土木工程结构健康监测的研究进展综述.docx

1、土木工程结构健康监测的研究进展综述土木工程结构健康监测的研究进展综述摘要:对于大量进入老龄和维护期的土木工程结构, 其安全性倍受重视, 而具有多学科交叉特点的结构健康监测技术则是支撑土木工程基础设施安全运行和适时维护的一个有力工具。首先对各种结构损伤检测方法和无线智能传感技术的最新研究成果进行了回顾和评述;讨论了在线结构健康监测系统的关键问题;最后对结构健康监测和损伤检测领域今后的发展方向进行了展望。关键词:结构健康监测;损伤检测;振动参数;智能传感技术A SUMMARY REVIEWOF RECENT ADVANCES IN RESEARCH ON STRUCTURALHEALTH MONI

2、TORING FOR CIVIL ENGINEERING INFRASTRUCTURES(1.Department of Civil Engineering , University of Shanghai for Science and Technology , Shanghai 200093, China ;2.Department of Civil Engineering , California University at Los Angeles , Los Angeles CA90095 , USA)Abstract :The structural health monitoring

3、 (SHM)with the characteristic of multidisciplinary is a powerful tool to supportthe operational safety and appropriate maintenance for civil engineering infrastructures .The recent advances in research onvarieties of damage detection methods and wireless smart sensing technology are stated .The focu

4、ses of the online SHM arediscussed and the potential challenges in the future to SHM and damage detection are addressed.Keywords :structural health monitoring ;damage detection;vibration parameter ;smart sensing technology工程结构自建成后, 随着服役时间的增长, 不断受环境侵蚀和各种荷载以及自然灾害等的作用, 若没有适当的维护, 将使十木工程基础设施的状态逐渐趋于劣化而变得不

5、可靠。例如, 由于缺乏维护, 美国联邦公路管理局(FHWA)声称, 到2003 年为止, 美国27.1%的桥梁有结构缺陷或功能退化, 而对所有59 万多座桥梁进行更新和适当修复, 需要今后20 年每年投资94 亿美元。2007 年6 月15 日我国广东省九江大桥和美国当地时间2007 年8 月1 日明尼苏达州位于密西西比河上的高速公路135W 桥的坍塌, 造成了很大的生命财产损失, 对工程界产生了极大的震动, 也使人们对很多工程结构的安全产生了疑问。造成结构倒塌和破坏的因素极其复杂, 例如设计和施工不当以及随意改变使用功能;自然灾害、爆炸和冲击碰撞;还有就是结构损伤导致的结构破坏。对于受环境因

6、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(Structural Health Monitoring , 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

7、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(Model Updating)。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96Industrial Constr

8、uction Vol.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

9、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

10、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

11、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

12、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

13、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。Wang17 采用ULS 和对文献 14改进的FD 方法, 提出

14、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。Ma19 给

15、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

16、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Ren21 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

17、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Messina23 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

18、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

19、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Golinval25 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

20、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。损伤检测结果显示, 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

21、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,

22、 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。Newland28 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。Staszewski29 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

23、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

24、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

25、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。Fang35 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

26、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

27、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

28、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Onipede38 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

29、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

30、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程。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。Shenton 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1 mm ,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