基于光纤光栅传感的机械结构损伤检测、识别与评价-机械电子工程专业论文.docx

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其 他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和 集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人 承担。 学位论文作者签名： 日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校 有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有 关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位 论文。 本论文属于 保密□，在年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期：年月日 日期：年月日 华 中 华 中 科 技 大 学 博 士 学 位 论 文 摘 要 在机械结构的损伤识别与健康监测方面，光纤布拉格光栅（Fiber Bragg Grating, FBG）传感具有分布动态应变测量的特点，近年来日益受到关注。发展分布式 FBG 传感系统的损伤识别技术对于发展智能机械、保障重大装备安全服役具有重要的理 论意义与实际应用价值。为了在实际环境中有效应用，在识别结果的置信度、损伤 定位鲁棒性、计算效率等复杂的基础模型与关键技术方面仍有待突破。本文系统开 展了基于测量数据的机械结构损伤识别机理与实验研究，包括损伤检测、损伤定位 与损伤严重程度的估计，并对损伤识别结果的不确定性进行了评价。主要研究工作 和创新之处包括： 对实验中环境和工作条件的波动对损伤检测的干扰进行了研究。本文首先采用 实验的方法，研究了如何降低环境和工作条件的波动对损伤检测的不利影响。实验 中采用一个四角固定的平板结构，并模拟了多种损伤状态。最初使用文献中已经验 证过基于自回归模型和 Mahalanobis 距离的模式识别方法来检测损伤，但是得到了一 个失败的结果。分析表明，环境和工作条件的变化，例如测量噪声、温度和激励源 的波动，都可能伪装成损伤，导致损伤的误定位。为了消除这些因素的影响，采用 Hilbert–Huang 变换将动态应变响应信号分解成一系列的固有模态函数分量，然后对 各个分量的物理意义进行了讨论，并将第二层固有模态函数分量作为损伤引入信号 分量。最后，构造了基于自回归模型和 Mahalanobis 距离的损伤指标来检测和定位损 伤。实验结果证明了该方法的有效性。 提出了基于环境激励下的贝叶斯应变模态分析的建模方法。通过只测量环境激 励下的动态应变响应，从贝叶斯统计的角度，对建模误差和测量误差进行建模，利 用贝叶斯应变谱的方法识别出结构的应变模态参数及其不确定性。识别参数的不确 定性反映了识别结果的置信水平，能够帮助判断导致参数变化的原因：或者是结构 自身变化引起的，例如损伤；或者是一种随机波动。然后，利用 slice 抽样的随机模 拟方法来求解贝叶斯统计中的高维积分问题。 考虑 FBG 分布式测量中不同测量点之间的空间相关信息，提出了基于空间统计 I II万方数据 II 万方数据 的损伤定位方法。与传统的损伤识别只关注单一测量点的信号的方法不同，为了提 高损伤定位的鲁棒性，对 FBG 分布式测量中的空间相关信息进行建模。在应变模态 振型损伤指标向量的基础上对其进行空间统计分析，得到鲁棒性的损伤定位结果。 最后分别用一个平板结构实验和叶片实验对所提出的方法进行了验证。 针对贝叶斯建模方法在损伤识别中的计算问题，提出了新的随机模拟方法。首 先采用局部单元刚度降低的方法对损伤进行建模，然后在贝叶斯统计框架下对损伤 的严重程度进行估计，并度量相应的不确定性。重点探讨了随机模拟方法应用在贝 叶斯统计中的计算问题。在传统的 slice 抽样算法基础上，提出一种新的 slice-M-H 抽样方法。并将该思想应用到 Transitional Markov chain Monte Carlo（TMCMC）方 法中，提出新的 TMCMC-slice 抽样算法。分别用两个例子对这四种算法生成的参数 样本的性能进行评价：一个是悬臂平板的数值模拟例子；另一个是四角固定的平板 实验。数值仿真和实验结果表明， slice-M-H 抽样的识别精度高于 slice 抽样； TMCMC-slice 抽样方法的识别精度高于 TMCMC。通常，基于 slice（包括 slice 抽样 和 slice-M-H 抽样）方法的识别精度高于基于 TMCMC（TMCMC 抽样和 TMCMC-slice 抽样）方法。该研究为利用随机模拟方法求解 SHM 领域中的贝叶斯建模计算问题提 供了参考