)動力參數(shù)的影響程度，結(jié)論建議相關(guān)研究人員需強(qiáng)化在類似研究過程中分辨結(jié)構(gòu)真實(shí)損傷情況與溫度影響的能力。Kim等［59］在實(shí)驗(yàn)室中建立了一個2 m的單跨簡支梁，并在實(shí)驗(yàn)室環(huán)境下進(jìn)行了7個月的振動測試，其環(huán)境溫度變化在?3～23℃之間，結(jié)果顯示該試驗(yàn)?zāi)Ｐ偷淖哉耦l率隨溫度增長存在明顯的變化情況。

除對結(jié)構(gòu)均勻溫度的研究和探討外，Xia等［60］學(xué)者還對結(jié)構(gòu)的非均勻溫度分布下的結(jié)構(gòu)動力特性變化進(jìn)行了研究與探討。該研究通過一鋼筋混凝土簡支梁在不同溫度下得到的模態(tài)測試數(shù)據(jù)，并結(jié)合有限元分析軟件，得出實(shí)測自振頻率與結(jié)構(gòu)溫度之間具有較好的線性相關(guān)性。

環(huán)境溫度的變化對模態(tài)頻率產(chǎn)生了顯著的影響，其作用機(jī)理為［61］：①環(huán)境溫度的變化會使得結(jié)構(gòu)因熱脹冷縮而產(chǎn)生變形，其尺寸會發(fā)生一定的變化，對于一般混凝土材料的線性膨脹系數(shù)約為10-6m/℃；②溫度變化會使得工程結(jié)構(gòu)中常用的超靜定結(jié)構(gòu)產(chǎn)生內(nèi)力，當(dāng)內(nèi)力為拉力時，結(jié)構(gòu)的剛度會增大，反之結(jié)構(gòu)剛度降低，這將引起結(jié)構(gòu)動力分析中結(jié)構(gòu)整體剛度矩陣的變化，從而引起模態(tài)頻率發(fā)生變化；③溫度的升高或降低會對材料的力學(xué)特性，特別是對材料彈性模量的影響較為顯著，常見的混凝土材料與鋼材的彈性模量均會隨溫度的升高而降低，從而致使模態(tài)頻率降低（圖1）。

圖1 常見材料彈性模量與溫度變化關(guān)系圖［62］Fig.1 Relationship between elastic modulus of common materials and temperature

綜上所述，目前大量的研究均表明，結(jié)構(gòu)在溫度影響下的動力參數(shù)變化是一個不可忽視的重要影響因素，由溫度變化導(dǎo)致的監(jiān)測數(shù)據(jù)的波動，有時甚至?xí)谏w結(jié)構(gòu)中存在的真實(shí)損傷情況。

3.2 環(huán)境振動噪聲

早在20世紀(jì)90年代初期，Mazurek等［63］在實(shí)驗(yàn)室中通過一個雙跨鋁板梁式橋，并引入一輛測試車輛模型作為車輛振動來源獲取了該梁式橋不同情況下的結(jié)構(gòu)響應(yīng)信號。通過對比橋面板粗糙程度、車輛模型質(zhì)量及車輛模型移動速度對結(jié)構(gòu)自振頻率、振型及阻尼比等模態(tài)參數(shù)的影響，該研究表明，在實(shí)驗(yàn)室環(huán)境下，較小質(zhì)量的車輛模型振動對結(jié)構(gòu)的自振頻率及模態(tài)振型的影響較??；而就車輛模型移動速度或梁板面的粗糙程度而言，卻能夠?qū)φ裥偷姆犬a(chǎn)生一定的影響。這一實(shí)驗(yàn)作為最早研究車輛振動對結(jié)構(gòu)模態(tài)參數(shù)的影響研究，具有極大的參考價值，其結(jié)論也指出建立車輛影響下的結(jié)構(gòu)振動監(jiān)控系統(tǒng)是可行的，但該研究僅限于實(shí)驗(yàn)室模型，對車輛振動長期作用下對結(jié)構(gòu)的影響未做出解釋與研究。

隨后，Kim等［64］對車輛載重這一因素對結(jié)構(gòu)模態(tài)參數(shù)的影響進(jìn)行了實(shí)際振動測試研究，該實(shí)際測試引入了三跨懸索橋、五跨連續(xù)鋼箱梁式橋及簡支板式梁橋3種實(shí)際橋梁結(jié)構(gòu)進(jìn)行了30 min的動力響應(yīng)記錄，并考慮了不同載重車輛質(zhì)量對結(jié)構(gòu)動力參數(shù)的影響。分析表明，大跨度懸索結(jié)構(gòu)由于自重較大，當(dāng)車輛載重相對于結(jié)構(gòu)自重較小時，車輛對自振頻率的影響可忽略，同時當(dāng)自然風(fēng)的強(qiáng)度難以對大跨度懸索結(jié)構(gòu)進(jìn)行環(huán)境激勵時，可考慮采用車輛進(jìn)行環(huán)境激勵；而對于中跨度連續(xù)橋而言，較重的車輛會引起結(jié)構(gòu)自振頻率的降低，就該研究中引入的簡支梁橋而言，當(dāng)載重車輛的質(zhì)量達(dá)到簡支梁橋結(jié)構(gòu)的3.8%時，使得結(jié)構(gòu)的自振頻率降低了5.4%。

Zhang等［65］在正常交通通行情況下，對一斜拉橋進(jìn)行了為期24 h的加速度響應(yīng)信號監(jiān)測，自振頻率在1 d內(nèi)的變化幅度達(dá)到了2 Hz，變動比率達(dá)到了1%；而對于模態(tài)振型，每階振型的振幅變化略有不同，但亦存在10%以內(nèi)的平均變化比率。然而，當(dāng)橋梁面板的振動強(qiáng)度到達(dá)一定程度時，阻尼比出現(xiàn)較大幅度的增長，其主要原因可能是在較高的交通負(fù)荷下橋梁的材料與橋梁銜接處的能力耗散有所增加。

4 總結(jié)與展望

盡管目前已經(jīng)提出大量基于結(jié)構(gòu)模態(tài)參數(shù)的損傷識別方法，但由于實(shí)際土木工程結(jié)構(gòu)較復(fù)雜，服役過程中受環(huán)境干擾較嚴(yán)重，而結(jié)構(gòu)損傷分布與損傷程度存在很大的隨機(jī)性，這些方法目前大部分僅停留于理論或試驗(yàn)階段，在實(shí)際結(jié)構(gòu)特別是大型結(jié)構(gòu)的應(yīng)用上還存在一定的困難。而結(jié)構(gòu)健康監(jiān)測這一多學(xué)科交叉技術(shù)在發(fā)展的過程中更是存在多方面的阻礙，目前大量的問題亟待解決。

1）傳感器技術(shù)的改進(jìn)。結(jié)構(gòu)動力響應(yīng)的測量精度關(guān)系著結(jié)構(gòu)損傷識別結(jié)果的準(zhǔn)確性。受限于目前常用的壓電傳感器的靈敏度，在實(shí)測結(jié)構(gòu)動力響應(yīng)信號采集過程中，對低于其量程的微弱信號難以捕捉到，同時因傳感器數(shù)量有限，對于大型結(jié)構(gòu)往往只能測得部分結(jié)構(gòu)響應(yīng)信息，無法對結(jié)構(gòu)整體進(jìn)行全局測量。除了傳感器優(yōu)化布置，對傳感器技術(shù)進(jìn)行改進(jìn)與創(chuàng)新也是研究人員關(guān)注的重點(diǎn)。為避免傳統(tǒng)有線傳感器由于纜線長度的限制以及遠(yuǎn)距離線纜傳輸產(chǎn)生的信號衰減問題，已存在相關(guān)研究使用無線傳感器技術(shù)對結(jié)構(gòu)動力響應(yīng)進(jìn)行采集，但普通無線傳感器很難滿足傳輸這些數(shù)據(jù)的帶寬和電源需求。隨著5G通信技術(shù)時代的到來，結(jié)合無線通信技術(shù)，開發(fā)出具有嵌入式微處理器的無線智能傳感器，并在傳感器中嵌入相關(guān)數(shù)據(jù)分析處理工具，可對采集到的動力響應(yīng)進(jìn)行過濾，消除無用數(shù)據(jù)或噪聲干擾，保留對損傷識別有利的數(shù)據(jù)，同樣也能減少數(shù)據(jù)分析處理的難度。

2）更加準(zhǔn)確的結(jié)構(gòu)模型。目前在基于模型的損傷識別方法中，常通過對實(shí)際結(jié)構(gòu)進(jìn)行簡化從而建立相關(guān)有限元模型，并對初始模型進(jìn)行修正從而得到基準(zhǔn)模型用于損傷識別，在這一過程中實(shí)際結(jié)構(gòu)的細(xì)部信息難以精確模擬，尤其是結(jié)構(gòu)邊界與連接部位，增加了建模的難度。目前已有學(xué)者通過建筑信息建模技術(shù)構(gòu)建結(jié)構(gòu)模型并實(shí)現(xiàn)損傷識別［66］。另外，自然環(huán)境的影響難以模擬，尤其是溫度因素對結(jié)構(gòu)模態(tài)參數(shù)影響較大，可能會造成損傷的誤判，目前常用的方式是采用溫度-彈性模量折減線性關(guān)系進(jìn)行模擬。如何建立精準(zhǔn)的有限元模型，并實(shí)現(xiàn)評估環(huán)境溫度對結(jié)構(gòu)的影響，是研究人員關(guān)注的重點(diǎn)。

3）對損傷更為敏感的識別指標(biāo)。無論是基于模型還是基于數(shù)據(jù)的損傷識別方法，面臨的一個關(guān)鍵問題在于確定對結(jié)構(gòu)損傷敏感，且具有噪聲魯棒性的識別指標(biāo)。頻率、振型及相關(guān)衍生性指標(biāo)雖然可實(shí)現(xiàn)損傷識別與定位，但這些識別指標(biāo)對于大型結(jié)構(gòu)的損傷識別與定位能力還有待商榷，而且各個指標(biāo)的識別效果各有所長，實(shí)際應(yīng)用效果不夠理想，有部分學(xué)者提出耦合多種結(jié)構(gòu)響應(yīng)信息的方式克服這一難題。大量學(xué)者正致力于構(gòu)建損傷識別敏感性指標(biāo)。

4）高效的數(shù)據(jù)處理工具或優(yōu)化算法的開發(fā)。大型結(jié)構(gòu)的健康監(jiān)測過程中采集到的結(jié)構(gòu)響應(yīng)數(shù)據(jù)量十分龐大，這會對數(shù)據(jù)處理中心造成壓力，同時這些數(shù)據(jù)中常包含環(huán)境影響及噪聲信息，能夠反映健康狀況的結(jié)構(gòu)真實(shí)響應(yīng)信息被掩蓋。對此，如何對采集到的數(shù)據(jù)進(jìn)行快速處理與挖掘，是一個值得思考的問題。另外，針對基于模型結(jié)構(gòu)損傷識別方法，雖已提出大量用于損傷識別的智能算法，但這些算法依然存在計算效率低和易早熟等缺點(diǎn)，面對大型結(jié)構(gòu)的損傷識別問題常顯無力，其計算性能難以得到體現(xiàn)，因此對損傷識別相關(guān)的優(yōu)化算法進(jìn)行代碼重構(gòu)或重新開發(fā)，能夠提高損傷識別的計算效率。

5）結(jié)構(gòu)健康實(shí)時在線監(jiān)測系統(tǒng)。構(gòu)建結(jié)構(gòu)健康實(shí)時在線監(jiān)測系統(tǒng)具有極大的實(shí)用價值與理論價值，同時該系統(tǒng)也具有廣闊的應(yīng)用前景。目前對于該系統(tǒng)的研究尚處于理論與試驗(yàn)階段，除了需提高傳感器的測量精度、構(gòu)建損傷敏感性指標(biāo)以及提出相關(guān)的高效數(shù)據(jù)處理工具等，從系統(tǒng)硬件（在數(shù)據(jù)采集階段的硬件系統(tǒng)包括數(shù)據(jù)的采集、存儲與傳感，在數(shù)據(jù)處理階段即為中央控制服務(wù)器）及軟件（相關(guān)數(shù)據(jù)傳輸協(xié)議、數(shù)據(jù)采集接口的算法乃至數(shù)據(jù)處理圖形化接口等）開發(fā)方面也應(yīng)著重考慮。

6）結(jié)構(gòu)健康監(jiān)測領(lǐng)域統(tǒng)一標(biāo)準(zhǔn)的制定。目前損傷識別領(lǐng)域發(fā)展迅速，主要方法包括動力指紋法、模型修正法、數(shù)據(jù)法（包括信號處理與大數(shù)據(jù)挖掘）等已經(jīng)取得了一定的實(shí)際應(yīng)用成效，但對于這些方法缺乏相關(guān)統(tǒng)一的規(guī)范與標(biāo)準(zhǔn)，這使得結(jié)構(gòu)健康監(jiān)測領(lǐng)域的發(fā)展在認(rèn)識上難以達(dá)成統(tǒng)一，因此，無論在軟件還是在硬件的發(fā)展上，都需要制定相關(guān)的規(guī)程實(shí)行學(xué)科發(fā)展標(biāo)準(zhǔn)化。