基于关联模态云推理算法的输电塔结构损伤识别

郭惠勇，何清林

(重庆大学 土木工程学院；山地城镇建设与新技术教育部重点实验室，重庆 400045)

随着经济的发展和电力需求的日益增长，中国已建成多条特高压输电线路。输电塔是输电线路的重要组成部分，其在服役期间常会受到雨雪的腐蚀以及风致荷载的疲劳作用，从而造成结构的损伤和承载力下降，最终可能导致倒塌等严重事故，故有必要对输电塔等工程结构进行健康监测和损伤识别研究[1]。结构的损伤会降低结构的刚度等物理量，导致结构的动力特性也随之变化。因此，许多研究者利用损伤前后的动力特性参数进行损伤识别。常见的动力特性参数包括频率、振型、曲率模态、应变能、频率响应函数、柔度矩阵、残余力等[2-4]。频率识别技术虽然较为简单，但结构的固有频率对局部小损伤的灵敏度不高，而且其他原因也可能导致频率变化。例如Aktan等[5]的研究表明，结构在未损伤时，温度的改变也会导致频率产生大约5%的变化。结构的振型和曲率模态对损伤较为敏感[6]，但高阶振型难以获取，在测量误差干扰下识别精度也难以保证。基于模态应变能和柔度矩阵的损伤识别方法，其实质依然是利用结构的模态参数为主构造相应的应变能和柔度矩阵进行损伤识别，但其对结构的高阶模态数据依赖性较小，可以利用较少的模态阶数得到较好的近似结果[7-8]。残余力向量法是直接利用结构的刚度矩阵、质量矩阵建立运动方程，并利用残余力向量与各杆件刚度变化量的对应关系进行损伤识别[9]。……