英语原文共 30 页，剩余内容已隐藏，支付完成后下载完整资料
邀请评审文件
土木结构健康监测的新进展
Hossein Qarib，博士生
Hojjat Adeli，教授
俄亥俄州立大学土木、环境和大地测量工程系，470
美国俄亥俄州哥伦布市尼尔大道2070号希区柯克大厅，邮编43220。
电子邮箱：adeli.1@osu.edu；电话号码：614 292 7929
摘要
本文综述了近年来利用结构对激励的响应进行基于振动的结构健康监测的研究进展。综述了基于线性结构行为的参数和特征估计、考虑非线性结构行为的自蔓延模型、传感器布局和数据采集策略、自蔓延模型与结构振动控制的集成、无线监测和激光雷达的应用。
关键词：结构健康监测；损伤检测；振动、系统识别；智能结构
- 导言
尽管一个结构的设计是为了在其使用寿命内抵抗所有可能的荷载，但在设计过程中仍有许多事件没有说明。监测结构的完整性和健康性仍然是实践者和研究者非常感兴趣的课题。这一过程包括由训练有素的工程师对结构进行简单的目视检查，到先进的测试和监测方法，目的是及早发现任何损坏并采取必要的补救措施，防止结构的潜在故障或倒塌，避免人员和经济损失。土木结构的损坏可能是由于各种原因造成的，如过度移动和负荷、腐蚀、裂纹扩展、高温变化和异物碰撞。
Sirca和Adeli综述了1995-2012年间在期刊上发表的关于结构系统识别的具有代表性的论文，这些论文的类别包括：传统的基于模型的、受生物启发的、基于信号处理的、混沌理论和多范式方法。本文综述了利用结构对激励的响应进行基于振动的结构健康监测的最新进展。简要介绍了主要概念和方法。与基于声波或图像处理技术的无损检测（NDT）方法不同，基于振动的方法适用于结构的整体健康监测，即使没有任何损伤位置的先验知识和可接近性。
SHM系统包括三个主要组成部分：1）传感器类型和布局选择及仪表，2）数据采集和清理，3）数据分析、特征提取和损伤检测。一般将最后一部分的算法分为两组，一组是使用损伤结构信息的有监督算法，另一组是不需要损伤状态信息的无监督算法，只基于健康状态数据。
基于振动的SHM技术的关键是系统辨识，系统辨识可分为参数辨识和非参数辨识。在参数化方法中，计算结构参数（如固有频率、振型、刚度或阻尼）的变化，并用于估计损伤的存在、位置或严重程度，而在非参数化方法中，则不使用这些参数来估计损伤。这些参数通常是为结构的线性模型和相关特征值定义的。因此，参数化方法主要是线性算法，而非参数化方法包括非线性算法。
SHM可以在四个不同的层次上实现：1）损伤存在的识别/检测，2）一级加查找损伤位置，3）二级加确定损伤严重程度，4）三级加预测结构剩余使用寿命。一般来说，前两级SHM可通过监督和非监督方法实现，而后两级需要有关受损结构的信息，第4级需要更新结构的有限元模型（图1）。本文综述了用于不同SHM水平的方法。此外，应用程序的类型，如实验室实验、基准问题或实际生活结构，也会在评论文章中注明。
2.基于线性结构行为的参数和特征估计
线性参数结构健康监测是在假定系统为线性时不变的情况下，根据结构的物理特性，监测结构参数的变化。线性参数估计模型是基于线性结构行为的假设。结构损伤识别最常用的参数是结构动力特性，如固有频率或特征值、质量、粘性阻尼、振型或特征向量、动力柔度，其次是频率响应函数、振型相关参数，如模态保证准则（MAC），自动模态保证准则（AutoMAC），以及基于线性结构行为定义的模态形状导数。该过程包括系统识别，以确定结构健康或损坏的不同状态的特征。对于一个鲁棒的SHM系统，提取的参数必须对损伤有较高的灵敏度，但对噪声的灵敏度较低。图2显示了基于输入和输出数据的无监督和有监督系统识别过程。
Gul和Catbas在实验室和瑞士伯尔尼一座三跨预应力混凝土跨线桥的基准问题中，使用自回归外生（ARX）时间序列分析来检测和定位单层钢框架结构的损伤。采用随机衰减法（RD）对环境振动进行了记录和分析。
除了广泛使用的结构参数如固有频率或振型外，研究人员还提出了新的参数来更一致、更有效地检测结构的损伤。基于位移模态形状的曲率相关法（Adewuyi和Wu[5]）考虑到对噪声的敏感性和对数值微分的依赖性，提出了基于归一化模态宏序列（MMS）的损伤检测指标，并将其应用于简单梁结构。Li等人[6] 利用混沌理论[7-9]中的Katz分形维数（FD）测量位移模态，提出基于FD的损伤局部化指标，并对其进行测试，以检测简支梁中的单损伤或多损伤。Seyedpoor[10]提出了一种基于模态应变能的损伤识别指标（MSEBI），利用模拟数据和粒子群优化算法（PSO）[11-15]。
Omrani等人[16] 使用时域特征系统实现算法（ERA）和子空间状态空间系统辨识方法辨识ASCE（美国土木工程师学会）-IASC（国际结构控制协会）基准问题的线性层扭转和横向刚度矩阵，四分之一比例的四层和两层在外部（锤击）和环境激励下，采用双跨支撑钢模型。这种方法利用剪切和扭转建筑中观测到的刚度矩阵的带状形式，将问题分解为若干较小的子问题。
Yan和Ren的[17]提出了从系统输出的功率谱密度传递率中提取固有频率和振型的方法，并将其与五层剪力楼和钢管混凝土中承式拱桥的峰值拾取（PP）和随机子空间识别（SSI）方法进行了比较环境振动下的中国。乔等人[18] 利用频域信号处理技术、快速傅立叶变换（FFT）和时频域信号处理方法、连续小波变换（CWT）[19]和三种模式匹配算法，识别从三层钢结构小型模型获得的记录信号中的损伤特征。Jiang等人[20] 利用振型斜率的复水煤浆检测简支梁和多跨梁的裂缝。
脆弱性曲线是根据经验或分析得出的图表，用以显示受到特定危害的结构的脆弱性或损坏程度。经验曲线以震后损伤数据为基础，分析曲线以数值模拟分析结果为基础。Torbol等人[21]除了从仪表化桥梁结构收集的实际数据外，还应使用设计信息，为南加州的三座混凝土箱梁桥创建更新的脆弱性（在给定强度测量条件下，超过给定损伤状态的概率）曲线。为了准确提取结构的灵敏度，采用广义模式搜索算法对有限元模型中的桥面、柱、桥台刚度等参数进行更新。
Zhou等人[22]使用基于径向基函数的RS模型[23]来估计斜拉桥的比例试验和有限元模型的参数。在要估计的参数中，它们选择连接元件的弹性模量，以考虑连接处材料、尺寸和边界条件的变化。创建RS模型是为了使用足够的样本集将一些输入变量与一些输出变量关联起来，类似于神经网络[24]。
健康监测和系统识别也可用于古建筑和历史建筑，而这些建筑通常几乎没有任何蓝图。西梅拉罗等人[25]采用频域分解、RD技术与ERA方法相结合、自然激励技术（NExT）与ERA相结合三种系统辨识方法，提取2009年意大利拉奎拉地震后拉奎拉市政厅的动力特性。拉奎拉市政厅包括一座三层砖石建筑和一座石头公民塔。一个由15个速度传感器组成的网络被放置在三种不同的布局中以估计横向和纵向模式。研究结果被用来更新有限元模型，并在事故发生后评估建筑物的完整性。Foti等人[26]利用频域分解和随机子空间识别（SSI）算法，从13个加速度计中提取出2009年意大利拉奎拉地震中严重受损的不规则四层钢筋混凝土框架结构的动力特性。利用有限元模型对改造措施进行了设计。
Lozano Galant等人[27]将可观测性技术应用于识别结构特性，如a13层4跨框架的刚度。Bursi等人[28]应用环境振动的SSI算法和冲击振动的ERA方法，提取并确认意大利佩斯卡拉马桥弯曲桥面钢人行天桥的动态特性。他们测试了不同的传感器布局，并根据AutoMAC值选择了最佳布局。
Fuggini等人[29]通过有限元更新方法和遗传算法[30]的结合，对用复合抗震墙纸加固的砌体结构进行识别。墙纸是一种聚合物纺织物，用于改善砌体结构的抗震性能。他们使用环境振动响应在一栋受损的两层石楼上测试了这种方法。
3.考虑非线性结构特性的SHM
考虑非线性结构行为的自蔓延模型方法通常是基于非参数系统辨识技术，直接处理系统的输入和输出，并通过适当的信号处理方法利用测量时间历程或其相应频谱的变化。与参数SI方法不同，这些特征不估计任何显式物理动力学参数。非线性损伤特征估计方法不考虑结构的线性行为。它们包括一系列的方法，如非线性ARX（NARX）、非线性自回归滑动平均外生（NARMAX）、神经网络[31-34]、模糊神经网络[35-38]、模糊小波神经网络[39]，以及能够将非线性和非平稳信号处理为小波的信号处理方法[40]和希尔伯特-黄变换[41]。一般来说，它们比参数化方法更强大，因为它们隐含了结构的非线性行为。这一点很重要，因为损伤往往与非线性行为有关。与参数化方法相比，这些方法对于具有复杂非线性行为的大型结构以及极端荷载下结构响应的不完全和噪声污染测量更为有效[42]。
Adeli和Jiang[43]提出了一种新的动态时滞模糊小波神经网络（WNN）模型，该模型通过对动态时滞神经网络、小波、模糊逻辑的巧妙集成，利用具有外部输入的非线性自回归滑动平均来识别具有非线性行为的结构，混沌理论[42]。Jiang和Adeli[48]提出了一种用于动态模糊WNN模型训练的自适应Levenberg-Marquardt最小二乘算法。考虑到高层建筑结构的几何非线性，将该模型应用于高层建筑抗弯结构。Jiang和Adeli[49]提出了一种基于非参数系统辨识的不规则高层建筑结构在地震作用下损伤检测模型，该模型采用动态模糊WNN模型和自适应学习算法。提出了一种基于结构响应时间序列的多信号分类（MUSIC）方法。利用38层混凝土试验模型获得的数据对该方法进行了验证。OsornioRios等人[50]将Jiang和Adeli[49]介绍的上述MUSIC算法与神经网络[51-53]结合起来，使用在5个加速计的5跨桁架式结构上获得的实验数据来识别、定位和量化结构中腐蚀和裂纹损伤的严重程度。
一些常用的线性系统辨识算法，如状态空间建模、传递函数建模或线性自回归滑动平均（ARMA）方法，也被用于非线性系统的建模。Figueiredo等人[54]（2011）研究了四种不同的自回归（AR）模型阶次近似方法在三层基础激励铝框架模型的系统识别和损伤检测中的应用。这些方法包括Akaike信息准则、部分自相关函数、均方根误差和奇异值分解。结构响应包括由顶层碰撞引起的损伤所引起的非线性行为。结果表明，由于操作和环境的变异性，这些方法在模型的最优阶数方面不能得到相同的解。
高阶模态在结构局部损伤检测中起着重要的作用，但其在频域分析中的确定对传感器中的噪声敏感，这是基于频率的SHM的一个缺点，如前面描述的基于PSD的算法。时频分析已被用于更好的局部损伤检测。一个例子是用于非线性和非平稳信号的HilbertHuang变换（HHT）。在该变换中，首先通过经验模态分解（EMD）将信号分解为固有模态函数（IMF），然后使用Hilbert变换（HT）确定信号的瞬时频率[41]。Chanpheng等人[55]根据信号的估计频率响应函数与其HT的差定义一个非线性度，并将其应用于2002年至2005年日本6次地震中斜拉桥的数据。
向和梁[56]提出了一种基于小波变换的两阶段裂纹定位和深度估计方法。首先，对模态振型进行小波变换进行裂纹定位。然后，基于估计的位置，使用线弹性断裂力学理论[57-58]估计不同裂纹深度的梁的固有频率，而每个裂纹由一个无重量旋转弹簧表示。他们把这种方法应用于有两条裂缝的悬臂梁.。
Noh等人[59]提出统计脆弱性函数，将基于小波的损伤状态特征（DSF）映射到结构的损伤状态，并估计建筑物的健康状况。以反应加速度矢量小波变换中主尺度的小波能量与各尺度能量之和的比值为DSF，以层间位移比为损伤指标，将该方法应用于一个非线性二维（2D）4层钢框架的仿真数据。
- 传感器布局和数据采集策略
有效采集时间序列数据的传感器的数量和布局是SHM中的关键问题，它直接影响到项目成本和损伤检测的准确性。Raich和Liszkai[60]提出了一种使用遗传算法[61-62]的多目标优化方法，其目标是最小化传感器数量，同时最大化在每个传感器位置收集的频率响应函数的灵敏度。他们在悬臂梁、简支梁和三层二维抗弯框架上进行了试验。
在需要应用数据压缩技术的SHM系统中，经常会产生大量的时间序列数据。Huang等人[63]利用压缩感知的思想，即数据在传感器中与采样同时被压缩，并提出了一种贝叶斯压缩感知方法来重构压缩传感器的信号。该方法是用一个桥梁SHM系统的合成加速度和实际加速度数据进行测试的。
5.SHM与结构振动控制的集成
智能结构的概念是通过将SHM的概念与结构的被动、半主动和主动振动控制结合起来提出的。用于SHM的系统识别技术也可应用于结构的振动控制[69-70]。Cho等人[71]利用Box-Jenkins状态空间系统辨识方法，基于全尺寸现场数据，对高层建筑二次质量阻尼系统进行动态参数辨识。他们将该方法应用于安装在韩国釜山高层建筑结构顶部的实际调谐质量阻尼器（TMD）系统[72]和安装在韩国仁川高层建筑结构顶部的实际调谐液柱阻尼器（TLCD）系统。
Hazra等人[73]对于具有紧密间隔模式或低能模式的系统，如配备TMD的结构，使用二阶盲源识别方法[74]。它们还解决了当测量数量少于识别模式数量（传感器太少）时的问题。他们在加拿大多伦多附近的停机坪控制塔上进行结构特征识别，塔顶上装有一对TMD。Khalid等人[75]提出了基于动态递归神经网络的磁流变（MR）流体阻尼器的非线性辨识[76-77]，用于结构的半主动振动
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[236183]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
