摘 要：基于彎矩應(yīng)力模態(tài)，轉(zhuǎn)換為曲率模態(tài)，用ANSYS軟件和MATLAB軟件進(jìn)行損傷識別，對一個Benchmark模型進(jìn)行損傷識別的。

關(guān)鍵詞：彎矩應(yīng)力模態(tài)；曲率模態(tài)；Benchmark模型；損傷識別；神經(jīng)網(wǎng)絡(luò)

DOI：10.16640/j.cnki.37-1222/t.2017.12.246

0 引言

為識別定位受損的具體桿件的，就要選擇對損傷位置比較敏感的指標(biāo)。選取了曲率模態(tài)平方差的指標(biāo)[1]以及同樣對損傷位置相對敏感的標(biāo)準(zhǔn)化的頻率變化率。運用神經(jīng)網(wǎng)絡(luò)中的BP神經(jīng)網(wǎng)絡(luò)[2]損傷識別法，對Benchmark模型的具體損傷桿件號進(jìn)行定位識別。

1 Benchmark模型損傷識別

Black和Ventura[3]在1998年提出了ASCE Benchmark結(jié)構(gòu)，用于實驗的ASCE Benchmark模型結(jié)構(gòu)存放在加拿大的英屬哥倫比亞大學(xué)（University of British Columbia）的地震工程研究實驗室內(nèi)。

選取柱、梁、斜撐各8根，并重新編號，進(jìn)行損傷識別。將待研究的目標(biāo)桿件重新編號后，尚不能直接進(jìn)行損傷識別，還要確定好不同類型的損傷工況。本文設(shè)定了四種工況，第一種工況是只有斜撐受損，第二種是柱和斜撐都有受損的情況，第三種是梁和斜撐同時受損的情況，第四種是柱、梁、斜撐都受損的情況。同時，設(shè)定各損傷桿件的截面剛度均折損了30%。

2 Benchmark模型的具體損傷識別

文章研究的Benchmark模型結(jié)構(gòu)損傷識別，旨在識別損傷的位置，即是對受損桿件號進(jìn)行定位識別。數(shù)值模擬的結(jié)果只需要指明目標(biāo)桿件是否受損即可，將輸出值中的0視為未損傷，而1即是已損傷。但是，只輸出0或者1那是理想值的情況，實際中大多會存在一定的誤差。設(shè)定了輸出值在[0，1]，根據(jù)相關(guān)論文的驗證以及以往科研人員的經(jīng)驗，將誤差的最大值設(shè)定為20%。也就是說目標(biāo)桿件沒有受損，輸出的實際值為[0，0.2]時，視為此時的損傷識別結(jié)果是可取的；若目標(biāo)桿件受損，輸出的實際值為[0.8，1]時，視為這次對這根桿件的損傷識別結(jié)果是有效的。因而，有了這個標(biāo)準(zhǔn)，就可以確定文中利用曲率模態(tài)平方差的指標(biāo)和標(biāo)準(zhǔn)化的頻率變化率這兩種指標(biāo)進(jìn)行損傷識別的效果如何。

3 Benchmark模型損傷識別的分析

對樣本用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練后，重點關(guān)注在四個工況中都受損的6根斜撐的實際值的變化，圖3-1便畫出了這6根受損斜撐在4種不同工況下的識別效果。

由判別標(biāo)準(zhǔn)可知，工況1中，17號和21號桿件實際值與期望值完全一致，但18號桿件沒有被識別出，22號和23號桿件識別效果不是特別好；到工況2中，17號，21號，23號和24號桿件實際值與期望值一致，22號桿件識別精度提高，而18號也被識別出了；工況3中，18號桿件的實際值又進(jìn)一步向期望值靠攏了，其余5根桿件的實際值都與期望值一致了；工況4中，6根斜撐的實際值都與期望值一致了。這說明，基于彎矩應(yīng)力模態(tài)，采用的這兩個參數(shù)指標(biāo)的損傷識別方法，對損傷位置的識別是有效的，通過多次識別其得到的精度將更準(zhǔn)確。

4 結(jié)論

文章為對一個Benchmark模型進(jìn)行損傷識別，基于彎矩應(yīng)力模態(tài)，并將其轉(zhuǎn)換為曲率模態(tài)，結(jié)合BP神經(jīng)網(wǎng)絡(luò)，采用曲率模態(tài)平方差指標(biāo) 和標(biāo)準(zhǔn)化頻率變化率 這兩個參數(shù)指標(biāo)。將在模態(tài)分析時得到的參數(shù)樣本數(shù)據(jù)，在BP神經(jīng)網(wǎng)絡(luò)中訓(xùn)練，得到數(shù)值仿真的結(jié)果，通過與期望值的對比，分析識別效果。文章得到的結(jié)論主要有以下幾個：

（1）本文選取的Benchmark模型，是專為驗證各種損傷識別方法是否有效而的模型。因此，利用此模型得到的損傷識別的效果具有一定的實際參考價值。

（2）在損傷識別中，設(shè)定了4種工況，并且設(shè)定所有損傷桿件均損傷30%。

（3）分別對4種工況進(jìn)行數(shù)值仿真，得出的結(jié)果表明，該識別方法可以識別出損傷的具體桿件號，并且多次識別后，識別的精度更能得到提高。說明，這兩個參數(shù)指標(biāo)確實可以識別出具體的損傷桿件，對實際的工程結(jié)構(gòu)的損傷位置識別的研究有著一定的參考價值及意義。

參考文獻(xiàn)：

[1]包振明.基于應(yīng)變模態(tài)法智能識別海洋導(dǎo)管架平臺的構(gòu)件裂紋[D].大連：大連理工大學(xué)，2013.

[2]吳迪.基于信息熵和神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識別方法研究[D].長沙：長沙理工大學(xué)，2013.

[3]Black C J and Ventura C E. Blind test on damage detection of a steel frame structure. 16th International Modal Analysis Conference （IMAC-XVI），Santa Barbara，California，F(xiàn)ebruary， 1998：623-629.

作者簡介：劉瀏昊知（1984- ），女，碩士研究生在讀，主要從事港口、近海及海洋工程結(jié)構(gòu)與巖土工程以及鋼結(jié)構(gòu)的學(xué)習(xí)與研究。