结构损伤识别的方法探析.docVIP

结构损伤识别的方法探析 　　摘要:结构在复杂的环境中会受到损伤，结构损伤会给人们带来灾难。所以近年来损伤分析越来越受到重视。本文介绍了几种常用的结构损伤识别方法，对各方法进行了评述，最后对结构损伤识别的几个问题进行了展望。 　　关键字：损伤识别；测试频率；神经网络；广义柔度矩阵；小波分析中图分类号：F121.3 文献标识码：A 　　 　　近年来，损伤分析在抗震评估、加固以及承载能力设计中的应用越来越引人 　　注目。损伤是指结构的预定功能受到影响的状态。按其影响的不同，可分为轻微损伤、损伤、严重损伤。损伤，从广义地讲，包括非受力损伤及受力损伤 [1]。在国际材料与结构实验学会班LEM 关于混凝上结构破损分类的推荐草案中，损伤是指结构由于外部力学因素引起的削弱或破损。下面介绍几种常用的结构损伤识别方法。 　　一.基于测试频率结构损伤识别方法[2] 　　结构的固有频率是表示结构固有特性的整体量，当结构的局部出现损伤时，结构的固有频率将发生变化，随着刚度的降低，结构的固有频率将会增大。正是由于这一特性加上结构固有频率易于测量和测量误差小，很多研究者将结构的固有频率作为结构损伤识别的损伤标示量。 　　对于一个多自由度结构系统，忽略阻尼的影响，其振动特征值方程为 　　(1-1) 　　式中： M为整体质量矩阵；K为整体刚度矩阵；为特征值；为正则化振型。 　　当结构的刚度和质量等物理参数发生小的变化△K、△M时，由摄动理论式(1-1)可知 　　[(K+△K)-(-△)·M]·(+△)=O(1-2) 　　多数情况下结构的损伤是由于裂缝和腐蚀所引起的，一般对质量矩阵的影响甚微，即△M0，将式(2)展开，并忽略二次项△M ·△ 和△·M·△ 的影响，有 　　(1-3) 　　对于第i阶振型，式（1-3）有 　　 （1-4） 　　以△kn表示第n个单元的刚度变化，则式(4)成为 　　 （1-5） 　　式(1-5)在形式上类似与瑞雷商，表示结构应变能和结构特征值的关系。当只有第n个单元出现损伤时为 　　 （1-6） 　　特征值的变化可以定义为损伤位置n和损伤程度的函数，即 　　 （1-7） 　　则△kn=·kn，式(1-6)可进一步化为 　　 （1-8） 　　从上式可以看出，特征值的变化是损伤的位置和损伤程度的函数。取两阶振型对应特征值的变化量和，则此两阶模态对应的频率变化比为 　　（1-9） 　　式(1-9)表明，任意两阶模态对应的频率变化比是结构损伤位置和损伤程度的函数，不同位置单元的损伤对应一组特定的频变比，根据结构损伤前后各阶模态对应的频变比，可以识别出结构的损伤位置，并可以对损伤程度进行评估。 　　二．基于人工神经网络的结构损伤识别方法 　　神经网络用于损伤识别的基本原理是：根据结构在不同状态的反应，通过特征提取，选择对结构损伤敏感的参数作为网络的输入向量，结构的损伤状态作为输出，建立损伤分类训练样本集将样本集送人神经网络进行训练，建立输入参数与损伤状态之间的映射关系，训练后的网络具有模式分类功能[3]。将待测结构进行测试的动力参数输人网络，得出损伤状态信息。神经网络法利用其特有的学习能力，可以将反问题的映射关系以网络权值的方式保存下来，即将这种关系分布式地存储于网络权值中，而使用者无需关心网络内部具体是如何操作的[4]. 　　2.1基本思想 　　将BP网络理论学习算法转化为实际的学习过程，其原理如下：令I={a1 ．．，an}为输入层故障诊断向量，O={ci．．，cj)为输出层故障诊断向量，H={bI，…，bP}为隐含层神经元数,．V=VnP与W=Wp q，为各层之间连接权值，K=(1，2，……m)为给定的样本数。先给LI层单元与LH层单元之间、LH层单元与LO层单元之间的连接权以及LH层单元阀值i．LO层单元阀值赋区间的随机值份（）。 　　2.2学习算法 　　(1)将输入模式Ak送到LI层，LI 层单元的激活值ak通过连接权矩阵V送到LH层，产生LH层新的净输入netbi，进而产生LH层单元的输出值bi， 　　(2-1) 　　 （2-2） 　　式中i=1，2，．．．，p；f为S型函数 　　（2）计算LO层单元的输出值 　　(2-3) 　　式中j=l，2，．．q 　　(3)计算输出LO层单元的一般化误差： 　　 (2-4)式中j=1，2．．，q；k=l，2．．，m(m为总的样本数)；Tkj为LO层单元j的希望输 　　(4)计算输出LH层单元的一般化误差： 　　 （2-5） 　　式中i=l，2，．．． p；上式相当于将LO层单元的误差反向传播到LH层。 　　(5)调整LO层单元到LH层单元的连接权和阈值： 　　 （2-6） 　　式中i=1，2．．，p