摘　要:结构损伤识别是近年来国际上的研究热点。阐述了实施土木工程结构损伤识别的必要性,在综述近几年国内外有关结构损伤诊断研究进展的基础上,讨论了结构损伤检测中的两类方法,重点对损伤识别中的动力指纹法、模型修正法、神经网络法、遗传算法、小波分析法进行了分析和比较,最后阐述了结构损伤识别领域目前存在的主要问题和未来的发展方向。
　　关键词:损伤识别;模型修正;神经网络;遗传算法;小波分析
1　损伤检测结构损伤识别是:通过对结构的关键性能指标的测试和分析,判断结构是否受到损伤;如果结构受到损伤,则损伤位置、损伤大小如何;为判断结构能否继续使用及其剩余寿命估计提供决策依据。结构的损伤识别主要包括4个层次:(1)结构是否发生损伤;(2)对损伤的定位;(3)对结构损伤大小进行评价;(4)对结构的剩余寿命进行估计。目前关于结构损伤识别的第一层次的研究已经成熟,而关于损伤定位与损伤大小方面的研究是核心,也是难点。
　　结构损伤检测技术按检测目标可分为局部检测和整体检测两大类。局部法依靠无损检测技术(Nondestructive Evaluation. NDE)对特定构件进行精确的检测、查找,描述缺陷的部位;而整体法试图评价整体结构的状态,可以间断或连续地评价结构的健康,确定损伤存在的可疑区域。在大型土木结构工程的健康监测中多综合利用局部法和整体法。
　　1.1　局部检测方法局部检测方法有目测法、回弹法、染色法、光干涉法、声发射法、射线法、超声波技术等。局部检测方法需要预先知道结构损伤的大体位置,并且要求检测仪器能够到达损伤区域,对于大型复杂结构,无法给出整体结构的损伤信息。
　　1.2　整体检测方法任何结构都可以看作是由刚度、质量、阻尼等物理参数组成的力学系统,结构一旦出现损伤,结构参数也随之发生改变。因此,结构参数的改变可以视为结构损伤发生的标志。利用损伤发生前后结构参数特性的改变来诊断结构损伤的方法称为整体检测方法。整体检测方法大致可以分为动力指纹法、模型修正法、神经网络法、遗传算法、小波分析法。
　　1.2.1　动力指纹法将从动力测试中获取的含有结构特性信息的动力响应及其衍生物理量统称为动力指纹。动力指纹法是通过分析与结构动力特性相关的动力指纹变化来判断结构的真实状况。结构一旦发生损伤,其结构参数,如刚度、质量、阻尼等会发生改变,从而导致相应的动力指纹的变化。这些动力指纹的改变可以看作结构损伤发生的标志,借以诊断结构的损伤。
　　常用的动力指纹有:频率、振型、模态曲率、应变模态、柔度、频响函数、模态保证准则(MAC)、坐标模态保证准则(COMAC)、能量传递比(ETR)等。测试单一动力特性的方法有频率比法、振型差法、应变模态法、曲率模态法等;测试多个动力特征的方法有柔度差阵、刚度差阵、均载变形-曲率法、能量损伤指纹、能量商差指纹等;其他测试响应的方法如FRF波形指纹法,包括WCC、ATM、SAC等几个指针。Monaco等采用频响函数作为指标,将改变的频响函数作为一个有代表性的损伤指数。Ma等采用去除反射的频响函数(DTF)作为指标,识别结构多点损伤。结构损伤改变去除反射的频响函数的相位,因而改变的去除反射的频响函数可以作为一个有代表性的损伤指数。Kim用重组的频响函数(FRFS)来诊断损伤。通过健康结构与损伤结构之间的频率响应变化来重组子空间系统模态,然后用结构动力系统重组算法来精确估计损伤结构的模型参数(固有频率、阻尼比等),该方法能用于结构在线损伤诊断。频响函数由于能在结构上直接测得,受污染机会小而被认为是一种有应用前景的损伤指标,且频响函数比模态数据在所需频率范围内能提供更多的损伤信息。
　　Whittem等采用模态宏应变向量法作为损伤指标,理论表明模态宏应变向量作为损伤指标在损伤的部位及其附近非常敏感。清华大学提出了结构损伤识别的柔度法。试验发现对于桥梁的结构监测和损伤检验,模态柔度是比单独的自振频率或振型更灵敏的参数。Daniel等将高频机械阻抗作为指标,试验了基于高频机械阻抗技术的结构健康监视系统。基本原理为对固定在结构表面的压电传感器施加高频激励(通常高于30 MHz),测量传感器的电流和电压而得到电阻,如果电阻发生变化,则结构变化,因而有损伤。高频机械阻抗实际上是结构的传递函数,研究表明其对结构的微小损伤和表面缺陷很敏感。
　　Wang等在Tsing Ma悬索桥的结构损伤检验中采用了不同的基于模态的指标,并对这些指标进行了比较,5种基于模态的损伤指标包括:坐标模态保证标准(COMAC)、增强的坐标模态保证标准(ECOMAC)、模态曲率(MSC)、模态应变能指标(MSEI)及模态柔度指标(MFI)。数值模拟的结果显示:每种指标的适用性和性能取决于相关的损伤类型。在性能评估的基础上,可根据不同的损伤类型推荐较优的损伤指标。大量的模型和实际结构试验表明,结构频率实测较准,但它对局部变化不敏感;振型尤其是高阶振型对局部刚度变化比较敏感,但却很难精确测量。
　　MAC、COMAC等依赖于振型的动力指纹都存在类似的问题,而模态曲率、应变模态则在低幅值振动测试中变化量级过小而难以起到有效的判别作用。有些指标如ETR、单元模态应变能可以较有效地确定损伤位置或发展,然而这些指标对噪声比较敏感,容易湮没于噪声中。目前已有的研究表明,动力指纹法对实验室内的简单模型结构而言是成功的,应用于实际的结构上结果还不太理想。可以说,到目前为止,动力参数法对结构损伤识别的能力仍然十分有限。动力指纹法的成功应用或许需要依赖于寻找新的综合性损伤指标及试验技术的发展。
　　1.2.2　模型修正法模型修正法主要利用动力试验数据(通常为模态参数或加速度时程记录、频响函数等),通过条件优化约束,不断地修正结构模型的刚度分布,从而得到结构刚度变化的信息,实现结构的损伤判别与定位。这种方法在划分和处理子结构上具有很多优点。用于无损评估的有限元模型修正方法包括模态柔度法、最优矩阵修正法、灵敏度矩阵修正法、特征结构分配法、测量刚度改变法和综合模态参数法。
　　Doebling指出在损伤识别中,最小秩法优于最小范数法。Kim先用优化模型修正方法进行损伤定位,再用灵敏度法识别损伤。王柏生等则先用损伤指标进行损伤定位,再用灵敏度法识别损伤。王中东等利用特征结构分配技术建立了结构有限元数值模型修正方法。他们基于剩余模态力分析方法,提出了确定结构损伤位置的算法,采用灵敏度分析的方法来定量评估结构的损伤程度。张启伟等介绍了利用结构振动实测数据并借助于有限元模型修正技术进行桥梁结构损伤识别的方法。为解决结构振动试验实测自由度不足的矛盾,采用静力凝聚或振型扩充技术实现实测模态与理论模型土木工程结构损伤识别研究自由度的一致性。通过对一试验模型的模拟损伤试验,调查各理论方法的有效性和在实际结构检测中的运用情况。
　　模型修正法在损伤识别过程中由于振动测试模态集不完备、测试自由度不足以及测量噪信比高等原因,修正所需的信息不够,易导致解答的不唯一性。因此任何模型修正方法必须处理有限元模型详细分析与相对离散信息之间的不匹配。解决方法有:
　　(1)减少有限元模型自由度,如采用缩聚法或动边界条件进行子结构模型修正,也可将不完备实测模态振型扩展至与有限元模型相同的自由度;(2)通过良态建模、合理划分子结构以及最优测点布置来获取最大信息量解决问题;(3)统计分析方法。该方法是从统计的角度,考虑特征参数的不确定性及其统计分布特征,可利用相关的随机有限元模型分析研究特征值问题从而评估损伤,或利用谱密度估计的统计特性来获得模态参数的修正概率密度函数表达式来分析损伤等,包括广义的贝叶斯统计方法、规则化方法、模糊逻辑方法等。
　　1.2.3　神经网络法人工神经网络(ANN)是对人脑或自然神经系统若干基本特征的抽象与模拟。它由大量处理单元(神经元)相互联结组成,按照一定的连接权获取信息的联系模式,根据一定的学习规则,实现网络的学习和关系映射,具有学习、记忆、计算、识别等智能处理功能、人工神经网络以及其处理信息的并行性、自组织、自学习性、联想记忆能力以及很强的鲁棒性和容错性,广泛应用于许多领域。神经网络用于损伤识别的基本原理是:根据结构在不同状态的反应,通过特征提取,选择对结构损伤敏感的参数作为网络的输入向量,结构的损伤状态作为输出,建立损伤分类训练样本集。将样本集送入神经网络进行训练,建立输入参数与损伤状态之间的映射关系,训练后的网络具有模式分类功能。将待测结构进行测试的动力参数输入网络,得出损伤状态信息。
　　应用ANN的结构损伤诊断方法不需要结构动力特性的先验知识,具有损伤诊断非参数的优点。神经网络具有很强的非线性映射能力,特别适合于非线性模式识别和分类,能够滤出噪声或在有噪声情况下正确识别,在这一点上,比模型修正法和信号处理法适用范围更广。目前,用于结构损伤识别的神经网络模型多为前向神经网络,其中BP网络应用最为广泛,此外还有对偶传播神经网络、自回归神经网络、径向基神经网络、小波神经网络、模糊神经网络等。高赞明,孙宗光和倪一清在香港汲水门大桥的损伤检测中使用了BP神经网络,他们提出了新奇指标,采用三阶段分步识别的策略,即首先给出了损伤预警,看桥梁是否发生了损伤;其次进行损伤定位;最后给出损伤程度的判断。这种方法当结构损伤程度较大时,取得了很好的诊断结果。Ko和Ni等用自联想神经网络对香港的Ting Kau大桥进行了损伤诊断,他们利用自振频率的变化作为神经网络的训练学习内容。
　　Kaminsk提出了将固有频率变化作为神经网络的输入来近似识别损伤的位置,将固有频率、损伤前后频率变化比、标准化的损伤前后频率变化作为网络的输入,分析了这3种输入对损伤定位的影响,同时讨论了不同隐含层单元数对网络性能的影响。Elkordy等人以一五层框架结构为例,将每种损伤状态下一到四层的第一阶振型按第五层的第一阶振型进行归一处理,然后求得损伤前后振型变化比作为BP网络的输入参数,第一步先进行损伤位置的检测,然后再检测损伤程度。采用了两个计算模型来与实验模型进行对比,发现简化的模型也能得到较好的结果。但是检测结果中有误诊出现,这是因为,不同的损伤情况可能会产生非常相近的振型变化比。这也表明仅仅依赖振型作为损伤指标是不足够或不可靠的。
　　总的来说,神经网络进行损伤检测时存在共同的问题和难点,主要有以下几点。
　　(1)网络本身所存在的问题。例如:网络结构的优化,初始参数的确定及训练步长的选择等。
　　(2)训练样本太少。由于实际结构的规模较大、结构形式较复杂,使得神经网络在实际应用时,很难获得较全面的网络训练样本。
　　(3)网络的泛化能力差。当结构出现新的损伤类型时,即损伤检测样本不在训练样本的空间内,网络可能会产生错误的诊断结构。
　　(4)结构建模及测量误差问题。建模误差和现场测量误差是损伤检测中不可避免的,它们直接影响损伤检测的结果。
　　(5)网络检测结果不能保证完全可靠。例如:针对训练样本,网络的误差可能都小于1%,但是当进行诊断时,网络的误差会增大很多,甚至出现错误的判断。
　　(6)网络输入参数的选择。应该选择对损伤比较敏感同时又比较容易获得的数据作为神经网络的训练参数。
　　1.2.4　遗传算法遗传算法的基本思想是从一组随机产生的初始解开始进行搜索,种群中的每一个个体即是问题的一个解,称为“染色体”。遗传算法通过染色体的适应值来评价染色体的好坏,适应值大的染色体被选择的机率高,反之被选择的机率就小,被选择的染色体进入下一代;下一代染色体再经过交叉、变异等操作而产生了新的染色体,即“后代”;不断地重复此过程,经过若干代后,算法收敛于最好的染色体,即为问题的最优解。
　　遗传算法是一种基于自然遗传和自然选择机理寻优的方法,将其引入损伤评估的最优化方法中,在测试获取信息不多的情况下,能迅速判定损伤位置和程度,即使模态信息部分丢失时,遗传算法寻优能力丝毫不受影响。遗传算法只需计算各可行解的目标值而不要求目标函数的连续性,不需要梯度信息,并采取多线索的并行搜索方式进行优化,因而不会陷入局部最小,且使用方便,鲁棒性强。
　　Koh等采用局部搜索的遗传算法,通过测定激励和响应来决定结构参数进行识别。数值模拟了板/壳和飞机翼,结果表明,载荷位置对识别结果影响很大。该法通过全局和局部阶段自适应调整局部搜索尺寸的偏差,有很强的抗噪性。易伟健等引入遗传算法处理试验得到的动力信息对结构的损伤进行诊断,提出了多父体变量级杂交和变量微调等新的改进措施,并应用于固端梁、连续梁和框架等多个结构的损伤诊断,取得了满足工程要求的结果。
　　但是,遗传算法是一种概率搜索方法,它需要用相当数量的染色体组成集团,进行大量的目标函数值计算,就结构优化分析而言,每个函数值的获取等同于进行一次有限元分析,世代繁殖寻优过程的有限元重分析工作量可想而知。对于小规模优化问题,这些计算量并不构成严重障碍,然而对于大规模的结构优化问题,大量的有限元分析计算将是一个沉重负担。因此,如何有效地减小有限元分析计算工作量是遗传算法成功地应用于大型结构优化设计的关键。同样,对于结构损伤识别问题,减少计算量也是使用遗传算法求解时所必须考虑的一个重要问题。
　　1.2.5　小波分析法小波分析(wavelets analysis)是数学理论中调和分析技术发展的最新成果,可以看作是一个传统的Fourier变换的扩展。它在时域和频域都具有表征信号局部特征的能力,基于小波变换的小波分析利用一个可以伸缩和平移的可变视窗能够聚焦到信号的任意细节进行时频域处理,既可看到信号的全貌又可分析信号的细节,并且可以保留数据的瞬时特性。结构模型在环境激励下,结构的损伤可以从对相应数据进行小波离散后的细节突变上检验出来,这些突变的位置可以精确地指出损伤发生的时刻。
　　徐洪钟等利用多分辨分析(小波多层分解)方法,对大坝观测数据的异常值进行了检测,并通过工程实例验证了该方法的有效性。所采用的小波分析方法适合检测单个和多个异常值。
　　Hou等提出了一种基于小波方法的结构损伤检测。用一个在谐和激励下的简单模型进行数值仿真。模型包括多个可破坏弹簧,当响应超过极限值或运动循环的次数积累超出了它们的疲劳寿命时,其中的一些弹簧就会发生不可恢复的损伤,无论是突然损伤还是积累损伤,损伤的发生以及发生的时刻都可以通过这些数据的小波分解细节检查出来。
　　Hou等还利用小波分析理论对ASCE提出的健康监测基准问题(Health Monitoring Benchmarkproblem)中的典型结构的损伤监测问题进行了研究。利用时程分析程序计算结构动力响应,并在仿真过程中允许结构中某些构件发生损伤,如支撑刚度突然全部消失或部分消失。将得到的加速度响应信号进行离散小波变换,通过分解后高频波形上的突起来判断损伤的发生和发生的时刻。分析过程中对多个结点加速度进行小波分解,并通过分解后带有突起的结点在整个结构中所处的空间位置来判断损伤的位置,结果表明,小波方法是损伤检测和结构健康监测的一个很有潜力的方法。
　　2　结构损伤识别存在的主要问题近年来,我国在土木工程结构健康诊断与寿命评估的研究上加大了科研投入,结构损伤识别已经成为土木工程领域的一个重要研究方向。但是由于人们认识水平、试验测试技术和现场条件的限制,结构损伤识别技术的发展受到以下几个方面的制约而进展缓慢。
　　2.1　结构模型误差人们对于客观系统中现象的描述或预测总是在土木工程结构损伤识别研究一定的基本条件下进行的,在某些规定的基本条件下,将客观系统抽象为具有一定模型形式和参数的数学模型。针对具体的土木工程结构系统,在模型化的过程中,由于系统的复杂性而引起的系统阻尼机制、摩擦系数、非线性特性等的随机性,由于结构的复杂性而引入的结构链接和边界条件等的简化假定,都使得结构模型不能够准确地反映结构内部的每一细节,表现为结构模型的不完备性。由于科学研究的不断进步,只要有新的试验方法能够减少试验的不精确性,新理论和新模型就会产生,从而允许对观测进行更精确的解释,这也是通过结构识别方法改进结构模型的基本目的。由于这个原因,若没有对模型不完备带来的误差进行仔细分析,通常不能正确处理结构损伤识别问题。
　　2.2　实测数据不完整大多数结构损伤识别方法假定结构模型自由度与实测自由度相同,然而在实际结构中,由于条件上的限制,会造成实测数据的不完备。如,结构测试传感器只能布置在有限的位置上,特别是较复杂结构,传感器就更为稀疏;实测数据的不完整也与结构的形式有关,对于包含受弯构件的结构,旋转自由度的响应在实际中是无法观测得到的;在结构振动试验中,由于激励方式、数据采样和滤波的限制,只能获得有限频域范围的模态数据。实测数据的不完整无法给结构损伤识别提供充分有用信息,常常造成在欠定条件下的求解,加剧了识别问题的不适定程度。
　　2.3　实测数据不精确在实测数据的采集和处理过程中,电子信号的随机误差、传感器附加刚度和质量带来的系统误差、信号处理或识别技术不精确造成的误差,都被认为是实测数据误差。在结构损伤识别过程中为使实测自由度与模型自由度相匹配,采用模型缩聚和模态扩展的方法而引入的误差,也被认为是实测误差。数据误差的存在可能会掩盖因结构特性改变而引起的结构响应的改变,导致无法得到合理的损伤识别解答。在结构的损伤识别研究中,上述3种因素是无法避免的、本质的,是所有损伤识别方法所必须面对的问题,也是制约结构损伤识别发展与应用的关键因素。对土木工程结构损伤识别而言,尚没有形成统一的求解理论和方法,目前的一些方法还无法较好地解决实测数据不完整、不精确条件下的结构损伤识别问题。
　　3　未来发展方向针对上述的几个主要问题,目前的结构损伤识别方法研究应主要开展如下的一些探索方向:
　　(1)发展能提高损伤识别标志量对局部损伤敏感程度的损伤识别方法;(2)要能充分利用有限的测试数据信息进行损伤识别;(3)研究利用抗噪能力强的测试设备;(4)找出结构整体测试信息与局部损伤特性变化之间的关系;(5)结构的损伤评估作为工程设施质量及安全管理的一部分,越来越受到人们的重视。超期服役的土木工程结构的可靠度分析、健康检测等问题也是当今世界面临的一大安全问题。
　　参考文献:
　　[1]　Monaco E,et a1.Non destructive technique based onvibrations measurements and piezoelectric patchesarray for monitoring corrosion phenomena[R].NDEfor Health Monitoring and Diagnostics, San Diego,2002.
　　[2]　Ma J, et a1. Detecting multiple damages in a civilstructure model[R].Smart Structures and Materials,San Diego,2002.
　　[3]　Kim HY.Vibration-Based Damage identification usingreconstructed FRFS in composite structures [J].
　　Journal of Sound and Vibration,2003,259(5).
　　[4]　Schulz W,et a1.Real-time damage assessment of civilstructure using fiber grating sensors and modalanalysis [R]. Smart Structures and Materials, SanDiego,2002.
　　[5]　Peairs D M,et a1.Reducing the cost of impendence-based structural health monitoring [R]. NDE forHealth Monitoring and Diagnostics.San Diego,2002.
　　[6]　Wang B S,Hang X B, Ni Y Q, et a1. Comparativestudy of damage indices in application to along-spansuspension bridge [ A ]. Proceedings of theInternational Conference on Advances in StructuralDynamics [C ]. Hongkong Polytechnic University,Hong Kong,2000.
　　[7]　Doebling S W. Minimum-rank optimal update ofelemental stiffness parameters for structural damageidentification[J].AIAA Journal, 1996,34(12).
上一篇：工程结构可靠度设计的研究与应用进展
下一篇：土木工程结构实验室实验教学改革探讨