結(jié)構(gòu)損傷識(shí)別技術(shù)的研究

陳雅璠

（雙鴨山市安邦河兩岸及行政廣場(chǎng)人工湖管護(hù)中心，黑龍江 雙鴨山 155100）

隨著我國科學(xué)技術(shù)的飛速發(fā)展，很多新型的復(fù)雜結(jié)構(gòu)已成為當(dāng)今建筑結(jié)構(gòu)中的主流，比如一些大跨度橋梁、大型海洋平臺(tái)、高聳建筑等，對(duì)于這些結(jié)構(gòu)來說，損傷識(shí)別顯得格外重要。因?yàn)橛行┪⑿〉膿p傷看似不起眼，卻可以引起這些復(fù)雜結(jié)構(gòu)工程的破壞，嚴(yán)重時(shí)會(huì)引起災(zāi)難性的事故，威脅到人類的生命安全[1]。特別是建筑結(jié)構(gòu)中如果有內(nèi)部缺陷，它們通常是無法用人的肉眼觀察到的，因此這種潛在的危險(xiǎn)對(duì)人們的人身安全造成的威脅更大。

這樣由于結(jié)構(gòu)的累積損傷造成的事故有很多，比如1940年11月7日，塔科馬海峽大橋[2]在約18 m/s風(fēng)速的作用下突然倒塌，更值得一提的是，這里塔科馬海峽大橋建成僅僅4個(gè)月。它的倒塌頓時(shí)使人們意識(shí)到風(fēng)荷載對(duì)橋梁的影響不可忽視，從而引起了世人對(duì)風(fēng)荷載導(dǎo)致結(jié)構(gòu)振動(dòng)問題的研究。再如1983年6月，位于美國康涅狄格州的Mianus江上的高速公路大橋突然倒塌[3]，橋上的幾輛汽車隨即墜入江中，導(dǎo)致6人傷亡，幸虧事故發(fā)生在凌晨，若在白天發(fā)生，那帶來的后果不堪設(shè)想。經(jīng)過檢測(cè)，主要是因?yàn)榻煌ㄜ囕v的循環(huán)荷載引起的損傷疲勞造成大橋的倒塌。這些事故的發(fā)生也給我們敲響了警鐘，因此，如何應(yīng)用健康監(jiān)測(cè)新技術(shù)對(duì)結(jié)構(gòu)進(jìn)行健康監(jiān)測(cè)，進(jìn)而確定其是否存在安全隱患，也成為目前研究的熱點(diǎn)。

1 損傷識(shí)別的步驟及方法

一般情況下工程結(jié)構(gòu)的損傷識(shí)別分為三個(gè)步驟：第一步，人為主觀預(yù)測(cè)結(jié)構(gòu)是否發(fā)生損傷，若發(fā)生損傷，需進(jìn)一步確定損傷位置；第二步，應(yīng)用相應(yīng)測(cè)試方法判別損傷的嚴(yán)重程度；第三步，預(yù)測(cè)結(jié)構(gòu)的壽命。胡自力等[4]在2002年提出了一種劃分為五個(gè)層次的質(zhì)量評(píng)估，相對(duì)于上述的三個(gè)步驟，該劃分層次更為全面，具體內(nèi)容如圖1所示。損傷識(shí)別的基礎(chǔ)是從已知的結(jié)構(gòu)動(dòng)力特性中確定結(jié)構(gòu)的損傷位置和損傷程度，因此首先要確定選擇什么損傷標(biāo)識(shí)量。所謂的損傷標(biāo)識(shí)量一般滿足兩個(gè)條件：第一，所選的損傷標(biāo)識(shí)量對(duì)結(jié)構(gòu)的局部損傷較為敏感，若發(fā)生損傷，損傷標(biāo)識(shí)量隨之即刻發(fā)生變化；第二，損傷標(biāo)識(shí)量應(yīng)該滿足與損傷位置呈單調(diào)函數(shù)，若為非單調(diào)函數(shù)，則無法判斷損傷的嚴(yán)重程度。通過對(duì)標(biāo)識(shí)量前后值的對(duì)比，即可知道結(jié)構(gòu)的損傷程度；而結(jié)構(gòu)的剛度和承載能力有所下降的區(qū)域，即為結(jié)構(gòu)損傷的位置。由此可見，損傷標(biāo)識(shí)量的選擇對(duì)結(jié)構(gòu)損傷識(shí)別的精度起著關(guān)鍵性作用。

圖1 損傷識(shí)別步驟的劃分

2 損傷識(shí)別方法的技術(shù)

2.1 損傷識(shí)別技術(shù)——基于固有頻率的變化

基于固有頻率的損傷識(shí)別最早在1969年由LITSHITZ等[5]提出，固有頻率這一參數(shù)在結(jié)構(gòu)的所有模態(tài)參數(shù)中是最容易獲得的一個(gè)，且不隨測(cè)量位置的變化而變化，這種技術(shù)最大的優(yōu)點(diǎn)是它的識(shí)別精度較高，因此在結(jié)構(gòu)損傷識(shí)別這個(gè)領(lǐng)域很具吸引力。當(dāng)結(jié)構(gòu)發(fā)生損傷時(shí)，其質(zhì)量和剛度均會(huì)隨之發(fā)生變化，我們通常會(huì)忽略質(zhì)量的變化，僅考慮剛度的變化。當(dāng)剛度降低時(shí)，結(jié)構(gòu)的固有頻率也會(huì)降低，阻尼比增大[6]。近年來此項(xiàng)損傷識(shí)別技術(shù)已走向成熟，并且得到了廣泛的應(yīng)用。但仍存在不足，就是各階頻率對(duì)結(jié)構(gòu)不同位置損傷的靈敏度不同，這就對(duì)測(cè)量的準(zhǔn)確性要求很高，而且頻率改變的信息只能確定有破損存在，但結(jié)構(gòu)的破損位置和破損程度不能通過這一技術(shù)得到，因此不適用于一些大型結(jié)構(gòu)中，僅適用于小型結(jié)構(gòu)中。

2.2 損傷識(shí)別技術(shù)——基于振型的變化

基于振型變化的損傷識(shí)別技術(shù)的測(cè)量精度與基于固有頻率變化的損傷識(shí)別技術(shù)相比相對(duì)較低，但對(duì)于結(jié)構(gòu)損傷的敏感度更高[7]，而且它能夠得到基于固有頻率變化的損傷識(shí)別技術(shù)不能得到的損傷信息，如損傷位置等。通過測(cè)試結(jié)構(gòu)損傷前后的振型，并將前后振型的差值與比值作為定位參數(shù)，當(dāng)計(jì)算出來的定位參數(shù)值過大時(shí)，說明該區(qū)域的損傷過為嚴(yán)重，以此來判斷損傷位置?；谡裥妥兓膿p傷識(shí)別技術(shù)的分類有很多，常用的有：（1）基于模態(tài)置信度判據(jù)的損傷識(shí)別，當(dāng)結(jié)構(gòu)未發(fā)生損傷時(shí)，模態(tài)置信度判據(jù)=1，而一旦結(jié)構(gòu)發(fā)生損傷，隨振型的變化，模態(tài)置信度判據(jù)≠1；（2）基于模態(tài)正交條件的損傷識(shí)別，原理即為當(dāng)結(jié)構(gòu)發(fā)生損傷時(shí)，其模態(tài)將不滿足正交條件；（3）基于振型曲率的損傷識(shí)別，當(dāng)結(jié)構(gòu)發(fā)生損傷時(shí)，曲率會(huì)隨之增大，進(jìn)而判斷損傷位置和損傷程度。

2.3 損傷識(shí)別技術(shù)——基于傳遞函數(shù)的變化

損傷可以引起結(jié)構(gòu)傳遞函數(shù)的改變，并且這種改變只由損傷程度和損傷位置決定，因此基于傳遞函數(shù)變化判斷損傷程度和位置是一種有效的方法。但是傳遞函數(shù)往往包含巨大的信息量，起決定作用的只有很少一部分[8]，為了簡(jiǎn)化計(jì)算量，產(chǎn)生了基于加速度傳遞率的損傷判定方法，他是通過對(duì)結(jié)構(gòu)相鄰兩點(diǎn)間的加速度進(jìn)行傅立葉變換，進(jìn)而計(jì)算出傳遞函數(shù)，并通過傳遞函數(shù)進(jìn)行損傷判定，與振型曲率法相比，這種方法不需要測(cè)試結(jié)構(gòu)的陣型，且對(duì)損傷的識(shí)別效果優(yōu)于振型曲率法。雖然這種方法對(duì)結(jié)構(gòu)損傷數(shù)量和位置的識(shí)別有一定的誤差，然而，它無須建模，對(duì)環(huán)境要求低[9]，具有一定的降噪效果的特點(diǎn)決定了它在在線損傷監(jiān)測(cè)中有一定的應(yīng)用。

2.4 損傷識(shí)別技術(shù)——基于應(yīng)變模態(tài)的變化

對(duì)有損傷的結(jié)構(gòu)進(jìn)行監(jiān)測(cè)分析時(shí)發(fā)現(xiàn)，位移模態(tài)和固有頻率變化并不明顯。它們的變化只能表示結(jié)構(gòu)已經(jīng)發(fā)生了損傷，但不能判斷損傷的程度，也不能作為判定損傷部位的依據(jù)[10]。應(yīng)變模態(tài)事實(shí)上也就是應(yīng)變的振型，清華大學(xué)李德葆等研究學(xué)者對(duì)5種損傷指標(biāo)分別進(jìn)行靈敏度的研究，最終得出了這5種損傷指標(biāo)靈敏度大小關(guān)系：位移模態(tài)振型<固有頻率<位移頻響函數(shù)<曲率模態(tài)振型<應(yīng)變模態(tài)振型[11]，由此可見，相比其他幾種損傷指標(biāo)，損傷對(duì)應(yīng)變模態(tài)更為敏感，應(yīng)變模態(tài)會(huì)發(fā)生突然的改變，且改變的大小與損傷程度成正比，即突變?cè)酱髶p傷程度越大。因此，基于應(yīng)變模態(tài)的損傷識(shí)別是一種比較準(zhǔn)確的損傷判定方法，對(duì)于判定損傷的位置和程度均有較好的效果。

2.5 損傷識(shí)別技術(shù)——基于剛度的變化

剛度矩陣變化在一定程度上可以反映結(jié)構(gòu)的損傷，且其蘊(yùn)含的信息通常要多于質(zhì)量矩陣，但是只有結(jié)構(gòu)發(fā)生嚴(yán)重?fù)p壞時(shí)，剛度矩陣才會(huì)有較明顯的變化，且難以判斷結(jié)構(gòu)的損傷位置。利用固有頻率和陣型確定局部結(jié)構(gòu)的剛度矩陣變化程度，依據(jù)變化程度判斷損傷程度，同時(shí)利用局部結(jié)構(gòu)剛度矩陣的變化位置，可以較為準(zhǔn)確地判斷出結(jié)構(gòu)的損傷部位[12]。高階陣型的剛度矩陣更有利于判斷結(jié)構(gòu)的損傷程度和位置，但是獲取結(jié)構(gòu)的高階陣型困難較大，因此在實(shí)際工程中這種方法應(yīng)用得比較少。

2.6 損傷識(shí)別技術(shù)——基于柔度的變化

與剛度矩陣相比，柔度矩陣對(duì)結(jié)構(gòu)損傷比較敏感，在特定條件下柔度矩陣可以作為判定損傷程度和損傷位置的重要指標(biāo)。在高頻下，柔度頻率的倒數(shù)部分接近于0，可以忽略不計(jì)，因此只需要計(jì)算結(jié)構(gòu)前面的低階頻率即可[13]。但是，利用柔度矩陣判定結(jié)構(gòu)的損傷時(shí)需要用結(jié)構(gòu)損傷前的柔度矩陣與損傷后的柔度矩陣作對(duì)比，損傷后的柔度矩陣容易通過測(cè)量獲得，但損傷前的柔度矩陣一般難以找到，不利于工程實(shí)踐的應(yīng)用。針對(duì)這一問題，有關(guān)學(xué)者提出了柔度曲率的方法識(shí)別結(jié)構(gòu)的損傷，依據(jù)實(shí)踐證明，這種方法可以識(shí)別結(jié)構(gòu)的多處損傷。同時(shí)，為了提高柔度矩陣損傷識(shí)別的準(zhǔn)確性，將概率論的相關(guān)知識(shí)以及小波分析方法融合進(jìn)來，使用統(tǒng)計(jì)學(xué)的方法改進(jìn)柔度矩陣，可以解決微小損傷的檢測(cè)問題。

3 智能優(yōu)化的診斷方法在損傷識(shí)別中的應(yīng)用

近年來，隨著人工智能的快速發(fā)展，在結(jié)構(gòu)損傷識(shí)別研究的應(yīng)用中，智能優(yōu)化的診斷方法逐漸發(fā)展起來，相關(guān)專家學(xué)者提出了很多智能優(yōu)化的診斷方法，其中人工神經(jīng)網(wǎng)絡(luò)的損傷識(shí)別技術(shù)和遺傳算法的損傷識(shí)別技術(shù)應(yīng)用最為廣泛。

3.1 人工神經(jīng)網(wǎng)絡(luò)

大多數(shù)人工神經(jīng)網(wǎng)絡(luò)由3層組成：分別為輸入層、隱層和輸出層。該方法診斷識(shí)別的基本原理是利用一些能夠通過試驗(yàn)或模擬得到的數(shù)據(jù)（如振型、頻率等），以這類數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入值，以裂紋參數(shù)作為輸出值[14]，經(jīng)過多次調(diào)整權(quán)值，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、測(cè)試和驗(yàn)證，當(dāng)系統(tǒng)的輸出值和神經(jīng)網(wǎng)絡(luò)的輸出值一致時(shí)，則說明訓(xùn)練結(jié)果是成功的；當(dāng)兩者存在差異時(shí)，該差異被稱為損傷識(shí)別的一種測(cè)度，在此基礎(chǔ)上可以通過神經(jīng)網(wǎng)絡(luò)建立起結(jié)構(gòu)模型參數(shù)和結(jié)果模態(tài)參數(shù)之間的非線性關(guān)系，結(jié)構(gòu)模型參數(shù)可以通過實(shí)際測(cè)量得到，基于兩者的非線性關(guān)系，即可得到結(jié)構(gòu)的邊界條件，進(jìn)而對(duì)結(jié)果模態(tài)參數(shù)進(jìn)行修改。就這樣不斷進(jìn)行優(yōu)化，最后得到一組性能最好的神經(jīng)網(wǎng)絡(luò)對(duì)裂紋參數(shù)進(jìn)行識(shí)別，對(duì)比損傷前后的結(jié)構(gòu)參數(shù)，計(jì)算出變化量，進(jìn)而可以識(shí)別出結(jié)構(gòu)的損傷程度和損傷位置等信息。

神經(jīng)網(wǎng)絡(luò)的出現(xiàn)解決了不少復(fù)雜工程損傷識(shí)別的工程問題，但仍然存在一些不足，具體表現(xiàn)在以下幾個(gè)方面：

（1）基于神經(jīng)網(wǎng)絡(luò)的損傷識(shí)別技術(shù)的學(xué)習(xí)速度很慢；

（2）基于神經(jīng)網(wǎng)絡(luò)的損傷識(shí)別技術(shù)非常復(fù)雜，因此對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練成功的概率不是很大；

（3）基于神經(jīng)網(wǎng)絡(luò)的損傷識(shí)別技術(shù)難以平衡實(shí)際結(jié)構(gòu)規(guī)模和神經(jīng)網(wǎng)絡(luò)規(guī)模之間的矛盾關(guān)系。

3.2 遺傳算法

基于遺傳算法的損傷識(shí)別最早在1975年由HOLLAND與其學(xué)生提出[15]，該方法的最大特點(diǎn)是基于達(dá)爾文進(jìn)化論，是一種模擬生物進(jìn)化的隨機(jī)搜索機(jī)制，從隨機(jī)的初始解出發(fā)，進(jìn)行一系列的選擇、交叉、變異和迭代，優(yōu)勝劣汰，進(jìn)而得到最優(yōu)解。正因?yàn)樗軌驅(qū)崿F(xiàn)全局搜索，因此在損傷識(shí)別應(yīng)用的領(lǐng)域中擁有廣闊的應(yīng)用前景。當(dāng)數(shù)據(jù)信息不多時(shí)，可以實(shí)現(xiàn)快速的損傷識(shí)別，定位損傷位置，得到損傷程度。然而也存在一定的不足，具體表現(xiàn)在以下幾個(gè)方面。

（1）求解模塊不能滿足所有的結(jié)構(gòu)類型和結(jié)構(gòu)規(guī)模，這樣也就難以保證損傷識(shí)別的準(zhǔn)確性，因此有時(shí)不便應(yīng)用于土木工程領(lǐng)域。

（2）不同結(jié)構(gòu)類型的遺傳算法在參數(shù)選擇上往往不能滿足參數(shù)分析的要求，如編碼方式、遺傳算子等，因此難以協(xié)調(diào)計(jì)算效率和計(jì)算結(jié)果的準(zhǔn)確性。

（3）在實(shí)際工程中，會(huì)應(yīng)用不同的測(cè)量方式測(cè)量不同的參數(shù)，而在遺傳算法中，僅考慮單一信息參數(shù)，因此測(cè)量結(jié)果較為片面，與實(shí)際會(huì)有一些出入。

4 結(jié)束語

隨著現(xiàn)代科技的快速發(fā)展，基于結(jié)構(gòu)的損傷識(shí)別技術(shù)這一研究將重點(diǎn)考慮關(guān)注以下幾個(gè)方面：

（1）結(jié)構(gòu)損傷的機(jī)理，這也是研究損傷識(shí)別的基礎(chǔ)；（2）損傷的早期識(shí)別；（3）傳感器布置和故障檢測(cè)；（4）基于非線性的損傷識(shí)別技術(shù)；（5）實(shí)測(cè)響應(yīng)數(shù)據(jù)的損傷識(shí)別技術(shù)；（6）基于在線技術(shù)的損傷識(shí)別方法；（7）智能優(yōu)化的診斷方法；（8）基于交叉學(xué)科的損傷識(shí)別技術(shù)。其中，最后一個(gè)將是未來研究的重點(diǎn)，因?yàn)楝F(xiàn)如今的建筑中有很多大型復(fù)雜結(jié)構(gòu)都擁有各自的獨(dú)特之處，包括多個(gè)領(lǐng)域的學(xué)科知識(shí)，如機(jī)械、材料、建筑等，因此只有將多門學(xué)科技術(shù)相結(jié)合，才能進(jìn)一步在一些單一損傷識(shí)別技術(shù)的基礎(chǔ)上提高識(shí)別結(jié)果的精度。而智能損傷診斷方法作為新興技術(shù)，其強(qiáng)大的信號(hào)處理和分類學(xué)習(xí)能力使其成為研究熱點(diǎn)和最新發(fā)展趨勢(shì)，工程應(yīng)用前景不可估量。

結(jié)構(gòu)損傷識(shí)別的研究存在很多的不確定性，是一個(gè)非常復(fù)雜的研究課題，在實(shí)際應(yīng)用中仍然存在很多問題。以下幾個(gè)方面的研究可能會(huì)促進(jìn)其未來的發(fā)展：其一，應(yīng)用數(shù)學(xué)模型判斷結(jié)構(gòu)的損傷信息，并且為其維修措施提供依據(jù)；其二，應(yīng)用混合模型的損傷識(shí)別技術(shù)，它可以匯集不同識(shí)別方法的優(yōu)點(diǎn)，在損傷識(shí)別的不同階段采用不同的測(cè)試方法，進(jìn)而提高結(jié)果的準(zhǔn)確性。結(jié)構(gòu)損傷識(shí)別的技術(shù)仍然還有很大的研究空間，相信在不久的將來，此項(xiàng)技術(shù)能夠獲得質(zhì)的飛越。