土木工程结构健康监测的研究进展综述Word格式文档下载.docx
《土木工程结构健康监测的研究进展综述Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《土木工程结构健康监测的研究进展综述Word格式文档下载.docx（24页珍藏版）》请在冰豆网上搜索。
还有就是结构损伤导致的结构破坏。
对于受环境因素、载荷和自然灾害导致损伤、累积以及
抗力衰减的工程结构,如上面的两个例子,可以通过一定的
检测手段与方法来判断结构是否存在损伤,并对损伤定位和
评估加固来避免破坏,这方面的研究成为目前学术和工程界
的热点问题,国内外相关文献报道逐年上升。
实现对土木工
程基础设施的损伤检测和识别过程称为结构健康监测
（StructuralHealthMonitoring,简写为SHM）。
SHM过程包括从
传感器阵列获得周期性采样的动力响应观测过程,从采样数
据提取损伤敏感特性并对这些特性进行统计分析,然后用于
判定当前结构系统的健康状态。
SHM技术是支撑大型复杂
土木工程基础设施安全运行和适时维护的一个有力工具。
对于长期的SHM,根据结构完成预定功能的能力,考虑由于
长期运行不可避免的老化和性能下降,这个过程输出周期性
更新的信息（ModelUpdating）。
在极端情况下,如爆炸、冲击
或地震作用,SHM可用于快速灾害调查和近乎实时的提供关
于结构整体的可靠信息。
文献[1-2]对近期SHM的发展现
状作了详细的总结和评述,然而传统方法是以数据采集和信
息分析为主,其最大的缺点是设备昂贵、系统安装耗时以及
数据量庞大。
1 结构损伤检测和识别技术
结构发生损伤时,会不同程度地引起结构参数如质量、
刚度和阻尼的变化,进而导致结构自振频率、振型和阻抗的
96 IndustrialConstructionVol.39,No.3,2009工业建筑 2009年第39卷第3期
变化。
现有很多损伤检测方法都是根据这些参数而提出的,
文献[3-6]对这些方法作了较为全面的阐述和评价。
宗周
红等[3]从损伤诊断、系统识别和模型修正以及传感器布置几
个方面对土木工程结构损伤研究进展进行了综述;
Rytter[4]在
其博士论文中将损伤识别分为四个递进层次;
第一层次确定
结构中是否存在损伤;
第二层次在第一层次的基础上确定损
伤的几何位置;
第三层次在第二层次基础上对损伤的严重程
度进行量化;
第四层次在第三层次基础上预测结构的剩余使
用寿命。
Farrar和Worden[5]将损伤识别分成5个过程,包括
SHM,条件监测,无损检测评估,统计过程控制和损伤预测。
Giraldo[6]在其博士论文中则将损伤检测与识别分成三种类
型:
基于振动的方法、基于静力的方法以及结构的直接检测
方法。
由于结构健康监测多学科交叉的特性,使得严格分类
很困难也不科学,这里采用文献[6]的分类方法进行阐述。
1.1 基于结构振动损伤检测和识别
基于振动的损伤检测有几方面的优点:
通常不必事先知
道损伤位置,布置传感器时也不用布置在损伤位置附近;
另
外,用有限的传感器就可以提供足够信息来确定损伤位置和
损伤严重程度,甚至于大型结构和复杂结构也不例外;
振动
测量不需要大型设备,除非进行强迫振动测试,从检测振动
特性变化的损伤识别方法已经发展了很多不同的分析技术,
目前主要有:
基于振动参数（频率、模态变化,模态曲率、柔度
曲率等）的方法;
有限元模型更新方法;
统计模型方法;
遗传
算法和人工神经网络方法;
小波变换以及小波变换神经网络
方法等。
1.1.1 基于振动参数的方法
Humar等[7]和Yan等[8]对基于振动的结构损伤检测的研
究现状和发展进行了回顾。
Humar等[7]以实例对模态曲率
法、基于柔度矩阵改变法、基于柔度模态改变法、损伤指数
法、基于模态残余向量法、矩阵更新法进行了比较研究和述
评,说明了各种方法的缺点。
指出损伤指数法预测损伤位置
最为成功,同时对测量误差不敏感,但该方法在损伤构件对
测量模态的能量贡献较小时不可靠。
Yan等[8]总结了各种基
于结构动力特性参数的结构损伤检测方法,介绍了结构损伤
检测中的智能损伤诊断原理和其应用前景。
Sophia等[9]将结构自振频率对于局部刚度变化的灵敏度
列为待定方程组,利用采集的损伤前后不完全自振频率变化
的数据以及马尔可夫参数识别损伤位置和程度。
Pandey等
人[10-11],提出了利用曲率模态和柔度改变量进行损伤检测
的方法。
结果显示模态保证准则（MAC）和坐标模态保证准
则（COMAC）对于早期损伤检测不够灵敏;
曲率模态的改变仅
发生在损伤局部区域,可用以指示损伤位置;
柔度矩阵随频
率增长快速收敛,它可以由前几阶低频模态准确估计。
另外
仅测量低频模态的好处是不必关心某些结构的高频成分导
致的非线性问题。
该方法不需要分析模型,所有的计算都是
直接从结构采集的试验数据进行的。
Bernal[12]提出一种新的
基于柔度的损伤定位向量（DLV）的方法,该方法理论上是根
据刚度与损伤相关的位置查找柔度变化的过程,在没有误差
时,该方法能从给定传感器设置情况下以可达到的最大分辨
率给出柔度变化。
Gao等[13]进行了基于柔度DLV方法的空
间桁架结构的试验研究,通过损伤前后结构柔度矩阵的改变
来计算荷载向量,然后将其作为静力作用到未损伤分析模型
上进行静力分析并定位结构损伤。
Hadjileontiadis等[14]基于分形维数分析,提出了梁结构的
裂缝检测因子（FDCD）,它可以有效地用于实际损伤检测。
因为是直接对信号进行运算的时域算法,所以该算法具有快
速高效的特点而可用于实时监测环境。
研究结果表明,该方
法比小波分析对噪声或测量误差更具鲁棒性。
Zhang和
Aktanp[15]提出了结构损伤识别一致荷载面（ULS）的概念,即
在结构所有自由度上同时施加单位荷载,则在所有这些单位
荷载作用下的位移向量称为ULS。
研究发现ULS对试验误
差最不敏感。
Wu等[16]进行了一个立交桥数值算例的截断
误差研究,结果显示ULS对局部损伤非常敏感,但对所用的
模态数和边界条件不敏感。
Wang[17]采用ULS和对文献[14]
改进的FD方法,提出了两种新的损伤检测算法,即广义分形
维数法（GFD）和简化裂缝平滑方法（SGS）,试验与分析结果显
示,两种方法可以用于梁类结构的损伤检测和估计。
从测量数据中尽可能多地提取结构损伤信息是很重要
的,为此Yang[18]提出了两种方法:
一种基于经验模态分解
（EMD）,从测量数据中提取由于结构刚度的突然改变导致的
损伤峰值信号变化,可检测到损伤时刻和位置;
二是基于
EMD和Hilbert变换,进行损伤时刻检查并确定损伤前后结构
的自振频率和阻尼比。
采用国际结构控制协会（IASC-ASCE）
SHM任务小组的标准测试（Benchmark）的4层钢框架结构模
型对两种方法进行了验证。
Ma[19]给出了一种在时域内直接
采用结构振动测量数据进行结构损伤检测、定位和量化的方
法。
将多自由度结构系统解耦为相互独立的单自由度系统,
每个单自由度系统仅与特定位置或区域的损伤相关联。
损
伤严重程度由传统的迭代方式进行估计,同时包含了测量噪
声影响分析。
Park[20]也利用了文献[18]所采用的试验数据,
报道了为检验在盲目模态测试中进行结构损伤定位和损伤
程度评估的数值模拟结果。
研究显示,利用空间剪切梁模
型,损伤指数法能精确定位框架和楼层损伤;
损伤结构的有
限元模拟能提供损伤严重程度的估计。
尽管该方法对于损
伤的数值模拟结果很好,但其有效性还是有待于使用实际试
验数据的检验。
1.1.2 基于FE模型更新的方法
有限元（FE）模型更新的损伤检测技术是需要求解利用
测量数据进行检测、定位和量化损伤的反问题。
当结构构件
很多时,这一过程需要更新很多结构损伤参数因而计算量较
大。
有关模型更新的近期研究在文献[2]中有很详细的评
述。
Fritzen和Bohle[2]借助线性子结构法计算了和损伤有关
的动力刚度矩阵变化并用无量纲的相关参数描述该矩阵变
化,将残余模态向量与结构参数之间的相关性定义为二者的
标量积,选择那些相关性高的参数以缩减需要更新的参数数
量,然后求解参数更新后的动力方程;
最后用刚度损失量化
损伤程度。
Jaishi和Ren[21]给出了一个基于灵敏度的用于损
伤检测的FE模型更新方法,导出了由模态柔度余量组成的
目标函数及其梯度函数,并采用优化算法最小化目标函数进
行损伤识别。
试验显示损伤识别和抗噪声影响的结果令人
土木工程结构健康监测的研究进展综述———周 奎,等97
满意,但FE模型中所有的单元都需要更新参数。
Yuen等[22]
提出了应用于SHM的贝叶斯结构模型更新的方法,该方法
可以处理不完全模态数据,不需要求解结构模型的特征方
程。
用实例验证了所提方法的有效性,结果显示在丢失未知
模态和因损伤改变了模态顺序的情况下,该方法可成功地用
于结构模型更新及损伤检测。
1.1.3 基于统计模型的方法
Messina[23]基于灵敏度和统计模型,提出了一种多损伤定
位保证准则（MDLAC）,能提供一处或多处损伤位置和绝对大
小的可靠信息,它仅需要结构损伤和完好状态的部分自振频
率改变的信息,易于实际应用。
另外一个优点是,为了寻找
未损伤结构的频率和模态,仅需要进行足够细致的初始模态
测量以便与FE模型吻合。
试验结果显示,实用中不需模型
更新也可获得满意的预测值。
Sohn等[24]提出基于统计模式
识别标准样例的结构损伤监测的过程,尤其着重于应用称为
“X-条控制图”的统计过程控制（SPC）技术进行损伤诊断。
控制图表提供统计框架用于监测未来测量与识别和过去数
据不一致的新数据。
首先建立与未损伤结构的测量历史时
程适应的自回归（AR）模型。
在随后的控制图表分析中,选择
AR模型的系数作为损伤敏感指标;
接下来,根据从初始结构
中获得的指标构造X-条控制图的控制极限;
最后按相关的
控制极限监测与后续新数据相吻合的AR模型系数。
该过程
应用于一个混凝土桥柱发生渐进损伤时的振动测试数据分
析,结果显示,耦合的方法比单独应用SPC方法更清楚地捕
捉到损伤和未损伤振动响应的差别。
Bodeux和Golinval[25]给出了多通道结构识别中仅使用输
出时间序列的自回归移动平均向量（ARMAV）模型的应用研
究。
使用高度非线性优化过程对模态保证准则函数最小化
进行误差估计。
当从不相关的随机信号得到系统输出时,在
对自由振动或强迫振动响应信号进行分析的情况下,该模型
能很好地估计频率和模态,但仅限于损伤检测,没有对损伤
定位进行研究。
应用中如果包括多通道响应,模型参数的迭
代更新将很耗时。
Lam等[26]阐述了基于统计模型更新方法,
在未知结构输入激励的情况下利用结构的振动测量响应的
SHM和损伤检测问题。
为了建立由于损伤导致的刚度降低
关系,采用了统计方法进行模型更新,该方法考虑显式噪声
处理、模型误差并描述了该反问题可能的非唯一解问题。
伤检测结果显示,在无模拟误差的情况下,损伤位置和损伤
程度两者都可以正确识别;
而存在模拟误差时,模型更新结
果将会受到影响,除了识别到模拟的损伤,还出现了实际不
存在的附加损伤。
进一步研究指出,识别结果中真实损伤程
度较大,而误判的损伤程度更小一些,处于刚度识别不确定
性造成的统计误差极限内,因此选择合适的模型并最小化模
拟误差是成功进行损伤检测的关键。
Erdogan等[27]阐述了在SHM系统中使用模糊集合理论
的损伤模式识别新方法。
该方法基于损伤特性的模糊相似
性描述和观测的损伤模式,允许建立重叠模糊集来表征仅在
一段时间内的健康性能,不需要任何特定的假定和任何附加
的有限元模拟过程。
利用模式搜索方法建立损伤模糊集,使
用模糊相似和最大逼近度的原理进行未知性能集合的损伤
模式识别。
钢模型桥的试验研究结果显示,该方法可以足够
精确地识别结构的损伤状态。
1.1.4 基于小波变换的方法
现有结构检测方法对中等损伤的情况能给出合适的估
计,然而当损伤尺寸较小时存在不能正确识别的问题。
因此
发展能够检测局部异常情况的高分辨率和更敏感的方法成
为重要的发展方向。
与传统的傅里叶变换（FT）相比,小波变
换（WT）有一个特殊的优点,即在分析非平稳信号时,可同时
进行时频分解,将时间信号分解为时域各种频率分辨率的基
函数。
小波变换的多精度特性显示出其处理空间分布响应
信号的优势,如果信号反映了损伤引起的扰动,即可用于结
构损伤检测的目的。
Newland[28]首先认识到小波变换在振动
信号分析中的潜力并成功应用于梁类结构的裂缝识别。
Staszewski[29]对近期小波分析在损伤检测方面的发展和应用
进行了总结,并指出小波分析和其他技术,如模式识别相结
合可用于在线损伤检测。
损伤会引起损伤附近带有局部特
性的结构响应扰动,Wang[30]用空间小波对这些局部特性放
大,并进行了初步的灵敏度分析。
李宏男[31]简要介绍了一维
小波变换在土木工程中的应用和在结构损伤检测领域的潜
力。
WT的一个缺点是其分辨率在高频区域较差,因结构损
伤是典型的最有可能通过高频区域捕获的局部现象,这一潜
在的缺点将影响基于小波的损伤评估技术的应用。
而小波
包变换（WPT）采用冗余基函数,因此可以提供任意时频分辨
率。
Sun[32]提出了结构损伤估计的基于WPT的方法。
测量
的结构动态信号首先分解为小波包分量,然后计算分量的能
量并用作输入量输入神经网络模型进行损伤估计。
数值模
拟结果显示,基于WPT分量能量对结构损伤很敏感而能用
于各种层次的损伤估计,包括损伤发生的识别、定位和严重
程度。
1.1.5 基于神经网络与遗传算法的方法
Barai和Pandey[33]介绍了具有反向传播学习算法的传统
神经网络（TNN）和时间延迟神经网络（TDNN）方法,并实现了
TNN和TDNN用于模拟损伤状态的典型桁架桥的振动信号
分析。
对两种方法进行了各种完全和不完全测试数据的比
较研究,结果显示对于所研究的模型TDNN的性能要优于
TNN。
对于未知结构系统的健康监测,Masri[34]提出了基于非
线性识别方法的非参数结构损伤检测方法。
该方法不需要
被监测系统的几何拓扑信息或物理特性,它依赖于利用从
“健康”系统的振动测量数据训练神经网络识别,可用于本构
特性和拓扑结构未知的非线性结构的检测。
Fang[35]等提出
一种结合神经网络（NN）训练的可调最速下降（TSD）算法。
作者研究了动力最速下降（DSD）、模糊最速下降（FSD）和TSD
三种算法采用神经网络训练的不同学习率,数值算例显示,
使用启发式TSD训练算法比DSD和FSD算法在训练有效性、
效率以及鲁棒性方面更显著而不增加算法的复杂性,能成功
检测到单个和多个裂缝。
在预测损伤位置和严重程度中该
方法显示了很高的准确性。
Adeli[36]利用外源输入非线性移
动平均自回归方法,提出一个新的动力时间延迟模糊小波神
经网络模型。
为了保持动力时间序列特性,采用混沌理论中
98工业建筑 2009年第39卷第3期
的重构状态空间概念构造输入向量,除采用离散小波包变换
方法降噪外,还结合神经网络和模糊逻辑技术,建立一个新
的模式识别的模型来准确和有效地捕捉传感器数据的时间
序列特性。
利用5层钢框架的试验结果对计算模型进行了
验证。
Perera等[37]提出了基于连续损伤模型并采用遗传算
法（GA）的损伤检测方法,通过最小化依赖于模态观测数据的
目标函数来估计结构损伤位置和严重程度。
给出了两个由
GA算法最小化的目标函数:
第一个是基于动力余向量的特
征方程,不需要完好状态的模态信息;
第二个是从原始模态
保证准则（MAC）导出的修正完全模态保证准则（MTMAC）函
数,需要完好状态的模态信息且同时考虑频率变化。
研究结
果显示,如果噪声水平较低,采用MTMAC算法可以成功地检
测和评估损伤;
然而,当采用特征方程或噪声水平较高时,总
是出现文献[26]的误判现象,并且振动模态数要很多才能得
到较好的结果;
试验结果显示GA与MTMAC一起应用导出
可接受的损伤预测结果。
尽管基于振动的损伤检测方法已经取得很多成果,但在
大型土木工程结构中还是遇到很多挑战:
大型结构很难激
励,从而很难提取由于局部损伤导致的输出信号的变化;
在
环境激励振动测量中,通过不受控的振源如风、微小地震、车
辆和其他外部振源提供激励,这些振源在受迫振动测试中同
时存在,但通常在量测或分析中没有考虑,相对于已知激励
会“污损”输出信号;
现场测试显示不同时间进行的重复性测
试数据是变化的,这主要由于温度（甚至湿度等）和外部激励
源的影响与损伤引起的响应变化量在同一量级,从而导致损
伤不能成功识别。
1.2 基于静力的损伤检测与识别
基于静力的方法与基于振动的方法二者最大的不同是
前者仅利用静力进行激励和响应测量。
结构在静荷载作用
下,量测一处或多处典型位移和应变响应。
Sanayei和
Onipede[38]利用有限元模型和变形测量来确定结构的刚度特
性;
Banan等[39]发展了基于静力响应的结构参数识别框架,
使用一个力误差估计因子或位移误差估计因子,将参数识别
作为受约束的、非线性最小化问题,通过二次回归求解,并经
25个构件的悬索桁架验证。
Hjelmstad和Shin[40]采用输出参
数误差估计和自适应参数分组的方法进行损伤定位;
针对测
量数据的稀疏性和噪声影响,提出了利用摄动法建立损伤指
数阈值进行损伤识别。
该算法能在损伤识别的同时计算每
个构件的灵敏度,但由于采用摄动算法计算量很大,Sanayei
和Saletnik[41-42]对文献[39]的方法进行了改进,利用静态应
变测量代替位移测量,通过最小化集中力导致的计算应变和
测量应变误差来估计结构参数。
Liu和Chian[43]发展了利用
集中力产生的静态应变测量识别桁架断面面积的过程,获得
了桁架的封闭解并用数值算例和模型测试结果验证了该过
Chou和Ghaboussi[44]基于测量的结构变形,利用遗传算
法进行桁架结构的损伤识别。
ShentonⅢ和Hu[45]提出了一
种基于恒荷载应力重分布思想的大型土木工程结构损伤识
别新方法。
该方法仅使用由恒荷载产生的静态应变测量作
为识别过程的输入量;
发展了一个固端梁的分析模型,损伤
状态通过截面弯曲刚度减小的位置、长度和严重程度来确
定。
首先分析了梁在不同损伤时恒荷载作用下的应力是如
何重分布的,继而通过约束优化定义并利用遗传算法（GA）求
解损伤识别问题。
Park[46]提出一种用于结构健康监测的大地激光扫描
（TLS）新方法,可对结构任意特定点的空间位移和结构的静
态变形形状进行测量。
通过受集中力的简支钢梁的试验验
证了该方法的精度和可靠度,结果显示其误差不超过1mm,
与采用线性传感器直接测量的结果比较误差在1.6%左右。
该方法还可以用来估计结构的应力,与直接采用长光纤传感
器测量结果误差在0.24～0.76fy之间。
利用TLS位移模型
无需导线和现场安装传感器,尤其适合于大型结构,如高层
建筑和大跨桥梁的健康监测。
到目前为止,对于大型土木工程结构
升级会员 