滕志強(qiáng)

(廣東工業(yè)大學(xué)土木與交通工程學(xué)院 廣東 廣州 510006)

由于結(jié)構(gòu)損傷發(fā)生部位不定，可能是在局部也可能是結(jié)構(gòu)全部位因此可分為全局損傷識別方法和局部損傷識別方法。局部損傷識別方法有磁場法、超聲波法和溫度場法等。這些方法需要預(yù)先已知損傷的大致位置且可供檢查，對于大型復(fù)雜及人們不易接近的結(jié)構(gòu)，利用該方法難以進(jìn)行損傷探測[1]。全局損傷檢測方法分為靜力和動力兩種。利用靜力測試數(shù)據(jù)相對于動力來說雖獲取方便且準(zhǔn)確、穩(wěn)定、但其施加荷載工況有限、測量信息少和對實(shí)際結(jié)構(gòu)加載困難或不現(xiàn)實(shí)等問題是不可避免的[2]。所以，基于振動的損傷識別方法的研究成為了國內(nèi)外眾多學(xué)者研究的熱點(diǎn)，其基本思想是利用結(jié)構(gòu)物理特性(剛度、質(zhì)量、阻尼等)與結(jié)構(gòu)動力響應(yīng)(頻響函數(shù)、振型等)之間的函數(shù)關(guān)系來識別和評估結(jié)構(gòu)的損傷[3]。利用這個函數(shù)關(guān)系，可以將振動參數(shù)的變化假設(shè)為損傷檢測的指標(biāo)。但這這些方法往往伴隨著計(jì)算量大、復(fù)雜等缺點(diǎn)，神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的數(shù)據(jù)處理能力被應(yīng)用到結(jié)構(gòu)損傷識別中，節(jié)省了人力物力。下面對其常用的方法做一個研究現(xiàn)狀的總結(jié)和歸納。

一、基于模態(tài)參數(shù)的損傷識別方法

(一)基于頻率的損傷識別方法

相比于其它模態(tài)參數(shù)，固有頻率更容易測得，且精度高，因此早期很多研究學(xué)者研究了關(guān)于頻率的損傷識別方法[4]。其判斷原理是：結(jié)構(gòu)在發(fā)生損傷時，質(zhì)量和剛度減小，引起頻率的變化。目前，基于結(jié)構(gòu)固有頻率的識別方法的仍存在不足：①通常低階頻率只能確定大的損傷的存在，對小損傷不敏感，而高階頻率對小損傷敏感，但實(shí)際工程難以測得高階頻率；②頻率作為一個全局的模態(tài)參數(shù)，往往頻率在局部發(fā)生損傷時不會表現(xiàn)出太大的變化，因此其對損傷定位精度不高，而用于判別結(jié)構(gòu)的損傷程度就更加難以實(shí)現(xiàn)了。

(二)基于振型的損傷檢測法

利用振型來判斷破損狀況比頻率法準(zhǔn)確，因?yàn)樵谡裥椭谢旧鲜前械恼駝有畔?。但是，振型的獲取比頻率獲取還要難，振型模態(tài)的測量誤差比固有頻率還要大，此外，測量的振動模態(tài)經(jīng)常是不完整的，測量精度比固有頻率低。所以，通常先利用固有頻率來判斷結(jié)構(gòu)損傷是否存在，再利用振型信息來判斷損傷的位置。

(三)基于應(yīng)變模態(tài)的損傷識別方法

由應(yīng)變與位移的微分關(guān)系[5]，可以知道應(yīng)變模態(tài)相較位移模態(tài)對小損傷更加敏感，而且實(shí)際測量時，應(yīng)變片輕質(zhì)、黏貼牢固和可用于液態(tài)物質(zhì)的測量等優(yōu)點(diǎn)受到了廣大研究學(xué)者的青睞。雖然應(yīng)變模態(tài)的方法克服了敏感性低的缺陷，但在實(shí)際損傷識別工作中只有將應(yīng)變片貼于損傷位置附近才能精確地定位出損傷，因此該方法需要預(yù)先分析測點(diǎn)的位置，加大了損傷診斷工作的繁瑣性，此外，應(yīng)變片的測量精度會受到濕地、溫度和噪聲等環(huán)境因素的影響，對于時間的檢測可能會受到干擾。

二、基于振動響應(yīng)的損傷檢測方法

基于頻響函數(shù)的損傷檢測法。頻響函數(shù)比模態(tài)參數(shù)包含了更多的信息，它是由系統(tǒng)的穩(wěn)態(tài)響應(yīng)與激勵的傅里葉變換的比值得到[6]。直接采用測量得到的頻響函數(shù)作為損傷識別指標(biāo)，不會受到參數(shù)估計(jì)和模態(tài)截斷引起的誤差的影響。有研究學(xué)者只需要采用損傷后的結(jié)構(gòu)頻響函數(shù)虛部,構(gòu)造結(jié)構(gòu)的損傷檢測指示因子,無需對無損模型進(jìn)行分析，降低了其對損傷監(jiān)測工作帶來的誤差[7]。王孟鴻等運(yùn)用損傷前后的頻響函數(shù)和主成分分析進(jìn)行數(shù)據(jù)處理，獲取頻響函數(shù)夾角作為損傷指標(biāo)來判斷網(wǎng)架結(jié)構(gòu)的損傷位置[8]。

三、基于智能算法的結(jié)構(gòu)損傷識別方法

(一)基于遺傳算法的結(jié)構(gòu)損傷識別方法

遺傳算法是一種通過參考進(jìn)化生物學(xué)中“物競天擇，適者生存”的現(xiàn)象，來尋找最優(yōu)值問題的一種進(jìn)化算法。遺傳算法的編碼操作保證它在迭代中的每一個解集都能夠完整地使用信息。同時，遺傳算法只需要計(jì)算各可行解的目標(biāo)值而不需要求目標(biāo)函數(shù)的連續(xù)性，不需要梯度信息，具有高效性，使用方便，魯棒性強(qiáng)[9]。遺傳算法存在的不足是它不利于大規(guī)模的結(jié)構(gòu)優(yōu)化設(shè)計(jì)，所需的樣本數(shù)量很大。

(二)基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識別方法

神經(jīng)網(wǎng)絡(luò)用于損傷識別的基本原理是：將結(jié)構(gòu)的損傷參數(shù)(如模態(tài)參數(shù)和響應(yīng)等)作為網(wǎng)絡(luò)的輸入，損傷狀態(tài)作為網(wǎng)絡(luò)的輸出，構(gòu)成損傷分類和回歸的訓(xùn)練樣本集，神經(jīng)網(wǎng)絡(luò)對樣本集進(jìn)行訓(xùn)練，建立損傷參數(shù)與損傷狀態(tài)的映射關(guān)系[10]。近年來卷積神經(jīng)網(wǎng)絡(luò)被應(yīng)用在損傷識別中，并表現(xiàn)非凡，大大推進(jìn)了結(jié)構(gòu)健康檢測。

四、總結(jié)

隨著科學(xué)發(fā)展，檢測技術(shù)的進(jìn)步，結(jié)構(gòu)損傷識別方法不斷推陳出新，并沿著智能化發(fā)展。近些年也取得了令人振奮的成績，結(jié)構(gòu)在實(shí)際服役環(huán)境中受到的損傷是復(fù)雜多變的，如何將模擬與試驗(yàn)應(yīng)用到現(xiàn)役結(jié)構(gòu)中還面臨著巨大挑戰(zhàn)。因此，需要該領(lǐng)域的工作者繼續(xù)努力探索多損傷指標(biāo)相結(jié)合的檢測系統(tǒng)，做到對現(xiàn)役結(jié)構(gòu)進(jìn)行實(shí)時監(jiān)測方法。