郟鴻韜 王炎銘 李 強 毛江鴻 符映紅 董亞波

1. 重慶交通大學 土木工程學院 重慶 400074；2. 浙大寧波理工學院 土木建筑工程學院 浙江 寧波 315100；3. 寧波市保國寺古建筑博物館 浙江 寧波 315033；4. 浙江大學 計算機科學與技術學院 浙江 杭州 310058

相比于現(xiàn)代建筑，木結構建筑易受環(huán)境影響，且其可能存在連接松動、蟲害、開裂等問題。因此，對木結構進行健康監(jiān)測顯得十分必要。健康監(jiān)測系統(tǒng)不僅可以在結構服役期間發(fā)生嚴重異常時發(fā)出信號，還可以實時監(jiān)測結構狀態(tài)，對結構損傷進行預測與評估。國內(nèi)已有不少學者利用健康監(jiān)測系統(tǒng)對木結構進行研究，如：楊娜等[1]基于統(tǒng)計過程控制的方法，針對監(jiān)測過程中異常響應的數(shù)據(jù)，提出了木結構古建筑的診斷模型；張巖等[2]通過對監(jiān)測數(shù)據(jù)的分析，提出人為因素對數(shù)據(jù)參數(shù)精度的影響，并在此基礎上預測結構的動力響應，為結構評價提供必要的數(shù)據(jù)支持。基于此，本文對古建筑進行健康監(jiān)測，研究古建筑環(huán)境荷載與應變特征具有現(xiàn)實意義。

目前，健康監(jiān)測技術正朝著多樣化的方向發(fā)展，不同學者將監(jiān)測得到的數(shù)據(jù)利用回歸分析、神經(jīng)網(wǎng)絡等方法進行處理。其中，神經(jīng)網(wǎng)絡因其處理非線性問題的優(yōu)勢，逐漸成為數(shù)據(jù)處理分析的主流。李雪松等[3]通過建立卷積神經(jīng)網(wǎng)絡，提出了結構特征損傷識別法，解決了結構健康監(jiān)測問題；宋志強等[4]基于改進后的BP神經(jīng)網(wǎng)絡，提出了結構振動響應模型，并使預測精度和收斂速度等性能更具優(yōu)勢；鄧揚等[5]建立了等效應力范圍的概率模型，并通過處理橋梁的模態(tài)頻率與環(huán)境條件監(jiān)測數(shù)據(jù)，提出了懸索橋結構損傷預警方法；趙久彬等[6]提出基于BP神經(jīng)網(wǎng)絡的滑坡預測方法，實現(xiàn)了空間內(nèi)滑坡危險級別預測；田明杰等[7]基于BP神經(jīng)網(wǎng)絡，分析了隧道的受力機理及其在施工條件下的穩(wěn)定性。上述研究表明，神經(jīng)網(wǎng)絡在土木建筑領域已得到初步應用，然而針對古建筑的研究相對缺乏。

綜上所述，本文以寧波市古建筑保國寺為例，建立了基于光纖光柵傳感技術的結構健康監(jiān)測系統(tǒng)，針對環(huán)境荷載與應變關聯(lián)性問題進行了研究，并得到了大殿各主要木構件的環(huán)境溫度和環(huán)境風速影響系數(shù)。

1 大殿結構健康監(jiān)測系統(tǒng)

1.1 微氣候測點布設

本文選取型號為WEMS400-HT的無線環(huán)境溫濕度傳感器，沿大殿不同高度布設，具體布置如圖1、圖2所示。

圖1 溫濕度測點立面示意

圖2 溫濕度測點俯視示意

由圖可知，其安裝位置主要分布于柱層、下額層、藻井層、中額層及上額層，并分別在相同高度上選取2～4個點位安裝傳感器。此外，為采集大殿周圍環(huán)境風場信息，在大殿西北及東南位置均安裝有超聲波風速風向傳感器，相對位置如圖3所示。綜上所述，該微氣候系統(tǒng)共布設了18個溫濕度傳感器及2個風速風向傳感器。

圖3 風速風向傳感器布置示意

1.2 結構響應測點布設

本文采用玻璃纖維增強塑料（glass fiber reinforced plastic，GFRP）系列光纖光柵應變傳感器，分別在核心主架和后進構架位置進行布設，共計安裝GFRP應變傳感器10個，測點布置及實際設備的安裝分別如圖4、圖5所示。

圖4 結構應變測點設置示意

圖5 E1測點傳感器安裝實物

2 木結構古建筑健康監(jiān)測數(shù)據(jù)處理方法

為實時分析了解古建筑結構的狀態(tài)信息，將健康監(jiān)測得到的數(shù)據(jù)進行分析，其主要技術路線如圖6所示，通過神經(jīng)網(wǎng)絡和回歸分析的方法來研究相關結構的受影響程度。

圖6 技術路線

2.1 神經(jīng)網(wǎng)絡在多維監(jiān)測數(shù)據(jù)處理中的應用

人工神經(jīng)網(wǎng)絡廣泛應用于大型橋梁、結構健康監(jiān)測數(shù)據(jù)的分析當中，本文利用相關軟件建立了神經(jīng)網(wǎng)絡模型，其基本原理如圖7所示。當模型有輸入信號時，隱藏層隨即做出相應的反應，將信號進行加權傳遞，在經(jīng)過如圖所示的2層隱藏層后可到達輸出層，在數(shù)據(jù)誤差及收斂分析滿足要求后，可得到一組預測數(shù)據(jù)。

圖7 神經(jīng)網(wǎng)絡原理

值得注意的是，在隱藏層處理數(shù)據(jù)時難免存在誤差，為盡可能減小其偏差，常利用梯度下降法來降低誤差帶來的影響，其計算公式如式（1）所示：

綜上所述，神經(jīng)網(wǎng)絡因其結構特點，在多維數(shù)據(jù)處理方面的應用愈加廣泛。此外，神經(jīng)網(wǎng)絡模型可根據(jù)相應情況，不斷調(diào)整其內(nèi)部的權重比值，使模型誤差趨向最小，從而得到更為精確的預測結果。

2.2 回歸分析在健康監(jiān)測數(shù)據(jù)處理中的應用

針對環(huán)境荷載對不同木構件的影響程度的問題，本文基于一元線性回歸對監(jiān)測得到的溫度和風速數(shù)據(jù)進行分析，其處理流程如圖8所示。該流程主要可分為3步：第1步，將補償后得到的實際數(shù)據(jù)Z進行線性回歸，得到溫度和應變的關系，并得出相關系數(shù)R1和斜率a；第2步，在實際數(shù)據(jù)Z中剔除溫度相關的數(shù)據(jù)后，采用回歸分析，得出其與風速間的相關系數(shù)R2和斜率b；第3步，根據(jù)溫度和應變、風速和應變關系得到新應變zn，通過分析不同系數(shù)得到荷載對不同構件的影響程度。

圖8 回歸分析處理流程

3 長期監(jiān)測數(shù)據(jù)基本特征分析

3.1 微氣候監(jiān)測數(shù)據(jù)基本特征

根據(jù)相關資料[8]，環(huán)境溫濕度變化會對結構本身帶來一定的影響。如圖9所示，本文首先選取了大殿4月1日、7月1日、10月1日和1月1日部分溫濕度傳感器（SE1、ZE1、ZJ1、XE1、Z1）監(jiān)測得到的溫度數(shù)據(jù)。由圖可知，大殿內(nèi)部溫度變化趨勢基本相同。值得注意的是，不同測點位置的溫度數(shù)據(jù)之間存在一定差異，這種現(xiàn)象在7月1日時更加明顯，而當時正值夏季。

圖9 一年四季部分測點日溫度時程曲線

為了更加直觀地了解大殿溫濕度場的分布情況，隨后選取了7月1日至30日的監(jiān)測數(shù)據(jù)進行整體分析，結果如圖10所示。由圖可知，其溫濕度分布規(guī)律在水平方向上均勻，而在豎直方向上不均勻。其結果具體表現(xiàn)為：隨著傳感器位置的升高，溫度數(shù)值隨之增加，濕度數(shù)值則隨之減小。分析其主要原因是大殿結構在垂直方向上有較大差異，且其具有較大的空間高度。此外，相比空間密閉的近屋頂，大殿近地面空間設有門窗，空氣流動性更強，受太陽輻射影響會更小。

圖10 大殿溫濕度空間分布情況

3.2 環(huán)境荷載和應變數(shù)據(jù)關聯(lián)性分析

由于環(huán)境溫度會對光纖光柵傳感器監(jiān)測數(shù)據(jù)產(chǎn)生干擾，在分析數(shù)據(jù)前需進行溫度補償。由理論分析可知，保國寺大殿結構應變監(jiān)測數(shù)據(jù)可表示為如式（2）所示：

其中，ε為木構件總應變，εTE為木材溫度應變，εW為木材風荷載應變，εTS為傳感器溫度應變。

圖11、圖12分別為溫度補償后E1測點傳感器溫度應變及風速時程曲線。結合兩圖圖像可知，木結構構件應變與溫度關聯(lián)性較大，而與風速關聯(lián)性較小。值得注意的是，7月8日至15日環(huán)境溫度出現(xiàn)驟降，此時應變數(shù)據(jù)也隨之下降，說明應變與溫度之間存在正相關。這表明，溫度變化是引起木構件應變變化的主要因素。

圖11 E1測點構件應變和環(huán)境溫度時程曲線

圖12 風速時程曲線

此外，為研究大殿各主要構件的應變變化規(guī)律，篩選出受彎梁、拉結梁及柱部位的傳感器數(shù)據(jù)，結果如圖13所示。由圖可知，大殿各構件應變變化趨勢基本一致，但其數(shù)值有較大差異。其中，受彎梁構件的應變變化程度明顯大于拉結梁以及柱構件的應變變化程度。這表明，大殿中受彎梁構件受溫度變化影響最大。

圖13 各主要測點應變監(jiān)測時程曲線

4 環(huán)境荷載與應變特征關聯(lián)性分析

為提高數(shù)據(jù)分析的準確性，本文對溫濕度、風速等數(shù)據(jù)進行零值標準化（Z-Score）處理，將監(jiān)測數(shù)據(jù)進行轉換。由式（2）可知，大殿木構件的應變由溫度、風荷載構成。因此，本文選取2018年7月21日至26日E1傳感器數(shù)據(jù)進行分析，并采用神經(jīng)網(wǎng)絡算法對這幾者的關系進行研究。其中，神經(jīng)網(wǎng)絡算法采用式（1）中的梯度下降法，并設置訓練集數(shù)量為6 000，測試集數(shù)量為2 000。

神經(jīng)網(wǎng)絡模型訓練結果如圖14、圖15所示，其分別表示訓練數(shù)據(jù)、測試數(shù)據(jù)的分析結果。圖中x軸代表溫度改變幅度，y軸代表風速改變幅度，紅色、藍色分別表示正相關、負相關。由圖可知，數(shù)據(jù)主要呈“品”字形分布。值得注意的是，中間數(shù)據(jù)顏色相比于兩側及上部區(qū)域顏色較淺，其顏色越淺，代表應變值越小。這表明，當溫度改變幅度較大時，構件應變也較大；而當溫度改變幅度較小，且風速大于3 m/s時，構件應變主要受風荷載影響。

圖14 訓練集數(shù)據(jù)

圖15 測試集數(shù)據(jù)

為驗證數(shù)據(jù)分析的精確程度，對神經(jīng)網(wǎng)絡模型進行收斂及誤差分析，結果分別如圖16、圖17所示。由圖可知，隨著迭代次數(shù)的增加，訓練集數(shù)據(jù)和測試集數(shù)據(jù)的均方根誤差（RMSE）均有減小，且均有收斂趨勢。此外，從圖17中可以看出原始數(shù)據(jù)與預測數(shù)據(jù)曲線趨勢基本一致，雖然預測應變值相比于原始應變值偏大，但整體來說兩者偏差較小，擬合程度較好。這表明該分析方法可行，滿足本文數(shù)據(jù)分析需求。

圖16 模型收斂分析

圖17 預測結果對比

5 環(huán)境荷載與應變相關系數(shù)研究

為了探究不同木構件對環(huán)境荷載的響應程度，采用回歸分析對監(jiān)測數(shù)據(jù)進行處理。為了便于比較和分析，將各構件的環(huán)境荷載影響因子列出，如表1所示。其中測點編號E1、W1、N1、NW1、NW2和NW3為主梁受彎構件；測點編號E2、W2為主梁拉結構件；測點編號E3、W3為柱構件。由表可知，相比于風速相關系數(shù)，各構件溫度相關系數(shù)均較高。風速相關系數(shù)方面，主梁受彎構件數(shù)值明顯較大，主梁拉結構件數(shù)值最小，柱構件數(shù)值介于兩者之間。

表1 各構件影響因子匯總

綜上所述，環(huán)境溫度是引起各主要構件應變變化的主要原因，而在外界荷載作用下，受彎梁及柱構件是其主要的傳遞對象。

圖18（a）為E1測點應變監(jiān)測和環(huán)境溫度數(shù)據(jù)比對結果，可知在環(huán)境溫度作用下木構件應變變化明顯，影響系數(shù)Kt＝12.888 9。這表明當環(huán)境溫度變化1 ℃，構件應變將變化12.888 9με；圖18（b）為不考慮溫度影響下構件應變和風荷載對比結果。其總體相關系數(shù)γw＝0.555 4，影響系數(shù)Kt＝3.294 7。結果表明，不考慮溫度影響的應變數(shù)據(jù)仍與風荷載存在相關性。主要體現(xiàn)在當風荷載較小時，應變變化水平較低；風荷載較大時，應變變化水平較高。

圖18 E1測點數(shù)據(jù)分析結果

同理可得E2、E3測點應變數(shù)據(jù)和溫度、風荷載數(shù)據(jù)對比圖，結果如圖19、圖20所示。由圖19可知，構件應變與溫度間的相關系數(shù)γw＝0.978 8，影響系數(shù)Kt＝12.278 1；而不考慮溫度應變影響后，木構件的應變無明顯波動，其與風荷載間的相關系數(shù)γw僅為0.198 3。這表明，測點編號E2構件對環(huán)境風速的響應不敏感，相關性低。由圖20可知，構件應變與環(huán)境溫度之間的變化規(guī)律與E1、E2測點相似，而不考慮溫度應變影響后其相關系數(shù)及影響系數(shù)分別為γw＝0.351 2，Kt＝1.523 1，介于上述兩者之間。這表明E3構件對環(huán)境風荷載的敏感程度比E1構件小，但比E2構件高。

圖19 E2測點數(shù)據(jù)分析結果

圖20 E3測點數(shù)據(jù)分析結果

6 結語

1）環(huán)境溫度變化是古建筑各主要構件應變變化的主要原因，大殿中受彎梁構件受溫度變化影響最大。

2）當風速小于3 m/s時對應變的貢獻率小，風速大于3 m/s時對應變的貢獻率大。

3）外界環(huán)境荷載主要在受彎梁和柱類構件上傳遞。

4）基于梯度下降的人工神經(jīng)網(wǎng)絡模型經(jīng)學習后，可得到較好的預測結果，可用于木結構監(jiān)測數(shù)據(jù)的分析研究。