黃民水，雷勇志

武漢工程大學(xué)土木工程與建筑學(xué)院，湖北 武漢430074

大型高層建筑及橋梁空間結(jié)構(gòu)復(fù)雜，受荷載及環(huán)境影響較大，某些局部關(guān)鍵部位受損不易察覺(jué)，維護(hù)與維修問(wèn)題始終困擾著工程建設(shè)人員。如何對(duì)大型結(jié)構(gòu)在服役過(guò)程中產(chǎn)生的內(nèi)部損壞進(jìn)行識(shí)別，是一個(gè)值得思考與研究的問(wèn)題。傳統(tǒng)的人工檢測(cè)方式只能對(duì)結(jié)構(gòu)外觀進(jìn)行檢測(cè)，而這種傳統(tǒng)方式對(duì)高層建筑及超高層建筑而言難以實(shí)施；對(duì)大跨度橋梁結(jié)構(gòu)而言，其成本巨大，效果亦不理想。因此，隨著計(jì)算機(jī)及傳感器技術(shù)的發(fā)展，針對(duì)服役結(jié)構(gòu)健康狀況判定的無(wú)損探傷技術(shù)應(yīng)運(yùn)而生。

Rytter［1］根據(jù)對(duì)結(jié)構(gòu)損傷問(wèn)題研究的深入程度，將損傷識(shí)別問(wèn)題分為如下4個(gè)層次：①確定結(jié)構(gòu)內(nèi)部是否發(fā)生損傷；②確定結(jié)構(gòu)損傷的空間位置；③量化結(jié)構(gòu)損傷程度；④對(duì)結(jié)構(gòu)的剩余使用壽命進(jìn)行評(píng)估與預(yù)測(cè)。經(jīng)多年的研究與發(fā)展，目前針對(duì)結(jié)構(gòu)健康狀況的判定方法大部分已能實(shí)現(xiàn)確定損傷的空間位置，在某些特定的情況下也可實(shí)現(xiàn)結(jié)構(gòu)損傷程度的量化。但對(duì)于最終目標(biāo)即評(píng)估結(jié)構(gòu)的剩余使用壽命，由于土木工程結(jié)構(gòu)實(shí)際運(yùn)營(yíng)環(huán)境復(fù)雜，受環(huán)境因素如車(chē)輛荷載、溫度變化及雨雪凍融的影響較大，另外還需結(jié)合其他領(lǐng)域，如疲勞壽命分析與結(jié)構(gòu)設(shè)計(jì)評(píng)估，才有可能實(shí)現(xiàn)。因此目前結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域的主要研究熱點(diǎn)在于對(duì)結(jié)構(gòu)的線性化損傷進(jìn)行檢測(cè)、定位與量化，并在此基礎(chǔ)上開(kāi)發(fā)出結(jié)構(gòu)健康監(jiān)測(cè)實(shí)時(shí)系統(tǒng)，針對(duì)大跨度橋梁結(jié)構(gòu)或高層建筑結(jié)構(gòu)實(shí)現(xiàn)全天候監(jiān)控。對(duì)于目前結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域研究的線性損傷識(shí)別問(wèn)題，主要可分為兩大類(lèi)別，其一為基于數(shù)據(jù)的結(jié)構(gòu)損傷識(shí)別方法，其二為基于模型的結(jié)構(gòu)損傷識(shí)別方法。

1）基于數(shù)據(jù)的結(jié)構(gòu)損傷識(shí)別

在對(duì)實(shí)際結(jié)構(gòu)的健康狀況進(jìn)行評(píng)估時(shí)，需借助傳感器技術(shù)采集結(jié)構(gòu)的動(dòng)力響應(yīng)數(shù)據(jù)，如加速度時(shí)程和應(yīng)力應(yīng)變時(shí)程等，蘊(yùn)含著結(jié)構(gòu)在外界激勵(lì)下產(chǎn)生的響應(yīng)信息。在相同的外界激勵(lì)下，當(dāng)結(jié)構(gòu)內(nèi)部發(fā)生缺陷或損傷時(shí)，其輸出的響應(yīng)信息會(huì)發(fā)生變化，通過(guò)對(duì)比結(jié)構(gòu)損傷前后的動(dòng)力響應(yīng)，即可對(duì)結(jié)構(gòu)的健康狀況進(jìn)行判定。

基于數(shù)據(jù)的結(jié)構(gòu)損傷識(shí)別方法的主要優(yōu)勢(shì)在于無(wú)須建立實(shí)際結(jié)構(gòu)的有限元模型，可避免建模過(guò)程中帶來(lái)的誤差影響，僅需通過(guò)對(duì)損傷前后實(shí)測(cè)結(jié)構(gòu)的動(dòng)力響應(yīng)數(shù)據(jù)進(jìn)行分析即可判斷結(jié)構(gòu)當(dāng)前的健康狀況。該方法常與信號(hào)處理與分析技術(shù)如快速傅里葉變換、小波包分析及希爾伯特-黃變換相結(jié)合從而提取對(duì)損傷敏感的特征信息，進(jìn)而實(shí)現(xiàn)損傷判定。另外，常見(jiàn)的數(shù)據(jù)分析處理手段如主成分分析與時(shí)間序列分析等也能通過(guò)分析結(jié)構(gòu)響應(yīng)數(shù)據(jù)從而確定結(jié)構(gòu)健康狀況。

但該方法的缺點(diǎn)也十分明顯，即對(duì)于采集到的數(shù)據(jù)不可避免地會(huì)存在噪聲和測(cè)量誤差的干擾，同時(shí)由于數(shù)據(jù)量較大，維度較高，很難通過(guò)直接對(duì)比的形式得出理想的結(jié)果，尋找一種高效的數(shù)據(jù)處理與信息挖掘方法是目前面臨的難點(diǎn)問(wèn)題。另外，該方法由于不依賴于有限元模型，通過(guò)測(cè)量數(shù)據(jù)對(duì)比僅能實(shí)現(xiàn)對(duì)是否存在損傷及損傷的位置進(jìn)行判別，無(wú)法直接對(duì)損傷的程度進(jìn)行量化分析。

2）基于模型的結(jié)構(gòu)損傷識(shí)別

基于模型的損傷識(shí)別方法關(guān)鍵問(wèn)題在于建立可準(zhǔn)確反映實(shí)際結(jié)構(gòu)的基準(zhǔn)有限元模型。該方法通過(guò)對(duì)比結(jié)構(gòu)理論分析與實(shí)際測(cè)試的動(dòng)力指紋信息，從而調(diào)整結(jié)構(gòu)有限元模型，將二者之間的差異趨于最小化，最終反演出結(jié)構(gòu)有限元模型中具體到某個(gè)單元的損壞，實(shí)現(xiàn)結(jié)構(gòu)損傷位置與程度的精準(zhǔn)識(shí)別。

該方法較基于數(shù)據(jù)的損傷識(shí)別方法而言，對(duì)結(jié)構(gòu)的動(dòng)力響應(yīng)信息要求不太苛刻，就采用動(dòng)力指紋這一指標(biāo)而言，基于模型的損傷識(shí)別方法僅需結(jié)構(gòu)的自振頻率與模態(tài)振型即可進(jìn)行相關(guān)的損傷識(shí)別工作，但雖如此，該方法同時(shí)存在以下幾個(gè)問(wèn)題需要解決：

①難以建立精確的基準(zhǔn)有限元模型

根據(jù)結(jié)構(gòu)的設(shè)計(jì)圖紙建立的基準(zhǔn)有限元模型中細(xì)部信息難以進(jìn)行精確模擬，如邊界條件和構(gòu)件銜接處部位等。同時(shí)，實(shí)際結(jié)構(gòu)受到自然環(huán)境的影響，這一非線性因素目前在有限元模型中也難以模擬，往往只能通過(guò)模型修正進(jìn)行處理。這些因素都會(huì)引入一定的建模難度及計(jì)算誤差。

②目標(biāo)函數(shù)的構(gòu)建

基于模型的損傷識(shí)別方法中的損傷識(shí)別過(guò)程即是對(duì)目標(biāo)函數(shù)進(jìn)行最小化求解的過(guò)程。構(gòu)建對(duì)結(jié)構(gòu)損傷敏感且具有一定噪聲魯棒性的目標(biāo)函數(shù)，是該方法的難點(diǎn)問(wèn)題。常用的基于模態(tài)頻率與模態(tài)振型的目標(biāo)函數(shù)雖能對(duì)結(jié)構(gòu)損傷進(jìn)行識(shí)別，但效果并不理想。

③高效的優(yōu)化算法

尋找一種高效的求解最優(yōu)化問(wèn)題的算法也是阻礙該方法發(fā)展與推廣的一個(gè)主要障礙。最早引入的優(yōu)化算法如遺傳算法由于易陷入早熟，同時(shí)計(jì)算效率太低，難以得到全局最優(yōu)值。同時(shí)對(duì)于大型結(jié)構(gòu)而言，算法性能好壞決定著損傷識(shí)別過(guò)程中的時(shí)間成本，也將影響損傷識(shí)別結(jié)果的準(zhǔn)確性。

1 基于模態(tài)參數(shù)的損傷識(shí)別方法

模態(tài)參數(shù)作為結(jié)構(gòu)的自身固有屬性，僅在結(jié)構(gòu)內(nèi)部材料或外界約束條件發(fā)生變化時(shí)發(fā)生一定的改變?；谀B(tài)參數(shù)的結(jié)構(gòu)損傷識(shí)別技術(shù)是一種極為有效的結(jié)構(gòu)損傷判定方法。目前，基于模態(tài)參數(shù)的損傷識(shí)別診斷已廣泛應(yīng)用于土木工程領(lǐng)域，并取得了令人矚目的成效。

1.1 頻率

結(jié)構(gòu)自振頻率與結(jié)構(gòu)的材料屬性存在相關(guān)關(guān)系，該參數(shù)對(duì)結(jié)構(gòu)內(nèi)部損傷情況敏感，而且低階頻率的獲取較為容易。因此，通過(guò)分析結(jié)構(gòu)損傷前后的自振頻率變化，是最早用于結(jié)構(gòu)健康監(jiān)測(cè)的手段之一。Salawu［2］對(duì)基于結(jié)構(gòu)頻率變化的損傷識(shí)別方法進(jìn)行了詳細(xì)的綜述。

1）正向問(wèn)題

基于頻率改變的損傷識(shí)別正向問(wèn)題，其具體思路在于通過(guò)有限元模型模擬結(jié)構(gòu)損傷并計(jì)算出損傷后的頻率，將計(jì)算頻率與實(shí)測(cè)頻率進(jìn)行對(duì)比分析從而確定實(shí)際結(jié)構(gòu)內(nèi)部是否存在損壞。Kim等［3］通過(guò)對(duì)比不同程度外界激勵(lì)下結(jié)構(gòu)自振頻率的差異，采用理論分析與試驗(yàn)相結(jié)合的方式確定結(jié)構(gòu)裂紋的位置與深度。Ko等［4］建立了香港汲水門(mén)大橋精準(zhǔn)三維有限元模型，采用頻率變化結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)橋梁的損傷進(jìn)行預(yù)警，結(jié)果顯示該方法能夠克服環(huán)境條件不確定性及測(cè)量的誤差。Yang等［5］針對(duì)板式結(jié)構(gòu)的損傷問(wèn)題，提出一種基于頻率輪廓線方法的損傷檢測(cè)方法來(lái)識(shí)別板狀結(jié)構(gòu)中的損傷，并通過(guò)一系列數(shù)值算例驗(yàn)證了該方法的有效性。

2）反向問(wèn)題

反向問(wèn)題常用于結(jié)構(gòu)損傷識(shí)別過(guò)程中的損傷定位與量化問(wèn)題，如通過(guò)頻率的變化對(duì)結(jié)構(gòu)裂紋的長(zhǎng)度或位置進(jìn)行確定。反向問(wèn)題通過(guò)將實(shí)際測(cè)量數(shù)據(jù)與初始理論模型計(jì)算數(shù)據(jù)進(jìn)行結(jié)合，并通過(guò)對(duì)初始理論模型進(jìn)行迭代修正，改進(jìn)模型或檢驗(yàn)假設(shè)，實(shí)現(xiàn)對(duì)結(jié)構(gòu)損傷的定位與量化。該方法的主要理論依據(jù)為結(jié)構(gòu)動(dòng)力分析與有限元模型修正技術(shù)。Cerri等［6］針對(duì)預(yù)應(yīng)力混凝土梁，通過(guò)頻率的變化對(duì)梁體裂紋進(jìn)行了識(shí)別，并采用偽試驗(yàn)數(shù)據(jù)首次對(duì)反向問(wèn)題的特征進(jìn)行了研究調(diào)查。Contursi等［7］基于結(jié)構(gòu)自振頻率的改變，提出復(fù)合損傷定位置信準(zhǔn)則因子（multiple-damage location assurance criterion，MDLAC），相關(guān)數(shù)值算例顯示，MDLAC僅依靠自振頻率無(wú)須模態(tài)振型即可實(shí)現(xiàn)結(jié)構(gòu)損傷的識(shí)別與定位。

侯吉林等［8］針對(duì)大型復(fù)雜結(jié)構(gòu)整體監(jiān)測(cè)信息不足的問(wèn)題，提出基于局部主頻率的子結(jié)構(gòu)損傷識(shí)別方法，通過(guò)實(shí)驗(yàn)室中一大型空間桁架驗(yàn)證了該方法，結(jié)果顯示局部主頻率對(duì)子結(jié)構(gòu)的損傷較敏感。楊秋偉等［9］通過(guò)在原結(jié)構(gòu)上附加已知集中質(zhì)量塊，測(cè)量所得附加質(zhì)量系統(tǒng)的低階頻率信息，聯(lián)合質(zhì)量塊添加前后的頻率信息來(lái)建立靈敏度方程求解損傷參數(shù)，該方法僅利用結(jié)構(gòu)的低階頻率信息即可實(shí)現(xiàn)較好的損傷識(shí)別效果。

采用頻率變化的損傷識(shí)別方法已得到了廣泛的關(guān)注與實(shí)際應(yīng)用，該方法的主要優(yōu)勢(shì)在于：頻率數(shù)據(jù)獲取途徑相對(duì)簡(jiǎn)單，分析方法成熟，數(shù)據(jù)精度高；同時(shí)頻率對(duì)結(jié)構(gòu)內(nèi)部的剛度及質(zhì)量變化十分敏感，可較好反映出結(jié)構(gòu)健康狀況的變化情況。但該方法也存在一些明顯的缺點(diǎn)：一方面，由于損傷位置不同，同等程度的損傷會(huì)對(duì)不同階次的頻率改變產(chǎn)生不同程度的影響，相關(guān)研究表明，高階頻率較低階頻率對(duì)結(jié)構(gòu)損傷更敏感，但實(shí)際模態(tài)測(cè)試顯示大型復(fù)雜結(jié)構(gòu)的高階頻率往往獲取困難或難以測(cè)得。另外，各階次頻率對(duì)相同位置的不同損傷的靈敏度也不同，難以實(shí)現(xiàn)對(duì)損傷程度的精準(zhǔn)量化。同時(shí)，結(jié)構(gòu)頻率僅能提供結(jié)構(gòu)整體的損傷信息，對(duì)損傷的空間位置判定能力較弱，不同位置的損傷可能引起相同的頻率變化，尤其在對(duì)稱結(jié)構(gòu)中這種現(xiàn)象十分明顯。

1.2 振型

頻率作為結(jié)構(gòu)全局性損傷指標(biāo)難以反映出損傷的具體位置，而振型對(duì)結(jié)構(gòu)局部損傷更為敏感，同時(shí)該指標(biāo)存在一定的空間特性，也是一種較好的損傷檢測(cè)指標(biāo)。在早期階段，采用直接對(duì)比損傷前后振型的變化來(lái)判定結(jié)構(gòu)健康狀況，但由于振型為無(wú)量綱向量，直接比較兩個(gè)振型向量可能會(huì)造成結(jié)果不正確，Allemang［10］引入模態(tài)振型縮放因子（modal scaling factor，MSF）將理論振型向量與實(shí)測(cè)振型向量調(diào)整縮放至同一方向進(jìn)行比較分析。

然而，通過(guò)對(duì)比結(jié)構(gòu)損傷前后的振型，數(shù)據(jù)繁多，工作量大，結(jié)果也不盡如意。因此，部分學(xué)者提出采用振型構(gòu)造結(jié)構(gòu)損傷的識(shí)別因子，并通過(guò)這類(lèi)因子在結(jié)構(gòu)損傷前后的變化對(duì)損傷進(jìn)行判定。Allemang等［11］于1982年提出模態(tài)置信準(zhǔn)則（modal assurance criteria，MAC），又稱模態(tài)置信度，用于計(jì)算理論振型與實(shí)測(cè)振型的相關(guān)性。

MAC的主要優(yōu)點(diǎn)在于可避免直接對(duì)龐大的振型矩陣進(jìn)行對(duì)比分析，并通過(guò)間接的方式判斷結(jié)構(gòu)損傷前后振型的差異，但該指標(biāo)只能判斷兩組振型矩陣的互相關(guān)聯(lián)程度，無(wú)法體現(xiàn)出兩組振型矩陣中具體的變化情況。針對(duì)這一不足，1988年，Lieven等［12］對(duì)MAC進(jìn)行了研究與改進(jìn)，提出坐標(biāo)模態(tài)置信準(zhǔn)則（coordinate modal assurance criterion，COMAC），COMAC可反映出每個(gè)節(jié)點(diǎn)的自由度對(duì)MAC的貢獻(xiàn)，從而能夠確定損傷的具體位置。該判斷指標(biāo)較MAC的測(cè)試工作量小，僅需對(duì)若干振動(dòng)較大的測(cè)點(diǎn)進(jìn)行測(cè)量即可對(duì)結(jié)構(gòu)的狀態(tài)做出相應(yīng)的判斷。另外，Shi等［13］采用測(cè)試不完備的模態(tài)振型代替自振頻率，提出基于振型的MDLAC因子，并證明其在損傷定位方面存在較強(qiáng)的噪聲魯棒性。

基于振型變化的損傷識(shí)別方法，主要具有以下優(yōu)勢(shì)：①M(fèi)AC及其相關(guān)衍生指標(biāo)的引入，能夠?qū)υ囼?yàn)?zāi)B(tài)振型進(jìn)行評(píng)估，分析理論振型與試驗(yàn)振型（模態(tài)振型對(duì)）之間的相關(guān)性；②振型向量包含結(jié)構(gòu)的局部信息，能夠強(qiáng)化對(duì)局部損傷的識(shí)別能力；③模態(tài)振型對(duì)環(huán)境變化（如溫度）的敏感性要小于自振頻率。但也存在一定的不足之處如測(cè)試過(guò)程因傳感器數(shù)量限制引起的實(shí)測(cè)振型向量不完備及無(wú)法測(cè)得扭轉(zhuǎn)振型等。另外，模態(tài)置信度的變化在結(jié)構(gòu)受損程度較大時(shí)變化較為明顯，而對(duì)結(jié)構(gòu)的微小損傷并不敏感。

1.3 模態(tài)曲率

對(duì)于梁式結(jié)構(gòu)而言，梁截面的曲率與截面剛度有直接相關(guān)性，結(jié)構(gòu)在受到外力作用下，若截面剛度減少，則截面曲率亦發(fā)生變化，故通過(guò)結(jié)構(gòu)損傷前后的截面曲率變化，即可對(duì)結(jié)構(gòu)損傷情況進(jìn)行識(shí)別。模態(tài)曲率計(jì)算公式由Pandey等［14］通過(guò)中心差分近似方法提出，發(fā)現(xiàn)該變量在梁式結(jié)構(gòu)中是一種效果較為理想的損傷識(shí)別因子。Wahab等［15］基于模態(tài)曲率提出一種考慮全體模態(tài)振型的曲率損傷因子的損傷指標(biāo)，并通過(guò)簡(jiǎn)支梁、連續(xù)梁數(shù)值算例與Z24大橋?qū)嶋H工程對(duì)其進(jìn)行了驗(yàn)證分析。由于模態(tài)曲率通過(guò)差分近似方法計(jì)算，不可避免存在一定誤差，Tomaszewska［16］研究了模態(tài)曲率的統(tǒng)計(jì)誤差對(duì)損傷識(shí)別結(jié)果的影響，并結(jié)合結(jié)構(gòu)柔度構(gòu)建絕對(duì)損傷因子（absolute damage index）這一統(tǒng)計(jì)性損傷識(shí)別指標(biāo)，在一塔式結(jié)構(gòu)上得到了良好的應(yīng)用效果。

需要指出的是，當(dāng)高階模態(tài)振型用于計(jì)算模態(tài)曲率變化時(shí)，其損傷前后的曲率差異不僅會(huì)出現(xiàn)在損傷位置，其他位置也可能出現(xiàn)突變，可能導(dǎo)致誤判，因此，采用低階模態(tài)振型計(jì)算模態(tài)曲率較為合理。

1.4 模態(tài)柔度

當(dāng)結(jié)構(gòu)受到單位荷載作用時(shí)，結(jié)構(gòu)會(huì)發(fā)生變形，度量結(jié)構(gòu)變形的大小即為結(jié)構(gòu)柔度。該指標(biāo)可采用靜力學(xué)概念描述，也可采用模態(tài)頻率、模態(tài)振型等模態(tài)參數(shù)進(jìn)行計(jì)算，此時(shí)即為模態(tài)柔度。結(jié)構(gòu)內(nèi)部發(fā)生一定損傷時(shí)，結(jié)構(gòu)模態(tài)柔度隨模態(tài)參數(shù)的變化而變化，故采用結(jié)構(gòu)損傷前后模態(tài)柔度的變化可對(duì)損傷的位置進(jìn)行識(shí)別。Ni等［17］通過(guò)青馬懸索大橋環(huán)境振動(dòng)測(cè)試，并結(jié)合相關(guān)模態(tài)柔度改變這一損傷識(shí)別指標(biāo)，在噪聲影響情況下評(píng)估了多種損傷工況，溫度及交通荷載亦被考慮，結(jié)果顯示模態(tài)柔度具有較強(qiáng)的魯棒性。

在模態(tài)滿足歸一化的條件下，模態(tài)柔度矩陣是頻率的倒數(shù)和振型的函數(shù)，即每階振型對(duì)柔度矩陣中元素的貢獻(xiàn)隨著其階次的增大而迅速減小，僅采用幾個(gè)少數(shù)的低階振型即可比較準(zhǔn)確地計(jì)算出結(jié)構(gòu)的柔度矩陣，而結(jié)構(gòu)模態(tài)柔度矩陣也可適應(yīng)復(fù)雜工程結(jié)構(gòu)模態(tài)測(cè)試中有限模態(tài)階數(shù)，這對(duì)實(shí)測(cè)模態(tài)不完整問(wèn)題是一個(gè)較好的解決方案。Li等［18］提出了廣義模態(tài)柔度矩陣的概念，并推導(dǎo)了廣義模態(tài)柔度矩陣靈敏度計(jì)算公式，相對(duì)于原始模態(tài)柔度矩陣而言，忽略高階模態(tài)的影響進(jìn)一步被降低。

1.5 模態(tài)應(yīng)變能

模態(tài)應(yīng)變能來(lái)源于材料力學(xué)中歐拉梁的彎曲應(yīng)變能（strain energy），最早由Shi等［19-20］提出單元模態(tài)應(yīng)變能，并成功利用單元模態(tài)應(yīng)變能的改變對(duì)結(jié)構(gòu)損傷進(jìn)行了定位與識(shí)別。Yan等［21］通過(guò)推導(dǎo)單元模態(tài)應(yīng)變能一階靈敏度計(jì)算公式，并將該公式成功應(yīng)用于數(shù)值算例的損傷識(shí)別中。Wang［22］提出一種僅需利用模態(tài)頻率即可識(shí)別損傷的迭代模態(tài)應(yīng)變能法，數(shù)值算例結(jié)果顯示該方法具有一定的抗噪性能。模態(tài)應(yīng)變能理論相關(guān)衍生方法有模態(tài)應(yīng)變能耗散理論、單元模態(tài)應(yīng)變能變化率及模態(tài)應(yīng)變能等效指標(biāo)等。

1.6 里茲向量

里茲向量作為動(dòng)力分析、地震分析、特征值問(wèn)題與模型縮減中常用的一種高效工具，目前在損傷識(shí)別領(lǐng)域的應(yīng)用較少。該方法最早由Cao等［23］提出，隨后Sohn等［24］基于模態(tài)測(cè)試數(shù)據(jù)，采用柔度矩陣方法計(jì)算里茲向量，并在一實(shí)驗(yàn)室橋梁模型上得到了較好的識(shí)別效果，另外里茲向量與貝葉斯概率框架及神經(jīng)網(wǎng)絡(luò)結(jié)合也能實(shí)現(xiàn)損傷識(shí)別。相對(duì)于模態(tài)振型向量而言，里茲向量顯示出對(duì)結(jié)構(gòu)損傷更高的敏感性和抗噪聲性能，而采用特定加載模式得到相關(guān)的里茲向量能夠使得研究人員對(duì)關(guān)注的結(jié)構(gòu)部位損傷變化更為清晰。

1.7 阻尼比

目前對(duì)于采用模態(tài)參數(shù)進(jìn)行損傷識(shí)別的研究，僅考慮采用結(jié)構(gòu)自振頻率及模態(tài)振型對(duì)結(jié)構(gòu)損傷進(jìn)行識(shí)別與定位，忽略結(jié)構(gòu)阻尼比的影響，然而這一方法存在一定的限制，對(duì)此，Curadelli等［25］提出采用瞬態(tài)阻尼系數(shù)作為損傷指標(biāo)，結(jié)合小波變換，在數(shù)值模擬算例與實(shí)驗(yàn)室中對(duì)該方法進(jìn)行了驗(yàn)證。Modena等［26］提出一種通過(guò)測(cè)量結(jié)構(gòu)摩擦阻尼實(shí)現(xiàn)損傷定位的方法，并與基于頻率變化及曲率模態(tài)變化的方法進(jìn)行了對(duì)比，結(jié)果顯示基于頻率變化的方法定位效果較差，曲率模態(tài)變化方法的效果受限于測(cè)點(diǎn)數(shù)目，而摩擦阻尼變化的方法通過(guò)研究結(jié)構(gòu)損傷耗散機(jī)制可得到結(jié)構(gòu)整體損傷信息。

2 結(jié)構(gòu)損傷識(shí)別算法

2.1 模式識(shí)別

模式識(shí)別側(cè)重于實(shí)際應(yīng)用，其主要目的是為實(shí)現(xiàn)對(duì)象分類(lèi)，對(duì)象可以是圖像、信號(hào)波形、數(shù)據(jù)序列或任何可測(cè)量且需要分類(lèi)的對(duì)象。目前應(yīng)用較為廣泛的模式識(shí)別工具主要有支持向量機(jī)（support vector machine，SVM）與人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks，ANN）及其相關(guān)衍生技術(shù)。

1）神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能的計(jì)算模型，該計(jì)算模型由多個(gè)神經(jīng)元構(gòu)成，能夠進(jìn)行分布式并行信息處理，具有一定的自適應(yīng)性與學(xué)習(xí)能力。該模型可基于已知數(shù)據(jù)的實(shí)驗(yàn)運(yùn)用進(jìn)行學(xué)習(xí)與歸納總結(jié)，并通過(guò)對(duì)局部情況的對(duì)照分析從而構(gòu)建自動(dòng)化識(shí)別系統(tǒng)。近幾十年來(lái)，神經(jīng)網(wǎng)絡(luò)已被成功運(yùn)用于大型復(fù)雜結(jié)構(gòu)的損傷程度預(yù)測(cè)與定位中，如海洋平臺(tái)［27］及斜拉橋［28］等。王名月等［29］基于小波奇異性檢測(cè)原理和神經(jīng)網(wǎng)絡(luò)非線性映射能力，結(jié)合結(jié)構(gòu)基本模態(tài)參數(shù)，提出一種結(jié)合小波神經(jīng)網(wǎng)絡(luò)與結(jié)構(gòu)轉(zhuǎn)角模態(tài)的損傷識(shí)別方法。盧嘉鑫等［30］采用子結(jié)構(gòu)損傷識(shí)別方法與神經(jīng)網(wǎng)絡(luò)工具相結(jié)合，針對(duì)大型斜拉橋的損傷識(shí)別問(wèn)題，評(píng)估了自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)間、識(shí)別精度和受噪聲影響等方面的影響。

近幾年，部分學(xué)者提出采用卷積神經(jīng)網(wǎng)絡(luò)［31］及概率神經(jīng)網(wǎng)絡(luò)等相關(guān)改進(jìn)神經(jīng)網(wǎng)絡(luò)工具，用來(lái)克服傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法存在的諸如學(xué)習(xí)速度較慢、易陷入局部最優(yōu)等局限。另外，神經(jīng)網(wǎng)絡(luò)也可被用于構(gòu)建結(jié)構(gòu)健康實(shí)時(shí)在線監(jiān)測(cè)系統(tǒng)。

2）支持向量機(jī)

支持向量機(jī)屬于監(jiān)督學(xué)習(xí)方式的數(shù)據(jù)二元分類(lèi)廣義線性分類(lèi)器，能夠?qū)崿F(xiàn)回歸預(yù)測(cè)功能。相對(duì)于神經(jīng)網(wǎng)絡(luò)而言，支持向量機(jī)的參數(shù)設(shè)置更簡(jiǎn)單，能夠?qū)崿F(xiàn)將低維不可分的數(shù)據(jù)映射至高維空間，使其變得線性可分。Yan等［32］通過(guò)數(shù)值算例對(duì)比神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的損傷識(shí)別能力，結(jié)果顯示支持向量機(jī)的識(shí)別準(zhǔn)確率更高。支持向量機(jī)還可應(yīng)用于非線性損傷識(shí)別如裂紋檢測(cè)［33］，以及剔除實(shí)測(cè)動(dòng)力響應(yīng)中環(huán)境因素影響［34］。?evik等［35］對(duì)支持向量機(jī)在結(jié)構(gòu)工程中的應(yīng)用進(jìn)行了詳細(xì)的綜述。

傳統(tǒng)支持向量機(jī)算法只能進(jìn)行二元分類(lèi)，無(wú)法同時(shí)處理多類(lèi)數(shù)據(jù)，Hosseinabadi等［36］學(xué)者提出多類(lèi)支持向量機(jī)算法，并結(jié)合小波包變換，實(shí)現(xiàn)了結(jié)構(gòu)損傷的定位與量化。Chong等［37］將非線性多類(lèi)支持向量機(jī)、離散小波包變換、自回歸模型及相關(guān)損傷敏感性特征進(jìn)行有機(jī)融合，構(gòu)建出適用于配備磁流變阻尼器智能建筑的結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)。

2.2 智能算法

傳統(tǒng)的尋優(yōu)算法如梯度下降法、牛頓法、共軛梯度法線性搜索與置信域方法等，其計(jì)算效率緩慢，易陷入局部最優(yōu)解。模擬生物自然過(guò)程的算法，如遺傳算法和粒子群算法等，模擬生物群體行為或模擬生物進(jìn)化過(guò)程等，不同于傳統(tǒng)數(shù)學(xué)上的優(yōu)化算法，故統(tǒng)稱為智能算法，目前智能算法已成為結(jié)構(gòu)損傷識(shí)別領(lǐng)域常用的工具。

1）遺傳算法

遺傳算法是最早應(yīng)用于結(jié)構(gòu)損傷識(shí)別領(lǐng)域的智能算法，該算法由Holland教授提出。在結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域，遺傳算法主要用于傳感器優(yōu)化布置、模型修正與損傷識(shí)別和神經(jīng)網(wǎng)絡(luò)等工具的參數(shù)優(yōu)化。

黃民水等［38］通過(guò)改進(jìn)編碼方式與個(gè)體保留策略，加快了遺傳算法的收斂速度并確保收斂至全局最優(yōu)，解決了大型橋梁結(jié)構(gòu)健康監(jiān)測(cè)中的傳感器優(yōu)化布置問(wèn)題。滕軍等［39］根據(jù)模態(tài)應(yīng)變能挑選出主貢獻(xiàn)模態(tài)，采用模態(tài)置信度矩陣及模態(tài)運(yùn)動(dòng)能矩陣構(gòu)建遺傳算法適應(yīng)度函數(shù)，對(duì)大跨度空間鋼結(jié)構(gòu)模態(tài)測(cè)試傳感器布置位置進(jìn)行了優(yōu)化選取。在損傷識(shí)別方面，Meruane等［40］建立了美國(guó)墨西哥州的I-40大橋有限元模型，并采用改進(jìn)后的混合實(shí)數(shù)遺傳算法與并行遺傳算法對(duì)該模型進(jìn)行修正，將溫度作為算法尋優(yōu)的輸出變量，實(shí)現(xiàn)了溫度影響下的結(jié)構(gòu)損傷識(shí)別問(wèn)題。遺傳算法的一個(gè)主要優(yōu)勢(shì)在于其強(qiáng)大的尋優(yōu)能力，Liu等［41］采用遺傳算法優(yōu)化支持向量機(jī)中核函數(shù)參數(shù)的選取，宮亞峰等［42］應(yīng)用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。

2）群智能算法

除遺傳算法以外，其他群智能算法諸如粒子群算法［43］、布谷鳥(niǎo)搜索［44］及人工魚(yú)群算法［45］等也被應(yīng)用于結(jié)構(gòu)損傷識(shí)別。較遺傳算法相比，群智能算法的思路清晰，易于實(shí)現(xiàn)且參數(shù)設(shè)定簡(jiǎn)單，有些群智能算法甚至無(wú)須太過(guò)于關(guān)注其自身參數(shù)的設(shè)定即可較好地服務(wù)于結(jié)構(gòu)損傷識(shí)別問(wèn)題，受到了大量學(xué)者的研究與關(guān)注，但基本的算法仍然存在一定的改良空間。Shirazi等［46］提出在基本粒子群算法中加入選擇操作用于強(qiáng)化基本的粒子位置更新公式，實(shí)現(xiàn)了平面桁架結(jié)構(gòu)的多損失工況識(shí)別。黃民水等［47］對(duì)基本布谷鳥(niǎo)搜索中的發(fā)現(xiàn)概率與步長(zhǎng)進(jìn)行了改進(jìn)，使該算法在迭代的過(guò)程中能夠?qū)崿F(xiàn)自適應(yīng)，并通過(guò)ASCE Benchmark框架模型驗(yàn)證了改進(jìn)算法的有效性。Yu等［48］在基本人工魚(yú)群算法的基礎(chǔ)上提出全局人工魚(yú)群算法，通過(guò)相關(guān)測(cè)試函數(shù)及損傷識(shí)別算例表明，該算法的改進(jìn)能夠強(qiáng)化原始算法的抗噪聲性，提高損傷識(shí)別精度。

3）其他算法

Du等［49］提出Jaya算法結(jié)合復(fù)合損傷定位置信準(zhǔn)則因子與模態(tài)柔度變化的混合目標(biāo)函數(shù)，通過(guò)3個(gè)數(shù)值算例，對(duì)提出的Jaya算法與差分進(jìn)化算法、布谷鳥(niǎo)算法的尋優(yōu)求解效率以及噪聲魯棒性進(jìn)行了比較分析，結(jié)果顯示Jaya算法具有更快的收斂速度。Kaveh等［50］通過(guò)簡(jiǎn)化海豚回聲定位算法對(duì)不同桁架結(jié)構(gòu)的多種損傷工況進(jìn)行了識(shí)別，并考慮了噪聲的影響。Ghannadi等［51］采取了桁架與框架數(shù)值算例，以及美國(guó)Los Alamos National實(shí)驗(yàn)室中的測(cè)試結(jié)構(gòu)，利用飛蛾算法與頻率變化比及基于柔度的置信度目標(biāo)函數(shù)相結(jié)合進(jìn)行了損傷識(shí)別工作，結(jié)果表明飛蛾算法在量化損傷程度方面的能力較基本粒子群算法更強(qiáng)。

4）混合算法

智能算法較傳統(tǒng)優(yōu)化算法在求解性能方面有了長(zhǎng)足的進(jìn)步，但在面對(duì)復(fù)雜工程結(jié)構(gòu)時(shí)，仍然存在收斂速度慢、計(jì)算效率低與易陷入局部最優(yōu)等問(wèn)題。為解決這一問(wèn)題，通過(guò)對(duì)兩種或多種算法進(jìn)行混合，可實(shí)現(xiàn)單一算法無(wú)法實(shí)現(xiàn)的尋優(yōu)求解效果，為解決損傷識(shí)別問(wèn)題提供了新的思路及方法。He等［52］提出自適應(yīng)實(shí)參數(shù)模擬退火遺傳算法，通過(guò)引入模擬退火算法的優(yōu)點(diǎn)從而克服遺傳算法的爬坡能力不足與收斂緩慢的缺點(diǎn)，并體現(xiàn)出一定的抗噪聲性能。Huang等［53］根據(jù)布谷鳥(niǎo)搜索中的隨機(jī)消除機(jī)制與粒子群算法中的粒子更新的導(dǎo)向性，在粒子群算法中引入隨機(jī)消除機(jī)制改善粒子的多樣性，采用粒子群-布谷鳥(niǎo)混合算法成功實(shí)現(xiàn)了溫度影響下的結(jié)構(gòu)損傷識(shí)別問(wèn)題。Qian等［54］針對(duì)粒子群算法局部搜索能力不足問(wèn)題，引入單純型法對(duì)粒子群算法的局部空間中的潛在最優(yōu)解進(jìn)行探索。

3 環(huán)境因素影響下的結(jié)構(gòu)損傷識(shí)別

大量研究表明，結(jié)構(gòu)實(shí)際損傷引起的結(jié)構(gòu)模態(tài)參數(shù)的變化通常很小，但由于環(huán)境因素影響造成的模態(tài)參數(shù)變化可能會(huì)掩蓋結(jié)構(gòu)的真實(shí)健康狀況，針對(duì)這一情況，目前對(duì)噪聲的影響可分為溫度變化影響以及環(huán)境振動(dòng)噪聲。

3.1 溫度變化

當(dāng)實(shí)際結(jié)構(gòu)受到自然環(huán)境中溫度的變化時(shí)，結(jié)構(gòu)材料會(huì)因熱脹冷縮產(chǎn)生變形，因此會(huì)對(duì)結(jié)構(gòu)健康監(jiān)測(cè)中數(shù)據(jù)的采集產(chǎn)生一定的負(fù)面影響。由于結(jié)構(gòu)監(jiān)測(cè)數(shù)據(jù)的采集在時(shí)間上是連續(xù)的，即數(shù)據(jù)采集需考慮一個(gè)較長(zhǎng)的周期才能反映出結(jié)構(gòu)的基本健康狀況。正因如此，連續(xù)采集的過(guò)程會(huì)受到環(huán)境中晝夜溫差的變化和季節(jié)溫度的變化的影響，在此期間甚至?xí)殡S雨雪等天氣因素產(chǎn)生的凍融效應(yīng)。

部分研究表明，由于溫度變化引起的結(jié)構(gòu)動(dòng)力特征參數(shù)的改變甚至超過(guò)了結(jié)構(gòu)內(nèi)部損傷引起的變化，在損傷識(shí)別過(guò)程中，溫度變化的存在可能引起研究人員對(duì)結(jié)構(gòu)健康狀況產(chǎn)生誤判。在對(duì)結(jié)構(gòu)進(jìn)行監(jiān)測(cè)及數(shù)據(jù)采集的過(guò)程中，對(duì)于短暫的采集周期內(nèi)，晝夜溫差的變化是一個(gè)不可忽視的影響因素。Farrar等［55］于1997年對(duì)美國(guó)境內(nèi)的Alamos Grand Canyon大橋進(jìn)行了每次2 h的全天數(shù)據(jù)采集監(jiān)控，結(jié)果顯示結(jié)構(gòu)在晝夜溫差的變化下，其一階自振頻率的變化范圍介于2.3～2.8 Hz之間，變化幅度超過(guò)了5%。同時(shí)該研究也指出，在基于模態(tài)參數(shù)的損傷識(shí)別程序進(jìn)行前，對(duì)于結(jié)構(gòu)服役條件的變化，特別是溫度對(duì)模態(tài)參數(shù)的影響，需量化考慮。隨后，研究人員對(duì)該橋梁結(jié)構(gòu)進(jìn)行了更加深入研究與調(diào)查，結(jié)論顯示，該結(jié)構(gòu)的前三階自振頻率在晝夜溫差的影響下分別存在4.7%、6.6%及5.0%的浮動(dòng)。而凍融效應(yīng)也是一個(gè)重要的影響因素，Alampall［56］在其研究中提到，由于凍融效應(yīng)引起的結(jié)構(gòu)頻率的變化高達(dá)10%。

短時(shí)監(jiān)測(cè)可能受到季節(jié)溫度的影響，相關(guān)學(xué)者延長(zhǎng)了結(jié)構(gòu)的監(jiān)測(cè)時(shí)間以避免季節(jié)性高溫或低溫對(duì)監(jiān)測(cè)的影響。在實(shí)際結(jié)構(gòu)監(jiān)測(cè)方面，Askegaard等［57］針對(duì)常見(jiàn)的人行天橋結(jié)構(gòu)進(jìn)行了長(zhǎng)期監(jiān)測(cè)，結(jié)果顯示其模態(tài)參數(shù)的變化甚至高達(dá)10%，而平均季節(jié)性溫度的變化是造成這一現(xiàn)象的主要原因。Xu等［58］建立了一個(gè)大跨徑斜拉橋的有限元模型，并針對(duì)由于季節(jié)性天氣變化或陽(yáng)光輻射導(dǎo)致的溫度變化，討論了該結(jié)構(gòu)的頻率及模態(tài)曲率的變化，并分別評(píng)估了橋梁主體損傷、纜線損傷和溫度變化三種因素對(duì)結(jié)構(gòu)動(dòng)力參數(shù)的影響程度，結(jié)論建議相關(guān)研究人員需強(qiáng)化在類(lèi)似研究過(guò)程中分辨結(jié)構(gòu)真實(shí)損傷情況與溫度影響的能力。Kim等［59］在實(shí)驗(yàn)室中建立了一個(gè)2 m的單跨簡(jiǎn)支梁，并在實(shí)驗(yàn)室環(huán)境下進(jìn)行了7個(gè)月的振動(dòng)測(cè)試，其環(huán)境溫度變化在?3～23℃之間，結(jié)果顯示該試驗(yàn)?zāi)Ｐ偷淖哉耦l率隨溫度增長(zhǎng)存在明顯的變化情況。

除對(duì)結(jié)構(gòu)均勻溫度的研究和探討外，Xia等［60］學(xué)者還對(duì)結(jié)構(gòu)的非均勻溫度分布下的結(jié)構(gòu)動(dòng)力特性變化進(jìn)行了研究與探討。該研究通過(guò)一鋼筋混凝土簡(jiǎn)支梁在不同溫度下得到的模態(tài)測(cè)試數(shù)據(jù)，并結(jié)合有限元分析軟件，得出實(shí)測(cè)自振頻率與結(jié)構(gòu)溫度之間具有較好的線性相關(guān)性。

環(huán)境溫度的變化對(duì)模態(tài)頻率產(chǎn)生了顯著的影響，其作用機(jī)理為［61］：①環(huán)境溫度的變化會(huì)使得結(jié)構(gòu)因熱脹冷縮而產(chǎn)生變形，其尺寸會(huì)發(fā)生一定的變化，對(duì)于一般混凝土材料的線性膨脹系數(shù)約為10-6m/℃；②溫度變化會(huì)使得工程結(jié)構(gòu)中常用的超靜定結(jié)構(gòu)產(chǎn)生內(nèi)力，當(dāng)內(nèi)力為拉力時(shí)，結(jié)構(gòu)的剛度會(huì)增大，反之結(jié)構(gòu)剛度降低，這將引起結(jié)構(gòu)動(dòng)力分析中結(jié)構(gòu)整體剛度矩陣的變化，從而引起模態(tài)頻率發(fā)生變化；③溫度的升高或降低會(huì)對(duì)材料的力學(xué)特性，特別是對(duì)材料彈性模量的影響較為顯著，常見(jiàn)的混凝土材料與鋼材的彈性模量均會(huì)隨溫度的升高而降低，從而致使模態(tài)頻率降低（圖1）。

圖1 常見(jiàn)材料彈性模量與溫度變化關(guān)系圖［62］Fig.1 Relationship between elastic modulus of common materials and temperature

綜上所述，目前大量的研究均表明，結(jié)構(gòu)在溫度影響下的動(dòng)力參數(shù)變化是一個(gè)不可忽視的重要影響因素，由溫度變化導(dǎo)致的監(jiān)測(cè)數(shù)據(jù)的波動(dòng)，有時(shí)甚至?xí)谏w結(jié)構(gòu)中存在的真實(shí)損傷情況。

3.2 環(huán)境振動(dòng)噪聲

早在20世紀(jì)90年代初期，Mazurek等［63］在實(shí)驗(yàn)室中通過(guò)一個(gè)雙跨鋁板梁式橋，并引入一輛測(cè)試車(chē)輛模型作為車(chē)輛振動(dòng)來(lái)源獲取了該梁式橋不同情況下的結(jié)構(gòu)響應(yīng)信號(hào)。通過(guò)對(duì)比橋面板粗糙程度、車(chē)輛模型質(zhì)量及車(chē)輛模型移動(dòng)速度對(duì)結(jié)構(gòu)自振頻率、振型及阻尼比等模態(tài)參數(shù)的影響，該研究表明，在實(shí)驗(yàn)室環(huán)境下，較小質(zhì)量的車(chē)輛模型振動(dòng)對(duì)結(jié)構(gòu)的自振頻率及模態(tài)振型的影響較??；而就車(chē)輛模型移動(dòng)速度或梁板面的粗糙程度而言，卻能夠?qū)φ裥偷姆犬a(chǎn)生一定的影響。這一實(shí)驗(yàn)作為最早研究車(chē)輛振動(dòng)對(duì)結(jié)構(gòu)模態(tài)參數(shù)的影響研究，具有極大的參考價(jià)值，其結(jié)論也指出建立車(chē)輛影響下的結(jié)構(gòu)振動(dòng)監(jiān)控系統(tǒng)是可行的，但該研究?jī)H限于實(shí)驗(yàn)室模型，對(duì)車(chē)輛振動(dòng)長(zhǎng)期作用下對(duì)結(jié)構(gòu)的影響未做出解釋與研究。

隨后，Kim等［64］對(duì)車(chē)輛載重這一因素對(duì)結(jié)構(gòu)模態(tài)參數(shù)的影響進(jìn)行了實(shí)際振動(dòng)測(cè)試研究，該實(shí)際測(cè)試引入了三跨懸索橋、五跨連續(xù)鋼箱梁式橋及簡(jiǎn)支板式梁橋3種實(shí)際橋梁結(jié)構(gòu)進(jìn)行了30 min的動(dòng)力響應(yīng)記錄，并考慮了不同載重車(chē)輛質(zhì)量對(duì)結(jié)構(gòu)動(dòng)力參數(shù)的影響。分析表明，大跨度懸索結(jié)構(gòu)由于自重較大，當(dāng)車(chē)輛載重相對(duì)于結(jié)構(gòu)自重較小時(shí)，車(chē)輛對(duì)自振頻率的影響可忽略，同時(shí)當(dāng)自然風(fēng)的強(qiáng)度難以對(duì)大跨度懸索結(jié)構(gòu)進(jìn)行環(huán)境激勵(lì)時(shí)，可考慮采用車(chē)輛進(jìn)行環(huán)境激勵(lì)；而對(duì)于中跨度連續(xù)橋而言，較重的車(chē)輛會(huì)引起結(jié)構(gòu)自振頻率的降低，就該研究中引入的簡(jiǎn)支梁橋而言，當(dāng)載重車(chē)輛的質(zhì)量達(dá)到簡(jiǎn)支梁橋結(jié)構(gòu)的3.8%時(shí)，使得結(jié)構(gòu)的自振頻率降低了5.4%。

Zhang等［65］在正常交通通行情況下，對(duì)一斜拉橋進(jìn)行了為期24 h的加速度響應(yīng)信號(hào)監(jiān)測(cè)，自振頻率在1 d內(nèi)的變化幅度達(dá)到了2 Hz，變動(dòng)比率達(dá)到了1%；而對(duì)于模態(tài)振型，每階振型的振幅變化略有不同，但亦存在10%以內(nèi)的平均變化比率。然而，當(dāng)橋梁面板的振動(dòng)強(qiáng)度到達(dá)一定程度時(shí)，阻尼比出現(xiàn)較大幅度的增長(zhǎng)，其主要原因可能是在較高的交通負(fù)荷下橋梁的材料與橋梁銜接處的能力耗散有所增加。

4 總結(jié)與展望

盡管目前已經(jīng)提出大量基于結(jié)構(gòu)模態(tài)參數(shù)的損傷識(shí)別方法，但由于實(shí)際土木工程結(jié)構(gòu)較復(fù)雜，服役過(guò)程中受環(huán)境干擾較嚴(yán)重，而結(jié)構(gòu)損傷分布與損傷程度存在很大的隨機(jī)性，這些方法目前大部分僅停留于理論或試驗(yàn)階段，在實(shí)際結(jié)構(gòu)特別是大型結(jié)構(gòu)的應(yīng)用上還存在一定的困難。而結(jié)構(gòu)健康監(jiān)測(cè)這一多學(xué)科交叉技術(shù)在發(fā)展的過(guò)程中更是存在多方面的阻礙，目前大量的問(wèn)題亟待解決。

1）傳感器技術(shù)的改進(jìn)。結(jié)構(gòu)動(dòng)力響應(yīng)的測(cè)量精度關(guān)系著結(jié)構(gòu)損傷識(shí)別結(jié)果的準(zhǔn)確性。受限于目前常用的壓電傳感器的靈敏度，在實(shí)測(cè)結(jié)構(gòu)動(dòng)力響應(yīng)信號(hào)采集過(guò)程中，對(duì)低于其量程的微弱信號(hào)難以捕捉到，同時(shí)因傳感器數(shù)量有限，對(duì)于大型結(jié)構(gòu)往往只能測(cè)得部分結(jié)構(gòu)響應(yīng)信息，無(wú)法對(duì)結(jié)構(gòu)整體進(jìn)行全局測(cè)量。除了傳感器優(yōu)化布置，對(duì)傳感器技術(shù)進(jìn)行改進(jìn)與創(chuàng)新也是研究人員關(guān)注的重點(diǎn)。為避免傳統(tǒng)有線傳感器由于纜線長(zhǎng)度的限制以及遠(yuǎn)距離線纜傳輸產(chǎn)生的信號(hào)衰減問(wèn)題，已存在相關(guān)研究使用無(wú)線傳感器技術(shù)對(duì)結(jié)構(gòu)動(dòng)力響應(yīng)進(jìn)行采集，但普通無(wú)線傳感器很難滿足傳輸這些數(shù)據(jù)的帶寬和電源需求。隨著5G通信技術(shù)時(shí)代的到來(lái)，結(jié)合無(wú)線通信技術(shù)，開(kāi)發(fā)出具有嵌入式微處理器的無(wú)線智能傳感器，并在傳感器中嵌入相關(guān)數(shù)據(jù)分析處理工具，可對(duì)采集到的動(dòng)力響應(yīng)進(jìn)行過(guò)濾，消除無(wú)用數(shù)據(jù)或噪聲干擾，保留對(duì)損傷識(shí)別有利的數(shù)據(jù)，同樣也能減少數(shù)據(jù)分析處理的難度。

2）更加準(zhǔn)確的結(jié)構(gòu)模型。目前在基于模型的損傷識(shí)別方法中，常通過(guò)對(duì)實(shí)際結(jié)構(gòu)進(jìn)行簡(jiǎn)化從而建立相關(guān)有限元模型，并對(duì)初始模型進(jìn)行修正從而得到基準(zhǔn)模型用于損傷識(shí)別，在這一過(guò)程中實(shí)際結(jié)構(gòu)的細(xì)部信息難以精確模擬，尤其是結(jié)構(gòu)邊界與連接部位，增加了建模的難度。目前已有學(xué)者通過(guò)建筑信息建模技術(shù)構(gòu)建結(jié)構(gòu)模型并實(shí)現(xiàn)損傷識(shí)別［66］。另外，自然環(huán)境的影響難以模擬，尤其是溫度因素對(duì)結(jié)構(gòu)模態(tài)參數(shù)影響較大，可能會(huì)造成損傷的誤判，目前常用的方式是采用溫度-彈性模量折減線性關(guān)系進(jìn)行模擬。如何建立精準(zhǔn)的有限元模型，并實(shí)現(xiàn)評(píng)估環(huán)境溫度對(duì)結(jié)構(gòu)的影響，是研究人員關(guān)注的重點(diǎn)。

3）對(duì)損傷更為敏感的識(shí)別指標(biāo)。無(wú)論是基于模型還是基于數(shù)據(jù)的損傷識(shí)別方法，面臨的一個(gè)關(guān)鍵問(wèn)題在于確定對(duì)結(jié)構(gòu)損傷敏感，且具有噪聲魯棒性的識(shí)別指標(biāo)。頻率、振型及相關(guān)衍生性指標(biāo)雖然可實(shí)現(xiàn)損傷識(shí)別與定位，但這些識(shí)別指標(biāo)對(duì)于大型結(jié)構(gòu)的損傷識(shí)別與定位能力還有待商榷，而且各個(gè)指標(biāo)的識(shí)別效果各有所長(zhǎng)，實(shí)際應(yīng)用效果不夠理想，有部分學(xué)者提出耦合多種結(jié)構(gòu)響應(yīng)信息的方式克服這一難題。大量學(xué)者正致力于構(gòu)建損傷識(shí)別敏感性指標(biāo)。

4）高效的數(shù)據(jù)處理工具或優(yōu)化算法的開(kāi)發(fā)。大型結(jié)構(gòu)的健康監(jiān)測(cè)過(guò)程中采集到的結(jié)構(gòu)響應(yīng)數(shù)據(jù)量十分龐大，這會(huì)對(duì)數(shù)據(jù)處理中心造成壓力，同時(shí)這些數(shù)據(jù)中常包含環(huán)境影響及噪聲信息，能夠反映健康狀況的結(jié)構(gòu)真實(shí)響應(yīng)信息被掩蓋。對(duì)此，如何對(duì)采集到的數(shù)據(jù)進(jìn)行快速處理與挖掘，是一個(gè)值得思考的問(wèn)題。另外，針對(duì)基于模型結(jié)構(gòu)損傷識(shí)別方法，雖已提出大量用于損傷識(shí)別的智能算法，但這些算法依然存在計(jì)算效率低和易早熟等缺點(diǎn)，面對(duì)大型結(jié)構(gòu)的損傷識(shí)別問(wèn)題常顯無(wú)力，其計(jì)算性能難以得到體現(xiàn)，因此對(duì)損傷識(shí)別相關(guān)的優(yōu)化算法進(jìn)行代碼重構(gòu)或重新開(kāi)發(fā)，能夠提高損傷識(shí)別的計(jì)算效率。

5）結(jié)構(gòu)健康實(shí)時(shí)在線監(jiān)測(cè)系統(tǒng)。構(gòu)建結(jié)構(gòu)健康實(shí)時(shí)在線監(jiān)測(cè)系統(tǒng)具有極大的實(shí)用價(jià)值與理論價(jià)值，同時(shí)該系統(tǒng)也具有廣闊的應(yīng)用前景。目前對(duì)于該系統(tǒng)的研究尚處于理論與試驗(yàn)階段，除了需提高傳感器的測(cè)量精度、構(gòu)建損傷敏感性指標(biāo)以及提出相關(guān)的高效數(shù)據(jù)處理工具等，從系統(tǒng)硬件（在數(shù)據(jù)采集階段的硬件系統(tǒng)包括數(shù)據(jù)的采集、存儲(chǔ)與傳感，在數(shù)據(jù)處理階段即為中央控制服務(wù)器）及軟件（相關(guān)數(shù)據(jù)傳輸協(xié)議、數(shù)據(jù)采集接口的算法乃至數(shù)據(jù)處理圖形化接口等）開(kāi)發(fā)方面也應(yīng)著重考慮。

6）結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域統(tǒng)一標(biāo)準(zhǔn)的制定。目前損傷識(shí)別領(lǐng)域發(fā)展迅速，主要方法包括動(dòng)力指紋法、模型修正法、數(shù)據(jù)法（包括信號(hào)處理與大數(shù)據(jù)挖掘）等已經(jīng)取得了一定的實(shí)際應(yīng)用成效，但對(duì)于這些方法缺乏相關(guān)統(tǒng)一的規(guī)范與標(biāo)準(zhǔn)，這使得結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域的發(fā)展在認(rèn)識(shí)上難以達(dá)成統(tǒng)一，因此，無(wú)論在軟件還是在硬件的發(fā)展上，都需要制定相關(guān)的規(guī)程實(shí)行學(xué)科發(fā)展標(biāo)準(zhǔn)化。