结构损伤识别方法研究

黄晶晶　韩伟

【摘要】对现有的结构损伤识别方法进行概括，并对其进行简要的介绍。根据每种方法的特点分析其适用条件和优缺点。

【关键词】结构损伤识别；神经网络；小波变换

0、前言

随着社会经济的快速发展，现代化建筑物越修越高，越修越复杂，由于各种自然荷载和人为荷载的不断作用，使得构件内部或构件之间连接出现损伤，这间接导致结构承载力下降，而且结构从投入使用开始就面临着损伤累计的问题，并且这些建筑物服役的年限越来越长，一旦发生事故，将会造成不可估量的人身和财产损失。一般损伤识别研究主要分为两部分：一是对损伤位置的识别；二是对损伤程度的判断。

1、结构损伤识别的研究现状

目前，关于结构损伤识别的问题日益成为国内外的热点问题。对于工程结构进行损伤研究开始于20世纪40年代，近几十年结构损伤识别的理论研究取得了飞速发展，但在实际工程中的应用却很有限。结构损伤识别技术基本上可以分为两大类：局部损伤识别和整体损伤识别。

1.1 结构损伤识别的局部法

目前常用的局部损伤识别方法有目测法、染色法、声发射法、射线法、磁扰动法等，该法是对结构的局部进行定期检查。局部损伤识别广泛应用于船舶等领域，但也存在着很多限制和弊端，如：该法只适用于小型结构的损伤检测，而对大型复杂的结构损伤识别并不明显，另外，无法对某些结构实施在线及时的检测。但将传感器固定在一些重要部件上，对这些部件进行远距离在线检测，较好的弥补了这一缺陷。该技术广泛应用于航空航天、公路桥梁和民用建筑，其优点是可以直接确定构件的裂纹及其位置。局部损伤识别技术对于压力容器、油箱等小型有规则的结构能有很好的识别效率，但对于大型、复杂的结构，这种技术用来检测结构的每一部分是不可能的。因此，局部损伤识别技术仅适用于检测结构的特别部件或局部结构。

1.2 结构损伤识别的整体法

结构损伤识别的局部法只适用于小型简单结构的损伤识别，因此基于多学科交叉的原理，得出了损伤识别技术的基础理论。结构可以看作由刚度、质量、阻尼矩阵组成的力学系统，因此寻求物理参数和模态参数之间的对应关系便成为结构损伤识别的核心问题。一般方法如动力指纹分析法、神经网络法、小波变换法和遗传算法等。

1.2.1 动力指纹分析法

1.基于结构固有频率的识别方法

在实际工程中结构的固有频率最容易获得，与测量位置无关，且结构的物理参数和频率之间处于某种对应的关系。该方法具有测量精度较高、简单易行等优点。但其缺点也同样明显：结构固有频率是一个全局量，对结构特征的局部变化不是很敏感；高阶频率对结构的局部损伤较低阶频率敏感，但又难于测量。

2.基于结构振型变化的识别方法

结构振型的测试精度虽然低于固有频率，但它包含了更为丰富的损伤信息，相较于固有频率也更为敏感。该法的优点是其反映的结构信息更加完整，可以有效的识别结构一处和多处损伤的位置以及损伤程度，且对结构的小损伤较敏感。但存在着需要非常密集的测点、测量振型不完整和噪声的影响等问题，而使得其无法广泛的应用。

1.2.2 神经网络法

神經网络识别损伤的基本原理是：根据结构的不同损伤状态，提取其特征参数，选择对结构状态改变敏感的参数作为结构损伤指标即网络输入向量，将对应的结构损伤状态作为输出向量进行神经网络训练，建立损伤指标与损伤状态之间的非线性映射关系，训练好的网络可根据当前的结构特征参数判断其损伤状态。具有以下几个特性：自适应性、并行性、非线性、容错性。

1.2.3 小波变换法

小波变换是一种新的变换研究法，它在继承并发展短时的傅立叶局部化变换思想的同时，克服了其窗口的大小不会随频率改变等缺点，提供了一个能随频率变化的时间—频率窗口，是一种进行信号时频分析处理的理想工具。其主要的特点是能够通过变换来充分突出某个问题的几个方面，因此小波变化法更适用于分析难以识别的局部性损伤。但由于所选取的基函数不同，而导致该法所分析的结果也不同，因此基函数的选取是目前该方法主要的研究方向。

1.2.4 遗传算法

遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种模拟自然进化过程搜索最优解的方法，其基本原理是：将问题的解表示成一个染色体群，将其置于问题环境中，根据生物进化优胜劣汰的原则，通过循环执行选择、交叉、变异等操作，逐步逼近全局最优解。其应用于实际大型复杂工程时计算量过大，因此还需更加深入的研究。

2、结论与展望

上述各种损伤识别的方法一般应用于数值模拟或实验中。由于测量环境和噪音等因素的影响，使得各种方法在实际应用中的误差较大而得不到满意的结果。因此，我们需要进一步深入的研究，以此能准确识别结构损伤识别的位置以及程度。寻找新的结构动力参数或进行组合使用，使其对结构损伤更为敏感，以及对噪音等环境影响有较好的抗干扰能力；寻求组合的损伤识别方法，以期望能更高效、准确的进行结构的损伤识别；对于结构损伤位置及其程度的识别固然重要，但对于损伤结构的承载力以及使用寿命也较为关键。因此，只有不断地进行深入研究，才能更为有效的进行结构的损伤识别，保证建筑物的安全性以及人身安全。

参考文献：

[1] 李宏男，李东生. 土木工程结构安全性评估、健康监测及诊断述评[J]. 地震工程与工程振动，2002，22（3）：82-90.

[2] 宗超. 建筑物结构损伤诊断技术现状与展望[J]. 价值工程，2010，29（27）：120-121.

[3] 杜德润，仇德伦，李爱群等. 神经网络技术在土木结构健康监测中的应用[J]. 无损检测，2004，26（8）：383-387.

[4] 危玉蓉. 基于神经网络的EMI结构健康监测及损伤检测研究[D]. 长沙：中南大学，2010：23.

[5] 程海根，盛双福，张显昆等. 基于遗传算法和BP神经网络的结构损伤识别[J]. 四川理工学院学报（自然科学版），2009，22（5）：82-85，92.