桥梁结构损伤识别综述.docVIP

桥梁结构损伤识别综述 　　【摘要】？桥梁是交通运输系统的重要组成部分，桥梁结构的安全是交通运输系统正常运转的前提。结构损伤诊断是对结构进行检测与评估，确定结构是否存在损伤，分析判别损伤的程度与部位，并对故障的状况和趋势进行评估。桥梁结构损伤识别主要包括四个层次：判断结构是否发生损伤，识别结构的损伤位置，评价结构的损伤大小，估计结构的剩余寿命。本文对基于模态分析、小波分析、神经网络分析和环境激励的损伤识别方法进行了介绍，并对这些方法的优缺点进行了分析，最后提出了模糊分析在损伤识别中的应用展望。 　　【关键词】结构损伤;损伤识别;模糊数学; 　　1、基于模态分析得桥梁检测方法 　　 模态是结构的固有振动特性，每一个模态具有特定的固有频率、阻尼比和模态振型。这些模态参数可以由计算或试验分析取得，这样一个计算或试验分析过程称为模态分析。通常，模态分析都是试验模态分析。振动模态是弹性结构的固有的、整体的特性。因此，模态分析是桥梁结构损伤识别和桥梁结构的故障诊断的重要方法，只要研究出了桥梁损伤前和损伤后的模态之间的区别便可以知道桥梁损伤，很多研究人员对模态分析在桥梁结构损伤中的应用做了相当大量的和有成效的工作。目前得到广大研究者普遍认同的一种最有前途和有效的方法就是结合系统识别、振动理论、振动测试技术、信号处理、信号采集与分析等跨学科技术的试验模态分析方法。 　　2、基于神经网络的损伤识别 　　 神经网络损伤识别是以结构模拟发生的损伤训练为样本集合，根据当前状态下的结构损伤指标直接进行损伤诊断的方法。神经网络法具有线性和非线性映射能力，同时还具备自组织、自适应的学习能力，神经网络法特有的容错能力使得其能代表诸多领域的未知模型系统。在桥梁结构损伤识别系统中，神经网络法的最大优点是增强了环境振动条件下的数据信号处理能力，很好地解决了因环境噪声引起的桥梁动力参数损失或误差大的问题。虽然人工神经网络具有很多优点，但是同时，使用人工神经网络进行损伤识别还有很长的路要走。主要在模型误差、测量误差、测量数据完备、网络训练时长、训练所需样本量等方面做大量工作。人工神经网络的方法的主要局限性在于训练数据集的获取，该法的识别的准确与否在很大程度上决定于训练数据集的完备程度和延续性。 　　3、基于小波分析的损伤识别 　　 小波分析具有多分辨率的特点，不管是在时域，还是在频域都有表征信号局部信息的能力，小波分析作为一种信号处理方法，在损伤检测与诊断中取得了很大的进展。时频分析方法主要包括小波分析和小波包分析，近年又出现了Hilbert-Huang变换。在国内，科研工作者利用小波奇异性理论对损伤结构的振动信号进行分析，判断结构发生损伤的时刻，并且给出了结构损伤的分类识别方法。小波包分析不仅对低频部分分解，同时也可以对高频部分进行分解，所以小波包分析比多分辨分析更为精细。小波包变换可以提取由稳态和非稳态信号所合成的信号特征，具有任意的时一频分辨率。特别是在获取到的检测型号出现模糊的波状图时，利用小波或者小波包可以容易的检测出信号中间所包含的桥梁结构损伤信息。有限元数值分析表明基于小波损伤因子损伤识别程序对于突变损伤和线性时变损伤是有效的。 　　4、基于环境激励的损伤识别 　　 基于环境激励下的损伤识别方法主要包括峰值拾取法和频域分解法等。峰值拾取法就是根据频率响应函数在固有频率附近出现峰值的原理，用随机响应的功率谱函数代替频率响应函数，这种方法具有操作简单、识别速度快的优点，但是它不能识别密集模态和阻尼比的结构。频域分解法是峰值拾取法的延伸，是在白噪声激励下的频域识别方法，它的原理是对响应的功率谱进行奇异值分解，将功率谱分解为对应多阶模态的一组单自由度系统功率谱。此种方法识别精度高，具有较强的抗干扰能力。 　　鉴于桥梁结构的本身特点，到目前为止只有时间序列法中的ARMA模型法能够较好应用到结构损伤识别中。在利用简单结构进行数值模拟分析验证方法可行性的基础上，提出利用随机减量技术结合ITD方法、自然激励技术结合特征系统实现算法形成两种时域联合算法对混凝土结构进行模态参数识别，并分别给出了方法的操作流程。然后通过分别模拟车载、风载、地震等激励，并建立桥梁结构的有限元模型，对模型进行了数值仿真模拟，研究了基于不同环境激励下对桥梁结构进行模态参数识别的有效性、适用性、稳定性，对方法的优缺点进行了统一的分析。但是在城市环境噪声影响较大的情况下这种识别方法存在不准确的危险。 　　5、基于模糊数学法的结构损伤识别展望 　　 模糊数学在社会科学中的应用很广泛，已经应用到社会科学的各个方面，并且取得了很好的效果，能够帮助人们做出准确的优异的判断。工程领域中，同样存在着很多模糊的问题，很多用语言都难以描述清楚，用传统的经典数学的方法更加不可能完全准确的